Банковские чат-боты: текущее состояние, тренды и лучшие практики

UsabilityLab получает много запросов на улучшение чат-ботов и изучение решений конкурентов. За годы работы мы накопили значительный опыт в этой сфере и готовы поделиться знаниями о текущем состоянии банковских чат-ботов, ключевых трендах их развития, типичных проблемах и наиболее удачных решениях.

Банковские чат-боты стремительно укрепляют свои позиции в качестве эффективного канала взаимодействия с клиентами. По последним данным, чат-боты функционируют в более чем четверти банков из топ-100 в России, и эта цифра продолжает расти. Именно в финансовом секторе виртуальные ассистенты приносят компаниям наибольшую прибыль по сравнению с другими отраслями.

В ходе наших исследований мы проанализировали чат-боты крупнейших российских банков, включая Райффайзен Банк, Альфа-Банк, Сбербанк и Тинькофф. Кроме того, были изучены тенденции в смежных сферах — страховании, медицине, у мобильных операторов, финансовых брокеров и в ритейле. Это позволило нам сформировать комплексное представление о текущем состоянии и перспективах развития банковских чат-ботов в России.

Текущее состояние чат-ботов в банковском секторе

В банковском секторе России наблюдается активное развитие чат-ботов, с выделением нескольких лидеров отрасли. Среди ведущих игроков — Альфа-Банк и ВТБ. Чат-бот Альфа-Банка отличается высоким уровнем распознавания запросов и способностью эффективно решать проблемы без привлечения оператора. Чат-бот ВТБ демонстрирует сходный уровень автоматизации и выделяется разнообразием интерфейсных возможностей.

Чат-бот Райффайзен Банка активно развивается, демонстрируя заметный прогресс в последнее время. Его сильными сторонами являются уместный перевод на оператора, высокое качество проработки сценариев и автоматизация выполнения действий (смена PIN-кода, подключение и отключение уведомлений). Точками роста остаются автоматизация подбора продуктов и обработка жалоб.

Ключевые тренды развития банковских чат-ботов

Анализ рынка выявил несколько ключевых направлений, по которым активно развиваются банковские чат-боты:

1. От бота к персонализированному ассистенту

Интерес к GPT-технологиям подтолкнул банки к движению от базовых чат-ботов к интеллектуальным цифровым ассистентам (IDA), способным выступать в роли личного финансового консультанта. В отличие от простых ботов, такие ассистенты проходят предварительное обучение на основе финансовой истории и моделей поведения клиентов, что позволяет им лучше понимать потребности конкретного пользователя.

2. Предугадывание запросов

Передовые чат-боты активно развивают способность предвосхищать проблемы пользователя. Имея доступ к истории действий и профилю клиента, бот может предложить решение до того, как пользователь сформулирует проблему. Например, если банкомат не вернул карту, клиент, зайдя в приложение, может сразу увидеть сообщение от чат-бота с информацией о решении проблемы. По данным отраслевых исследований, в 2023 году уже около 40% банковских чат-ботов демонстрировали способность “предугадывать” вопросы, которые могли возникнуть у пользователей после первичной консультации.

3. Расширение форматов общения

Банки продолжают совершенствовать способность чат-ботов к распознаванию естественного языка и активно интегрируют текстовый и голосовой каналы. Сбербанк запустил новую версию Ассистента, в котором голосовой ввод и синтезированная речь бота сопровождаются текстовыми транскриптами, содержащими также интерактивные элементы. ВТБ интегрировал своего чат-бота с голосовым помощником Яндекса, что позволяет клиентам получать финансовые услуги через голосовые команды.

4. Распознавание изображений

“Тинькофф Банк” активно развивает функцию распознавания изображений в чат-боте. По данным банка, значительная часть вложений в чатах — это скриншоты с вопросами по интерфейсу или фиксацией ошибок. В 2023 году 12% чатов с вложениями чат-бот обрабатывал самостоятельно, а по отдельным категориям уровень автоматизации достигал 27%.

5. Запрос в контексте пользователя

Банки стремятся интегрировать чат-боты с различными базами знаний и обучать их на данных пользователя. Это позволяет консультировать с учетом уникального контекста клиента, предугадывать запросы и давать персонализированные рекомендации.

6. Повышение доступности для людей с ограниченными возможностями

ВТБ запустил чат-бот с анимированным аватаром для консультирования клиентов с нарушениями слуха. Сбербанк позиционирует своего Ассистента, сочетающего текстовый и голосовой каналы, как инструмент для людей с различными ограничениями здоровья. Тинькофф провел аудит доступности приложения и готовит редизайн с учетом потребностей пользователей с инвалидностью.

