Инновации в технологии взыскания: КВИНТ на конференции Collection Tech
12 сентября в Москве состоялось одно из ключевых мероприятий в сфере взыскания задолженностей — конференция Collection Tech, посвященная технологиям и инновациям автоматизации. В центре внимания оказались лучшие практики цифрового взыскания, технологический ландшафт и актуальные тренды. Компания КВИНТ представила результаты последнего завершенного пилотного проекта для компании ПКО «А.Сторм» и обновленную модель распознавания автоответчиков, достигающую точности в 98-99%.
Завершение пилотного проекта ПКО «А.Сторм»
В июне компания А.Сторм обратилась к нам с целью автоматизации работы с товарными рассрочками, включая покупки на маркетплейсах. Роботу предстояло не только взыскивать задолженность, но и информировать о сумме долга, консультировать по способам погашения и отвечать на технические вопросы абонентов.
Функционал робота, который был реализован на проекте:
- Идентификация должника (по ФИО)
- Умные перебивания робота
- Сверка суммы обещания с суммой задолженности
- Гибкие настройки работы с возражениями (реализована отработка 26 типов возражений)
- Синтез переменных (сумма, ФИО, дата погашения и пр)
- Перезвоны по запросу
В августе были проведены тесты на различных портфелях. В результате удалось выявить 40.4% автоответчиков от общей базы абонентов с точностью 99%. Воронка конверсий продемонстрировала результаты, сопоставимые с работой человека.
На следующем этапе проекта для А.Сторм планируется внедрение другого продукта, увеличение скорости обзвона, создание робота для более сложных кейсов (глубинная просрочка) и расширение функционала. В числе новых функций для тестирования — замена голоса при поднятии трубки.
Распознавание умных автоответчиков
На конференции КВИНТ также представил результаты новой модели распознавания автоответчиков, интегрированной в каждый робот.
Система использует четыре способа распознавания:
- По Early Media потоку
- По голосу
- По NLU и LLM моделям
- Поиск аномалий в диалогах
Последние тесты показали точность распознавания 99.4% и сократили время детектирования до 2 секунд. Подробнее о технической реализации читайте в нашей статье.
