Розробка AI-системи автообдзвону для підтвердження замовлень
Відзначимо: коли вхідні замовлення падають у CRM, а підтвердження висить годинами — починається відтік. Ми розробляємо голосових ботів для автообдзвону підтвердження замовлень, які перехоплюють цей момент: дзвонять через 30 хвилин після оформлення, через 2 години після несплати. Конверсія підтвердження — 70–80%, частка невикупів падає з 20% до 5–8%. Економія на операторському відділі досягає значної частки від поточних витрат, а вартість дзвінка розраховується індивідуально.
Нещодавно для інтернет-магазину цифрової техніки з 8000 замовлень на день ми впровадили бота: за місяць частка невикупів впала з 25% до 7%, а конверсія підтвердження досягла 82%. Операторський відділ скоротили на 40% на основі даних проєкту. Зв'яжіться з нами, щоб обговорити аналогічний кейс.
Проблеми, які вирішує AI-автообдзвін
Перша — людський фактор: оператори витрачають час на повтори, забувають передзвонювати, помиляються в статусах. Друга — масштабування: у пік сезону 100+ замовлень/годину, найняти стільки операторів нереально. Третя — обробка відмов: клієнт може скасувати замовлення або змінити адресу — це потрібно коректно обробити та передати в логістику. За швидкістю реакції AI-бот випереджає оператора в 20–40 разів: дзвінок ініціюється через 5–15 секунд проти 5–10 хвилин у людини. При цьому точність логування у бота 100%, а у оператора — не більше 70%.
Ми спроєктували систему, яка вирішує ці проблеми без втрати якості. В основі лежить діалоговий движок на LLM (GPT-4o, LLaMA 3 або Qwen — залежить від вимог до latency), який розуміє природне мовлення та гнучко реагує на відхилення від сценарію. Докладніше про технологію LLM можна прочитати на Wikipedia.
Як AI-бот обробляє скасування замовлення?
При отриманні сигналу про скасування система фіксує причину (код і коментар), блокує запуск збірки, ініціює повернення коштів (якщо було передоплачено). Всі зміни синхронізуються з CRM у real-time через WebSocket. Якщо клієнт скасовує частково — бот уточнює позиції та створює замовлення-зміну. Швидкість обробки скасування — менше секунди, що критично для логістичних вікон.
Чому retry-стратегія критична для конверсії?
До 30% замовлень на момент першого дзвінка не відповідають. Без retry ці замовлення йдуть у невикуп. Наш алгоритм використовує адаптивний розклад для retry-стратегії: перший дзвінок через 30 хвилин, другий — через 2 години, третій — через 6 годин. Якщо не додзвонилися — надсилаємо SMS з URL для підтвердження та ставимо задачу оператору. Ця схема підвищує відсоток підтверджених замовлень на 15–20%.
RETRY_SCHEDULE = [ timedelta(minutes=30), # перший retry timedelta(hours=2), # другий retry timedelta(hours=6), # третій retry ] Після трьох невдалих спроб — push-повідомлення в мобільний додаток або дзвінок оператора.
Як впровадити AI-обдзвін за 3 кроки
- Аудит процесів — аналізуємо поточні скрипти, тригери та інтеграції (1–2 дні).
- Запуск MVP — реалізуємо базовий сценарій з retry-логікою та інтеграцією через REST API (5–7 днів).
- Оптимізація — на основі даних перших 1000 дзвінків коригуємо сценарії та налаштовуємо ескалації (3–5 днів).
Порівняння: AI-бот vs живий оператор
| Критерій | AI-бот | Оператор |
|---|---|---|
| Швидкість дзвінка | 5–15 сек після тригера | від 5 хвилин до годин |
| Обробка піків | ∞ паралельних дзвінків | обмежено штатом |
| Точність логування | 100% (аудіозапис + JSON) | можливі помилки |
| Гнучкість сценарію | LLM-адаптація під контекст | потрібне навчання |
Етапи впровадження та терміни
| Етап | Зміст | Тривалість |
|---|---|---|
| Аналіз | Аудит процесів, збір скриптів, визначення тригерів | 1–2 дні |
| Проєктування | Діаграми діалогів, схеми інтеграції, вибір моделі | 2–3 дні |
| Реалізація | MVP з базовим сценарієм + retry-логіка | 5–7 днів |
| Інтеграція | Налаштування API з CRM, 1С, платіжними шлюзами | 2–4 дні |
| Тестування | 100% покриття сценаріїв, навантажувальне тестування (100+ паралельних дзвінків) | 2–3 дні |
| Документація | Опис схеми дзвінка, інструкція для операторів, API специфікація | 1–2 дні |
| Навчання | Тренінг для операторів по роботі з ескалаціями | 1 день |
| Підтримка | 2 тижні моніторингу та коригування сценаріїв | 14 днів |
Що входить в роботу
- Діаграми діалогів та схеми інтеграції в Confluence
- Документація API та інструкції для операторів
- Доступ до дашборду метрик (конверсія, latency, відсоток помилок)
- Навчання команди та 2 тижні пост-релізної підтримки
- Можливість кастомізації сценаріїв під нові бізнес-процеси
Як ми це робимо: стек та архітектура
Типове рішення будується на мікросервісах:
- FastAPI — API для управління замовленнями та чергою дзвінків
- PostgreSQL + pgvector — зберігання діалогів та семантичний пошук за інтентом
- WebSocket — real-time синхронізація статусів
- Triton Inference Server / vLLM — інференс LLM з latency p99 < 500 мс
- ChromaDB — векторне сховище для few-shot прикладів
Дзвінок ініціюється через SIP-транк або WebRTC, аудіо-стрімінг в ASR (Whisper або власні моделі), відповідь генерує LLM, синтезує мовлення TTS (Silero, Coqui або ElevenLabs).
Гарантія та досвід команди
Наші спеціалісти — 5+ років у голосових асистентах, 30+ запущених проєктів в e-commerce. Маємо сертифікати з інтеграції з 1С та Bitrix24. Згідно з внутрішньою статистикою, клієнти відзначають значну економію порівняно з попередніми витратами на операторський відділ. Гарантуємо коректну обробку 100% передбачених гілок діалогу та зниження частки невикупів до 5–8% протягом першого місяця.
Отримайте консультацію — перевірте якість діалогів на своїх сценаріях. Замовте demo-дзвінок: зв'яжіться з нами, щоб обговорити інтеграцію та отримати комерційну пропозицію.