Анализ звонков с ИИ: как выделять возражения и договорённости
Как превратить запись разговора в проверяемые факты для CRM и маркетинга: связать вывод с фрагментом аудио, отличить вопрос от возражения и проверить договорённости.
В отчёте отдела продаж появилось возражение «дорого». Руководитель собирается менять предложение, но при прослушивании слышит другое: клиент спрашивал, входит ли настройка в стоимость. Тема цены действительно обсуждалась. Причина отказа из этого разговора ещё не следует.
Речевая аналитика становится полезной, когда позволяет вернуться к основанию вывода. Разберём предлагаемую схему для B2B-компании: запись разговора, извлечение фактов, просмотр менеджером и отчёт о повторяющихся вопросах. Это учебный процесс, который можно адаптировать к телефонии и CRM компании. Он не описывает выполненный клиентский проект.
Какие три результата можно получить из одного звонка #
Расшифровка помогает найти нужное место без полного прослушивания. Карточка фактов показывает, что обсуждалось и о чём договорились. Аналитика по группе разговоров помогает заметить повторяющиеся вопросы и недостатки предложения. У этих результатов разные критерии качества: читаемая расшифровка ещё не означает правильно извлечённое обязательство.
В разборе HubSpot о conversation intelligence анализ состоявшихся разговоров выделен в отдельную задачу. Эта идея полезна и для другой CRM: сначала определить нужные факты, затем связать их с действием сотрудника. Функции HubSpot при этом не становятся штатными возможностями Битрикс24 или вашей телефонии.
Начать можно с двух узких результатов: короткое резюме для менеджера и перечень вопросов, на которые не хватило ответа. Автоматическое выставление оценок продавцам добавляет спорную интерпретацию раньше, чем команда научится проверять исходные данные.
Сохраните связь между записью, текстом и сделкой #
Каждый разговор получает устойчивый идентификатор из телефонии, дату, участников и связь с контактом или сделкой. Аудио остаётся источником проверки, текст — рабочим представлением. Если звонок относится к нескольким обращениям, связь уточняет сотрудник. Совпадение телефона не всегда определяет, о каком проекте шла речь.
В расшифровке нужны временные отметки и разделение говорящих. Фраза менеджера «сможете согласовать бюджет в пятницу?» не должна превращаться в обещание клиента. Если запись одноканальная и реплики накладываются, результат разделения участников стоит считать предположением до проверки. Для чисел, имён и отрицаний полезно оставлять прямой переход к аудио.
Неразборчивое место обозначают явно. Подстановка правдоподобного названия продукта превращает дефект записи в вымышленный факт, который затем попадёт в предложение. Для сложной номенклатуры можно передавать распознаванию справочник терминов, если выбранная система это поддерживает; качество всё равно проверяют на собственных записях.
Опишите категории через наблюдаемые признаки. «Вопрос о цене» означает запрос информации; «возражение по цене» — явное сомнение в приемлемости условий. «Договорённость» требует действия и стороны, которая его приняла. Нужная дата может оставаться неизвестной. Лучше отобразить пробел, чем создать задачу на угаданный день.
Фрагмент учебного разговора
Допустимая запись
Ошибочный вывод
«Настройка входит в эту сумму?»
Вопрос о составе цены
Клиент отказался из-за цены
«Пока не готовы покупать в этом месяце»
Покупка в текущем месяце не подтверждена
Договорились купить в следующем месяце
«Я пришлю спецификацию завтра», говорит менеджер
Обязательство менеджера; дату вычислить от даты звонка
Клиент должен прислать спецификацию
«Нужно обсудить с коллегой»
Требуется внутреннее обсуждение
Найден человек, принимающий решение
Для каждой записи храните тип факта, текст, говорящего, временной диапазон и подтверждение менеджера. Это внутренняя модель данных предлагаемой системы, а не готовое тело запроса конкретного API. Она позволяет отдельно исправить расшифровку и отдельно отклонить интерпретацию.
После обработки менеджер видит краткую карточку и кнопки принятия или исправления отдельных пунктов. Подтверждённое следующее действие становится задачей с исполнителем. Неоднозначное обещание остаётся заметкой с вопросом. Поля суммы и срока сделки не стоит автоматически перезаписывать из черновика разговора: они могут уже содержать согласованную более позднюю версию.
Повторная обработка записи должна обновлять анализ того же звонка, сохраняя историю версий. Если сотрудник уже принял задачу, пересчёт модели не создаёт вторую копию. Для отправки письма клиенту требуется отдельный шаг: даже верное резюме может быть неподходящим внешним сообщением.
Считайте вопросы клиентов, а не количество упоминаний #
В одном разговоре клиент может пять раз возвращаться к интеграции. Это один звонок с темой интеграции, а не пять независимых обращений. Для отчёта решите, что является единицей: разговор, сделка или компания. В повторных контактах по одной сделке легко многократно посчитать одну проблему.
Учебный пример: из 80 разобранных звонков в 20 обсуждалась цена. В 8 из этих 20 зафиксировано подтверждённое сомнение в стоимости. Значит, тема цены встречалась в 25% звонков, а явное ценовое возражение — в 10% всех звонков или в 40% звонков с темой цены. Все три доли корректны, но отвечают на разные вопросы. Ни одна сама по себе не доказывает необходимость скидки.
Маркетологу полезно видеть формулировки вопросов рядом с долями. Если людей интересует состав настройки, можно уточнить страницу услуги или шаблон предложения. Изменение цены требует других данных: альтернатив клиента, состава решения и причин проигранных сделок. Расшифровки помогают сформулировать гипотезу, а не автоматически принять её.
Как проверить извлечение перед массовым запуском #
Возьмите разговоры разных менеджеров, длительности и качества записи. Часть разметьте вручную: где есть факт нужного типа и какой фрагмент его подтверждает. Проверьте отдельно обязательства, возражения и названия продуктов. Средняя оценка резюме может скрыть ошибки в самой важной категории.
Для каждого типа считайте точность найденного и полноту: какая доля выделенных фактов верна и какая доля действительно существующих фактов найдена. Если в учебной выборке человек отметил 12 обязательств, система нашла 10, из которых 8 верны, точность равна 80%, полнота — примерно 66,7%. Для редких опасных ошибок дополнительно разбирают каждый случай.
Если менеджеру нужен поиск по разговорам, а звонков немного, расшифровки с временными отметками может быть достаточно. Отдельное извлечение фактов имеет смысл, когда команда регулярно переносит одинаковые сведения в CRM или проверяет повторяющиеся вопросы. Сначала измерьте время этой работы и качество записей, затем выбирайте глубину анализа.
Поможем связать разговор с работой отдела продаж #
NetLabCS поможет настроить речевую аналитику и анализ звонков с ИИ : выделить нужные факты, связать их с записью и определить, что менеджер подтверждает перед переносом в CRM. Расскажите о ваших звонках : какая телефония используется, какие договорённости теряются и какие решения должен поддерживать отчёт.