7. Эксперименты с нейросетями

Крупные российские банки активно тестируют возможности нейросетей. Сбербанк разрабатывает GigaChat, а банк “Точка” экспериментирует с ChatGPT. Эти нейросети обучаются на основе открытых источников, запросов клиентов и ответов банков. Уже сейчас они могут отвечать на вопросы, с которыми не справляются обычные чат-боты: предоставлять справочную информацию по ВЭД, торговому эквайрингу, кредитным продуктам или подготовить рекламный текст.

Типичные проблемы банковских чат-ботов

Исследование выявило различные проблемы в реализации интентов пользователей. Наиболее проблемными оказались следующие категории запросов:

• Получение выписок и справок — сложности с заказом выписок за определенный период, невозможность получить отдельные выписки по доходам и расходам, проблемы с форматированием и доставкой документов.

• Рублевые переводы — трудности с объяснением причин неудачных переводов, неполные инструкции, проблемы с выбором получателя.

• Операции с кэшбэком — неполная информация о принципах начисления, отсутствие четких объяснений причин неначисления кэшбэка.

• Закрытие счетов и карт — сложный путь пользователя, отсутствие важных уточнений о последствиях закрытия (например, потере процентов).

• Открытие дебетовых карт — недостаток персонализации предложений, отсутствие четких инструкций.

Анализируя выявленные проблемы, можно выделить несколько ключевых аспектов, требующих особого внимания при разработке и оптимизации банковских чат-ботов:

Эффективность функционала

Многие чат-боты не способны выполнить задачу пользователя полностью, вынуждая его покидать диалоговое окно и самостоятельно искать нужный раздел приложения. Другая распространенная проблема — неполнота предоставляемой информации, особенно когда речь идет о выписках, справках или условиях банковских продуктов.

Качество обработки ошибок

Часто чат-боты не распознают проблемную ситуацию или предлагают нерелевантные варианты решения. Например, при сообщении о проблеме с переводом чат-бот может предложить саджесты, которые не помогают решить проблему и не указывают на возможные причины сбоя.

Естественность взаимодействия

Многие чат-боты используют слишком формальный стиль коммуникации, не адаптируются к стилю общения пользователя и не поддерживают контекст диалога. Это создает ощущение “механичности” и снижает удовлетворенность от взаимодействия.

Удобство использования

Часто проблемы возникают из-за непонятных или плохо структурированных инструкций, исчезающих саджестов (например, в Райффайзен Банке саджесты пропадают через 3 минуты), или необходимости повторно вводить информацию при переходе между разделами.

Сравнение банков показало, что наиболее проблемным с точки зрения количества выявленных недостатков оказался чат-бот Сбербанка, за ним следуют решения Тинькофф и Райффайзен Банка, наименьшее количество проблем было обнаружено в чат-боте Альфа-Банка.

Удачные решения и лучшие практики

Исследование также выявило удачные решения в реализации различных интентов. Наиболее успешно реализованы:

• Отключение программы страхования — четкие инструкции, предупреждение о необходимости отключения автоплатежа, прикрепление шаблона заявления.

• Временная блокировка карты — разделение опций временной блокировки (заморозки) и постоянной блокировки, четкие инструкции по разблокировке.

• Международные переводы — подробные инструкции, информация о комиссиях, важные уточнения по ограничениям.

По результатам анализа лидером по количеству удачных решений стал Сбербанк, за ним следуют Тинькофф, Альфа-Банк и Райффайзен Банк.

Анализ успешных практик позволил выделить несколько ключевых подходов, которые повышают эффективность взаимодействия с банковскими чат-ботами:

Интуитивность и простота взаимодействия

Лучшие чат-боты предлагают прямые ссылки на нужные разделы приложения, структурированные инструкции и интуитивно понятные виджеты для выбора продуктов или действий. Например, кнопки выбора периода для выписки (1, 3, 6, 12 месяцев) в Тинькофф Банке значительно упрощают процесс заказа документа.

Информативность и прозрачность

Успешные чат-боты предоставляют исчерпывающую информацию, включая важные уточнения и предупреждения. Например, предупреждение о возможной потере процентов при закрытии вклада или пояснения к различным типам справок помогают пользователям принимать осознанные решения.

Самодостаточность

Возможность решить вопрос, не покидая диалогового окна — одно из ключевых преимуществ. Например, осуществление перевода средств прямо в чате, оформление заявок или отключение услуг значительно улучшает пользовательский опыт.

