Кейсы

Каждый день в мобильное приложение и на сайт сети ресторанов быстрого питания приходят тысячи вопросов: где заказ, почему списались деньги, как сдать баллы, куда пожаловаться на качество. Большая часть обращений однотипна, но именно из-за объёма превращает поддержку в узкое место.
Мы в Chatme сделали для сети ресторанов быстрого питания чат-бота, который встречает гостя первым, знает его заказ ещё до первого сообщения и берёт на себя всё, что не требует человека, — а когда требует, передаёт оператору не «жалобу», а готовое, заполненное обращение.

Сеть ювелирных магазинов с собственной ломбардной линией: статус заказа, возврат и обмен, залог, скупка и обмен изделий, программа лояльности. Бот на платформе chatme ведёт всю первую линию поддержки по этим темам, обрабатывая большой поток обращений от постоянной базы клиентов — и на этом объёме особенно хорошо видно, что дало одно точечное изменение в архитектуре.

Автоматизировать клиентский сервис в логистике сложнее, чем просто научить бота отвечать на частые вопросы. Клиент хочет не справку из базы знаний, а ответ на конкретную ситуацию: где груз, почему он задерживается, когда приедет доставка и нужно ли уже обращаться к оператору.
Вместе с клиентом мы последовательно развивали бота клиентской поддержки: меняли логику перевода на оператора, подключали Q&A по базе знаний, а теперь прорабатываем LLM-агента, способного работать с реальными данными груза.

В чате с агентом оказываются заёмщики с просрочкой от одного дня до нескольких месяцев, с разными продуктами и разным набором доступных вариантов погашения. Промпта, который учитывал бы все эти случаи одновременно, мы писать не стали: он собирается заново под каждого собеседника — из данных по его займу. Рассказываем, как это устроено, что даёт и чего требует.

Приглашаем на совместный вебинар Chatme.ai и Minervasoft:
Как подготовить базу знаний для ИИ-ассистента?
21 мая, 12:00 (МСК)

Цифровизация клиник выходит на новый уровень. Chatme.ai через API интегрируется с МИС Медиалог, обеспечивая гибкие сценарии и масштабирование без изменения системы.

Разгрузить контакт-центр, оперативно отвечать на вопросы студентов и школьников образовательных организаций с помощью чат-ботов

Чат-бот для круглосуточной поддержки родителей без увеличения штата контакт-центра

Автоматизация процесса обработки 20 тысяч откликов на открытые вакансии в федеральной курьерской компании с помощью чат-бота с интеграцией с HuntFlow

Несколько AI чат-ботов в Телеграм: (1) для клиентов курьерской службы по статусам заказов, расчетам доставки и часто-задаваемым вопросам, (2) бот в закрытом канале для курьеров / временных сотрудников, готовых выполнить доставку заказов.

Бот помогает клиентам онлайн-магазина товаров для дома и разгружает операторов колл-центра, классифицируя обращения до первого контакта.

Чат-бот помогает пользователям найти товар в каталоге и оформить заказ, в одном месте и меньше чем за минуту!

Рекламная кампания в ВК и чат-бот для «продажи» вакансии и скрининг-интервью с кандидатами на вакансию оператора call-центра в международную сеть аутсорсинговых контактных центров

NLU чат-бот на португальском и английском языках для онлайн-казино и беттинга Brazino 777. Уровень селф-сервиса составляет 50% для португальского языка и 65% для английского – столько диалогов обрабатываются ботом без перевода на оператора.

NLU-бот корректно распознает 73% обращений на сайте медицинского центра, уровень селф-сервиса составляет 95% – столько диалогов обрабатываются ботом без перевода на оператора. Бот-маршрутизатор корректно классифицирует входящие обращения в WhatsApp.

Процесс рассмотрения заявки на выдачу кредитной карты занимает всего 3 минуты