Речевая аналитика нейросеть: анализ звонков в продажах

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.

1. Запись. Телефония сохраняет разговор. Лучше в двух каналах: менеджер и клиент на разных дорожках, тогда реплики не путаются.
2. 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.
3. Разметка. Словарные правила ищут точные фразы, смысловые определяют тему, причину обращения и итог.
4. Оценка. Языковая модель проверяет разговор по чек-листу, пишет краткое резюме и выставляет баллы.
5. 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.

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

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

1. Включите запись в двух каналах и соберите 50-100 звонков за последний месяц.
2. Вместе с руководителем продаж напишите чек-лист из 8-10 критериев, на каждый из которых можно ответить «да» или «нет».
3. Прогоните пилот: расшифровка, оценка моделью, сверка с ручной оценкой. Посчитайте, сколько часов руководителя это освобождает.
4. 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.