В 15 раз больше повторных заказов

У федеральной сети химчисток накопилась большая база клиентов, которые обращались в прошлые годы, но давно ничего не заказывали. Мы сделали ИИ-сотрудника, который использовал историю их заказов для персонального общения, и получили в 15 раз больше повторных заказов по сравнению с обычной рассылкой по той же базе.

Как завести разговор

До этого химчистка периодически отправляла клиентам сообщения в духе “вы у нас давно не были, приходите, подарим скидку 10%”. Это обычная практика для такого бизнеса, и результат тоже был обычным: большинство людей игнорировало рассылку, потому что по сообщению сразу понятно, что его получили все.

При этом в CRM уже было достаточно информации, чтобы обратиться к каждому индивидуально: что человек приносил в чистку, когда это было, о чем он переписывался с сотрудниками. Мы подключили к этим данным ИИ-сотрудницу (назвали ее Маша), которая перед началом разговора изучала историю и могла, например, спросить, хорошо ли почистили пальто в прошлом сезоне. Согласитесь, на такой вопрос ответить гораздо естественнее, чем откликнуться на очередное предложение скидки.

Дальше разговор зависел от того, что отвечал человек. Маша могла расспросить о прошлом заказе, узнать, не нужно ли почистить что-нибудь еще, и через несколько сообщений предложить ту же самую скидку. По сути, предложение осталось прежним, но теперь у него был контекст: с человеком поговорили, вспомнили его обращение, поинтересовались, все ли понравилось. На такие сообщения в WhatsApp и Telegram отвечали более трети клиентов.

Когда появлялась конкретная потребность, Маша просила описать вещи и прислать фотографии, после чего передавала разговор сотруднику для оформления заказа. Так хотел заказчик: мы автоматизировали возвращение клиента и начало продажи, а завершение оставили людям.

Пришлось притормозить

Конверсия в повторные заказы выросла в 15 раз, и довольно быстро оказалось, что бизнесу уже тяжело справляться с таким потоком. Поэтому мы сделали автоматическую регулировку интенсивности диалогов с учетом загрузки бизнеса. Получился инструмент, с помощью которого можно возвращать клиентов из накопленной базы в том темпе, в котором компания готова принимать заказы.

Предложение осталось тем же, а повторных заказов стало в 15 раз больше.

Неожиданный бонус: нашли недовольных клиентов

В процессе обнаружился еще один эффект, который мы заранее не планировали. Оказалось, что часть клиентов давно не возвращалась из-за проблем с прошлым заказом: кому-то плохо почистили вещь, кому-то сорвали сроки, у кого-то что-то испортили. На рекламную рассылку эти люди не отвечали, а вот когда Маша спрашивала, довольны ли они работой, рассказывали, что произошло.

Как только мы это увидели, добавили отдельный механизм: система уведомляла бизнес о претензии и передавала краткую сводку, чтобы менеджер мог включиться в разговор и разобраться в ситуации. Где-то было достаточно обсудить проблему, где-то предлагали бонус или компенсацию, но у компании наконец появилась возможность восстановить отношения с людьми, о недовольстве которых она до этого не знала.

Большинство таких клиентов удалось вернуть, и многие из них снова стали делать заказы. Для заказчика это оказалось отдельным ценным результатом: вместе с повторными продажами появился способ узнавать, почему люди уходят, и связываться с ними, пока отношения еще можно восстановить.