Внедрение речевой аналитики в сеть аптек для увеличения продаж
Заказчик — федеральная аптечная сеть с более чем 300 точками по всей России.
Розничная аптека — модель бизнеса, где главным инструментом продаж является живой разговор. Но именно этот разговор до сих пор остаётся слепым пятном для большинства сетей: его невозможно измерить, сложно контролировать и почти нереально масштабировать как стандарт.
Что описано в кейсе
Задача
Выявить, где сеть теряет продажи и лояльность клиентов прямо в момент обслуживания
Решение
Внедрение Речевой аналитики для аптек
Срок
1 месяц сбора данных + 10 рабочих дней на обработку
Ключевые результаты
2 из 3
Диалогов
Выявили нарушения соблюдения стандартов общения
6000+
Диалогов
Впервые получили объективную картину обслуживания по всей сети
3
Сценария
Мы нашли, где продажи стабильно не закрываются
Контекст и цель
Каждый день в аптеках происходят тысячи разговоров, в каждом из которых содержится ценная информация о стабильности сервиса.
Провизор — главная точка контакта с покупателем.
От того, как проходит общение у кассы, напрямую зависит опыт клиента и его лояльность к сети.
До начала проекта такие диалоги практически не отслеживались, и понять реальный уровень обслуживания по отзывам со всей сети было трудно.
Для покупателей это означало, что опыт взаимодействия с аптекой мог сильно различаться. В одной точке сотрудник подробно консультирует и предлагает альтернативу, если нужного препарата нет. В другой — разговор заканчивается грубой фразой, и клиент уходит в другую сеть.
Такие различия в масштабах всей сети — это прямые риски для прибыли компании и репутации бренда.
Чтобы решить проблему, руководство сети аптек поставило целью выстроить контроль качества обслуживания в офлайн магазинах.
Задачи проекта
Компания обратилась к нам в Aiston за внедрением системы Речевой аналитики.
Речевая аналитика для аптек — система Aiston, которая автоматически записывает разговоры провизоров с покупателями, транскрибирует их и анализирует с помощью ИИ. На выходе компания получает структурированные данные по каждому диалогу: что спрашивал покупатель, как сработал провизор, что было упущено и где есть точки роста.
Система работает непрерывно и не требует участия сотрудников. Данные поступают и обрабатываются автоматически.
Решение
Пилот
5 точек
Команда
6 человек
Особенности
Оффлайн-запись и отсутствие готовых критериев оценки у Заказчика
Чтобы адаптировать систему для бизнеса Заказчика, необходимо было решить несколько задач.
разработать методику оценки диалогов под специфику аптечного обслуживания
настроить критерии анализа под бизнес-задачи заказчика
развернуть оборудование для записи на пяти точках
провести сбор и обработку данных за период пилота
подготовить аналитический отчёт с инсайтами и рекомендациями по масштабированию
Хотите такое же решение для вашей сети?
Система речевой аналитики Aiston адаптируется под любую розничную сеть: аптеки, клиники, торговые точки, финансовые организации.
Интеграция с существующей инфраструктурой, запуск от 4 недель.
contact@aiston.ru
Связаться с командой Aiston
Ход работы
Анализ и погружение
Клиент знал, что хочет контролировать качество обслуживания, но не имел готового ответа на вопрос, что именно считать качеством. Это нормальная ситуация: большинство компаний никогда не измеряли свои разговоры и не знают, с чего начать. Поэтому первым шагом стало исследование.
Мы разобрались, как устроена работа аптечных точек изнутри: как проходит типичный разговор у кассы, какие роли участвуют, какие сценарии встречаются чаще всего.
На этом же этапе спроектировали методику анализа — определили, какие факты, критерии и аналитические блоки система будет извлекать из каждого диалога.
Настройка продукта
Аптечный зал — непростая среда для распознавания речи из-за фоновых шумов и нескольких голосов одновременно.
Это создаёт сложности, с которыми стандартные решения не справляются.
Мы адаптировали систему под эти условия. Настроили логику, которая сама отличает разговор провизора с покупателем от фонового шума, разговоров между сотрудниками и других нерелевантных фрагментов. Даже, если несколько разговоров склеиваются в один, система будет их распознавать и разделять.
Отдельно решили задачу с названиями препаратов: модель часто их искажает, поэтому система фиксирует всё, что звучит как препарат и восстанавливает правильное название.
Оценка каждого разговора разбита на три независимых блока: что произошло в диалоге, как сработал провизор, какие возможности были упущены. Такой подход даёт более точный и детальный результат по каждому направлению.
Развёртывание
Установили записывающие устройства на базе Raspberry Pi в каждой из пяти аптечных точек — у касс, где происходит основное общение провизора с покупателем. Устройства пишут непрерывно весь рабочий день, каждый час автоматически отправляют файл на сервер и сразу начинают следующую запись.
Правильное расположение микрофона напрямую влияет на качество записи: если слишком далеко, и голос покупателя будет еле слышен, если слишком близко к кассовому аппарату — запись будет забита техническими шумами.
Cбор данных
Система работала с конца 2025 по апрель 2026 года. За этот период было собрано и обработано 6000+ сессий обслуживания — разговоров провизора с покупателем — по всем пяти точкам.
При этом, система не нарушает требования законодательства РФ в области персональных данных и записи разговоров в общественных местах
Аналитика и отчёт
По итогам пилота подготовили аналитический отчёт с выводами по каждой из ключевых зон: качество коммуникации, эффективность продаж, дефицит ассортимента, упущенные возможности и точки трения.
Среди ключевых находок — системные проблемы с допродажами и кросс-продажами, паттерны общения которые стабильно приводят к продаже, и те которые — нет, а также основные причины по которым клиенты уходят без покупки.
Отчёт включал конкретные рекомендации по каждой из зон и план масштабирования системы на всю сеть.
Итоги внедрения
Мы дали руководителям то, чего раньше не существовало — объективную картину обслуживания в каждой точке сети на основе реальных разговоров.
Это меняет природу управления сетью и становится базой для:
Повышения уровня сервиса в каждой аптеке — и как следствие роста продаж и лояльности покупателей
Эффективного обучения персонала на основе реальных ошибок в разговорах, а не субъективных оценок
Формирования понятных критериев оценки работы провизоров для мотивации и контроля
Теперь мы готовим систему к масштабированию на всю сеть.
Обсудить идею или проект
Шаг 1 из 6
Выберите тип вашего проекта
Смотреть еще проекты
Автоматизация контроля качества звонков для сервисной компании
Проблема:
Задача:
Система автоматизации проверки производственных инструктажей
Проблема:
Задача: