Кейсы ValueAI Х3 эффективность подбора персонала

Клиент: Крупная сеть розничных магазинов

Задача: Создать инструмент на базе ИИ, который способен увеличить конверсию для HR за счет автоматизации рутинных задач:

1. Сопоставление вакансий и резюме кандидатов
2. Резюме диалога с кандидатом после видео-интервью в текстовом формате
3. Мессенджер с LLM как новый канал для найма

Решение и результат: Увеличив конверсию с помощью разработанных

ML-моделей на ValueAI удалось:

• Сократить:
  • Нагрузку HR по первичному скринингу в 2 раза
  • Затраты на доступ к контактам соискателей в 3 раза
  • Время закрытия вакансий HR отделом в 2 раза
• Повысить:
  • Качество подбора кандидатов на 50%
  • Эффективность онбординга на 50% и, как следствие, — рост мотивации, удовлетворенности новых сотрудников

Кейсы ValueAI Х2 эффективность обработки заявок
для техподдержки

Клиент: Ведущий производитель электроники для дома

Задача: Создать ИИ-инструмент анализа диалогов специалистов технической поддержки с клиентами

Решение:

• Обезличивание данных в ValueAI для соблюдения конфиденциальности
• Извлечение ключевой информации из диалогов с помощью ChatGPT, включая темы обращений, вопросы и предложенные решения
• Управление моделью через промпт-инжиниринг для исключения вымышленных данных
• Разметка данных и их проверка в ValueAI
• Определение тональности диалогов для анализа настроения клиентов
• Визуализация результатов в виде наглядных графиков
• Передача заказчику API готовой модели для дальнейшей работы

Результат:

Инструмент анализа диалогов помог:

• Определить наиболее частые вопросы и добавить их в FAQ
• Оценить удовлетворенность клиентов на основе их ответов
• Увеличить показатель удовлетворенности клиентов (CSAT) на 34% в первый месяц использования
• Оценить эффективность работы сотрудников техподдержки

Кейсы ValueAI Повышение конверсии
и рост продаж авиабилетов

Клиент: Туристическое агентство, специализирующееся на продаже авиабилетов.

Задача: Повысить конверсию входящих запросов на сайте без вложений на рекламу и обучение персонала.

Решение:
Инструмент на основе машинного обучения, который позволяет:

• Рассчитывать вероятность конвертации лида в клиента и прогнозировать его прибыльность на основе исходных данных
• Обогащать запросы дополнительной информацией, такой как вероятность использования бонусных миль и готовность к покупке
• Оценивать эффективности работы менеджеров по продажам
• Автоматически закреплять наиболее прибыльных потенциальных клиентов за самыми эффективными менеджерами
• Отслеживать трафик и соотносить его с продажами
• Рассчитывать рентабельность рекламных кампаний
• Получать рекомендации по холодным звонкам старым клиентам на основе истории покупок

Результат:

• В 3 раза сократилось время обработки перспективных запросов
• Продажи авиабилетов увеличились на 17%

Кейсы ValueAI Прогнозирование потребности в лизинге для повышения эффективности продаж

Клиент: Крупная лизинговая компания ГК Альфа-Лизинг.

Задача: Увеличить продажи за счет своевременной коммуникации с новыми перспективными лидами до того, как их перехватят конкуренты, или их приведут через платные каналы. Дополнительно — прогноз предмета лизинга.

Результат интеграции ИИ:

• Более 400 000 аккаунтов ежемесячно в обработке
• 14200 контактов рекомендованы ИИ к обзвону
• 3240 контактов выбраны как релевантная ЦА
• Каждый 6-й контакт стал клиентом Альфа-Лизинга
• Каждый 2-й контакт использовал услуги лизинговых компаний

Результат для бизнеса:

• “Сузили воронку” для колл-центра
• Х2 эффективность звонков
• Снижение итоговой стоимости лида
• Рост коэффициента удержания
• Рост продаж

Кейсы ValueAI на 60% снижение трудозатрат
на обработку заявок сервисного центра для инжиниринговой компании за счет автоматизации

Клиент: Инжиниринговая компания.

Проблема: В компанию ежедневно поступает до 3000 заявок на ремонт, которые менеджеры обрабатывают вручную и передают техникам. Большую часть заявок отмечают как гарантийный ремонт — самый низкомаржинальный. Однако около 20% таких заявок в действительности соответствуют негарантийному ремонту.

Задача: Оптимизировать и автоматизировать обработку входящих заявок через:

• Автоматическое определение типа ремонта потребуется по заявке: гарантийный или негарантийный
• Отслеживание соответствия прогнозируемого и фактического типа ремонта
• Снижение операционных расходов, возникающих из-за некачественно обработанных заявок
• Ускорение обработки заявок для сокращения времени ожидания ремонтных бригад клиентом
• Оптимизацию рабочего времени специалистов

Решение:

Модуль на основе технологии text mining, который:

• Обрабатывает 3000 запросов за день
• Распознает текст заявки и прогнозирует тип ремонта с точностью 80-98%
• Отслеживает соответствие прогноза и фактической категории, к которой отнесли ремонт по заявке, и в случае несовпадения оповещает менеджера
• Относит заявки к нужной категории и подкатегории
• Исправляет ошибки при заполнении документов

Результат:

• Оптимизация загрузки сервисного центра
• Снижение риска возникновения ошибки из-за человеческого фактора в 2 раза и издержек на переоформление документов
• Уменьшение суммы упущенной выгоды от негарантийных бесплатных работ, штрафов и репутационных потерь

Кейсы ValueAI Прогнозирование оплаты счетов и оттока клиентов, снижение затрат

Клиент: Разработчик решений для электронного документооборота, бухгалтерского учета и управления предприятием.

Задача: Оценить возможность использовать решение на основе машинного обучения для:

• Прогнозирования оплаты счетов за услуги для каждого конкретного клиента
• Оценки потенциального оттока клиентов

Решение:

Обученная модель помогает:

• Снизить нагрузку и затраты на менеджмент
• Учитывать людей, которые находятся в сфере риска оттока и принимать превентивные меры
• Выделить факторы, наибольшим образом влияющие на целевые сценарии

Результат:

• Прогноз оплаты автоматических счетов с точностью 75-80%
• Прогноз вероятности оттока с точностью 70-80%
• Работа отдела оптимизирована, что снизило нагрузку на 32%, затраты на 25%

Кейсы ValueAI Создание умного помощника с RAG
для работы с тех.документацией

Клиент: Платформа для закупки пром оборудования.

Задача: Через интерфейс чат-бота реализовать RAG-поиск по информации в инструкциях и тех.документации для отдела техподдержки.

Результат: оптимизирована работа отдела техподдержки, стал доступен поиск ошибок работы оборудования, кратно сократилось время поиска нужной информации, достигнуто улучшение на 30% работы с инструкциями за счет умного помощника на RAG.

Кейсы ValueAI Снижение нагрузки
на персонали уменьшение ошибок

Клиент: Разработчик мобильного и веб-приложения для транспортировки пациентов.

Задача:

• Сократить время транспортировки пациента
• Минимизировать ручной труд медицинских работников

Решение: С помощью ValueAI в приложение внедрена возможность быстро получать данные о транспортировке пациентов, отсканировав их анкеты, а также автоматически рассылать запросы на одобрение страховки.

Результат:

• Снижение нагрузки на персонал на 65%
• Сокращение количества ошибок на 87%