Медиа imot.io
Кейсы

Автоматизированный контроль качества общения в медицинских клиниках

Руководитель контакт-центра клиники каждую неделю выделяет четыре-пять часов на прослушку звонков. Из ста пятидесяти разговоров за день он успевает разобрать семь-восемь. В конце месяца у него есть тридцать оценённых звонков из четырёх тысяч — и уверенность, что он держит руку на пульсе.
По данным Calabrio и SQM Group, типичный отдел контроля качества в контакт-центре оценивает от 1 до 5% звонков вручную. В медицинских клиниках этот показатель ещё ниже — часто около 1-3%, потому что у руководителя десятки других задач помимо прослушки. Остальные 95-99% разговоров остаются за пределами видимости. Ошибки, упущенные записи, неотработанные возражения, грубость — всё это существует, но не попадает в отчёты. Пока пациент не напишет жалобу или не уйдёт в другую клинику.
В этой статье — о том, почему выборочный контроль даёт искажённую картину, как автоматический анализ всех коммуникаций работает на практике и какие результаты он приносит клиникам.

Почему 3% звонков недостаточно для управленческих решений

Логика выборочного контроля понятна: слушать всё физически невозможно, поэтому берём случайную выборку и по ней судим о целом. На первый взгляд — разумный подход. На практике — источник системных ошибок.
Первая проблема — статистическая. Три звонка в неделю на одного оператора — это не выборка, а анекдот. Если у оператора сто звонков в неделю, три разговора дают погрешность, при которой нельзя отличить системную ошибку от случайности. Call Centre Helper приводит расчёт: для статистически значимой оценки одного оператора с 95% доверительным интервалом при 200 звонках в месяц нужно оценить не менее 130 разговоров. Большинство контакт-центров оценивают четыре-восемь.
Вторая проблема — поведенческая. Операторы быстро понимают, по какому принципу выбираются звонки для контроля. Если руководитель слушает записи по понедельникам утром — к понедельнику все готовы. Если выбирает длинные звонки — короткие остаются без присмотра. Люди адаптируются к системе контроля, и система перестаёт отражать реальность.
Третья проблема — временная. Между звонком и его разбором проходит от нескольких дней до нескольких недель. За это время оператор успевает провести сотни разговоров с той же ошибкой. Если администратор клиники не предлагает альтернативное время при отказе от записи — он делает это не один раз, а каждый день. Разбор через две недели фиксирует проблему, но не предотвращает потери.
Исследование SQM Group обнаружило ещё один эффект: у 81% операторов оценки качества, выставленные при ручном мониторинге, не коррелируют с реальной удовлетворённостью клиентов. Руководитель ставит высокий балл — а пациент недоволен. Или наоборот: звонок формально нарушает скрипт, но пациент записался и пришёл. Ручная оценка по маленькой выборке не улавливает эти нюансы.
Для медицинских клиник это особенно критично. Здесь каждый звонок — потенциальная запись, средний чек которой может составлять от трёх до пятнадцати тысяч рублей. Если оператор не предлагает перенос при отказе, не рассказывает о дополнительных услугах, не фиксирует потребность пациента — клиника теряет деньги. И узнаёт об этом, только когда падает конверсия или растёт количество жалоб. То есть — слишком поздно.

