Контроль качества в контакт-центрах всегда был сложной задачей. Чтобы оценивать работу операторов или менеджеров по продажам, нужны ресурсы бизнеса, при этом делать это объективно и охватывать 100% разговоров всё равно практически невозможно.
Так было ещё несколько лет назад. Сегодня же на рынке есть десятки инструментов для анализа речи и других коммуникаций.
Один из них — речевая аналитика: система на основе искусственного интеллекта для оценки, контроля и анализа работы специалистов, которые общаются с клиентами. Рассказываем, какавтоматизированные системы и ИИ-инструменты берут на себя рутинный анализ и помогают бизнесу принимать решения.
Что такое речевая аналитика?
Речевая аналитика — это технология автоматизированного анализа телефонных разговоров на основе искусственного интеллекта, которая помогает контролировать и анализировать весь массив коммуникаций в контактных центрах, отделах продаж и точках оффлайн-обслуживания.
Система распознаёт речь и анализирует диалоги. В зависимости от используемых ИИ-моделей она может:
- искать заданные слова и фразы;
- учитывать содержание и контекст разговора;
- анализировать коммуникацию в реальном времени — непосредственно во время общения сотрудника с клиентом.
Например, клиент говорит: «Для нас это слишком дорого». Простая система на основе поиска ключевых слов отметит упоминание цены. Продвинутая аналитика поймёт, что клиент считает предложение слишком дорогим, даже если слово «дорого» не прозвучало. А решение, работающее в реальном времени, может сразу подсказать сотруднику подходящий ответ или следующий шаг.
Подсказки в реальном времени могут быть полезны во время разговора, но не заменяют полноценного анализа речи и коммуникаций. Для объективной оценки важно учитывать весь диалог, последовательность реплик и процессы конкретной компании. Например, наше в Aiston решение строится как раз на этом. ИИ-система анализирует разговор целиком, а критерии и логика оценки настраиваются под задачи бизнеса. |
Функции и возможности речевой аналитики
Речевая аналитика может анализировать:
- темы и содержание разговоров;
- потери выручки и точки роста;
- причины обращений, отказов и повторных звонков;
- соблюдение скриптов и регламентов;
- прохождение обязательных этапов разговора;
- работу сотрудников с вопросами и возражениями;
- наличие обязательных и нежелательных формулировок;
- тональность диалога и признаки конфликтных ситуаций;
- показатели отдельных сотрудников, команд и подразделений;
- до/после: изменение качества коммуникаций после обучения, обновления скрипта или другого изменения процесса.
Возможности системы зависят от используемых моделей искусственного интеллекта, настроек и бизнес-задач.
Например, ритейл может анализировать разговоры продавцов с покупателями в офлайн-точках с помощью специальных устройств записи, а медицинская организация — звонки пациентов через интеграцию с телефонией.
Как работает речевая аналитика?
В основе речевой аналитики лежат технологии искусственного интеллекта, распознавания речи и обработки естественного языка.
- Система получает записи из телефонии, CRM или устройств.
- Распознаёт речь и разделяет реплики участников.
- Анализирует содержание по заданным критериям.
- Выставляет оценки и отмечает проблемные разговоры.
- Передаёт результаты в отчёты, CRM или BI-систему.
Подробнее о том, как работает система, читайте в нашем материале: «Как работает речевая аналитика?»
В чем отличие речевой аналитики от классической оценки работы специалистов?
Традиционный метод контроля звонков или переписок в контакт- и колл-центрах — ручной. Сотрудники (супервайзеры, QA-специалисты) прослушивают записи звонков и выставляют оценки на основе заранее определенных критериев.
Такой анализ речи основывается на нескольких ключевых метриках:
- Среднее время обработки вызова (AHT) — время, затраченное оператором на клиента, включая разговор, ожидание и постобработку.
- Процент решенных запросов с первого контакта (FCR) — доля обращений, решенных без повторных звонков.
- Удовлетворенность клиентов (CSAT, NPS) — оценка качества общения. CSAT измеряет удовлетворенность после звонка, NPS — лояльность клиентов. Высокие показатели означают грамотное обслуживание.
- Пропущенные звонки — показатель потери клиентов.
- Тональность диалога — анализ эмоционального фона разговора, помогает выявлять проблемные взаимодействия и улучшать работу с клиентами.
Несмотря на привычность и понятность такого подхода, он не даёт понимания, что глобально происходит в коммуникациях. Количественные метрики показывают результат, но не всегда помогают понять, что именно произошло в разговоре и на каком этапе возникла проблема.
