Руководитель поддержки видит тысячи писем в общем ящике, но объём сам по себе плохо подсказывает, какой процесс стоит автоматизировать первым. Vstorm описала, как разобрала 5 483 письма в американскую управляющую компанию и выбрала три вида обращений для пилота. Результатом анализа стал список задач, объём которых можно проверить по письмам, а выполнимость — по системе клиента. Разбор Vstorm от 6 ноября.

Как письма превратили в карту обращений

Vstorm сгруппировала письма по сходству смысла. Из 25 групп одна оказалась артефактом разбиения. По данным исполнителя, на десять крупнейших пришлось около 75% писем. Время ответа и длина переписки служили косвенными признаками нагрузки, а сотрудники клиента проверяли, действительно ли группы отражают их работу. Методика и распределение групп.

Сходные формулировки могут скрывать разные задачи. Например, два письма с просьбой о квитанции могут означать запрос копии и спор о неверной сумме. Для копии достаточно найти уже выпущенный документ. Для спора нужно проверить начисление и историю операций. Если объединить оба случая, оценка нагрузки по типу обращения потеряет смысл.

Полезно добавить в таблицу примеры из каждой группы и запись о том, почему сотрудник подтвердил или изменил её название. Так позднее можно объяснить, где изменился поток писем, а где команда просто уточнила правила разметки. Для редких тем стоит вручную просмотреть больше примеров, прежде чем считать их шумом.

Как проверили выполнимость задач

Исполнитель сопоставил группы с возможностями системы управляющей компании. Для каждого типа выясняли, может ли программа получить нужные сведения и выполнить действие. В пилот выбрали три типа обращений, которым соответствовало 1 761 письмо, около 32% выборки. Среди них вопросы о платежах, выписках и взносах. Проверка выполнимости и отбор.

В собственном почтовом процессе полезно отдельно оценить получение сведений, составление черновика и действие в учётной системе. Просьбу прислать статус можно обработать с доступом на чтение. Запрос изменить запись требует других полномочий и проверки. Если подходящие сведения лежат в разных местах, подготовка черновика ещё может быть полезной, а фактическое изменение останется за сотрудником.

Agent ROI

Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке

Используйте эти модели
в Agent ROI.

Подписку можно оплатить в рублях.

Что известно о результате пилота

На момент публикации агент для черновиков ответов находился в разработке. Для пилота поставили три условия. Доля принятых без изменений или с лёгкой правкой черновиков должна составить не менее 70%, точность определения типа запроса — не менее 90%. Ответ отправляется только после одобрения сотрудника. Фактических результатов пилота автор не привёл. Цели пилота.

В начале теста стоит договориться, что команда считает небольшой правкой. Исправить приветствие и заменить неверный номер счёта — разная работа. Если обе правки попадают в одну категорию, метрика приёмки скроет риск. Для сравнения отложите письма, на которых не настраивали правила, и попросите сотрудника оценить черновики по одной шкале.

Как начать со своего общего ящика

Возьмите один ящик и ограниченный период. Сначала согласуйте, какие сведения можно использовать для анализа. Выберите единицу подсчёта: письмо, цепочка или завершённое обращение. Если один клиент отправил несколько сообщений по одному вопросу, число писем покажет нагрузку на чтение, а число обращений покажет объём задач.

Для каждого типа запишите объём, время сотрудника, нужные данные, допустимое действие и способ проверки. Отметьте редкие случаи, которые требуют отдельного разбора, даже если их мало. Затем выберите один поток, в котором можно безопасно сравнить черновик и ответ сотрудника. На этом этапе у команды будет исходный замер для пилота. Как подготовить рабочие данные для анализа.

Больше материалов по теме — в разделе «Данные, Excel и аналитика».