Клиентский сервис / Escalation rate
Как перевести диалог на сотрудника с ИИ
Перевод диалога на сотрудника с ИИ происходит по заранее заданным правилам эскалации: когда ИИ не может решить задачу, клиент явно просит человека, или диалог требует действий, недоступных ИИ. Escalation rate — это доля таких диалогов от общего числа обращений, и она рассчитывается по простой формуле: число эскалированных диалогов, делённое на общее число диалогов, умноженное на 100%.
Проблема
Почему это важно
Без чётких правил перевода диалога на сотрудника компания сталкивается с хаосом: часть клиентов застревает в диалоге с ИИ, не получая решения, а часть unnecessarily переводится на людей, перегружая поддержку. В результате растёт время ожидания, падает удовлетворённость, а нагрузка на операторов распределяется неравномерно.
Почему возникает
- Нет формализованных критериев, когда ИИ должен передать диалог человеку
- ИИ не распознаёт сложные или эмоционально окрашенные запросы и продолжает отвечать шаблонно
- Отсутствует контроль доли эскалированных диалогов, поэтому невозможно оценить качество работы ИИ и нагрузку на команду
Риски и потери
- Рост времени решения проблемы клиента и снижение CSAT
- Перегрузка операторов из-за избыточных эскалаций или, наоборот, потеря клиентов из-за недостаточных
- Невозможность прогнозировать потребность в сотрудниках и планировать штат
Что влияет на результат
- Сложность запроса (тип задачи, наличие специфических данных)
- Тональность клиента (негатив, настойчивость)
- Точность ИИ в распознавании намерения и наличии ответа
- Правила эскалации, заданные бизнесом (пороги уверенности, ключевые слова, типы запросов)
Типичные ошибки ручного подхода
- Эскалация слишком поздняя — клиент уже раздражён
- Эскалация слишком ранняя — ИИ мог бы решить сам, но переводит на человека
- Нет единого учёта эскалаций, данные разрознены по каналам
Определение
Что важно понимать
Escalation rate
Доля диалогов, переведённых с ИИ на сотрудника, от общего числа диалогов, выраженная в процентах.
Показывает, как часто ИИ не справляется с задачей и требует вмешательства человека. Высокий показатель говорит о недостаточной эффективности ИИ, низкий — о возможной нехватке эскалаций, когда клиенты остаются без решения.Эскалация
Передача диалога от ИИ к сотруднику по заданным правилам или по запросу клиента.
Правильная эскалация обеспечивает баланс между автоматизацией и качеством обслуживания: сложные случаи решает человек, простые — ИИ.Данные
Какие данные нужны
Логи диалогов ИИ
Для подсчёта общего числа диалогов и числа эскалированных, а также для анализа причин эскалации.
- ID диалога
- время начала
- время эскалации
- причина эскалации
- канал (чат, телефон, email)
Правила эскалации
Чтобы определить, какие диалоги должны переводиться на человека, и настроить ИИ на их распознавание.
- тип запроса
- порог уверенности ИИ
- ключевые слова (жалоба, юрист, возврат)
- признак запроса человека
Данные о работе сотрудников
Для оценки нагрузки и времени обработки эскалированных диалогов, чтобы планировать штат.
- ID сотрудника
- время обработки
- результат (решен/не решен)
- оценка клиента
Методология
Методика расчёта escalation rate и настройки перевода диалога на сотрудника
Принципы
- Эскалация должна быть обоснованной: ИИ переводит диалог только при явных признаках неспособности решить задачу или по требованию клиента.
- Правила эскалации должны быть формализованы и измеримы: пороги уверенности, типы запросов, ключевые слова.
- Escalation rate нужно считать регулярно (ежедневно/еженедельно) и сравнивать с целевым значением, установленным бизнесом.
Допущения
- Общее число диалогов включает все обращения, обработанные ИИ, включая те, что были переведены на человека.
- Эскалация фиксируется в момент передачи диалога сотруднику, а не при повторном обращении клиента.
- Целевой уровень escalation rate зависит от специфики бизнеса и не имеет универсального значения.
Ошибки
- Не учитывать диалоги, где клиент сам попросил человека — они тоже считаются эскалацией.
- Считать escalation rate только по диалогам, где ИИ явно не справился, игнорируя запросы клиента.
- Не разделять эскалации по причинам, что мешает понять, какие сценарии нужно улучшать.
