Chatbot Rank 2025: Результаты исследования цифрового опыта в чат-ботах мобильных банков

Результаты исследования цифрового опыта в чат-ботах мобильных банков: Chatbot Rank 2025

О проекте Markswebb

Исследование Chatbot Rank 2025 представляет собой пятую волну анализа чат-ботов в мобильных банках.

• Глобальный охват: Непрерывный сбор базы знаний из инвестиционных и финтех-сервисов в 32 странах.

• Универсальность: Система оценки адаптирована под e-commerce и цифровые кошельки.

• Команда:

• Яна Багина — тимлид исследования.

• Юлия Морозова — директор по коммуникациям.

Система оценки Chatbot Rank

Сравнительное исследование проводится на основе кабинетного обследования, моделирования сценариев и оценки ботов по 150 параметрам.

Методология

1. Поиск практик: Выявление лучших решений и типичных проблем.

2. Сравнительный анализ: Оценка качества по широкому набору параметров.

3. Динамика: Отслеживание ключевых изменений за год.

4. Рейтинг: Распределение оценок между участниками рынка.

Формирование правил CUI (Conversational User Interface)

Правила создаются через многоступенчатый процесс:

• Анализ источников и выделение принципов.

• Валидация через интервью и онлайн-опросы.

• Пример правила: «Не делать нерелевантных запросу рекламных предложений».

Отбор интентов (намерений пользователя)

Процесс включает:

1. Сбор частых запросов в чат.

2. Группировка близких по теме запросов.

3. Расчет ключевых показателей и проверка актуальности.

4. Пример интента: «Узнать, как начисляется кешбэк».

Периметр исследования

В исследование включены 10 мобильных банков (версии, актуальные на 8 сентября 2024 года):

• Крупнейшие банки по объему вкладов и кредитов физлиц.

• Топ-3 рейтинга Chatbot Rank 2024.

Обзор рынка и ключевые тренды

1. Куда движется рынок: Разрыв между лидерами и аутсайдерами

Анализ оценок 2025 года показывает значительную поляризацию рынка:

• Оценка лидера в два раза выше 10-го места.

• Разрыв между лидерами и «серединой» составляет минимум 30 баллов.

• Лидеры: Внедряют прогрессивные механики, персонализацию, предиктивное реагирование и LLM (Large Language Models).

• Аутсайдеры: Занимаются базовой автоматизацией, исправляют CUI-ошибки и работают над точностью распознавания.

Точность распознавания (56 запросов, до 3 попыток):

• Лидеры: Распознают 100% запросов с первой попытки.

• Аутсайдеры: Не распознают до 50% запросов.

Барьеры для развития отстающих ботов:

• Распознавание: Непонимание разных формулировок запроса.

• Интенты: Слабое развитие блока общей и персональной информации, отсутствие навигации к разделам приложения.

• Правила CUI: Дублирование ответов, отсутствие информирования об ожидании консультанта, неумение убедиться в решении вопроса.

2. Тренд: Проактивные финансовые ассистенты

Современные чат-боты перестают быть реактивными и начинают действовать на опережение.

• Информирование о событиях: Например, ВТБ автоматически сообщает об оплате задолженности по кредитным продуктам при входе в чат.

• Грамотное пользование продуктами: ВТБ и Т-Банк рекомендуют погасить всю сумму задолженности во избежание переплат. Советы интегрированы в диалог, даже если запрос был на другую тему.

• Получение выгоды: ВТБ персонализированно предлагает разместить свободные средства на накопительном счете.

• Контроль выгоды: Бот Альфа-Банка помогает выбирать категории кешбэка и сообщает о сроках его выплаты.

Решения по конкретным блокам

Эмпатия и отработка негатива

Правило CUI: «Замечать негатив в сообщениях пользователя и стараться решить проблему».

• Большинство ботов выражают сожаление лишь в 2–3 из 7 типовых негативных ситуаций.

• Россельхозбанк: Единственный банк, не предпринявший попыток сгладить недовольство.

• Газпромбанк и СберБанк: Показали заметный прогресс за год.

• Лидеры (Альфа-Банк, Совкомбанк): Используют «проактивный позитив» (дружелюбные сообщения, стикеры).

Персональная информация

Способность выдавать персональные данные в чате — маркер зрелости бота.

• Альфа-Банк, ВТБ: Полностью закрывают запросы внутри диалога.

• Т-Банк, МТС Банк: В 2 из 11 кейсов дают общий ответ вместо персонального.

• Совкомбанк, Райффайзен Банк, СберБанк: Часто подменяют ответ ссылкой на раздел приложения.

• Банк ДОМ.РФ, Россельхозбанк: Крайне низкий уровень распознавания персональных запросов (1–2 из 11).

Лучшие практики и типичные ошибки

Лучшие практики (бэклог)

• Альфа-Банк (Инциденты): Предлагает выбрать тип инцидента. В критических сценариях — мгновенное подключение оператора, в остальных — сбор информации и инструкции.

