Руководитель отдела продаж не может прослушать все звонки. Он слушает выборку, а сделки теряются в остальных: менеджер не назвал цену, не договорился о следующем шаге, пропустил возражение. Речевая аналитика: нейросеть расшифровывает каждый разговор, сверяет его со стандартом и показывает, где именно проседает продажа.
Раньше такие системы искали в записях ключевые слова. Языковые модели добавили понимание смысла. Они отличают вежливый отказ от настоящего возражения и замечают, что менеджер так и не спросил про бюджет. В современных сервисах работают оба подхода: словарные правила ловят конкретные фразы, смысловые находят тему, причину и итог разговора.
На выходе не отчёт ради отчёта, а три вида решений: что поправить в скрипте, кого из менеджеров учить и какие сделки ещё можно вернуть.
Как работает речевая аналитика на нейросети
Под капотом пять шагов. Каждый можно купить готовым или собрать самостоятельно.
- Запись. Телефония сохраняет разговор. Лучше в двух каналах: менеджер и клиент на разных дорожках, тогда реплики не путаются.
- Распознавание. Движок переводит речь в текст с отметками времени. Для телефонного звука у движков бывают отдельные модели: в SaluteSpeech это модель для колл-центров, рассчитанная на частоту 8 кГц.
- Разметка. Словарные правила ищут точные фразы, смысловые определяют тему, причину обращения и итог.
- Оценка. Языковая модель проверяет разговор по чек-листу, пишет краткое резюме и выставляет баллы.
- Отчёты. Результаты уходят в карточку сделки и сводные таблицы: по менеджерам, этапам воронки, темам.
Так устроены и облачные сервисы. В Yandex SpeechSense речь распознаёт SpeechKit, а резюме разговора пишет YandexGPT Pro. Как встроить результаты в карточку клиента, разобрано в материале про ИИ в CRM.
Что искать в звонках продаж
Слушать всё подряд бессмысленно. Сначала задайте вопросы, на которые аналитика должна ответить.
| Что измерять | Что показывает | Что делать с результатом |
|---|---|---|
| Выполнение скрипта | Пропущенные этапы: потребность, презентация, закрытие | Точечно тренировать менеджера на слабом этапе |
| Доля речи менеджера | Слушает ли он клиента или читает монолог | Добавить в скрипт открытые вопросы |
| Возражения | Какие звучат чаще и как на них отвечают | Собрать лучшие ответы в базу для всей команды |
| Следующий шаг | Есть ли договорённость с датой | Звонки без шага отправлять руководителю на разбор |
| Конкуренты и причины отказа | Кого называют клиенты и почему уходят | Передать маркетингу для оффера и рекламы |
| Рискованные обещания | «Гарантируем», «бесплатно», «точно успеем» | Проверить, не обещают ли то, чего нет в договоре |
Начните с двух-трёх метрик. Двадцать показателей в первый месяц никто не прочитает. Другие сценарии, где нейросеть помогает продажам, собраны в обзоре ИИ для отдела продаж.
Чек-лист оценки: как составить, чтобы нейросеть не фантазировала
Главная ошибка: критерии вроде «менеджер был убедителен» или «проявил эмпатию». Модель оценит их, но каждый раз по-разному. Рабочий критерий наблюдаем и отвечает на вопрос «да или нет».
- Плохо: «Хорошо выявил потребность». Хорошо: «Задал вопрос о сроках и бюджете клиента».
- Плохо: «Грамотно закрыл сделку». Хорошо: «Назвал следующий шаг и дату».
- Плохо: «Отработал возражение». Хорошо: «На возражение о цене назвал выгоду или предложил вариант дешевле».
Требуйте от модели доказательства: цитату из расшифровки и время реплики к каждому «да». Нет цитаты, значит критерий не выполнен. Так выдуманную оценку видно сразу, а спорные случаи легко проверить за минуту.
Пример инструкции для модели: «Ты проверяешь звонок менеджера по продажам. Ниже расшифровка с метками времени, М: менеджер, К: клиент. По каждому критерию из списка ответь „да“ или „нет“, приведи цитату и время реплики. Если подтверждающей цитаты нет, ставь „нет“. В конце дай одну главную рекомендацию менеджеру, не больше двух предложений». Одна рекомендация работает лучше десяти: её менеджер успеет применить уже в следующем звонке.
Перед запуском откалибруйтесь. Руководитель вручную оценивает 30 звонков, модель оценивает те же 30. Там, где оценки расходятся, переписывайте формулировку критерия, а не спорьте с моделью. Повторяйте, пока расхождения не станут редкими.
