800 диалогов – ещё не 800 пациентов: как оценивать эффективность ИИ-ассистента в клинике

Маскот SQNS и робот обсуждают работу ИИ-ассистента

ИИ-ассистент отвечает пациентам за секунды, работает вечером и может одновременно вести десятки диалогов. В отчёте всё выглядит убедительно: сотни обработанных обращений, высокая скорость ответа, всё меньше разговоров приходится забирать администраторам.

Но ни одна из этих цифр сама по себе ещё не показывает, принёс ли ИИ клинике больше записей и состоявшихся визитов.

Человек мог спросить стоимость и уйти. Не найти подходящего времени. Попросить перенести уже существующую запись. Или записаться, а через несколько дней отменить приём.

Поэтому оценивать ИИ только внутри переписки недостаточно. Нужно видеть весь путь пациента: источник обращения – диалог – запись – визит.

И только после этого делать вывод, помогает ли ассистент клинике получать пациентов или пока в основном хорошо справляется с коммуникацией.

Почему количество обработанных диалогов мало что говорит о результате

Представим: за месяц ИИ-ассистент обработал 800 обращений. Цифра выглядит внушительно. Но что находится внутри этих 800 диалогов?

Один человек впервые выбирает клинику. Другой уточняет время уже назначенного приёма. Третий спрашивает адрес. Четвёртый хочет перенести запись. Пятый интересуется услугой, но ближайшее свободное время есть только через три недели.

Все эти обращения выполняют разные задачи и имеют разную вероятность закончиться новой записью.

Поэтому показатель «ассистент обработал N диалогов» скорее характеризует объём работы, чем её результат.

При этом сервисные обращения тоже важны. Если ИИ берёт на себя вопросы действующих пациентов, новых записей может не стать больше, зато администраторы получают меньше рутинных диалогов.

И наоборот: несколько вовремя обработанных обращений от людей, которые прямо сейчас выбирают между клиниками, потенциально важнее сотни вопросов «До скольких вы работаете?».

Поэтому первым вопросом к отчёту должно быть не «сколько сообщений обработал ИИ?», а: какие обращения он обрабатывал и что произошло с пациентами после этого?

Даже рост конверсии ещё не доказывает эффективность ИИ

Допустим, раньше из 100 обращений клиника получала 35 записей. После запуска ассистента – 42. Можно быстро сделать вывод: ИИ дал семь дополнительных записей.

Но это пока только одна из возможных причин.

В этот же период клиника могла увеличить рекламный бюджет, получить больше брендового трафика или открыть дополнительные часы востребованного врача. А самому ассистенту могли чаще доставаться уже «горячие» пациенты, которым оставалось только подобрать время.

Поэтому важно различать: пациент записался после общения с ИИ и пациент записался именно благодаря новому сценарию обработки обращения.

Чтобы оценка была точнее, стоит сравнивать максимально похожие группы: одно направление, одинаковые источники, новых пациентов с новыми, обращения в сопоставимое время суток и при схожей доступности записи.

Иногда низкая конверсия вообще не связана с работой ассистента

Пациент пишет в клинику вечером.

ИИ моментально отвечает, сообщает стоимость, помогает выбрать специалиста. Всё работает правильно.

Но ближайший подходящий приём – только через две недели.

Пациент не записывается.

Если смотреть только на переписку, это будет считаться потерянной конверсией. Хотя настоящим ограничением оказалось расписание, а не качество коммуникации.

Именно поэтому показатели ИИ важно сопоставлять с данными МИС:

  • были ли доступные слоты;
  • по какому направлению пришёл пациент;
  • к какому врачу он хотел попасть;
  • сколько нужно было ждать ближайшего приёма;
  • появилась ли в итоге запись.

Один и тот же ассистент может хорошо конвертировать обращения по направлению, где пациенту предлагают время на завтра, и показывать значительно худший результат там, где расписание заполнено на несколько недель вперёд.