Визуализация и наглядность

Использование виджетов, иконок, эмодзи и других визуальных элементов делает взаимодействие более понятным и приятным. Отображение логотипов магазинов при проверке статуса возврата средств или визуализация продуктов помогают пользователям быстрее сориентироваться.

Конкретные примеры удачных решений включают:

• Расшифровка назначения различных типов справок в банке Тинькофф, помогающая пользователям выбрать нужный документ

• Возможность просмотра образца справки перед заказом

• Напоминание об отключении автоплатежа при отказе от страховки

• Возможность заказать отдельные выписки по доходам и расходам

• Детальное объяснение причин неначисления кэшбэка с разбивкой по категориям

Ключевые факторы успешного чат-бота и рекомендации по совершенствованию

Проведенное исследование позволило выделить пять ключевых факторов, определяющих качество взаимодействия пользователей с банковскими чат-ботами. Эти факторы могут служить основой для оценки существующих решений и разработки стратегии их совершенствования:

1. Функциональная эффективность

Способность чат-бота решать задачи пользователя полностью и самостоятельно, без необходимости переключения на другие каналы коммуникации.

Рекомендации:

• Увеличивать число интентов, закрываемых внутри диалогового окна

• Реализовать проведение основных финансовых операций непосредственно в чате

• Персонализировать информацию на основе данных клиента вместо предоставления общих инструкций

2. Интеллектуальная обработка ошибок

Способность чат-бота распознавать и эффективно обрабатывать ошибки, неоднозначные запросы и проблемные ситуации.

Рекомендации:

• Совершенствовать алгоритмы распознавания естественного языка

• Добавить анализ скриншотов и изображений для диагностики проблем

• Разработать механизмы интеллектуального анализа причин неудачных операций

3. Комфортность взаимодействия

Насколько легко и интуитивно пользователь может взаимодействовать с чат-ботом для решения своих задач.

Рекомендации:

• Структурировать информацию с помощью визуального разделения и маркированных списков

• Оптимизировать саджесты, делая их более релевантными и долгосрочными

• Внедрять интерактивные элементы и виджеты для упрощения выбора

4. Естественность общения

Степень, в которой взаимодействие с чат-ботом воспринимается как естественное, приятное и человечное.

Рекомендации:

• Разработать последовательный коммуникационный стиль с уместным использованием эмодзи

• Персонализировать общение на основе данных клиента и истории взаимодействия

• Обеспечить поддержание контекста диалога и “память” о предыдущих запросах

5. Прогностические возможности

Способность чат-бота предугадывать потребности пользователя и проактивно предлагать решения.

Рекомендации:

• Развивать механизмы анализа поведения пользователя для предсказания запросов

• Внедрять проактивные уведомления о потенциальных проблемах или возможностях

• Создавать персонализированные финансовые рекомендации на основе активности клиента

Практические шаги по совершенствованию чат-ботов

Для банков, стремящихся улучшить качество взаимодействия с клиентами через чат-боты, мы рекомендуем следующий план действий:

• Провести комплексный аудит существующего чат-бота по пяти ключевым факторам (функциональная эффективность, интеллектуальная обработка ошибок, комфортность взаимодействия, естественность общения и прогностические возможности) с привлечением экспертов в области юзабилити конверсационных интерфейсов

• Приоритизировать выявленные проблемы на основе их влияния на пользовательский опыт и частоты возникновения

• Разработать стратегию поэтапной оптимизации, начиная с наиболее критичных и часто используемых сценариев

• Внедрить систему регулярного мониторинга эффективности чат-бота с использованием ключевых метрик:

Коэффициент успешного распознавания запросов

• Уровень автоматизации (доля интентов, закрытых без привлечения оператора)

• Удовлетворенность пользователей

• Время разрешения запроса

• Применять итеративный подход к совершенствованию, регулярно тестируя изменения на реальных пользователях

В условиях цифровой трансформации банковского сектора качественный чат-бот становится не просто дополнительным каналом коммуникации, а стратегическим инструментом взаимодействия с клиентом, способным существенно влиять на лояльность и удовлетворенность пользователей.

UsabilityLab — лидер в области юзабилити конверсационных интерфейсов в России. Мы обладаем большим и признанным опытом в оценке и оптимизации чат-ботов. Будем рады вашим вопросам и обращениям к нам по этой теме.

Дмитрий Сатин, основатель UsabilityLab