Как ИИ помогает сократить количество обращений в поддержку

Если вы хотите сократить количество обращений в поддержку, сначала выясните, из чего оно состоит. Во многих компаниях большая часть тикетов — рутина: статус доставки, копия счёта, возврат, перенос записи. В статье разберём, в каких трёх местах помогает ИИ, как за пять шагов проверить свои тикеты, и на примере посчитаем, сколько обращений реально может уйти, а когда заметно меньше.

Из чего на самом деле состоит поток обращений

Тикет и проблема — не одно и то же. Если клиентка спрашивает, где её посылка, это тикет, но с товаром всё в порядке. Ей просто не хватает информации. В интернет-торговле, сервисных центрах и компаниях сферы услуг такие запросы часто занимают большую часть почтового ящика. Каждый закрывается быстро, но вместе они отнимают целые рабочие дни.

Вторая группа — настоящие запросы с простым решением: изменить адрес, перенести запись, прислать этикетку для возврата. Третья группа — случаи, где кому-то нужно подумать, принять решение или извиниться: повреждённое устройство, спорный счёт, недовольная постоянная клиентка. Заметно снизить число тикетов ИИ может только в первых двух группах. В третьей он помогает иначе: заранее сортирует обращения и собирает информацию.

Как ИИ сокращает количество обращений в поддержку: три рычага

Предотвращать тикеты

Дешевле всего обходится обращение, которого не было. Автоматическое сообщение об отправке с трек-номером, напоминание накануне сервисного визита или уведомление о задержке доставки снимают многие вопросы заранее. Для этого даже не нужно много ИИ — достаточно аккуратно связать магазин, складскую систему или календарь записей.

Решать тикеты сразу

ИИ-ассистент в чате, по почте, в WhatsApp или по телефону понимает запрос, смотрит данные в системе и отвечает. Он сообщает статус доставки, создаёт этикетку для возврата, переносит запись или повторно отправляет счёт. Для этого у него должен быть доступ к этим системам. Бот, который знает только шаблоны ответов из FAQ, отвечает на вопросы, но мало что решает.

Лучше готовить тикеты

То, что ассистент не может решить сам, он передаёт со всеми данными: номер клиента, номер заказа, фото повреждения, краткое резюме. Число тикетов от этого не падает, зато становится меньше уточняющих вопросов. Если сейчас вашей команде приходится трижды переписываться с клиентом, прежде чем станет понятно, в чём дело, экономия здесь большая. Как это выглядит в работе сервисного центра, описано в статье об ИИ в сервисном центре.

Аудит тикетов за пять шагов

1. Сделайте выборку. Возьмите тикеты за последние четыре–восемь недель. Если их много, хватит случайной выборки в несколько сотен.
2. Выделите категории. Отнесите каждый тикет к определённому типу запроса. Обычно достаточно восьми–двенадцати категорий, всё редкое попадает в «Прочее».
3. Опишите способ решения. Для каждой категории запишите, что делает команда, чтобы закрыть запрос, и какими системами пользуется.
4. Оцените, что можно автоматизировать. Решается ли вопрос по чётким правилам и есть ли данные в цифровом виде? Тогда категория подходит.
5. Проверьте причины. Часть тикетов появляется из-за непонятных текстов в магазине, отсутствия информации о доставке или запутанного счёта. Такие причины лучше устранить напрямую, а не поручать их ИИ.

Пример расчёта: интернет-магазин с 800 тикетами в месяц

Цифры ниже — допущения для наглядности, а не результаты измерений. Допустим, интернет-магазин велоаксессуаров получает 800 тикетов в месяц. Аудит показывает следующее распределение, и по каждой категории команда осторожно оценивает, сколько тикетов ИИ либо предотвратит, либо закроет полностью.

Запрос	Тикетов в месяц	Допущение: отпадут или закроет ИИ
Где мой заказ?	260	200 (уведомление об отправке плюс ответ в чате)
Возврат и обмен	150	90 (объяснить порядок, создать этикетку)
Счета и оплата	90	70 (выслать копию, сообщить статус оплаты)
Вопросы о товарах	140	50 (ответ есть в данных о товаре)
Брак и рекламации	100	0 (только предварительная сортировка)
Прочее	60	0
Итого	800	410

При таких допущениях у команды остаётся около 390 тикетов, то есть чуть меньше половины прежнего объёма. Важна и обратная проверка: если в данных о товарах есть пробелы, а каждый возврат проверяют вручную, уйдёт только около 270 тикетов. Тогда объём сократится скорее на треть. Как ИИ-поддержка может заодно сократить число брошенных покупок, показывает условный пример интернет-магазина.

Второй эффект часто упускают из виду. Оставшиеся тикеты — самые сложные. Поэтому среднее время обработки одного тикета растёт, хотя общий объём работы снижается. Если смотреть только на число тикетов, легко сделать неверные выводы. Как реалистично оценить потенциал экономии в клиентском сервисе, показывает статья об ИИ-чат-ботах в клиентском сервисе.

Где проходят границы

В некоторых компаниях ИИ в поддержке даёт немного. Если большинство запросов касается поиска технических неисправностей, индивидуальных решений «в порядке исключения» или вопросов по договору, по жёстким правилам почти ничего не решить. При очень небольшом объёме обращений настройка тоже быстро обходится дороже, чем приносит пользы.

Типичная ошибка — бот, который не пропускает клиента к живому сотруднику. Число тикетов при этом действительно падает, но лишь потому, что клиенты сдаются, а потом это видно по отзывам и расторжениям договоров. Поэтому заложите понятный путь к команде и целенаправленно фиксируйте недовольство, например коротким вопросом после разговора. Как автоматически собирать и анализировать отзывы клиентов, рассказано в отдельной статье. Для раздражённых клиентов в любом случае действуют свои правила, см. ИИ в работе с жалобами.

И как всегда, когда ИИ разговаривает с клиентами, прямо скажите, что это ИИ. Этого требует Регламент ЕС об ИИ (EU AI Act), и так вы избежите лишних споров.

Частые вопросы

Как быстро снижается количество обращений после запуска?

Предотвратимые тикеты благодаря уведомлениям о доставке или записи часто уходят уже в первые недели. С самостоятельным решением запросов ассистентом дело идёт дольше: ответы нужно доработать, а интеграции с системами — протестировать. Оценивайте результат не раньше чем через два–три месяца.

Нужна ли для этого тикет-система?

Она помогает, но не обязательна. Главное, чтобы запросы и передачи дел где-то фиксировались в упорядоченном виде: в тикет-системе, в CRM или в общем почтовом ящике с понятными правилами.

Придётся ли сокращать сотрудников поддержки?

Это решение руководства, а не автоматическое следствие. Многие компании тратят освободившееся время на более быстрые ответы по сложным случаям, на обратные звонки или на задачи, до которых раньше не доходили руки.

Может ли ИИ обрабатывать тикеты и ночью?

Да, он работает круглосуточно. То, что нельзя решить ночью, к утру лежит уже рассортированным. Подробнее — в статье о круглосуточной поддержке клиентов без ночных смен.

Итог

Сократит ли ИИ количество обращений вдвое, зависит не от технологии, а от того, из чего состоят ваши запросы. Сначала проведите аудит, напрямую устраните причины, которых можно избежать, и подключайте ИИ там, где вопросы решаются по чётким правилам и есть нужные данные. Считайте осторожно, а после запуска измеряйте.

Как это выглядит для компаний с большим потоком запросов, показано на странице «Цифровой ассистент для сервисного центра».