Крупному федеральному банку требовалось масштабировать продажи дебетовой карты с кэшбэком по клиентской базе без увеличения штата контакт-центра. Для этого был внедрен голосовой AI-агент. Он взял на себя массовый исходящий контакт, первичную квалификацию клиентов и передачу оператору только заинтересованных  в оформлении дебетовой карты. По итогам кампании банк обработал 500–700 тыс. контактов, получил 51% контактности, 5% согласий от всей базы и 50% оформлений от числа согласившихся.

Контекст проекта

Крупные банки редко страдают от отсутствия спроса на массовые продукты. Дебетовая карта с кэшбэком — понятное предложение, которое нужно большинству клиентов. Проблема обычно в другом: как физически охватить всю базу, не раздувая штат контакт-центра и не теряя в скорости.

Когда база исчисляется сотнями тысяч человек, ручной обзвон начинает проигрывать: операторы не успевают, качество первого контакта плавает, стоимость одного звонка растёт. 

Задача

Перед банком стояла практическая задача: увеличить продажи дебетовой карты с кэшбэком по клиентской базе без расширения контакт-центра.

Это означало несколько требований к решению:

• оперативно охватить большую базу;
• сократить нагрузку на операторов;
• повысить конверсию за счёт скорости первичного контакта;
• снизить стоимость одного лида;
• передавать в работу операторам только тех клиентов, у которых есть подтверждённый интерес к продукту.

Решение

В ходе реализации проекта был внедрён голосовой AI-агент для автоматизации исходящих продаж дебетовой карты. AI-агент не заменял оператора на финальном этапе оформления. Он закрывал самый объёмный участок кампании, который в ручной модели создаёт наибольшую нагрузку на контакт-центр и сильнее всего влияет на экономику продаж.

В рамках сценария AI-агент:

• связывался с клиентами по базе;
• презентовал предложение по дебетовой карте с кэшбэком;
• снимал типовые возражения;
• уточнял готовность продолжить оформление;
• фиксировал согласие;
• переводил на оператора только целевых клиентов.

Таким образом, были автоматизированы массовый первичный контакт и квалификация Операторы подключались только тогда, когда разговор уже имел коммерческий смысл и более высокий шанс на оформление карты.

Что именно изменилось в процессе продаж

До внедрения агента контакт-центр был первой точкой касания для всей базы — независимо от того, насколько клиент вообще готов разговаривать. Это дорого и медленно.

Голосовой AI-агент забрал себе весь первичный объём. Операторы стали подключаться только тогда, когда в разговоре уже прозвучало согласие продолжить оформление. Фактически поменялась точка входа оператора в воронку — и это изменило всю экономику кампании. Банк получил возможность отделить массовую обработку базы от этапа доведения клиента до оформления. А значит, повышается производительность контакт-центра и улучшается качество использования дорогого человеческого ресурса.

Результаты проекта

По итогам кампании банк получил следующие показатели:

• 500–700 тыс. — объём обработанной базы;
• 51% — контактность;
• 5% — согласились от всей базы;
• 50% — оформили карту от числа согласившихся.

Эффект для банка

На уровне операционной модели проект дал банку сразу несколько эффектов.

1. Разгрузка контакт-центра
Операторы были выведены из самого затратного этапа массовой кампании — первичного перебора базы. Это позволило снизить нагрузку на команду без сокращения охвата.

2. Рост целевой загрузки операторов
В работу стали поступать не все подряд соединения, а только те клиенты, которые уже проявили интерес к продукту и были готовы продолжать оформление. Это повысило долю содержательных контактов в операторском контуре.

3. Более управляемая воронка

Ручная кампания живёт по своим законам: темп зависит от того, сколько людей вышло в смену, как они работают и насколько база оказалась тяжёлой. Предсказать результат на старте сложно. С агентом картина другая: понятны объём обработки, доля контактов, доля согласий и объём переводов на операторов.
4.Снижение стоимости результата
Когда оператор подключается не к каждому контакту, а только к квалифицированному интересу, стоимость одного оформленного продукта становится более управляемой. Для большой базы это имеет прямое влияние на unit-экономику кампании.

Как Fromtech подходит к таким проектам

Для Fromtech голосовая автоматизация в банковских продажах — это часть операционной модели, а не отдельный технический модуль.

Поэтому на старте проекта мы смотрим не только на сценарий звонка, но и на управленческую конструкцию кампании:

• какой сегмент базы целесообразно брать в работу;
• какой объём переводов должен получать контакт-центр;
• где проходит граница между автоматической квалификацией и работой оператора;
• какие метрики являются целевыми для бизнеса;
• как будет оцениваться ROI проекта.

Такой подход позволяет обсуждать внедрение не в терминах технологии ради технологии, а в терминах продаж, нагрузки и стоимости результата.

Где такая модель особенно эффективна

Подобная схема лучше всего работает в проектах, где у банка есть:

• большая клиентская база;
• массовый розничный продукт с понятным сценарием предложения;
• задача увеличить продажи без пропорционального роста штата;
• перегруженный или ограниченный по ресурсу контакт-центр;
• потребность в более управляемой воронке продаж.

Для таких задач голосовой AI-агент становится не вспомогательным инструментом, а полноценной частью продажного контура.

Что это меняет для банка

Этот кейс показывает простую вещь. Дорогой ресурс имеет смысл использовать там, где он действительно нужен. Оператор нужен в разговоре с клиентом, который готов оформить карту — не в разговоре с тем, кто ещё не решил, стоит ли вообще слушать.

Именно это перераспределение и даёт эффект. Охват не падает, нагрузка на команду снижается, конверсия становится предсказуемой. Именно поэтому для крупных продажных кампаний голосовой AI-агент — это уже не опция для теста, а рабочий инструмент управления продажами по базе.