Без этого контекста маркетолог видит цифру, но не всегда видит её причину.

А что происходит после сообщения пациента? Aura System в связке с МИС SQNS может отвечать пациентам, помогать подобрать время и создавать запись непосредственно в расписании. Посмотреть, как Aura работает вместе с SQNS.

Какие показатели стоит смотреть

Одной универсальной метрики для оценки ИИ-ассистента нет.

Гораздо полезнее собрать несколько показателей, каждый из которых отвечает за отдельный участок пути пациента.

1. Конверсия не всех диалогов, а целевых обращений в запись

Считать записи от общего количества разговоров – один из самых простых способов получить красивую, но малоинформативную цифру.

Например: ИИ обработал 1 000 обращений и создал 180 записей.

Можно сказать, что конверсия составила 18%.

Но если из этих 1 000 диалогов только 300 были связаны с реальным выбором услуги, врача и времени, показатель уже нужно интерпретировать иначе.

Поэтому обращения полезно хотя бы на первом уровне разделять на:

  • целевые для записи;
  • сервисные;
  • требующие участия сотрудника.

А среди целевых отдельно смотреть ситуации, когда клиника действительно могла предложить человеку подходящее время.

Так становится проще понять, теряет ли клиника пациента в коммуникации или просто не может предложить ему нужную запись.

2. Время до первого полезного ответа

Ответить быстро и помочь быстро – не одно и то же.

Автоматическое: «Здравствуйте! Мы получили ваше сообщение» может уйти пациенту через секунду. Формально скорость ответа прекрасная. Но человек всё ещё не знает стоимость, не получил свободное время и не приблизился к записи.

Поэтому полезнее измерять время до первого содержательного ответа: когда пациент получил информацию, которая позволяет двигаться дальше.

Например:

  • стоимость;
  • подходящее время;
  • информацию о специалисте;
  • необходимый уточняющий вопрос.

Особенно интересно сравнивать этот показатель по часам.

Если днём администратор и без ИИ отвечает через две минуты, влияние автоматизации может быть небольшим. А вечером или во время пиковых нагрузок картина может оказаться совсем другой.

Так клиника понимает не просто, насколько быстро отвечает ИИ, а в какой момент он действительно закрывает слабое место в коммуникации.

3. Сколько подходящих диалогов ИИ закрывает без администратора

На первый взгляд хочется стремиться к 100% автоматизации.

Но для медицинской организации это вряд ли правильная цель.

Есть нестандартные ситуации, медицинские вопросы, конфликты и сложные уточнения, которые разумнее вовремя передать человеку.

Поэтому полезнее считать не «сколько всех диалогов ИИ провёл самостоятельно», а: какую долю тех обращений, которые клиника разрешает автоматизировать, он действительно смог закрыть без участия сотрудника.

Например, для автоматизации лучше подходят вопросы о стоимости, графике, свободных слотах, специалистах или переносе записи.

Так эта метрика начинает показывать реальный объём рутины, которую удалось снять с команды.

4. Что происходит после передачи разговора администратору

Передача человеку – не обязательно ошибка ИИ.

Наоборот, хороший ассистент должен понимать границы своих возможностей.

Поэтому важен следующий участок процесса: что сделала клиника после передачи.

Например: 120 диалогов передано – 105 обработано сотрудниками – 61 закончился записью.

Здесь стоит одновременно смотреть три показателя:

  • сколько обращений потребовали передачи;
  • как быстро подключился сотрудник;
  • сколько таких диалогов в итоге дошли до записи.

Если ИИ правильно передал запрос через минуту, а администратор подключился через два часа, проблема уже находится не в автоматизации.

Именно на стыке системы и сотрудников могут возникать потери, которые почти незаметны в обычной отчётности.

5. Записался – ещё не значит пришёл

Созданная запись – важный этап, но не финальная точка.

Часть пациентов отменит визит. Кто-то перенесёт его. Кто-то просто не придёт.

