Top.Mail.Ru

Речевая аналитика

Что такое речевая аналитика и как она работает

Речевая аналитика (speech analytics) — это технология, которая распознаёт речь в звонках, чатах и записях онлайн-встреч, размечает каждый разговор по правилам компании и сводит результаты в отчёты. Правила пишутся под конкретный бизнес: этапы скрипта, причины отказа, темы обращений, договорённость о следующем шаге. У руководителя колл-центра появляются цифры по всему потоку разговоров, и от каждой цифры можно перейти к звонкам, из которых она собрана.

Зачем это нужно, хорошо видно по Клинике Фомина. В её колл-центре 80 операторов, служба качества слушала 1–5% звонков, и по отчётам качество держалось около 95%. Когда клиника начала проверять все звонки, получилось 71%. Ниже разбираем, как устроен такой анализ, на реальном пилоте в медицинском центре и что руководитель делает с его результатами.

Коротко

  • Проверяются все разговоры. При ручном контроле служба качества обычно слушает от 1 до 10%.
  • Разметка строится по правилам компании: тема обращения, пункты скрипта, причина отказа, следующий шаг.
  • Самые дорогие находки обычно касаются процесса: у врача нет окна, пациенту не предложили замену, «подумаю» закончилось без даты.
  • Система окупается, когда разговоров больше, чем служба качества успевает прослушать. При потоке меньше 5000 минут в месяц обычно хватает выборки.

Чем речевая аналитика отличается от записи, транскрибации и аналитики в телефонии

Запись и расшифровка звонков сейчас есть почти в любой телефонии, многие коллтрекинги добавляют к ним поиск по словам. Речевая аналитика нужна, когда на каждый звонок нужно ответить вопросами вашего скрипта и вашей воронки, одинаково для всего потока. Встроенный модуль найдёт все звонки со словом «дорого». Система речевой аналитики посчитает, какая доля первичных пациентов не записалась из-за того, что у нужного врача не было окна, и покажет, у каких операторов это случается чаще. На рынке её ещё называют аналитикой разговоров и голосовой аналитикой.

Для службы качества это меняет саму работу. Контролёр больше не выбирает звонки наугад: он смотрит на распределения по всему потоку и слушает те разговоры, на которые указал отчёт.

Сравнение инструментов: запись звонков, расшифровка, модуль аналитики в телефонии и система речевой аналитики — что даёт каждый и на какой вопрос отвечает

Подробнее о том, как связаны запись звонков и речевая аналитика, почему транскрибация звонков ещё не анализ и чем аналитика в коллтрекинге и телефонии отличается от отдельной системы.

Кроме звонков, в систему загружают переписки из чатов на сайте и мессенджеров (через сервисы-посредники) и записи онлайн-встреч, например из Zoom. Разговор врача с пациентом на приёме — отдельная задача, для неё у imot.io есть imotio.DOC: он записывает приём и помогает заполнить медкарту.

Как работает речевая аналитика: неделя в многопрофильном медцентре

Принцип работы речевой аналитики покажем на тестовой неделе в многопрофильном медицинском центре. Клиника загрузила в imot.io 1147 коммуникаций за семь дней, звонки принимали четыре оператора колл-центра. Ручной прослушки в проекте не было: все цифры ниже собрала автоматическая разметка.

Путь одного звонка в речевой аналитике: запись, расшифровка, теги, чек-лист, отчёт

Расшифровка и разметка

Телефония передаёт записи через интеграцию, система переводит их в текст с таймкодами и разделением по ролям. Дальше работают два инструмента. Словари ловят конкретные формулировки: «нет окна», «дорого», «адвокат». GPT-правила на основе языковой модели читают разговор целиком и отвечают на вопросы, которые по словам не найти: был ли звонок потенциальной записью, записался ли пациент, почему нет, уместно ли было предложить другого врача или другое время и сделал ли это оператор. Ответ правила бывает да/нет, числом, значением из списка или текстом. Подробнее о том, как устроены словари, автотеги и LLM-правила.

В медцентре разметка дала такую базу: из 1147 обращений 454 были потенциальными записями, записали 302 пациентов, конверсия 66,5%. Каждое обращение получило направление: терапия и стоматология дали треть потока, значит, под них имеет смысл держать отдельный скрипт.

Оценка по чек-листу

Чек-лист в пилоте был короткий, всего пять пунктов: поздоровался, представился, назвал клинику, был вежлив, уточнил услугу. Четыре из них операторы выполняли в 89–93% звонков. А вот представиться забывали чаще: в среднем в половине разговоров. При этом одни операторы пропускали этот пункт в 16% звонков, другие — в 91%. По выборке в пару десятков звонков такой разброс легко принять за случайность.

Для пунктов задают условия применимости: если пациент звонит отменить запись, пункт «предложил время» не проверяется и балл не снижает. У каждого балла есть обоснование — фрагмент разговора, на который опиралась система. Оператор может оспорить оценку, и принятая апелляция пересчитывает балл и отчёты. Если от чек-листа зависит премия, без этого оценкам не будут доверять.

Что показал отчёт

Конверсия в запись у четырёх операторов различалась от 61,3% до 73,1%. Если бы оператор с самой низкой конверсией записывал на уровне лидера, за тестовую неделю центр получил бы около 16 записей дополнительно.

У 152 срывов записи система определила причину. Почти половина пришлась на «нет времени» (25%) и «нет расписания» (23%), цена в первые семь причин не вошла. В ситуациях, где можно было предложить другого врача или другое время, операторы сделали это в 18% случаев. Около 80 пациентов за неделю ушли без попытки их удержать.

Из любой ячейки отчёта можно перейти к звонкам, из которых она собрана. Какие показатели обычно выносят в такие отчёты, разобрано в статье о метриках качества звонков.

Отчёт imot.io по чек-листу отдела продаж с переходом из ячейки к конкретному звонку, тегам и резюме

Оповещения о критичных звонках

Часть разговоров нельзя оставлять до еженедельного отчёта. В другом проекте, в клинике эстетической медицины, среди звонков нашлись разговор, где пациент упомянул адвоката из-за ожога, и обращение с аллергической реакцией. Такие звонки редкие, и в выборочную прослушку они попадают случайно. Система ловит их по словам и по смыслу, и оповещение приходит руководителю в Telegram, MAX или Битрикс24 через несколько минут после разговора.

Оповещение imot.io о критичном звонке в мессенджере: сотрудник, клиент, резюме и ссылка на звонок

Что с этим делает руководитель

Отчёт сужает работу службы качества до нескольких звонков. По итогам недели в медцентре мы предложили прослушать пять разговоров, где лидер записал пациента, и пять, где оператор с самой низкой конверсией не записал. Разбор с командой идёт по конкретным фразам из этих пар.

Остальное решается скриптом и расписанием. В скрипт предложили добавить обязательный шаг «предложить альтернативу» и через месяц проверить, выросла ли его доля с 18 до 50%. Для пункта «представился» за стандарт взяли приветствие оператора, у которого он выполнялся чаще всего, цель — 75%. Срывы из-за расписания оператор не исправит, это вопрос к управлению клиникой: лист ожидания, перераспределение приёма. Как этот цикл устроен в продукте, показано на странице сервиса речевой аналитики.

Для чего нужна речевая аналитика

Зачем нужна речевая аналитика, удобнее показать на вопросах, на которые без анализа всех разговоров у руководителя нет точного ответа. Полный перечень сценариев собран в статье про задачи речевой аналитики.

Какие на самом деле качество и конверсия

В Клинике Фомина разрыв между 95% по выборке и 71% по всем звонкам не говорит о плохой работе контролёров: при охвате 1–5% его не увидеть. За три месяца клиника подняла показатель до 77%, а на одном направлении в одном регионе нашла 11 млн рублей упущенных продаж. Подробности — в кейсе Клиники Фомина.

С редкими звонками выборка справляется ещё хуже. Если за месяц было 10 разговоров с угрозой суда, при прослушке 5% звонков с вероятностью около 60% не попадётся ни один.

С конверсией похожая история. Клиники, которые посчитали её по всем звонкам, на встречах с нами называли 56–63% при цели 85–90%. Один из руководителей сказал прямо: «Возможно, конверсия гораздо ниже, чем мы считаем вручную».

Почему клиенты не покупают

В исследовании звонков в клиники мы разобрали 730 обращений в 52 частные клиники. С вопроса о цене начинались только 5,3% первичных обращений. Чаще пациенты сначала спрашивали, оказывают ли в клинике нужную услугу (37,8%), принимает ли конкретный врач (24,7%) и когда ближайшее свободное время (21,7%). Среди причин отказа, которые пациенты называли вслух, расписание прозвучало 54 раза, цена — 4 раза. Та же картина, что и в пилоте выше.

Без анализа всех разговоров падение записей легко принять за ценовую проблему и ответить скидками, хотя пациенты уходят из-за отсутствия удобного времени.

