Медиа imot.io
Метод

Плюсы и ограничения речевой аналитики: что она покажет и чего не покажет

Плюсы и минусы речевой аналитики помещаются в одну фразу: система проверяет все разговоры по одной мерке, но работает только с текстом расшифровки и даёт результат после настройки и калибровки, если в компании есть человек, который разбирает отчёты. Ниже — что получает руководитель, чего система не покажет в принципе и какие минусы зависят от того, как её внедрили.

Коротко

  • Главный плюс — одна мерка для всех звонков и оценка, которую сотрудник может проверить и оспорить.
  • Система работает с текстом: паузы, темп и интонацию она не измеряет, подсказок во время звонка не даёт.
  • Качество отчётов упирается в запись и формулировки правил: моно и размытое правило дают ошибки без признаков сбоя.
  • Большая часть минусов — во внедрении: настройка от двух недель, калибровка и владелец, который разбирает находки.

Преимущества речевой аналитики

Разметка применяется ко всем звонкам, а не к выборке, которую успевает прослушать служба качества: Нетология, например, до внедрения слушала 10–15% звонков. Что пропускает выборка и как это искажает оценку отдела, показано в статье о ручном и автоматическом контроле качества, а кейсы с переходом на весь поток собраны в задачах речевой аналитики.
Главный плюс для руководителя — одна мерка для всех и оценка, которую можно проверить. Пункт чек-листа формулируют своими словами, задают варианты ответа, и модель отвечает на один и тот же вопрос по каждому звонку. Рассуждения показывают, на какую фразу разговора она опиралась. Для пункта задают условие применимости: в разговоре об отмене записи «предложил время» не оценивается и балл не снижает. Сотрудник может оспорить ответ по конкретному пункту, руководитель решает, балл и отчёты пересчитываются, а на пункте остаётся отметка «Изменено по апелляции». Когда от процента по чек-листу зависит премия, это снимает спор «система неправильно поняла». Подробнее — о том, как составить чек-лист с проверяемыми пунктами.
Разговор попадает в аналитику через несколько минут после окончания, и о звонке с проблемой ответственный узнаёт в Telegram, MAX, на почте или в Битрикс24 в тот же день, а не на еженедельной планёрке.
В разговорах есть данные, которых нет в CRM: о чём спрашивают клиенты, каких услуг и специалистов не хватает, какие причины отказа звучат на самом деле. Пример такого среза — исследование «О чём звонят в клинику».
На объёме проверка дешевеет: в Lerna объём анализа вырос с 16,6 до 305,7 тыс. минут, минута анализа подешевела с 18 до 2,21 рубля, и вложения окупились за полгода.

Ограничения речевой аналитики: чего она не покажет

Недостатки речевой аналитики начинаются с того, что система работает только с текстом расшифровки. Паузы, тишину, темп речи, интонацию и тон голоса она не измеряет. Зато видит фразы, вопросы и ответы, порядок этапов разговора, пропущенные шаги скрипта, причины отказов и долю реплик сотрудника и клиента. Что в разговоре видно по тексту, а что только по голосу, разобрано в статье «Эмоции в звонках».
Она видит только сам разговор и только после него. Подсказок сотруднику во время звонка нет: разговор разбирают после окончания, и GPT-разбор с рекомендацией готов через несколько минут. Действия менеджеров в CRM система не анализирует и вероятность сделки не оценивает.
Качество отчётов зависит от записи и распознавания. На монозаписи метки с условием «кто сказал» занижаются, подробнее — в статье «Стерео или моно». Распознавание чаще ошибается на редких терминах, числах и отрицаниях; как такие ошибки проходят в отчёты, разобрано в статье о точности распознавания речи.
Система находит только то, что сформулировано в правиле. Если правило ждёт одну формулировку, а сотрудник говорит другую, метка не ставится, хотя текст распознан верно: в одном пилоте администратор представлялась в 20 из 21 вручную прочитанного входящего, а метка «представился» стояла в 5 из 116 её звонков. Звонки без назначенного следующего шага тоже найдёт только правило, которое проверяет именно это. Как устроены метки и пункты, показано в статье «Чем тег отличается от чек-листа».
Ответы модели могут ошибаться — и в резюме разговора, и в смысловых правилах. Защита встроена в настройку: вариант из заданного списка вместо свободного ответа, рассуждения модели и апелляции сотрудников. Подробнее — почему модель дописывает в резюме то, чего не было.

Минусы речевой аналитики, которые зависят от внедрения

Результат приходит не сразу. Интеграция с телефонией занимает около дня, настройка под сценарии компании — от двух недель, и всё это время идёт калибровка: оценки системы сверяют с ручными на одних и тех же звонках и правят формулировки. Настройка — 20% работы, калибровка — 80%. Без неё отчёты показывают «среднюю температуру по больнице», а не потери конкретной компании.
Находкам нужен владелец: цепочка работает, только если у находки есть ответственный и ритм разбора: бизнес-задача → метрика → чек-лист и теги → владелец → действие. Признак проблемы простой: дашборд есть, а решений по нему никто не принимает.
Команда сопротивляется: операторы говорят «нас слушают, чтобы наказать», контролёры — «робот не понимает контекст», руководители — «у нас и так всё хорошо». Снимают его обучением вместо наказания: вместе проверяют пять диалогов сотрудника, разбирают один навык в неделю и не показывают команде цифры до первого роста. Подробнее — о том, как внедрить контроль звонков без саботажа.
Есть порог окупаемости: при потоке меньше 5000 минут разговоров в месяц и меньше 5 человек на линии вложения могут не окупиться, и это стоит посчитать до запуска.
Запись разговоров содержит персональные данные. Клиента предупреждают о записи в начале звонка, а до старта мы передаём юристу и службе безопасности положение об ИБ и регламент обработки персональных данных. Что требует закон, разобрано в статье о записи телефонных разговоров.

Речевая аналитика или альтернативы

Встроенная аналитика телефонии или CRM ищет ключевые слова по шаблонам, общим для всех клиентов: этого хватает, чтобы найти звонки со словом «дорого», но не чтобы посчитать долю отказов из-за расписания. Самодельный анализ через ChatGPT подходит для разового разбора: модель видит только то, что ей дали, каждый раз понимает звонок по-разному и не даёт сводки по всему потоку. Ручной ОКК или аутсорс контроля дают глубокий разбор отдельных звонков, но по выборке.
Плюсы речевой аналитики перевешивают, когда вопросы руководителя звучат как доля или сравнение, поток выше порога и есть кому разбирать отчёты. Если этих условий нет, бывает достаточно текста разговора; как проверить это на своих звонках до покупки, разобрано в статье «Транскрибация звонков и речевая аналитика».

Частые вопросы

Может ли речевая аналитика заменить ОКК?
Она убирает прослушку как основную работу, но калибровка правил и разбор находок остаются за людьми. В Бруснике тимлиды стали тратить на контроль на 70% меньше времени.
Насколько точна речевая аналитика?
Одной цифры нет: точность зависит от записи, распознавания и формулировок правил. До запуска оценки системы сверяют с ручными на своих звонках.
Чем речевая аналитика отличается от встроенной аналитики телефонии?
Встроенный модуль ищет слова по общим шаблонам. Речевая аналитика отвечает на вопросы конкретной компании по каждому звонку, считает доли по всему потоку и даёт перейти от цифры к разговорам.
Подсказывает ли система сотруднику во время звонка?
Нет. Разговор разбирают после окончания, и GPT-разбор с рекомендацией готов через несколько минут после звонка.
Окупится ли речевая аналитика в небольшом отделе?
При потоке меньше 5000 минут в месяц и меньше 5 человек на линии — скорее нет, и это стоит посчитать до запуска.