• СберБанк (Услуги): Мгновенное отображение всех активных подписок в одном виджете с кнопками управления.

• ВТБ (Интерфейс): Создание комфортной среды, максимально похожей на мессенджер.

Типичные ошибки

1. Когнитивная нагрузка (Т-Банк): Предоставление избыточной информации. Решение — использование квик-реплаев для уточнения.

2. Длинный путь к цели (Россельхозбанк): Из-за слабого распознавания бот вынуждает пользователя совершать лишние действия.

3. Неопределенность ожидания (МТС Банк, Т-Банк): Отсутствие информации о времени ожидания оператора повышает раздражение и процент брошенных чатов.

4. Эффективное решение (Альфа-Банк): Бот указывает конкретное время ожидания, что снижает неопределенность.

Услуги и продукты на базе исследования

Кейсы адаптации

• Для МСБ: Составление списка интентов для бизнес-сегмента, гэп-анализ и сравнение с конкурентами.

• Для E-commerce: Аудит бота в Telegram и на сайте, юзабилити-тесты, адаптация методики под специфику торговли.

Рейтинг чат-ботов в мобильных банках (Android)

Итоговые оценки по шкале от 0 до 100 баллов, отражающие уровень развития цифрового опыта.

Анализ позиций

1–3 места: Лидеры рынка

Высокий уровень автоматизации, глубокая персонализация и проактивность.

6 место: МТС Банк

Основная проблема — недостаточное качество распознавания запросов.

7–8 места: Развиваются недостаточно быстро

• СберБанк: Силен в подборе продуктов и голосовых запросах, но имеет проблемы с навигацией и разделением чатов (отдельный чат с оператором).

• Газпромбанк: Хорошо отрабатывает жалобы, но использует сложную терминологию и злоупотребляет рекламой.

9–10 места: Невысокий уровень развития

• Сильные стороны: Базовые принципы CUI, общая информация.

• Точки роста: Низкая точность распознавания, отсутствие персональной информации, дублирование ответов, слабая адаптация к запросу.

Рейтинг чат-ботов и автоматизации

Ниже представлены итоговые оценки эффективности чат-ботов в мобильных банках. Оценки выставлялись по шкале от 0 до 100 баллов. Динамика отражает изменение позиции банка в рейтинге по сравнению с прошлым годом.

Анализ лидеров и ключевые компетенции

4-5 МЕСТА: Т-Банк и Райффайзен Банк

Статус: Не хватает стабильности распознавания запросов и навыков диалога.

Сильные стороны:

• Общая информация и выполнение действий.

• Оптимальное решение проблем.

• Виджеты, обращения, поисковая строка.

• Навигация.

• Связь с каналами поддержки.

• Т-Банк: голосовые запросы.

• Райффайзен Банк: визуальные материалы.

Точки роста:

(Данные отсутствуют в исходном фрагменте)

3 МЕСТО: Совкомбанк

Статус: Чат-бот демонстрирует стабильный результат.

• Навигация.

• Оптимальное решение проблем.

• Возможность поделиться сообщением.

• Персональная информация и жалобы.

• Реакция на негатив.

• Саджесты и возврат на шаг назад.

(Данные отсутствуют в исходном фрагменте)

2 МЕСТО: Альфа-Банк

Статус: Чат-бот уступил лидерство, но значительно улучшил навыки диалога.

• 56/56 интентов распознаны с первой попытки.

• Максимальная оценка в 5 из 6 блоков интентов.

• Качественное ведение диалога.

• Удобство навигации и просмотра информации.

• Отсутствие необходимости уточнять информацию, которая уже была сообщена ранее.

• Выполнение действий.

(Данные отсутствуют в исходном фрагменте)

1 место: втб

Статус: Лучший чат-бот в мобильном банке.

• 56/56 интентов распознаны с первой попытки.

• Максимальная оценка в 5 из 6 блоков интентов.

• Ведение диалога и удобство интерфейса.

• Отсутствие повторных уточнений уже предоставленной информации.

• Эффективное выполнение действий.

Новые реализации и лучшие практики (Чему стоит научиться у лидера):

• Сложные запросы: Ответ на два вопроса из одного сообщения.

• Эмпатия: Проработанная реакция на негатив пользователя.

• Мультимедиа: Обработка скриншотов.

• UX: Мессенджеризация чата (привычный интерфейс мессенджеров).

• Проактивность: Уведомления о продуктах и персональные предложения в интерфейсе чата.

• Доступность: Упрощение процесса связи с оператором.

(Данные отсутствуют в исходном фрагменте)

Команда проекта

Контакты для связи

• Купить полные результаты: WhatsApp / Telegram

• Почта: hello@markswebb.ru

• Telegram-канал: @markswebb

• Прием обращений: @markswebb_inbox