Ограничения традиционного контроля
- Высокие трудозатраты. Чтобы прослушать и оценить записи нужно много сотрудников и затрат их времени, особенно в крупных контакт-центрах.
- Ограниченный охват. Обычно специалисты проверяют только небольшую выборку разговоров (до 10% от общего числа), поэтому часть важных нарушений и повторяющихся проблем остаётся незамеченной.
- Субъективность. Разные специалисты могут по-разному оценить один и тот же разговор.
- Ограниченное использование данных. Даже частичная автоматизация не гарантирует, что собранная информация будет использоваться в работе и в решениях. По данным исследования ЦИСК, Okdesk и «Заявка закрыта», только 20,8% сервисных компаний используют данные аналитики для принятия управленческих решений.
Если суммировать, вывод такой: ручные методы контроля и оценки эффективны только при небольшом количестве обращений. В остальных случаях компания рискует пропустить проблемы, которые снижают уровень сервиса и влияют на результаты бизнеса.
Для каких задач бизнес использует речевую аналитику
Речевая аналитика нужна не каждому бизнесу. Выше мы уже описывали, что при малом потоке звонков ручной проверки достаточно. Если масштаб больше, ценность вырастает в разы.
Автоматизация контроля качества при большом потоке звонков
Самая большая проблема контакт-центров, служб поддержки и отделов продаж — масштаб коммуникаций. Например, в одном из наших проектов компания обрабатывала около 18 тысяч звонков в сутки, но вручную могла проверить менее 7%.
Речевая аналитика помогла увеличить охват до 99% без расширения отдела контроля качества и сократить время анализа на 70%. Вместо случайной выборки специалисты получили список разговоров с нарушениями и низкими оценками, которые действительно требовали ручной проверки.
При этом ручная работа не исчезла, но стала точечной.
Поиск проблемных этапов продаж
Работу отдела продаж обычно оценивают по количеству звонков и числу закрытых сделок. Эти показатели отражают общий результат, но не объясняют, почему одни разговоры продвигают клиента к покупке, а другие — нет.
Для этого результаты анализа разговоров связывают с данными из CRM. Система видит, после каких звонков клиент перешёл на следующий этап, согласился на встречу или совершил покупку, а после каких сделка остановилась.
Затем можно сравнить разговоры и выделить подходы, которые чаще встречаются в успешных продажах. А после — внедрить в практику обучения.
Контроль работы филиалов и офлайн-точек
В аптечной сети, клинике или розничной компании качество обслуживания может отличаться от точки к точке. Руководитель видит итоговые показатели филиалов, но не знает, как сотрудники консультируют клиентов и соблюдаются ли установленные стандарты.
Система анализирует записанные разговоры по одинаковым критериям, поэтому компания может сравнивать точки, команды и отдельных сотрудников, находить общие проблемы и проверять, как внедряются изменения.
В одном из наших проектов речевую аналитику использовали для оценки офлайн-разговоров в аптеках. Всего за отчетный период исследовали 6000+ диалогов, в которых нашли проблемы в работе с допродажами.
Снижение количества повторных обращений
Этот сценарий подходит для служб поддержки, регистратур, сервисных компаний и других подразделений, куда клиенты обращаются с вопросами.
Если один и тот же человек звонит повторно, причиной может быть не сложность обращения, а неполный ответ или отсутствие понятной инструкции. Система анализа речи помогает определить, какие вопросы не решаются с первого раза и что происходило в таких разговорах.
Поиск инсайтов, анализ потребностей и обратной связи
Для задач маркетинга, продукта или клиентского сервиса важно понимать, как сами клиенты описывают свои потребности и что говорят о сервисе. Обычно эта информация поступает из опросов, отзывов или от отдела продаж.
Речевая аналитика становится ещё одним инструментом для поиска и анализа инсайтов о продукте или услуге.
Контроль соблюдения требований
В некоторых отраслях сотрудник обязан произнести определённую формулировку или запросить согласие на дальнейшие действия. Проверять соблюдение таких требований вручную на всём массиве разговоров сложно.
Система может автоматически отмечать разговоры, в которых отсутствует обязательный этап или используется нежелательная формулировка. Специалисту остаётся проверить найденные случаи и определить дальнейшие действия.
Где применяется речевая аналитика
Речевая аналитика используется везде, где результат работы зависит от качества коммуникаций, но сценарий анализа в каждом случае будет отличаться.