Что теряют клиники, пока руководитель слушает выборку

Масштаб потерь от некачественного общения в контакт-центре клиники проще показать через цифры.
По данным Accenture, 30% пациентов меняют клинику ежегодно, и большинство из них уходят не из-за качества лечения, а из-за качества сервиса. Почти 80% пациентов, сменивших клинику, назвали причиной трудности во взаимодействии — от записи по телефону до общения с администратором.
Исследование Griffith et al., опубликованное в American Journal of Managed Care, показало прямую связь между временем ожидания ответа в контакт-центре и восприятием доступности медицинской помощи. Пациенты, которые долго ждали на линии, оценивали доступность ниже — даже если приём состоялся вовремя. Первый контакт с клиникой определяет рамку для всего визита.
По данным Dialog Health, 60% пациентов бросают вызов, если ждут на линии дольше одной минуты. При 2 000 звонков в день 7% брошенных вызовов — это 140 потерянных контактов ежедневно. Для крупной клиники с несколькими филиалами это десятки упущенных записей каждый день.
Но пропущенные звонки — только верхушка проблемы. Гораздо больше потерь происходит в разговорах, которые состоялись, но закончились отказом. По внутренним данным клиник, с которыми работает отрасль, средняя конверсия звонков в запись в медицине составляет 25-35%. Это значит, что из каждых десяти позвонивших пациентов шесть-семь кладут трубку без записи. Часть из них — нецелевые обращения. Но часть — люди, которые хотели записаться, но не записались: из-за того, что оператор не предложил удобное время, не ответил на вопрос о цене, не снял сомнения по поводу специалиста.
Без анализа всех звонков невозможно отличить одних от других. Руководитель видит общую конверсию в 30% и считает, что это норма. Он не видит, что у одного администратора конверсия 45%, а у другого — 18%. Не видит, что по четвергам вечером конверсия падает до 15%, потому что дежурный оператор не знает расписание новых врачей. Не видит, что 12% отказов происходят после фразы «Точную цену скажут на приёме» — потому что пациент не готов ехать в клинику без понимания стоимости.
Каждый из этих паттернов стоит денег. И каждый остаётся невидимым, пока контроль строится на трёх-пяти звонках в неделю.

Что значит «контролировать 100% коммуникаций» на практике

Идея полного контроля звучит амбициозно, но механика достаточно понятна. Все звонки записываются (в большинстве клиник это уже происходит — запись ведётся телефонией). Записи автоматически транскрибируются в текст. Текст каждого разговора проверяется по заданному набору критериев — чек-листу. По результатам проверки формируется оценка и, при необходимости, оповещение руководителю.
Ключевое отличие от ручного контроля — не в технологии, а в охвате и скорости. Ручной контроль — это три звонка в неделю, разбор через две недели, субъективная оценка одного проверяющего. Автоматический контроль — это все звонки, разбор в течение часа, одинаковые критерии для всех.
Чек-лист для медицинской клиники обычно включает несколько блоков. Первый — стандарты приветствия и завершения: назвал ли оператор клинику, представился ли, попрощался ли. Второй — запись на приём: предложил ли оператор записаться, предложил ли альтернативное время при отказе, объяснил ли стоимость. Третий — допродажи и дополнительные услуги: предложил ли сопутствующие обследования, рассказал ли об акциях. Четвёртый — работа с возражениями: как отреагировал на «дорого», «подумаю», «позвоню позже».
Каждый пункт чек-листа — это конкретная фраза или действие, которое должно (или не должно) появиться в тексте разговора. Система ищет эти элементы в транскрипции и отмечает, выполнены они или пропущены. На выходе — балл по каждому разговору и сводная статистика по каждому оператору.
Здесь важно уточнить границы. Автоматический анализ работает с текстом — транскрибированным из аудио. Он находит конкретные слова, фразы, их сочетания, отсутствие нужных фраз. Он не анализирует интонацию, не измеряет скорость речи, не определяет эмоции по голосу. Выводы строятся на том, что было сказано — и что не было сказано. Этого достаточно для большинства задач контроля качества в контакт-центре: соблюдение скрипта, выполнение чек-листа, наличие ключевых элементов разговора.

Рейтинг операторов и точки роста

Когда все разговоры оцениваются по одним и тем же критериям, появляется возможность, которой нет при ручном контроле: объективное сравнение операторов между собой.
В типичной клинике с восемью-десятью администраторами разница в конверсии между лучшим и худшим оператором может составлять 25-30 процентных пунктов. Лучшие конвертируют 45-50% звонков в запись, новички — 15-20%. При среднем чеке в 5 000 рублей и ста звонках на оператора в день — это разница в 150 000-200 000 рублей в месяц на одного человека.
Без системного анализа эта разница остаётся невидимой. Руководитель знает, что «Мария работает хорошо, а Алексей — слабоват», но не знает, почему. С автоматическим анализом картина становится конкретной: Мария в 90% случаев предлагает альтернативное время при отказе, а Алексей — в 35%. Мария в 70% случаев называет имя врача и его специализацию, а Алексей — в 20%. Мария после слова «дорого» задаёт вопрос «С чем сравниваете?», а Алексей сразу предлагает скидку.
Эти данные превращают абстрактную обратную связь в конкретный план обучения. Алексею не нужен общий тренинг по продажам — ему нужно научиться предлагать перенос и работать с ценовыми возражениями. Два навыка, два сценария для отработки. Через месяц — повторный замер: навыки появились в тексте разговоров или нет.
Рейтинг операторов — это не инструмент наказания, а инструмент управления. Он показывает, кто из команды уже работает на высоком уровне (и можно использовать его разговоры как учебный материал), кто требует точечной помощи, а кто систематически игнорирует стандарты. Разница между этими тремя ситуациями определяет разные управленческие решения — и без данных по 100% звонков разобраться в ней невозможно.