Роль ИИ
Как ИИ решает задачу
Определение необходимости эскалации по правилам бизнеса
Данные на входе: Текст диалога, Уверенность ИИ в ответе, Тип запроса (классификация), Признаки негативной тональности
Что делает модель: Сопоставляет текущий диалог с правилами эскалации: если уверенность ниже порога, запрос относится к запрещённому типу, или клиент просит человека — инициирует перевод.
Результат: Решение: продолжить диалог в ИИ или перевести на сотрудника, с указанием причины.
Как используется: Система автоматически переводит диалог на сотрудника, передавая контекст и причину эскалации.
Классификация запросов по типам для настройки правил эскалации
Данные на входе: Исторические диалоги, Разметка типов запросов
Что делает модель: Обучается на размеченных данных, чтобы автоматически определять тип запроса (техподдержка, возврат, жалоба и т.д.).
Результат: Метка типа запроса для каждого нового диалога.
Как используется: Используется для применения правил эскалации, специфичных для типа запроса.
Анализ причин эскалации и поиск закономерностей
Данные на входе: Логи эскалированных диалогов, Причины эскалации, Результаты решения
Что делает модель: Выявляет частые причины эскалации, связывает их с типами запросов и тональностью, находит сценарии, которые можно улучшить.
Результат: Отчёт с группировкой причин и рекомендациями по доработке ИИ.
Как используется: Руководитель поддержки использует отчёт для улучшения сценариев ИИ и снижения escalation rate.
Разбор
Как это работает
- 1
Вход: диалог клиента с ИИ. Действие: ИИ распознаёт намерение и пытается ответить. Результат: формируется ответ или запрос на уточнение.
- 2
Вход: ответ ИИ и уверенность модели. Действие: система проверяет, не превышает ли запрос порог сложности (например, тип 'возврат' или уверенность < 0.6). Результат: если порог превышен, диалог помечается для эскалации.
- 3
Вход: текст диалога. Действие: ИИ анализирует тональность и наличие просьбы клиента о человеке. Результат: если клиент явно просит человека, диалог переводится.
- 4
Вход: диалог, помеченный для эскалации. Действие: система передаёт диалог сотруднику с полным контекстом и причиной. Результат: сотрудник видит историю и может сразу решать задачу.
- 5
Вход: данные о диалогах за период. Действие: система считает escalation rate по формуле. Результат: показатель отображается на дашборде.
- 6
Вход: escalation rate и причины эскалаций. Действие: аналитик или руководитель изучает отчёт, выявляет частые причины. Результат: принимается решение о доработке ИИ или изменении правил.
Расчет
Формула расчёта escalation rate
Escalation rate показывает, какая доля диалогов была переведена на сотрудника. Рассчитывается по формуле:
Escalation rate
Escalation rate = (Число эскалированных диалогов / Общее число диалогов) × 100%- Число эскалированных диалогов — диалоги, переведённые на сотрудника
- Общее число диалогов — все диалоги, обработанные ИИ за период
Условный пример: За неделю ИИ обработал 1000 диалогов, из них 120 переведено на сотрудника. Escalation rate = (120 / 1000) × 100% = 12%.
Допущение: Целевое значение escalation rate зависит от бизнеса и не имеет универсального порога. Важно отслеживать динамику и сравнивать с прошлыми периодами.
Пример расчета
Как это выглядит в цифрах
Условный пример: расчёт escalation rate и управленческий вывод
- Допущение: Компания обрабатывает 5000 диалогов в месяц через ИИ.
- Допущение: Из них 750 диалогов переведено на сотрудников.
- Допущение: Целевой уровень escalation rate установлен на уровне 10%.
Escalation rate = (750 / 5000) × 100% = 15%. Это на 5 процентных пунктов выше целевого значения.Escalation rate выше целевого, что указывает на избыточную нагрузку на сотрудников и возможные проблемы с качеством ИИ. Необходимо проанализировать причины эскалаций и доработать сценарии ИИ.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Текущий escalation rate и его динамика
- Причины эскалаций (типы запросов, тональность)
- Нагрузка на сотрудников и время обработки
- Целевой уровень, установленный бизнесом
Какие риски учтены
- Слишком низкий escalation rate может означать, что клиенты не получают решения и уходят
- Слишком высокий — перегрузка сотрудников и рост затрат
Какие варианты рассматривались
- Снизить порог уверенности для эскалации, чтобы ИИ решал больше задач
- Улучшить сценарии ИИ для частых причин эскалации
- Обучить сотрудников быстрее обрабатывать эскалированные диалоги
Выбрано улучшение сценариев ИИ, так как это снижает escalation rate без увеличения нагрузки на сотрудников и повышает качество обслуживания.
