Контакт-центр крупной компании – это тысячи звонков и еще больше сообщений в мессенджерах в день, а ручной контроль качества охватывает от одного до пяти процентов: прослушать и просмотреть весь объем физически невозможно. Речевая аналитика – технология, которая при помощи ИИ анализирует весь объем коммуникаций с клиентом.
Помимо охвата 100% чатов и звонков, речевая аналитика также позволяет исключить человеческий фактор за счет настройки конкретных маркеров и параметров. При проверке вручную, оценки могут разниться: то, что один сочтет нарушением, другой пропустит как несущественную деталь.
В статье разберем три бизнес-риска, которые чаще всего теряются при ручном контроле, а также то, что конкретно эта технология дает разным людям внутри компании.
Как работает речевая аналитика
Для каждого аспекта анализа можно выделить свой набор ключевых слов, обязательных формулировок и паттернов речи. К примеру, если нужно проверить, предлагают ли операторы дополнительные услуги, весь текстовый массив переписок или расшифрованных звонков сверяется с соответствующими ключевыми словами, например, «сим-карта», «сервис бронирования» и т.д. А также можно посмотреть, в какой форме делаются предложения, звучат ли негативные мостики продаж и т.д.
При этом система распознает не только точную формулировку, но и ее смысловые варианты. Оператор может сказать «мы записываем этот звонок» или «разговор фиксируется в системе» – и оба варианта будут засчитаны как выполнение требования об информировании клиента, потому что проверяется смысл фразы, а не дословное совпадение с шаблоном. Это же касается упоминания конкурентов: система понимает контекст фразы, даже если клиент не называет конкурента напрямую, а описывает его через продукт или условия.
А инсайт-режим на основе ИИ позволяет выявить закономерности даже тогда, когда неизвестно, где кроется причина проблемы. Например, в одном из исследований мы проанализировали разговоры покинувших компанию операторов, и выяснили, что примерно за месяц до увольнения они чаще отказываются от попыток решить проблему, используя формулировки вроде «я обычный оператор» – так удалось определить маркеры выгорания.
Объем обрабатываемых данных при этом не создает задержек: так, одна карта H100 способна обрабатывать около 28 тысяч диалогов в сутки в задачах речевой аналитики, и те же мощности можно арендовать в облаке. Это отличает речевую аналитику от штата живых проверяющих, где большой массив коммуникаций требует либо расширения команды контроля, либо снижения доли проверяемых разговоров.
Как речевая аналитика снижает риски в разговорах с клиентами
Речевая аналитика открывает возможность видеть бизнес-риски на ранних этапах – когда это еще короткая реплика или единичный случай, а не системная проблема. Чем раньше риск замечен, тем дешевле и проще его исправить – например, обучением оператора или персональным предложением клиенту. Ниже расскажем о трех ключевых рисках и о том, как аналитика помогает с ними справиться.
Упоминание конкурентов
Здесь система решает сразу две задачи. Первая – заметить, что клиент сам упомянул конкурента, даже если это была не прямая жалоба, а мимоходом брошенная фраза вроде посреди разговора совсем о другом. Вторая – поймать обратную ситуацию, когда оператор сравнивает компанию с конкурентами, пытаясь помочь клиенту сориентироваться, хотя по регламенту не должен упоминать чужой бренд.
По отдельности каждый такой момент выглядит неважным – короткая реплика без выраженных эмоций, которую легко пропустить. Но когда система собирает все упоминания конкурентов за месяц по всем звонкам, видно, вырос ли отток к конкретному конкуренту или это разовые случаи.
Нарушения скриптов
Здесь риск не в отдельной ошибке, а в привычке. Оператор может сократить скрипт – например, пропустить формальный вопрос о проверочных данных, узнав постоянного клиента по голосу, потому что уверен, что и так знает, с кем разговаривает. Разговор при этом звучит гладко и дружелюбно, что делает нарушение регламента безопасности еще менее заметным на слух.
Речевая аналитика сверяет каждый диалог с полным чек-листом обязательных шагов скрипта – не только с наличием нужных фраз, но и с их порядком. Она одинаково внимательно отнесется и к тысячному диалогу подряд, и к первому, а значит заметит пропуск шага независимо от того, насколько уверенно и профессионально звучал оператор.
Требования законодательства
Это самый сложный из трех рисков, потому что пропущенную фразу о записи разговора или согласии на обработку персональных данных на слух можно легко не заметить. Чтобы поймать такое нарушение, нужно держать в голове весь обязательный текст целиком и сверять с ним каждый диалог, а не просто слушать, не звучит ли что-то подозрительно.