Где речевая аналитика ошибается
- Имена, артикулы, цифры. Названия товаров, артикулы и фамилии распознаются хуже обычной речи. Помогает словарь подсказок: в SaluteSpeech это хинты, куда вносят имена собственные, редкие и плохо распознаваемые слова.
- Плохая связь и шум. Обрывы, эхо, разговор по громкой связи. Такие звонки лучше помечать и не оценивать автоматически.
- Одноканальная запись. Когда оба голоса на одной дорожке, модель путает, кто что сказал, и засчитывает менеджеру слова клиента.
- Длинные разговоры. Резюме часовой встречи модель может пересказать с пропусками. Оценивайте такие записи по этапам, а не одним запросом на весь текст.
- Ирония и контекст. «Ну да, конечно, дорого» может быть и согласием, и отказом. Спорные случаи отдавайте человеку.
Отсюда правило внедрения: первые месяцы аналитика подсказывает, а не наказывает. Если менеджеры узнают о ней из штрафа, они начнут говорить под алгоритм, а не под клиента.
Готовый сервис или своя сборка
| Вариант | Плюсы | Минусы |
|---|---|---|
| Модуль в телефонии или CRM | Быстрый старт, записи уже на месте | Критерии и отчёты ограничены возможностями вендора |
| Облачный сервис речевой аналитики | Гибкие теги, отчёты, нейросетевая оценка | Нужна интеграция с телефонией и CRM, оплата за объём |
| Своя сборка на открытых моделях | Записи не покидают контур, любые критерии | Нужны сервер с видеокартой и разработчик |
Облачный вариант на примере SpeechSense: сервис разбирает и звонки, и текстовые диалоги, а тарифицирует каждую секунду двухканальной записи и объём текста в чатах. Для своей сборки есть открытые модели распознавания русской речи: GigaAM от Сбера под лицензией MIT и T-one от Т-Банка под Apache 2.0, заточенная под телефонию. Поверх них работает любая языковая модель, в том числе запущенная на вашем сервере. Подробнее о движках распознавания и синтеза в обзоре голосовых нейросетей.
Какой бы вариант вы ни рассматривали, проверьте пять вещей: забирает ли система записи из вашей телефонии без ручной выгрузки, можно ли задать свои критерии, как результаты попадают в CRM, где хранятся записи и сколько стоит минута на вашем объёме. И попросите прогнать через систему полсотни ваших звонков до подписания договора.
Как понять, что аналитика окупается
Красивый дашборд не равен результату. Договоритесь о метриках эффекта до запуска и замерьте их исходные значения.
- Доля звонков со следующим шагом. Реагирует на разборы раньше остальных метрик: менеджеру достаточно выучить одну фразу закрытия.
- Конверсия по менеджерам. Сравнивайте каждого с самим собой до и после обучения, а не с лучшим продавцом отдела.
- Время руководителя. Сколько часов в неделю уходило на прослушку и сколько уходит теперь на разбор отобранных звонков.
- Возвращённые сделки. Сколько клиентов с незакрытым следующим шагом удалось вернуть повторным касанием.
Если через два-три месяца ни одна метрика не сдвинулась, проверяйте не модель, а процесс: кто читает отчёты и что меняется после разборов.
Записи звонков и закон о персональных данных
Запись разговора с клиентом содержит персональные данные: голос, имя, телефон, иногда адрес. Поэтому речевая аналитика упирается не только в технологии, но и в 152-ФЗ.
- Предупреждайте о записи. Короткая фраза в начале звонка и пункт в политике обработки персональных данных делают запись прозрачной для клиента.
- Следите, где стоят базы. При сборе персональных данных граждан России запись, хранение и обновление должны идти в базах на территории страны (ч. 5 ст. 18 152-ФЗ).
- Зарубежный сервис означает трансграничную передачу. До её начала оператор обязан уведомить Роскомнадзор (ч. 3 ст. 12 152-ФЗ). Российское облако или своя сборка этот вопрос снимают.
- Предупредите менеджеров. Сотрудникам лучше заранее знать, что звонки анализируются и по каким критериям. Это вопрос доверия и прозрачных правил.
С чего начать
- Включите запись в двух каналах и соберите 50-100 звонков за последний месяц.
- Вместе с руководителем продаж напишите чек-лист из 8-10 критериев, на каждый из которых можно ответить «да» или «нет».
- Прогоните пилот: расшифровка, оценка моделью, сверка с ручной оценкой. Посчитайте, сколько часов руководителя это освобождает.
- Когда оценки сойдутся, подключите выгрузку результатов в CRM.
Связку распознавания, оценки и CRM можно собрать своими силами. Если не хочется разбираться с этим самому, это делают в Neurounit вместе с голосовыми роботами для продаж: от записи звонка до отчёта в CRM.