Поэтому следующая часть воронки: запись – состоявшийся приём.

Для пациентов, записанных с помощью ассистента, полезно смотреть:

  • долю состоявшихся визитов;
  • отмены;
  • переносы;
  • неявки.

И сравнивать эти показатели с другими каналами записи.

Например, ИИ может особенно хорошо обрабатывать вечерние обращения и давать много записей, но если значительная часть таких пациентов впоследствии отменяет визиты, руководителю нужно искать причину уже на следующем участке пути.

Увидеть это только по переписке невозможно: чат закончился успешно, а настоящий результат появился спустя несколько дней.

6. Дополнительный результат, а не просто рост «после подключения»

Ещё одна ловушка аналитики: «После запуска ИИ записей стало на 15% больше – значит, ИИ увеличил их на 15%».

Такой вывод может быть слишком прямолинейным.

Одновременно могли измениться реклама, спрос, расписание, акции, количество специалистов или структура трафика.

Поэтому полезнее искать участки, где воздействие автоматизации можно отделить от остальных факторов.

Например, сравнить вечерние обращения до и после внедрения.

Если раньше пациент писал после закрытия клиники и ждал ответа до утра, а теперь сразу получает информацию и возможность записаться, изменения в этом сегменте гораздо лучше характеризуют эффект автоматизации, чем средняя конверсия по всей клинике.

Чем сопоставимее группы, тем увереннее можно говорить о результате.

Как должна выглядеть воронка для оценки ИИ

В итоге вместо одной цифры вроде «конверсия ассистента – 42%» клинике нужна связанная цепочка: источник – целевое обращение – содержательный ответ – самостоятельная обработка или передача – запись – состоявшийся визит.

И рядом – контекст: направление + врач + свободные слоты + время обращения + источник пациента.

Так становится видно, на каком участке ИИ действительно влияет на результат, а где причина находится совсем в другом процессе.

Почему без МИС часть этой аналитики теряется

В переписке заканчивается только первая часть истории.

После неё пациент попадает в другой процесс: запись в расписание, приём у врача, перенос, отмена, оказанная услуга.

И большая часть этих данных уже находится в МИС.

Проблема начинается, когда системы знают одного пациента по-разному.

Например:

  • чат – по своему идентификатору;
  • МИС – по номеру телефона;
  • рекламная аналитика – по источнику.

Тогда маркетолог видит обращение, администратор – запись, руководитель – состоявшийся визит и выручку, но собрать всё это в единый путь конкретного пациента становится сложно.

Поэтому для аналитики важна связка: источник – обращение – диалог – запись в МИС – визит – результат.

Чем меньше между этими этапами ручных выгрузок и таблиц, тем ниже риск потерять данные, задвоить пациента или неправильно отнести результат к источнику.

ИИ внутри МИС: зачем интеграция нужна не только для записи

Интеграцию ИИ с МИС часто воспринимают прежде всего как техническое удобство: ассистент увидел свободное время и записал пациента.

Но у такой связки есть ещё одна важная задача – делать путь пациента измеримым.

Например, именно по такому принципу работает связка Aura System + МИС SQNS.

Aura может работать с данными SQNS, помогать пациенту подобрать время и создавать запись непосредственно в МИС. Поэтому событие «пациент записался» уже не приходится потом вручную восстанавливать по переписке.

Для клиники это позволяет смотреть шире: не только «сколько сообщений обработал ИИ», а «что произошло с этими обращениями дальше».

И сравнивать результат по направлениям, времени обращения и другим параметрам.

ИИ должен не просто отвечать. Его результат нужно уметь измерить

Количество сообщений, время ответа и доля автоматизированных диалогов полезны – но только как отдельные части картины.

В конечном счёте для клиники важен весь путь: обращение – запись – состоявшийся визит.

И чем теснее ИИ-ассистент связан с МИС, тем меньше этого пути приходится восстанавливать вручную после того, как пациент уже закончил переписку.