ТОП-5 банк РФ: реактивация «тёплой» базы и доведение до активации дебетовых карт с помощью голосового AI-агента
О проекте
Один из крупнейших банков России (ТОП-5) запустил кампанию по реактивации «тёплой» базы клиентов по дебетовым картам. Речь шла о клиентах с незавершёнными заявками или начатым, но не завершённым оформлением.
Основная проблема — высокий объём таких клиентов и низкая эффективность ручной доработки. Операторы не успевали качественно обрабатывать весь массив базы, а стоимость повторного контакта была высокой.
Внедрение голосового AI-агента позволило автоматизировать первичную реактивацию, повысить конверсию в оформление и увеличить долю активаций без расширения штата контакт-центра.
Клиент и контекст
Клиент — федеральный банк с миллионами активных розничных клиентов и развитой системой дистанционного оформления продуктов.
Контекст:
- рост конкуренции за транзакционного клиента;
- усиление фокуса банков на активации;
- высокая стоимость повторного контакта через операторов;
- необходимость работать с незавершёнными digital-заявками в течение 24–72 часов.
В условиях цифровизации ключевая задача — не просто продать карту, а довести клиента до фактической активации и начала использования.
Цели и KPI
Проект был ориентирован на управление глубокой воронкой продаж.
Цели:
- Автоматизировать исходящие продажи по «тёплой» базе
- Снизить нагрузку на операторов при массовых кампаниях
- Повысить конверсию в завершение оформления
- Увеличить долю активаций карт
Фокус был сделан не на объёме звонков, а на управляемой воронке: от контакта до активации.
Как работает голосовой AI-агент
Решение предназначено для реактивации клиентов с незавершёнными заявками на дебетовую карту.
Принцип работы
- Робот инициирует звонок по базе клиентов, которые не завершили оформление.
- Напоминает о возможности завершить заявку.
- Предлагает помощь в завершении оформления.
- Обрабатывает возражения в рамках сценария.
- Фиксирует согласие и переводит на оператора только целевых клиентов.
Сценарий построен с учётом персонализации — предложения адаптируются под тип клиента и стадию заявки.
Пользовательский сценарий №1
Клиент начал оформление карты онлайн → не завершил заявку → получает звонок от робота → слышит напоминание и предложение помочь → подтверждает интерес → получает ссылку или переводится на оператора → завершает оформление.
Пользовательский сценарий №2
Клиент сомневается → робот отвечает на типовые вопросы → снимает базовые возражения → фиксирует отказ или согласие без привлечения оператора.
Таким образом, робот фильтрует поток и снижает количество «пустых» переводов.
Внедрение
Проект реализован поэтапно.
1. Анализ воронки
Банк предоставил данные по стадиям незавершённых заявок и времени «остывания» клиента. Были выделены приоритетные сегменты для реактивации.
2. Разработка сценария
Сценарий включал:
- персонализированные обращения;
- гибкую логику диалога;
- кастомные перебивания;
- обработку типовых возражений.
Наиболее трудоёмким этапом стала адаптация сценария под реальные причины незавершения заявки (сомнения по условиям, нехватка времени, технические вопросы).
3. Интеграция
Настроена синхронизация со статусами заявок в CRM и автоматическая фиксация результатов звонка.
4. Пилот и оптимизация
Проведён пилот на ограниченном сегменте, скорректирована логика сценария и частота контакта. После достижения целевых метрик проект масштабирован.
Срок запуска пилота — 21 рабочий день.
Масштабирование — после подтверждения целевых метрик.
Результаты внедрения
- 19,02% контактность
- 22,13% согласие от дозвона
- 25,29% активация от дозвона
- Рост завершённых заявок без увеличения штата операторов
- Снижение стоимости реактивации клиента
Главный эффект — банк получил инструмент управляемого доведения клиента до активации, а не просто до формального выпуска карты.
В условиях 2026 года это критично: активная карта формирует транзакционный поток и долгосрочную ценность клиента (LTV).
Посмотрите другие кейсы с похожими задачами — федеральные исходящие кампании, массовая квалификация базы и управляемая передача лидов в продажи.