Sibur Digital
Чат-бот интернет-магазина Сибур
Контекст
Чат-бот на сайте интернет-магазина отвечает на вопросы и помогает подобрать товар, снижая нагрузку на менеджеров.
Первая версия бота просуществовала три месяца и не справлялась со своей задачей: интерфейс устарел, ключевые сценарии не работали, пользователи почти не обращались к боту. К моменту, когда проект передали нашей команде, уже существовали наработки от подрядчика для нового сайта — но выпустить её было нельзя: она не учитывала ограничения платформы, часть элементов терялась, а все сценарии были такими же нерабочими.
Моя задача
Задача состояла из трех частей:
- Довести доставшийся дизайн до рабочего состояния, учитывая все наши технические ограничения, и выпустить бота в прод в сжатые сроки;
- На исследованиях и данных понять, что можно улучшить или добавить для повышения посещаемости;
- Реализовать выбранные доработки.
Проблемы
Низкая посещаемость
Пользователи почти не обращаются к боту: за 3 месяца существования бота до попадания к нашей команде MAU не поднималось выше 300.
Отсутствие обратной связи
Конверсия в оценку ответов бота была крайне низкой: около 8 оценок за целых 3 месяца, что не помогало улучшать продукт.
Отсутствие исследований
Не было актуальной информации о пользователях и их нуждах, решения принимались без опоры на данные.
01
Адаптация макетов и запуск mvp
Наработки, которые нам передали подрядчики, не были готовы к запуску. Без правок бот попросту не работал бы корректно после запуска.
Я переработала интерфейс с учетом технических возможностей нашей платформы, упростила структуру сообщений и добавила недостающие элементы управления.
Так мы смогли быстро выпустить первую версию в срок. А дальше началась основная работа: вернуться к отложенным исследованиям и дорабатывать бота уже на данных, а не на догадках.
02
Исследование
Пользовательское интервью
После запуска MVP можно было вернуться к тому, что пришлось отложить из-за сроков, — к исследованию. Я собрала свои идеи и команды в исследовательские гипотезы, составила гайд интервью и курировала стажеров, которые помогали проводить интервью (я с нуля научила их этому!)
Всего провели 10 интервью с реальными клиентами СИБУРа, которые откликнулись на наш зов. Мы отсекли неподтвержденные гипотезы и не стали тратить на них ресурс. Подтвержденные лягут в основу наших первых доработок.
Что показали логи
Чтобы проверить, с какими запросами наши пользователи приходили чаще всего, я посмотрела логи. Оказалось, что по кнопке «Подобрать сырье» кликают активно: это был третий по популярности запрос, выше были только запросы контактов и статус заказа.
Так два источника сошлись: интервью назвали подбор важным, а логи подтвердили спрос цифрами. Реализовав подборщик внутри бота, мы сможем дать пользователям возможность оставаться в чате и, без лишних переходов, задать все уточняющие вопросы о сырье.
Анализ конкурентов
Параллельно я разобрала 18 чат-ботов: конкурентов и сильные решения с рынка. Это дало понимание, как реализовать планируемые фичи в рамках нашей платформы, ориентиры по тону общения и фичлист на будущее (позже исходя из этого анализа были составлены планы на будущие кварталы).
Приоритеты
Три источника вместе задали приоритеты: что делать и как. Подтверждённые находки я перевела в продуктовые гипотезы и определила, в каких метриках будем ждать прирост.
Конечно же, рост MAU и DAU мы тоже ждали, так как дорабатывали качество ответов и прочие мелочи, но подробнее я покажу две доработки: сценарии оценки ответов и подбора сырья.
03
Сценарий сбора обратной связи
Проблема
Бот запрашивал оценку после каждого ответа, что раздражало пользователей и приводило к игнорированию. При этом даже при негативной оценке мы не понимали, что именно не устроило пользователя, и не могли использовать эту обратную связь для улучшения сценариев.
Решение
Я заменила навязчивый сценарий на компактные лайк/дизлайк-кнопки, встроенные в интерфейс ответов.
Для сценария дизлайка я добавила возможность указать причину негативной оценки. А еще сценарий всегда можно прервать, написав новое сообщение.
Так мы смогли начать системно собирать как количественную, так и качественную обратную связь.
04
Сценарий подбора сырья
Проблемы
Сценарий подбора прерывал взаимодействие: бот просто давал ссылку, пользователь переходил на сайт и выпадал из диалога. При этом подборщик на сайте не справлялся со сложными запросами, требовал точного ввода, не позволял получить ответы на последующие вопросы.
В результате пользователи не находили нужный товар, не возвращались в чат и чаще обращались к менеджерам с вопросами, с которыми мог помочь наш бот.
Решение
Бот уже умел работать со сложными запросами: объяснять свойства материалов, предлагать варианты и давать ссылки. Однако пользователи не знали об этом — кнопка подборщика уводила их на сайт и разрывала диалог.
Я объединила сценарный выбор (категории) и умный подбор прямо внутри диалога. Теперь пользователь может начать с кнопок или сразу задать запрос в свободной форме, не прерывая взаимодействие.
Это позволило сделать сценарий гибким, облегчить подбор товара и сохранить пользователя внутри диалога.
Как это могло бы работать без ограничений (ретроспектива)
Платформа и база данных не позволяли выходить за рамки готового интерфейса: мы должны были работать только в формате диалога и набора кнопок.
Будь возможность, я бы развернула подбор в полноценный пошаговый опрос прямо в диалоге: бот уточнял бы не только тип продукта, но и требования, условия, ожидаемую цену — и на каждом шаге сужал выборку. Так пользователь доходил бы до нужного сырья, не переходя в карточки товаров и с минимумом вопросов.
05
Результаты
Через 2 месяца после релиза мы замерили ключевые метрики. Вот что вышло:
Конверсия в лида из бота
2% → 15%
Среднее количество оценок
2,6/мес → 40/мес
Среднее число сессий
на одного пользователя
1,1 → 3,2
пользователи стали чаще завершать подбор товара внутри чата и оставлять заявки уже на конкретное сырье;
система оценок заработала: мы начали регулярно получать обратную связь от пользователей и быстрее реагировать на ошибки и галлюцинации бота;