 |
Как ускорить принятие решений в контакт-центре: BSS поделилась экспертизой на ECCS-2026
На международной конференции по клиентскому сервису от CCGuru «Передовой опыт контактных центров — Excellence in Customer Contacts — 2026» эксперты BSS на кейсах показали, как устранить разрыв между данными и действиями, избежать бесконечных пилотов и сократить путь от проблемы до действия до одного дня.
XVI конференции «Передовой опыт контактных центров — Excellence in Customer Contacts — 2026» собрала представителей крупнейших ИТ-компаний и руководителей контакт-центров из финансового сектора, телекома, розницы, логистики, государственного сектора и других отраслей.
Компания BSS представила на мероприятии CX-платформу для управления клиентским опытом и выступила с экспертизой: эксперты поделились кейсами и организовали круглый стол для обсуждения актуальных вызовов отрасли.
О главной дилемме клиентского обслуживания рассказал руководитель направления по развитию ИИ-продуктов компании BSS Михаил Воронин:
«Большинство организаций умеют собирать данные о клиентах. Немногие умеют превращать эти данные в согласованные действия сотрудников и всей организации».
CX-платформа объединяет данные, аналитику и управленческие решения в единой среде – работа строится в несколько этапов:
1. Сбор сигналов клиентов: платформа фиксирует все, что происходит с клиентом или сотрудниками – темы обращений, поведенческие паттерны, отклонения KPI. То есть отвечает на вопрос: что происходит сейчас?
2. ИИ-анализ: интеллектуальный модуль выявляет аномалии, определяет вероятные причины проблем и потребности клиентов. Появляется ответ на вопрос: что это значит для бизнеса и клиента?
3. Рекомендации: по результатам анализа система предлагает Next Best Action, которое может быть направлено и на развитие отношений с клиентом (например, персональные предложения), и на усиление сотрудника (например, подсказки или тренинги), и на развитие бизнеса (например, сигнал о необходимости автоматизировать процесс). Это уже ответ на вопрос: что делать?
4. Выполнение рекомендаций: например, если ИИ определил, что основной предиктор оттока – проблемы с информированием о статусе заказа, то предложенным решением может быть автоматизация через ИИ-агентов, которые будут самостоятельно проверять статусы заказов и отвечать клиенту. После внедрения изменений компания может оперативно оценить их результативность благодаря ИИ-модулю. Так можно быстро узнать: решена ли проблема?
Как запускать пилотные проекты так, чтобы они переходили в промышленную эксплуатацию, рассказала ведущий аналитик по контактным центрам департамента голосовых технологий компании BSS Дарья Громова.
Проблема традиционных пилотов в том, что они демонстрируют возможности инструмента, но не отвечают на главный вопрос бизнеса: какой результат он принесет компании. В них не тестируют показатели, на базе которых считают ROI – в итоге заказчику сложно принять решение о масштабировании, а внедрение откладывается на неопределенный срок.
«Альтернатива – пилот с фиксированным KPI, где главным критерием успеха становится конкретный бизнес-показатель, который должна улучшить система. Например, в пилоте речевой аналитики с МТБ была поставлена цель за три месяца снизить AHT на 3%. В результате показатель удалось сократить на 8%», – рассказала Дарья Громова.
Как ИИ-модуль в речевой аналитике позволяет бизнесу адаптироваться к постоянным изменениям рынка и проверять гипотезы за нескольких дней рассказала владелец продукта «Речевая аналитика» компании BSS Анна Ивлева.
До недавних пор на проверку гипотез уходили недели: нужно было собрать данные, подготовить отчет, провести обсуждение и только потом запускать проект. Сегодня важным показателем зрелости компании становится скорость верификации идей – то, насколько быстро она может превратить вопрос в действие и оценить результат.
Благодаря ИИ цикл проверки гипотез может выглядеть так:
● 1 час – собрать и проанализировать данные
● 4 часа – выявить причины проблемы
● 8 часов – принять решение
● 1–3 дня – проверить эффект изменений
Анна привела пример из практики BSS:
«После того, как мы выявили низкий CSI в одной службе доставки, ИИ-агенты нашли паттерны в клиентских диалогах и определили основные причины недовольства: отсутствие связи с курьером, неясные формулировки на сайте и недостаток вариантов доставки. На их основе они тут же предложили рекомендации: предоставить клиентам выбор временного интервала доставки, упростить тексты на сайте и запустить программу лояльности. В результате CSI вырос с 5,7 до 6,5 всего за две недели».
Во второй день ИИ-эксперты BSS провели круглый стол «От концепции к действиям: как CX‑платформа меняет управление контактным центром здесь и сейчас», где вместе с коллегами из контакт-центров обсудили ожидания клиентов, новые KPI и главное – как сделать так, чтобы ценные инсайты не терялись по пути к тем, кто принимает решения.
Компания BSS благодарит всех, кто пришел на выступления, участвовал в дискуссиях, подходил знакомиться с CX-платформой и входящими в нее решениями, делился опытом, задачами и взглядом на развитие клиентского сервиса. Только вместе можно сделать CX умнее, технологичнее и эффективнее!
Контактное лицо: Вадим Прищепа (написать письмо автору)
Компания: BSS (все новости этой организации)
Добавлен: 21:33, 04.07.2026
Количество просмотров: 37
Страна: Россия
| Формирование ВIM-каталога производителя в Model Studio CS Кабельное хозяйство, АО «СИЭС Групп», 22:57, 21.07.2026, |
350 |
| Кабельная трасса в цифровой модели начинается с данных, которые видит проектировщик. На вебинаре CS Group покажем, как в Model Studio CS Кабельное хозяйство работают с базами данных для моделирования кабеленесущих систем, прокладки кабелей и выбора продукции для проектных решений. |
 |
| Формирование ВIM-каталога производителя в Model Studio CS Отопление и вентиляция, АО «СИЭС Групп», 22:57, 21.07.2026, |
351 |
| Чтобы климатическое и вентиляционное оборудование попало в проект, проектировщик должен увидеть его в рабочем каталоге. На вебинаре CS Group разберем, как формируется BIM-каталог производителя для Model Studio CS Отопление и вентиляция и что важно учесть при подготовке номенклатуры. |
 |
|
|
