Клиент:
Компания, предоставляющая услуги кредитного брокериджа по ипотечным и бизнес-кредитам.
Задачи:
- Выработать выгодное маркетинговое предложение для клиентов.
- Проанализировать отзывы о деятельности компании и конкурентов для улучшения репутации.
- Оптимизировать процесс сбора и анализа отзывов с профильных платформ.
Исходная ситуация:
- Анализ отзывов проводился вручную аналитиком компании или внешним специалистом.
- Процесс включал копирование текстов отзывов, поиск ключевых слов, выявление проблем.
- Анализ занимал от 1 недели до 2 месяцев в зависимости от объема данных.
- Стоимость ручного анализа - около 100 тыс. руб. (зарплата аналитика + инфраструктура).
Внедренное ИИ-решение:
- Разработка алгоритма на основе нейросетей для автоматизации сбора и анализа отзывов.
- Создание промптов для решения маркетинговых задач и выявления проблем в отзывах.
- Тестирование и доработка решения с учетом обратной связи от сотрудников компании.
- Интеграция ИИ-алгоритма в чат-бот на отдельной веб-странице для удобства использования.
- Реализация автоматического поиска и анализа отзывов по ссылкам, предоставленным аналитиком.
- Разработка критериев для оценки репрезентативности отзывов и выявления ботов.
Результаты:
- Время анализа отзывов сократилось до 1-3 дней вместо 1-8 недель.
- Затраты на анализ снизились за счет автоматизации и экономии времени сотрудников.
- Повысилась скорость и частота получения инсайтов для улучшения маркетинга и репутации.
- Сотрудники компании смогли сфокусироваться на выработке решений вместо рутинных задач.
- Чат-бот автоматически генерирует отчет по результатам анализа в заданном формате.
Выводы:
Внедрение ИИ-решения для анализа отзывов позволило компании по кредитному брокериджу сократить время получения инсайтов в 5-10 раз, снизить затраты на аналитику, быстрее реагировать на обратную связь клиентов. Автоматизация рутинных процессов высвободила ресурсы сотрудников для более продуктивной работы над улучшением маркетинговой стратегии и репутации компании на рынке.