Исследование imot.io: с чего начинается первичное обращение в клинику — услуга 37,8%, врач 24,7%, время 21,7%, цена 5,3%

Сколько стоит контроль качества

В EdTech-компании Lerna после запуска речевой аналитики объём проверяемых разговоров вырос в 18 раз, с 16,6 до 305,7 тыс. минут. Стоимость проверки одной минуты снизилась с 18 до 2,21 рубля, вложения окупились за полгода.

У застройщика «Брусника» в колл-центре 60 сотрудников и больше 300 звонков в день. Раньше на каждого оператора успевали прослушать 2–3 звонка в месяц. Сейчас тимлиды тратят на контроль на 70% меньше времени.

Как учить сотрудников по фактам

В Нетологии раньше слушали 10–15% звонков. Эффект речевой аналитики там проверили A/B-тестом на 30 менеджерах: 104 допродажи против 84 в контрольной группе, плюс 1,5 млн рублей.

Какие рекламные каналы приводят целевые обращения

Маркетингу речевая аналитика показывает, какие каналы приводят целевые звонки, а какие дают нецелевые обращения и спам. В одной из стоматологий, с которыми мы работаем, нецелевые составляли 22% звонков.

Кому нужна речевая аналитика

Чаще всего с такими задачами приходят:

  • колл-центры, которым нужно контролировать качество на всём потоке, а не на выборке (подробнее — речевая аналитика для колл-центров);
  • регистратуры и колл-центры клиник: конверсию считают по ощущениям, скрипты соблюдаются не всегда, при отсутствии окна пациент уходит (подробнее — речевая аналитика для клиник);
  • стоматологии; одна клиника описала проблему так: «детей записываем, взрослых теряем» (подробнее — речевая аналитика для стоматологии);
  • отделы продаж с удалёнными менеджерами в дистрибуции, производстве и логистике, где главный вопрос — как контролировать удалённый отдел продаж и анализировать звонки менеджеров в регионах;
  • застройщики: большой разброс между менеджерами, не предложенная семейная ипотека, нецелевые звонки с агрегаторов (подробнее — речевая аналитика для застройщиков);
  • онлайн-школы и сервисные компании, где продажи идут по телефону, как у Нетологии и Lerna.

Признаки, что задача назрела:

  • разговоров больше, чем можно прослушать: несколько операторов и сотни звонков в день;
  • конверсию в запись или продажу считают на глаз или не доверяют цифре;
  • оценки контроля качества высокие, а продажи не растут («их прослушка не бьётся с нашими показателями», как сказал один из клиентов);
  • о жалобах узнают от самих клиентов, из отзывов или претензий;
  • премии считаются по нескольким прослушанным звонкам.

Когда внедрение преждевременно. Если поток меньше 5000 минут разговоров в месяц, звонки не записываются или критерии проверки ещё не сформулированы, система не окупится. Хватит ручной выборки и простого чек-листа, а к автоматизации можно вернуться, когда поток вырастет.

Чего не умеет речевая аналитика

Система требует настройки. Первые 2–4 недели чек-лист калибруют: система и контролёры компании оценивают одни и те же звонки, расхождения разбирают и правят правила. Без этого этапа оценки будут спорными.

Анализ идёт после разговора. Речевая аналитика разбирает завершённые звонки. Подсказки оператору в реальном времени дают продукты другого класса — суфлёры.

Точность зависит от записи. На моно-записях роли определяются хуже, и метки, привязанные к говорящему, приходится перепроверять. Поэтому перед стартом стоит проверить, поддерживает ли телефония стерео-запись звонков.

Процессы меняют люди. Отчёт показывает, где проблема, а скрипт, расписание и обучение меняет команда. Один из клиентов описал это так: «Увидели, что у нас ошибка… а что мы с этим сделали?» Поэтому после настройки команда imot.io продолжает разбирать отчёты вместе с клиентом. Подробнее о плюсах и ограничениях речевой аналитики.

Что нужно, чтобы начать

Технически запуск требует немногого: звонки записываются, желательно в стерео, у системы есть доступ к телефонии и CRM. Дальше работа идёт по этапам:

  1. Подключить источники: телефонию, CRM, чаты. Архив прошлых звонков можно загрузить сразу, чтобы увидеть картину за прошедшие месяцы.
  2. Собрать чек-лист и правила: что проверять в звонке, какие причины отказа учитывать, какие темы отслеживать. Для клиник есть отраслевой шаблон, его дорабатывают под скрипт конкретной клиники.
  3. Откалибровать оценки за 2–4 недели.
  4. Настроить отчёты и оповещения: кому, что и в какой мессенджер приходит.
  5. Регулярно разбирать отчёты с командой и менять процессы по результатам.

