Кому и что мы рассказали?
На конференции EddyConfa 2025 руководители клиентского сервиса Cian, Евгений Фетисов и Виктория Султанова, представили коллегам из других компаний детальный кейс о переходе на новую платформу службы поддержки. Основываясь на этом выступлении, мы подготовили развернутый обзор, который охватывает ключевые аспекты проекта:
- Этап подготовки: Как мы организовали и спланировали масштабную миграцию всей службы поддержки.
- Преодоление трудностей: С какими неожиданными проблемами столкнулись после запуска и какие решения были найдены.
- Технологическое наследие: Какие наработки в области автоматизации и машинного обучения удалось не только перенести, но и усовершенствовать.
- Текущее состояние: Как сейчас функционирует обновленная служба поддержки и какой потенциал раскрывает автоматизация.
Клиентская служба Циан: масштабы и вызовы
Наша команда поддержки — это полностью распределенная структура, работающая более чем в 50 городах и охватывающая 12 регионов, включая контактный центр. Мы решаем широкий спектр вопросов: от помощи со входом на платформу до сложных технических инцидентов. При таком масштабе для нас критически важно поддерживать исключительно высокий уровень удовлетворенности клиентов (CSAT).
Подготовка к переезду: год напряженной работы
Наш подход можно описать принципом: «Стратегическое планирование на будущее, активные действия в настоящем и отказ от возврата к устаревшим решениям». Этот принцип стал руководством к действию в ходе всего проекта.
Обратите внимание: Новый стильный дресс-код. Как разнообразить офисный гардероб.
Объем миграции был колоссальным: предстояло перенести более 20 интеграций с внешними системами, настроить свыше 600 автоматических триггеров, адаптировать 1000+ готовых ответов (макросов) и перенести 1500 статей базы знаний.Как выбирали новый Helpdesk?
Выбор новой платформы был многоэтапным и тщательным процессом:
- Первичный анализ рынка: Мы изучили доступные решения, разослали базовые опросники и отфильтровали заведомо неподходящие варианты.
- Углубленная техническая оценка: Короткому списку вендоров были отправлены детальные технические анкеты, после чего прошли онлайн-демонстрации. По итогам этого этапа в финал вышли 9 компаний.
- Проверка репутации и клиентоориентированности: Мы запросили рекомендации и оценили, насколько потенциальный партнер готов к гибкому взаимодействию. Финальный выбор сузился до четырех претендентов.
Победителем стала платформа HDE. Решающими факторами стали: гибкий и мощный API (в противовес жестким ограничениям, например, Zendesk), персональная поддержка от инженеров вместо отсылок к общей документации, а также возможность глубокой кастомизации, такая как разработка собственного плагина для интеграции с Jira.
Переезд и первые проблемы
После запуска новой системы мы сразу столкнулись с серьезной технической проблемой: время обработки запросов моделью машинного обучения для автоответов увеличилось до 20 минут, что было неприемлемо.
На диагностику и поиск корневой причины ушло две недели. В результате проведенной оптимизации нам удалось сократить это время до 2 минут 30 секунд, что вернуло процессу эффективность.
Что из ключевого удалось сохранить и улучшить?
В ходе миграции мы не просто перенесли, но и усилили наши ключевые технологические активы:
🔹 Модели машинного обучения для классификации и маршрутизации обращений.
🔹 Система автоответов (изначально работавшая через Google Таблицы, а теперь переведенная на прямое API-взаимодействие с Базой знаний).
🔹 Скрипт для обогащения тикетов данными, который существенно ускоряет работу оператора.
🔹 Кастомный плагин для Jira, позволяющий создавать одну задачу на несколько связанных запросов, что кардинально улучшило приоритизацию работ для инженерных команд.
Результаты: автоматизация и статистика
Внедренные решения показывают впечатляющую эффективность:
📊 ML-модели обрабатывают 100 000 тикетов ежеквартально.
🤖 Автоматизация на высоте: 35 000 обращений получают автоответы, а 20 000 тикетов полностью закрываются ботами без участия человека.
⭐ Удовлетворенность ботами (Bot CSAT) — 75%. Это исключительно высокий показатель, учитывая, что пользователи традиционно скептически относятся к общению с роботами.
Как мы этого добились?
Высокий Bot CSAT — не случайность, а результат системной работы:
- Единый тон коммуникации (TOV): Контент-команда строго следит за тем, чтобы все автоматические ответы соответствовали установленному стилю общения бренда.
- Оперативное исправление ошибок: Налажен процесс быстрой фиксации и устранения сбоев в работе ботов.
- Анализ обратной связи: Супервайзеры вручную разбирают негативные отзывы на автоответы, чтобы постоянно улучшать алгоритмы и формулировки.
Выводы
Этот проект показал, что современная служба поддержки — это не просто канал для помощи клиентам, но и мощный инструмент для оптимизации внутренних бизнес-процессов. Она может стать центральным хабом для внутренней коммуникации, упрощая взаимодействие между отделами.
Ключевой урок: когда мы перестаем постоянно оглядываться на старые решения («как было раньше»), мы открываем пространство для инноваций. Это позволяет находить принципиально более эффективные подходы, а не просто автоматизировать устаревшие рутины.
Да, путь был сложным, в миграции было задействовано множество команд, но год тщательной подготовки себя оправдал. Мы осуществили переход практически без сбоев, ни на день не оставив наших пользователей без качественной поддержки.
Больше интересных статей здесь: Офис.
Источник статьи: Как мы переезжали в новый Helpdesk и что из этого вышло .
