← Wszystkie case studies · 💬 Obsługa klienta
Bank spółdzielczy · 210 osóbSentiment monitoring w banku spółdzielczym — wykrywanie niezadowolonych klientów 21 dni przed odejściem
Bank spółdzielczy (28 tys. klientów detalicznych + biznesowych) — AI analizuje wszystkie kanały kontaktu i wskazuje klientów "zagrożonych frustracją".
Okres pomiaru: 12 miesięcy
Sytuacja przed wdrożeniem
Bank spółdzielczy działający w 12 powiatach. 28 tys. klientów (detal + MŚP). Konkurencja z dużymi bankami coraz większa. Rocznie tracili 380 klientów, głównie do banków z lepszą aplikacją mobilną i niższymi opłatami. Wiedzieli, że frustracja klientów narasta zwykle 4–6 tygodni przed wypowiedzeniem — ale nie umieli tego mierzyć.
Co zrobiliśmy
RedAI analizuje sentiment we wszystkich kanałach: nagrania rozmów infolinii (transkrypcja + sentiment), maile w obsłudze, czaty live, wpisy klientów w komentarzach (Facebook bankowy, Google Maps oddziały, branżowe portale finansowe). Każdy klient ma "sentiment score" aktualizowane w czasie rzeczywistym. Co tydzień opiekun klienta dostaje listę: top 30 klientów ze spadającym sentimentem + powód spadku (np. "klient narzeka na opłatę za przelew zagraniczny — wprowadzona miesiąc temu"). Opiekun dzwoni z propozycją rozwiązania.
Rezultat
Liczba klientów uratowanych przed odejściem: 156/rok (z 380). Odejść: 380 → 224 (–41%). Średni cross-sell na uratowanym kliencie: +1,8 produktu (klient zostaje, kupuje więcej). Roczny saving (utrzymane MRR — odejścia + koszty reakcji): 4,2 mln zł. Bonus: bank zmodyfikował 3 rzeczy w cenniku, które AI wykryło jako główne źródło frustracji.
„Klient nie zaczynał awantury z dnia na dzień. Tylko my tego nie widzieliśmy."
Inne case studies z działu obsługa klienta.
Chcesz, żeby Wasza firma była następna na tej liście?
30-min rozmowa — pokazujemy 2–3 case'y najbliższe Waszej sytuacji (pod NDA) i mówimy, ile zaoszczędzicie w pierwszym roku.