Цена такого пропуска весьма внушительна: повторное нарушение правил получения согласия на обработку персональных данных обходится юрлицу в 1–1,5 млн рублей по статье 13.11 КоАП, а при утечке персональных данных клиентов включается оборотный штраф – от 1 до 3% годовой выручки компании. Именно поэтому такие нарушения нельзя оставлять на волю случайной выборки.
Кому приносит пользу речевая аналитика
Речевая аналитика проверяет каждый диалог по строгим критериям и охватывает весь объем разговоров целиком.
Отдельная реплика о конкуренте или один пропущенный шаг скрипта сам по себе выглядит незначительным эпизодом. Но когда система сопоставляет сотни таких моментов за месяц, складывается закономерность – видно, у какого оператора привычка повторяется или насколько чаще клиенты стали упоминать конкретного конкурента.
Скорость проверки тоже имеет значение: при четко сформулированном запросе и хорошем знании бизнеса, такой ИИ-анализ может занять 10-15 минут. Вместе все это превращает контроль качества в постоянный процесс, идущий параллельно работе контакт-центра.
| Роль | Что видит | Что это дает |
|---|---|---|
| Супервайзер | Статистику по конкретному оператору или смене за период | Точечный разговор с конкретным человеком без общего напоминания всей команде |
| Юрист или специалист по комплаенсу | Долю звонков, где пропущена обязательная формулировка, в разрезе по времени, отделам и операторам | Возможность обнаружить и исправить нарушение до проверки регулятора или жалобы клиента |
| Руководитель контакт-центра | Картину по всему подразделению: где есть системные нарушения скриптов и упоминания конкретных конкурентов, какие есть боли у клиентов, и многое другое | Основание для решения – обучить оператора, переписать скрипт или изменить процесс целиком |
Как использовать речевую аналитику
Самая точная система бесполезна, если найденные риски копятся в отчете, который никто не открывает. Если супервайзер не проводит по найденным нарушениям точечные разговоры с операторами, а юрист не меняет формулировки скрипта после сигнала о системной проблеме, вся ценность речевой аналитики сводится к красивому дашборду, который не влияет на реальную работу контакт-центра. Дальше несколько принципов, без которых находки так и останутся цифрами в отчете, который никто не открывает.
Назначьте того, кто регулярно разбирает находки. Если результаты анализа никто не смотрит чаще, чем раз в квартал, система превращается в дорогой индикатор, а не в рабочий инструмент. У находок должен быть конкретный получатель – супервайзер, юрист или руководитель отдела, – который просматривает их на регулярной основе. Современные системы можно настроить так, чтобы они сами регулярно присылали отчеты всем, ответственным за решения.
Реагируйте точечно. Если система показала, что конкретный оператор стабильно пропускает одну и ту же фразу, разговор нужно вести именно с этим человеком, а не рассылать всей команде письмо о важности соблюдения скрипта. Возможно, оператору требуется дополнительное обучение – его можно организовать с помощью встроенного в речевую аналитику ИИ-тренажера: так он закрепит информацию на практике без риска для репутации компании.
Меняйте скрипт, если нарушение массовое. Если одну и ту же ошибку допускают сразу несколько операторов, вероятно дело в самом скрипте или в обучении – в этом случае нужно либо массово организовать тренинги, либо пересмотреть сам скрипт.
Начинайте с одной проблемы. Подключить все категории проверки одновременно соблазнительно, но на старте разумнее отладить процесс реагирования на одном риске – например, на нарушениях скриптов – и только потом подключать остальные, когда команда уже понимает, что делать с находками.
Сверяйте находки с реальными бизнес-показателями. Доля нарушений сама по себе мало что говорит – полезнее смотреть, снижается ли отток клиентов, растет ли NPS или сокращается число штрафов после того, как компания начала действовать по сигналам системы. Именно этим ценна ИИ-составляющая в инструменте – LLM позволяет быстро находить эти связи, даже если они не всегда очевидны.
Разделяйте находки по срочности. Не все риски требуют одинаково быстрой реакции: пропуск обязательной юридической формулировки стоит разбирать в тот же день, а нарастающий отток к конкуренту можно оценивать на недельной или месячной динамике – если реагировать на все находки с одинаковым приоритетом, команда быстро выгорает от количества сигналов.
Смысл речевой аналитики в том, что она дает каждому из принимающих решения нужную информацию – без необходимости анализировать все диалоги вручную. Компания больше не зависит от того, попал ли конкретный рискованный разговор в случайную выборку, но видит риск на всем объеме звонков сразу и даже получает ИИ-рекомендации по оптимизации, а какие действия предпринимать – уже решают эксперты.