Алерты при критических ошибках

Некоторые ошибки операторов не могут ждать еженедельного разбора. Грубость по отношению к пациенту, отказ в записи без объяснения причин, разглашение медицинской информации третьим лицам, обещание результатов лечения — всё это ситуации, где промедление в обнаружении превращает проблему в репутационный ущерб или юридический риск.
При ручном контроле такие случаи всплывают, только если пациент пожалуется. По статистике, жалуется один из двадцати недовольных — остальные молча уходят. По данным CallMiner, 96% жалоб пациентов связаны с качеством сервиса, а пациенты, пережившие негативный опыт по телефону, в четыре раза чаще меняют клинику.
Автоматический анализ позволяет настроить оповещения при обнаружении критических маркеров в тексте разговора. Если в транскрипции появляется нецензурная лексика, грубые формулировки, обещания конкретных результатов лечения или отказ без предложения альтернативы — руководитель получает уведомление в течение нескольких минут после звонка. Не через неделю, когда пациент уже написал отзыв на «ПроДокторов». Не через месяц, когда ситуация повторилась двадцать раз. Сразу.
Это меняет скорость реакции принципиально. Руководитель может перезвонить пациенту и исправить ситуацию, пока она не превратилась в жалобу. Может провести разговор с оператором по горячим следам, когда контекст ещё свеж. Может предотвратить повторение — а не разбираться с последствиями.

Как работает разметка разговоров и что видит руководитель

Чтобы пояснить механику на конкретном примере: допустим, клиника хочет контролировать, предлагают ли администраторы запись на приём при входящем звонке.
Звонок записывается телефонией, аудио автоматически транскрибируется в текст. В тексте система ищет маркеры предложения записи: «Вам удобно записаться на…», «Могу предложить время…», «Свободное окно есть…» и их вариации. Если маркер найден — тег «предложение записи» присваивается. Если не найден — тег отсутствует, звонок попадает в категорию «запись не предложена».
Та же логика работает для каждого пункта чек-листа. Приветствие — система ищет название клиники и имя оператора в начале разговора. Работа с возражением «дорого» — система ищет вопросы оператора после ценового возражения пациента: «С чем сравниваете?», «Какой бюджет вы рассматриваете?» против немедленного предложения скидки. Предложение альтернативного времени — система ищет варианты после фразы пациента «мне не подходит».
На выходе каждый звонок получает набор тегов — по сути, отметку о выполнении или невыполнении каждого пункта чек-листа. Все звонки одного оператора за период складываются в индивидуальный рейтинг: приветствие выполняется в 95% случаев, предложение записи — в 72%, работа с ценовыми возражениями — в 40%, допродажи — в 15%.
Руководитель видит сводную картину по всему контакт-центру и по каждому оператору в отдельности. Видит динамику по неделям. Видит, какие именно пункты чек-листа «проседают» у конкретного человека. Может открыть конкретный звонок и прочитать транскрипцию — чтобы разобрать ситуацию с оператором. Но ему не нужно слушать тысячи звонков, чтобы найти этот конкретный разговор — система подсвечивает проблемные места автоматически.

