Перейти к содержанию
Aplora
eCommerce и ритейл
AI Workflow Automation

Компания под NDA

Первая линия поддержки интернет-магазина перестала расти вместе с заказами

Интернет-магазин в ЕС: 300–800 обращений в день в чате и почте, поддержка масштабировалась только наймом. С ростом ассортимента доля повторяющихся вопросов росла быстрее, чем сама выручка.

Опубликовано: 2026-08-24 · обновлено: 2026-08-24

Оператор в гарнитуре работает за ноутбуком в открытом офисе
Иллюстративное фото рабочего контекста, а не снимок контура клиента

  • Обращения, доходящие до оператора

    −25–40%

  • Время обработки тикета

    −30–50%

  • Удовлетворённость поддержкой (CSAT)

    +10–18%

Коротко

  • Проблема: поддержка масштабировалась только наймом, а доля повторяющихся вопросов росла вместе с ассортиментом.
  • Решение: классификация темы и срочности, ответ по базе знаний, резюме обращения для оператора, очередь на обновление контента из реальных вопросов.
  • Результат: до оператора доходит на 25–40% меньше обращений, время обработки ниже на 30–50%, CSAT выше на 10–18% — по данным клиента.
  • Системы: helpdesk, платформа магазина, внутренняя база знаний.

Контекст

  • Интернет-магазин, розничные продажи в ЕС; регион и категория товаров под NDA.
  • Объём процесса: 300–800 обращений в день, чат и электронная почта.
  • Команда: первая линия поддержки плюс операционный менеджмент.
  • Системы: helpdesk, история обращений, внутренняя база знаний; часть интеграций под NDA.
  • Ограничение стало заметным на сезонных пиках: в распродажу поток обращений рос быстрее, чем можно было вывести людей в смену.

Исходное состояние

Исходные метрики с указанием источника. Без них любой последующий результат не с чем сравнивать.
  • Операторы уходят в повторяющиеся вопросы
  • Сложные обращения теряются в общем потоке
  • База знаний устаревает быстрее, чем её правят
  • Рост объёма упирается в найм операторов
  • До начала работ зафиксированы: доля обращений, дошедших до оператора, среднее время обработки тикета и CSAT по опросу после закрытия.
  • Источник данных: выгрузки helpdesk клиента.
  • Сравнение велось на тех же каналах поддержки и с поправкой на сезонность продаж: распродажа сама по себе меняет и объём обращений, и их состав.
  • Дат периода, формулы расчёта и подтвердившего владельца за этими числами нет — поэтому они опубликованы как результат по отчёту, а не как проверенный.

Диагностика

Какие гипотезы рассматривались, почему выбрали эту, какие допущения приняли и при каком условии остановились бы.
  • Рассматривались три гипотезы: не хватает людей на первой линии, обращения плохо маршрутизируются, слишком много обращений вообще не требует человека.
  • Выбрана третья: разбор истории тикетов показал, что заметная доля вопросов повторяется дословно и ответ на них уже есть в базе знаний — просто до него никто не доходил.
  • Допущение: база знаний содержательно верна, и проблема в доступе к ней, а не в её содержании. Допущение проверялось выборкой из закрытых тикетов.
  • Критерий остановки: если ассистент на исторических обращениях не отвечает верно хотя бы на половину повторяющихся тем, гипотеза считается неподтверждённой и работа останавливается.

Что внедрили

  • Источники данных: история обращений, база знаний, статусы заказов из платформы магазина.
  • AI-компоненты: классификация темы и срочности, ответ по базе знаний, резюме обращения для оператора, выделение тем без ответа.
  • Бизнес-правила: темы оплаты, претензий и персональных данных передаются человеку сразу, без попытки ответить.
  • Интеграции: helpdesk, платформа магазина, база знаний.
  • Human checkpoints: оператор видит и может исправить любой ответ до отправки; спорный тикет возвращается в ручную очередь.
  • Мониторинг: все ответы логируются, доля переданных оператору и доля исправленных ответов отслеживаются отдельно.

Изменение процесса

Было

6 шагов
  1. Обращение попадает в общую очередь
  2. Оператор читает его целиком
  3. Оператор ищет ответ в базе знаний или у коллег
  4. Оператор формулирует ответ своими словами
  5. Ответ уходит клиенту
  6. Тикет закрывается; повторяющаяся тема нигде не фиксируется

Стало

5 шагов
  1. Обращение классифицируется по теме и срочности
  2. Ответ по базе знаний или уточняющий вопрос
  3. Сложный тикет уходит оператору с готовым резюме
  4. Тикет закрывается
  5. Темы без ответа попадают в очередь на обновление базы

Что упиралось

Операторы уходили в повторяющиеся вопросы, сложные обращения терялись в общем потоке, а база знаний устаревала быстрее, чем её успевали править.

  1. 1Обращение классифицируется по теме и срочности
  2. 2Ответ по базе знаний или уточняющий вопрос
  3. 3Сложный тикет уходит оператору с готовым резюме
  4. 4Тикет закрывается
  5. 5Темы без ответа попадают в очередь на обновление базы
  6. Замер результата

Результаты

Обращения, доходящие до оператора

−25–40%

По данным: Данные клиента: сравнение до и после на тех же каналах поддержки с поправкой на сезонность

Время обработки тикета

−30–50%

По данным: Данные клиента: сравнение до и после на тех же каналах поддержки с поправкой на сезонность

Удовлетворённость поддержкой (CSAT)

+10–18%

По данным: Данные клиента: собственный опрос после закрытия тикета

Экономический эффект

  • Эффект складывается из высвобожденного времени первой линии: обращение, закрытое без оператора, стоит только инфраструктуры.
  • Стоимость обслуживания заказа снижается, но выручку это само по себе не добавляет — экономия проявляется тогда, когда высвобожденные часы уходят на сложные обращения, а не в простой.
  • Денежные величины не раскрываются: ставка первой линии и стоимость обращения — коммерческая информация клиента.

Adoption

  • Команда поддержки прошла короткое обучение до запуска, а не после.
  • Введено явное правило, когда подключается оператор: тема из стоп-списка, вторая неудачная попытка ответа, прямая просьба клиента.
  • Ассистент стал частью стандартного процесса обработки, а не отдельным инструментом «когда вспомним».
  • Владелец решения — операционный менеджмент поддержки: он же следит за долей исправленных ответов.
«Раньше мы просто нанимали людей. Сейчас половина типовых вопросов закрывается автоматически, а операторы занимаются сложными случаями.»

Компания под NDA — Операционный директор, eCommerce

Что дальше

  • Масштабирование: подключение остальных языков поддержки.
  • Следующая инициатива: возвраты и обмены — тот же поток, но с внешними системами перевозчиков.
  • Что решили не делать: отдавать ассистенту решения о деньгах — компенсации, исключения из политики возврата, скидки. Это остаётся за человеком.

Есть похожий процесс? Проверим, переносима ли гипотеза на ваш контекст

Результат другой компании не является обещанием. Но он показывает, где искать.

Все кейсы