Поддерживать нужно дешевле
Суть проекта
lang.ai — инструмент, который в реальном времени распознаёт тему запроса, отправленного пользователем в службу технической поддержки.
Утверждается, что это может уменьшить среднее время на обработку запросов до 60%, что имеет два положительных эффекта:
- Получение более быстрых ответов повышает удовлетворённость пользователей.
- Сокращение среднего времени обработки ответов уменьшает потребность компании в новых сотрудниках службы поддержки.
Распознавая тему запроса, lang.ai приписывает ему набор тегов. Платформа позволяет задать правила переадресации, по которым запросы с определёнными тегами сразу перенаправляется сотрудникам, которые умеют отвечать на подобные запросы. Это помогает сэкономить время на ручную пересылку запросов туда-сюда внутри службы поддержки.
Наряду с правилами переадресации, можно задавать правила автоматического назначения приоритетов в зависимости от приписанных запросу тегов. Таким образом, письма по важным темам не будут задерживаться в общей очереди, а поступят на обработку в приоритетном порядке. Какие темы считать важными — клиент определяет сам.
Еще одна полезная возможность платформы — на этот раз для продуктовиков компании. Для них автоматически генерируются дашборды с наиболее популярными темами запросов. Это помогает продуктовикам понять, какие этапы работы с продуктом вызывают максимальное количество вопросов и затруднений — а значит, приложить усилия к исправлению ситуации.
Чтобы начать работу с lang.ai, не нужно заниматься предварительным созданием иерархии понятий в своей предметной области. Достаточно подключить lang.ai к платформе, в которой хранится архив переписки (например, Zendesk), и lang.ai автоматически создаст систему тегов, которую можно затем подкорректировать — например, объединив несколько тегов в одну группу.
Важно отметить, что lang.ai продолжает следить за однажды созданной классификацией и извещает нас, если в переписке начинают всплывать новые темы, которые мы в предыдущей классификации не учитывали — потому что возник новый тип проблем, или потому что мы добавили в свой продукт новое свойство. В этом случае мы можем вовремя обновить классификатор по предложениям, автоматически сгенерированных lang.ai.
За последний пять кварталов выручка стартапа выросла в 11 раз. Это отразилось и на размере инвестиций. Предыдущий раунд в феврале прошлого года составил 2 миллиона долларов. А текущий — уже 10.5 миллионов.
Что интересного
Концепция сегодняшнего стартапа укладывается в рамки уже несколько раз отмеченного мной в предыдущих обзорах тренда — создание специализированных надстроек поверх универсальных платформ.
lang.ai — это не полнофункциональная платформа для служб поддержки. Это отдельный инструмент, который можно интегрировать с уже используемой в компании платформой типа Zendesk, Salesforce или Intercom.
Интересно, что в большинстве подобных платформ уже есть встроенная система тегирования запросов. Поэтому возникает логичный вопрос — зачем подключать вместо неё другой инструмент?
Суть опять же в специализации. Стартап утверждает, что они сосредоточились на нескольких популярных сферах деятельности компаний — электронная коммерция, финансовые сервисы, службы заказа еды и телемедицина — и это позволило создать им более мощный и надёжный инструмент классификации. Например, алгоритмы классификации учитывают специфические термины и жаргонизмы, используемые в этих областях.
Можно заметить, что тема платформ и инструментов для служб клиентской поддержки переживает сейчас новую волну популярности. На это есть две причины.
Во-первых, резкий рост интернет-продаж в целом (как результат пандемии и последующего изменения привычек пользователей) вызвало резкое увеличение нагрузки на службы поддержки, что привело к росту штата соответствующих служб.
Затраты на поддержание служб поддержки стали настолько существенными, что вопрос возможной экономии на этом стал критичным. Проценты экономии на службе поддержки начинают теперь означать заметное увеличение прибыли.
В то же время, такая экономия не должна приводить к падению качества клиентского сервиса. Ведь качество клиентского сервиса — один из главных параметров, который влияет на удержание пользователей.
- Удерживать существующих пользователей обойдётся компании в 5–25 раз дешевле, чем привлекать новых.
- Уменьшение оттока пользователей на 5% может привести к росту прибыли на 25%.
Вторая причина — происходящее сейчас развитие технологий искусственного интеллекта. Только внедрение этих технологий может привести к экономии на службах поддержки без потери качества.
Куда бежать
Получается, что сейчас самое подходящее время для создания нового поколения умных (основанных на технологиях искусственного интеллекта) инструментов для служб клиентского сервиса.
Прелесть в том, что, двигаясь в этом направлении, можно создавать не полнофункциональные платформы для служб поддержки, а отдельные инструменты для решения отдельных задач. Главное — чтобы их можно было бы бесшовно интегрировать с уже используемыми клиентами платформами.
Сегодняшний стартап — хороший вариант для создания аналога, ориентированного на другие рынки: интегрируемого с другими платформами и заточенного под другой язык.
При этом, как мы видим на сегодняшнем примере, наличие аналогичной функциональности в универсальной платформе не является полноценным стоп-фактором.
Да, для маленьких компаний с небольшим количеством запросов вполне может хватить и функциональности «из коробки» универсальной платформы. А для большой компании — уже нет, потому что «лишние» проценты эффективности, получаемые от использования специализированного инструмента, транслируются в далеко «не лишнюю» прибыль.
А если мы продаём B2B-продукты, какие клиенты нам более интересны — маленькие или большие? 😉
О компании
lang.ai
- Сайт: lang.ai
- Последний раунд: $10.5M, 15.05.2022
- Всего инвестиций: $15M, раундов: 3