Результаты и ожидания

Честный разговор о результатах начинается с оговорки: автоматический контроль качества сам по себе не увеличивает конверсию и не снижает количество жалоб. Он даёт данные. Данные становятся основой для решений. Решения приводят к результату — если их принимают и реализуют.
По данным из проектов внедрения в медицинских клиниках, системная работа с результатами анализа даёт рост среднего балла качества на 15-25% за три-шесть месяцев. Конверсия звонков в запись растёт на 10-15 процентных пунктов при условии, что руководитель работает с данными: проводит разборы, корректирует скрипты, обучает операторов на реальных примерах.
Снижение повторяющихся ошибок составляет 30-40% за счёт точечного обучения. Когда оператор получает обратную связь не по абстрактному «будь вежливее», а по конкретному «в 60% звонков ты не предлагаешь альтернативное время при отказе от записи» — навык появляется быстрее.
Отдельный эффект — ускорение адаптации новых сотрудников. По данным из внутренних наблюдений, средний срок выхода новичка на целевые показатели составляет три-четыре месяца и обходится клинике в 150-180 тысяч рублей на одного человека (оклад в период обучения, время наставника, потери от низкой конверсии). Автоматический анализ сокращает этот период, потому что даёт новичку конкретную обратную связь ежедневно, а не раз в неделю на планёрке.
Ещё один результат, который часто упускают: автоматический анализ обнаруживает паттерны, которые невозможно увидеть при прослушке отдельных звонков. 15-25% звонков в клиниках — обращения по услугам, которых нет в прайсе. Это прямой индикатор нереализованного спроса. Если клиника не знает, что каждый пятый звонок — вопрос про услугу, которую она не оказывает, она не может принять решение о расширении портфеля.

Кому в клинике нужны эти данные

Данные автоматического контроля качества полезны разным людям в клинике — и каждому нужен свой срез.
Руководитель контакт-центра — основной потребитель. Ему нужны операционные метрики: конверсия по операторам, соблюдение чек-листа, динамика качества по неделям, алерты при критических ошибках. Его задача — управлять командой на основе данных, а не ощущений.
Руководитель клиники (управляющий, главный врач) — ему нужна сводная картина: как работает контакт-центр в целом, какие услуги чаще всего запрашивают, где теряются пациенты. Его решения — стратегические: открыть новое направление, изменить ценовую политику, скорректировать расписание врачей.
HR — ему нужна динамика обучения: как быстро новички выходят на целевые показатели, у кого системные проблемы, кто демонстрирует рост. Его задача — адаптация и развитие персонала.
Каждый из этих людей получает свой отчёт из одного и того же массива данных. Руководитель КЦ видит ежедневный рейтинг операторов. Управляющий — ежемесячный отчёт по конверсии и структуре обращений. HR — кривую обучения новых сотрудников. Данные одни, отчёты разные.

Итоги

Автоматизированный контроль качества общения в медицинских клиниках решает конкретную управленческую задачу: заменяет субъективную оценку по трём-пяти звонкам на объективные данные по всем коммуникациям.
Практические выводы для руководителей клиник:
  1. Ручной мониторинг 1-5% звонков оставляет 95-99% коммуникаций без контроля. Управленческие решения на такой базе — это управление вслепую.
  2. Автоматический анализ строится на транскрипции и разметке текста по чек-листу. Он не требует прослушки — руководитель работает с данными, а не с аудиозаписями.
  3. Рейтинг операторов превращает абстрактную обратную связь в конкретный план действий: кого обучить, чему именно, и как проверить результат.
  4. Алерты при критических ошибках сокращают время реакции с недель до минут — и позволяют предотвратить последствия, а не разбираться с ними.
  5. Ожидаемые результаты при системной работе с данными: рост конверсии на 10-15 процентных пунктов, рост среднего балла качества на 15-25%, снижение повторяющихся ошибок на 30-40% за три-шесть месяцев.
Если вы хотите оценить, как автоматический контроль качества может работать в вашей клинике — можно начать с аудита текущих коммуникаций. Мы в imot.io проводим такой аудит на выборке из ста-двухсот звонков и показываем, какие паттерны скрыты в данных. Это занимает несколько дней и не требует изменений в работе контакт-центра.
Оставить заявку на аудит »
Источники

Calabrio — Complete Guide to Contact Center Quality Management
SQM Group — Call Center Quality Monitoring Best Practices
Call Centre Helper — Determining the Right Number of Calls Analysed
Accenture — The Difference Between Loyalty and Leaving
Griffith et al. — Call Center Performance Affects Patient Perceptions of Access and Satisfaction (AJMC / PMC)
Dialog Health — Latest Healthcare Call Center Statistics
CallMiner — Patient Experience, Satisfaction and Billing Statistics
WellReceived — 8 Patient Communication Stats to Know in 2025
COPC — Global Benchmarking Series: Contact Center Quality Assurance (2022)