Когда сеть растёт быстрее процессов. Как «Астродент»
нашёл стабильность в системе, а не в людях

6 операторов на звонках + 5 менеджеров в переписках

Контакт-центр

«Астродент» – сеть стоматологических клиник

О компании

Загрузка врачей напрямую зависит от работы КЦ

Специфика

6 филиалов в Таганроге и Ростове-на-Дону

Масштаб

Это история о том, как речевая аналитика закрыла управленческий вакуум и за шесть месяцев вывела новичков на уровень опытных сотрудников.

В стоматологической сети из шести клиник контакт-центр жил без руководителя. Точнее, руководители были, но менялись так часто, что ни один не успевал выстроить систему. Операторы работали по инерции, скрипты не обновлялись, а причины потери пациентов оставались загадкой.

У большинства историй про внедрение аналитики есть один и тот же триггер: руководитель увидел проблему в цифрах и решил копнуть глубже. В «Астроденте» триггером стало отсутствие самого руководителя.

Начальник контакт-центра несколько раз менялся. Человек приходил, три месяца разбирался в процессах, начинал что-то менять и уходил. Следующий начинал с нуля. Институциональная память обнулялась раз в квартал.

В таких условиях контроль звонков просто не существовал. Были цифры: количество звонков, количество записей, конверсия. Но за цифрами не стояло понимания. Конверсия падала – почему? Пациенты не записывались – из-за чего? Операторы теряли «тёплых» – на каком этапе?

Ответов не было, потому что никто не слушал звонки системно. А те, кто пытался, не задерживались достаточно долго, чтобы превратить наблюдения в процесс.

Команда операторов тоже обновлялась. Новых сотрудников обучали, но без выстроенной системы наставничества и обратной связи адаптация занимала больше времени, чем хотелось бы.

Колл-центр без головы

Типичный запрос клиники к речевой аналитике — «хотим контролировать операторов». «Астродент» сформулировал задачу шире: интегрировать речевую аналитику в CRM и автоматизировать движение лидов по воронке.

За этой формулировкой стояла конкретная боль. Когда данные из звонков живут отдельно от CRM, руководитель видит две картины мира. В CRM — статус «клиент подумает». В реальном разговоре — оператор не предложил альтернативное время, не отработал возражение, не спросил, что смущает. Статус один и тот же, а причины — принципиально разные.

Начали с контакт-центра: полная отработка скриптов, работа с возражениями, обработка негатива, фильтрация нецелевых звонков. По сути — всё то, что должен был настроить руководитель колл-центра, но чего ни один из сменявшихся руководителей не успевал сделать.

Задача, которую поставили иначе

Почему операторы вашего контакт-центра теряют пациентов на этапе записи

Запишитесь на консультацию – разберем, как применить imot.io у вас

Первые месяцы работы системы дали два результата: ожидаемый и неожиданный.

Ожидаемый: скрипты нарушались массово. Операторы пропускали ключевые этапы разговора — не уточняли потребность, не предлагали запись, не отрабатывали сомнения. Это было не откровением, а подтверждением догадки. Разница в том, что теперь проблема была оцифрована: видно, кто именно нарушает, какой этап пропускает и как часто.

Неожиданный: анализ запросов по конкретным услугам позволил прогнозировать конверсию. Если на определённую услугу идёт много запросов, но мало записей — значит, проблема локализована.

Дальше остаётся понять причину: либо оператор не умеет продавать эту услугу, либо расписание врачей не совпадает со спросом, либо цена вызывает сопротивление, которое никто не отрабатывает.

Это превратило контакт-центр из «точки приёма звонков» в источник данных о реальном спросе. Раньше маркетинг гнал трафик и смотрел на общую конверсию. Теперь появилась возможность видеть, какие услуги теряют пациентов и на каком этапе разговора это происходит.

Отдельная находка — сопоставление конкретных звонков с данными CRM. Когда речевая аналитика показывает, что оператор не выполнил три пункта скрипта, а в CRM стоит «клиент отказался», — это уже не интерпретация, а факт.

Что обнаружили в звонках

Сотрудники восприняли систему настороженно. Это стандартная реакция: люди воспринимают аналитику как надзор, а не как инструмент развития.

В «Астроденте» процесс принятия занял время и продолжается до сих пор. Три вещи помогли сдвинуть ситуацию.

Прозрачность. Каждому оператору дали личный доступ к системе. Не «руководитель смотрит отчёт и вызывает на ковёр», а «ты сам видишь свои звонки, расшифровки, теги, оценки». Когда человек видит конкретный момент, где он потерял пациента, спорить с системой сложнее.

Обучение. Менеджер речевой аналитики со стороны imot.io проводил регулярные сессии. Показывал, как читать отчёты, как работать с тегами, как использовать расшифровки для самокоррекции.

Привязка к KPI. Через шесть месяцев после старта показатели речевой аналитики вошли в систему мотивации. Это сделало качество звонков не рекомендацией, а частью рабочего процесса.

Сопротивление и KPI

Одна из самых дорогих проблем контакт-центра — время выхода новичка на плановые показатели. В медицине средний срок — около трёх месяцев. Каждый месяц, пока новый оператор работает ниже нормы, клиника теряет записи, а значит — выручку.

В «Астроденте» обнаружили, что речевая аналитика радикально ускоряет этот процесс. Новому сотруднику показывают расшифровки реальных звонков, резюме диалогов, работу тегов.

Вместо абстрактного «вот скрипт, учи» — конкретные примеры: как звучит хороший звонок, как выглядит потерянный пациент, какие фразы работают, а какие нет.

Результат: новичок выходит на показатели опытных сотрудников практически на второй месяц работы. Для сети с постоянной текучкой кадров это критически важно. Каждый сэкономленный месяц адаптации — это записи, которые не потерялись.

Онбординг за два месяца

Результаты

Конверсия из звонка в запись выросла ориентировочно на 8–10 процентных пунктов. Точную цифру назвать сложно: параллельно менялись скрипты, обновлялся состав сотрудников, происходил переход между системами. Но динамика устойчивая и продолжает расти.

100% звонков контролируются автоматически. Ручное прослушивание ушло на второй план. Руководитель контакт-центра тратит время не на рутинный контроль, а на анализ паттернов и точечную работу с сотрудниками.

Новички выходят на плановые показатели за два месяца вместо стандартных трёх. Расшифровки, резюме звонков и теги заменили устное наставничество, которое раньше зависело от наличия и компетенции руководителя.

Скрипты переработаны на основе реальных данных. Система выявила болевые точки, которые напрямую влияли на конверсию. Скрипты перестали быть «теоретическими» – они выросли из анализа тысяч реальных разговоров.

Срок внедрения в KPI – 6 месяцев. Первые значимые результаты зафиксированы в тот же период.

Обучение. Встроить речевую аналитику в программу подготовки сотрудников и внутренние курсы.

Отдел продаж. Перенести модель контроля и аналитики на продажи.

Приёмы врачей. Анализировать коммуникации врачей с пациентами – качество консультации влияет на возвращаемость.

Двусторонняя интеграция с CRM. Полная связка данных из звонков и воронки продаж в обе стороны.

Что дальше