Подробно этапы разобраны в статье про внедрение речевой аналитики, список систем — на странице интеграций с телефонией и CRM.

Если решение принимает собственник, разговор обычно сводится к окупаемости. Её считают от потерь: сколько обращений приходит в месяц, какая сейчас конверсия в запись или продажу, какой средний чек. Например, при 3000 обращений, конверсии 65% и среднем чеке 6000 рублей рост конверсии на 3 п. п. даёт 90 клиентов и 540 000 рублей в месяц. Это расчёт, а не обещание: результат зависит от того, что компания изменит по итогам отчётов.

Проверить, есть ли системные потери, можно и без системы. Возьмите 30–50 звонков за последнюю неделю, после которых клиент не записался или не купил, и отметьте в каждом причину. Если причины повторяются, а звонков сотни в день, речевая аналитика покажет, сколько клиентов уходит по каждой из них во всём потоке. По опыту проектов imot.io, клиенты чаще уходят, когда им не предложили другое время, другого врача или следующий шаг; цена и грубость среди причин встречаются реже.

Частые вопросы

Речевая аналитика и транскрибация — это одно и то же?

Нет. Транскрибация превращает разговор в текст, это первый шаг. Речевая аналитика дальше размечает каждый разговор по правилам компании, оценивает его по чек-листу и сводит результаты в отчёты. Подробнее — в статье о том, почему транскрибация звонков — ещё не анализ.

Насколько точно система распознаёт речь и оценивает разговоры?

Точность распознавания зависит от качества записи, шумов и терминологии; что стоит за процентами точности у разных вендоров, разобрано в статье о точности распознавания речи. Точность оценок проверяют на калибровке: система и контролёры оценивают одни и те же звонки, расхождения разбирают и правят правила. У каждого балла есть обоснование с фрагментом разговора, и сотрудник может оспорить оценку.

Сколько стоит речевая аналитика?

Стоимость зависит от объёма анализа. Минимальный тариф — 10 000 минут в месяц, от 40 499 ₽ в месяц при оплате за год. Отдельно оплачивается настройка под скрипт и процессы компании. Актуальные условия — на странице тарифов.

Законно ли записывать и анализировать звонки?

imot.io — российская компания. Платформа внесена в реестр отечественного ПО (№ 23426), серверы находятся в России. Регламент обработки персональных данных мы передаём клиенту до начала работы. Подробнее — в статье о записи звонков и 152-ФЗ.

Сколько времени занимает запуск?

Телефонию и CRM обычно подключают за несколько дней. Если загрузить архив, первые цифры появятся через несколько дней, а точные оценки — после калибровки. Калибровка чек-листа занимает 2–4 недели, после неё оценки можно использовать при расчёте премий. От компании понадобятся доступы, скрипт, 10–20 типичных звонков и 2–3 встречи с руководителем.

Подключится ли система к нашей телефонии и CRM?

Готовые интеграции есть с Mango, UIS, Sipuni, МТТ, OnlinePBX, Гравител, Oktell, Asterisk, а также с Битрикс24 и amoCRM. Если вашей системы нет в списке, подключаем через API.

Мы уже пробовали речевую аналитику, и она не прижилась. Что будет по-другому?

Обычно внедрение не приживается по одной из трёх причин: оценкам не верят, отчёты никто не открывает или по находкам ничего не меняют. Первую причину снимает калибровка вместе со службой качества компании. Вторую и третью — регулярная работа с отчётами: у каждого отчёта есть владелец, который разбирает его с командой по расписанию. После настройки команда imot.io продолжает разбирать отчёты вместе с клиентом.

Не воспримут ли сотрудники это как слежку?

Сначала многие воспринимают именно так. Помогает с самого начала договориться, что система нужна для обучения, а не для штрафов. Сотрудник видит, за что получил балл, и может оспорить оценку. На разборе руководитель показывает конкретный фрагмент разговора вместо общего «вы плохо работаете», а лучшие разговоры коллег становятся образцом для остальных.

Подойдёт ли речевая аналитика небольшой компании?

Если разговоров меньше 5000 минут в месяц, система, скорее всего, не окупится: хватит ручной выборки и простого чек-листа. Чтобы оценить объём, умножьте число звонков в день на среднюю длительность звонка и на число рабочих дней. Например, 150 звонков по 3 минуты за 22 рабочих дня дают почти 10 000 минут.

Мы используем cookies только для улучшения вашего опыта. Продолжая использовать наш сайт, вы соглашаетесь с использованием cookies.
Ок