Где применяется | Зачем используют |
Находить разговоры, которые требуют внимания супервайзера | |
Отделы продаж | Понимать, почему одни сделки движутся по воронке, а другие останавливаются |
Рекрутинг | Проверять, как рекрутеры проводят интервью и представляют вакансию |
Аптечные сети и ритейл | Сравнивать качество обслуживания в разных офлайн-точках |
Определять, почему пациенты обращаются повторно и где возникают ошибки при записи | |
Недвижимость и страхование | Проверять, как менеджеры обрабатывают входящие лиды |
Финансовые организации | Находить разговоры, в которых сотрудник пропустил обязательную формулировку |
В любой сфере речевая аналитика помогает лучше понимать клиентов, повышать качество обслуживания и сокращать расходы. Но только если компания использует её как инструмент для принятия решений, а не внедряет ради самого внедрения.
Преимущества речевой аналитики
Ценность речевой аналитики зависит от модели бизнеса. В массовом сегменте она помогает контролировать большой поток разговоров и снижать затраты на проверку. В премиальном — поддерживать высокий уровень сервиса и не пропускать ситуации, способные привести к потере клиента.
Для разных подразделений эффект тоже отличается:
- отдел продаж может находить причины отказов и точки роста конверсии;
- клиентский сервис может сокращать повторные обращения и нагрузку на сотрудников;
- отдел контроля качества может проверять больше разговоров без расширения штата;
- руководители могут сравнивать работу команд и филиалов на основе единых данных.
Результат можно оценивать через конверсию, FCR, стоимость контроля, количество повторных обращений и другие бизнес-показатели. На удержание и LTV речевая аналитика влияет косвенно (например, через качество обслуживания и работу с причинами недовольства клиентов).
Варианты внедрения речевой аналитики
На рынке обычно встречаются 3 варианта внедрения речевой аналитики. Чтобы выбрать вариант, нужно понимать, сколько коммуникаций компания планирует обрабатывать и какие требования к безопасности есть. Отдельно оценить сложности внутренних процессов и необходимые интеграции.
- SaaS. Готовый облачный сервис, который не требует собственной инфраструктуры и позволяет быстро начать работу. Подходит малому и среднему бизнесу со стандартными сценариями анализа и небольшим или средним объёмом разговоров.
- Развёртывание в контуре компании. Вариант, где система работает внутри инфраструктуры заказчика: там же обрабатываются и хранятся записи. Подходит крупным компаниям и организациям с повышенными требованиями к безопасности данных. Требует собственной инфраструктуры и больше времени на запуск.
- Разработка под процессы компании. Разработка системы с нуля или доработка под конкретные задачи, интеграции и критерии оценки. Подходит компаниям со сложными или нестандартными процессами, большим объёмом коммуникаций и требованиями, которые не покрывают готовые продукты.
В Aiston мы подбираем формат под конкретную задачу: подключаем облачный сервис, разворачиваем решение в закрытом контуре или разрабатываем систему под процессы компании. Если пока непонятно, насколько речевая аналитика будет полезна, можно начать с разовой диагностики. Компания формулирует конкретный вопрос, а система анализирует выборку реальных разговоров. Это помогает проверить гипотезу до полноценного внедрения. |
Как выбрать систему речевой аналитики
На рынке много систем речевой аналитики, и по описанию они часто выглядят одинаково. Вот, что поможет оценить вариант перед выбором.
- Начните с задачи. Сформулируйте, какой вопрос должна решать система и что компания будет делать с полученным ответом. Так вы сузите список функций.
- Проверьте на своих записях. Демонстрационные разговоры обычно записаны в хороших условиях. Запросите тест на реальных звонках. Он покажет, как система справляется с качеством вашего аудио и рабочей терминологией.
- Уточните возможности настройки. Проверьте, можно ли изменить логику оценки и подключить используемые источники разговоров.
- Определите, кто будет работать с результатами. Заранее решите, кто разбирает найденные нарушения и отвечает за изменения. Выстраивайте процесс, чтобы проект окупился.
Заключение
Речевую аналитику на основе ИИ можно рассматривать как новый класс инструментов для работы с коммуникациями бизнеса. Раньше записи разговоров использовались в основном для выборочного контроля. Теперь компания может анализировать весь массив, находить в нём закономерности и связывать содержание разговоров с результатами бизнеса.
Поэтому речевая аналитика — это не обычная автоматизация прослушивания звонков. Скорее, это новый источник данных для управления процессами, которые раньше оставались непрозрачными.
В Aiston можно начать с разовой диагностики, подключить облачное решение или развернуть речевую аналитику внутри закрытого контура. Мы настраиваем критерии и отчёты под процессы компании, интегрируем систему с источниками данных и помогаем подготовить необходимую инфраструктуру.