Если бы escalation rate был ниже целевого, рекомендация была бы обратной: расширить правила эскалации, чтобы не терять сложные запросы.
Результат
Что видит пользователь
Дашборд с escalation rate и причинами эскалаций
График escalation rate по дням/неделям, разбивка по причинам, сравнение с целевым уровнем.
Руководитель видит динамику и может вовремя реагировать на рост показателя.Отчёт по причинам эскалаций
Список частых причин с количеством диалогов и примерами.
Аналитик определяет, какие сценарии ИИ нужно доработать.Уведомление о превышении порога escalation rate
Автоматическое оповещение, когда показатель превышает заданное значение.
Руководитель оперативно запускает анализ и корректирующие действия.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Подсчёт escalation rate по заданной формуле
- Фиксация момента эскалации и причины
- Формирование отчётов по причинам эскалаций
Требует настройки
- Настройка правил эскалации (пороги уверенности, типы запросов, ключевые слова)
- Определение целевого уровня escalation rate
- Настройка дашборда и уведомлений
Остаётся за человеком
- Анализ причин эскалаций и принятие решения о доработке ИИ
- Изменение правил эскалации при изменении бизнес-процессов
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать логи диалогов ИИ за последний месяц в таблицу
- Вручную разметить 100-200 диалогов на эскалированные/неэскалированные
- Рассчитать escalation rate по формуле в Excel
Рабочая система
- Настроить автоматический сбор логов и расчёт escalation rate в BI-системе
- Внедрить правила эскалации в ИИ-платформу
- Создать дашборд с динамикой и причинами эскалаций
Расширенный вариант
- Обучить модель классификации запросов для автоматического определения типа
- Настроить прогнозирование escalation rate на основе сезонности
- Интегрировать данные о работе сотрудников для расчёта нагрузки и планирования штата
Подготовка
Чек-лист перед запуском
- 1
Определены правила эскалации: типы запросов, пороги уверенности, ключевые слова
- 2
Настроен учёт эскалаций в системе (фиксация момента и причины)
- 3
Собран исторический лог диалогов для базового расчёта
- 4
Установлен целевой уровень escalation rate
- 5
Создан дашборд для отслеживания показателя
- 6
Настроены уведомления о превышении порога
- 7
Проведено обучение сотрудников работе с эскалированными диалогами
- 8
Определён ответственный за анализ причин эскалаций
Вывод
Главное
Перевод диалога на сотрудника должен быть управляемым и измеримым: только тогда можно балансировать между автоматизацией и качеством обслуживания.
Основные данные — логи диалогов и правила эскалации. Ключевой расчёт — escalation rate по формуле: число эскалированных диалогов / общее число диалогов × 100%.
ИИ автоматически определяет необходимость эскалации по правилам, классифицирует запросы и анализирует причины, помогая снижать долю ручных переводов.
Начните с простого: соберите логи диалогов за месяц, вручную разметьте эскалации и рассчитайте текущий escalation rate. Это даст базовую точку для дальнейших улучшений.
Метод ReMetod
На чем основан вывод
Метод ReMetod строится вокруг пути: бизнес-проблема -> модель решения -> данные -> автоматизация -> интерфейс -> работающее решение. Практикум рассчитан на собственников, руководителей, аналитиков и менеджеров малого и среднего бизнеса без требования уметь программировать. В рамках практикума участники настраивают среду, ставят задачу и публикуют работающий веб-интерфейс с автоматизацией и данными.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
Не приведёт ли автоматическая эскалация к тому, что ИИ будет переводить слишком много диалогов?
Нет, если правильно настроить правила эскалации: задать пороги уверенности, типы запросов и ключевые слова. Важно регулярно анализировать причины эскалаций и корректировать правила, чтобы ИИ решал больше задач самостоятельно.
Какой escalation rate считается нормальным?
Универсального значения нет. Норма зависит от сложности продукта, типа запросов и уровня автоматизации. Ориентируйтесь на динамику показателя и сравнение с прошлыми периодами, а также на удовлетворённость клиентов.
Нужно ли считать эскалации, когда клиент сам попросил человека?
Да, такие диалоги тоже считаются эскалацией, так как они создают нагрузку на сотрудников. Их нужно учитывать отдельно, чтобы понимать, сколько клиентов предпочитают живое общение.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите настроить перевод диалогов на сотрудника с ИИ и рассчитать escalation rate? Запишитесь на диагностику — разберём ваш процесс и предложим решение.