Как мы автоматизировали оценку звонков отдела продаж с помощью ИИ: кейс Финансовой Академии Актив

Пока все говорят об ИИ, мы в академии решили взяться за его внедрение. Начали с самой сильной боли всех руководителей отделов продаж – с контроля качества коммуникации с клиентами. Все началось с идеи нанять специалиста на соответствующую должность, который мог бы слушать записи звонков и выставлять оценки работе менеджеров. Но вовремя остановились и решили создать для этого систему оценивания на основе ИИ. Оказалось, что мы не прогадали, а создали нечто большее, чем обычную систему для оценивания.

Первый эксперимент: AI как аналитик звонков

Мы искали себе в команду специалиста для контроля качества коммуникации с клиентами. Он должен был слушать звонки менеджеров и выставлять оценки их разговорам. Специалист, который разбирается в продажах и сможет указать места для их улучшения это хорошо, но какова его пропускная возможность? Так подумали мы и решили, что один человек не сможет быстро и качественно повлиять на команду отдела продаж. Ведь это всего лишь человек и за рабочий день он сможет обработать ограниченное количество звонков.

Мы остановились и задали себе вопрос: «А не сможет ли с этим справиться искусственный интеллект?». Оказалось, еще как сможет!

Поэтому мы перешли к проверке его возможностей. Для работы использовали мощности ChatGPT. Мы взяли несколько звонков, транскрибировали их и превратили в текст с помощью ИИ. Далее выполнили его автоматический анализ. Результаты удивили даже скептиков. Наш AI предоставил полный разбор разговора с клиентом и советы по повышению их эффективности в лучшем формате, чем это смогли бы сделать некоторые супервизоры-люди.

Вот фрагмент результатов его оценки:

• Темп речи – слишком быстрый → клиенту трудно воспринимать.

• Игнорирование обращения по имени → потеряна возможность установить контакт.

• Отсутствие подтверждения выбора клиента → ослабление эмоциональной точки закрытия.

Пробная обработка звонков с помощью ИИ вдохновила – это быстрее и дешевле работы человека. Поэтому мы решили превратить это во внутренний инструмент и включили в систему работы.

Автоматизация: без людей, но с результатом

Поиск специалиста для контроля качества коммуникации с клиентами превратился в разработку системы на основе ИИ. По стандартам работы академии, все разговоры менеджеров с клиентами записываются IP-телефонией. Эти записи берет в обработку система, чтобы оценить качество работы с клиентами. Результаты обработки – данные, разделенные по соответствующим критериям. Процесс работы системы имеет следующий вид:

1. IP-телефония автоматически передает все записи звонков в аналитическую систему.

2. ИИ транскрибирует каждый разговор в текст.

3. Текст разговора анализируется по 13 критериям.

Команда маркетологов, промт-менеджеров и менеджеров по продажам в тандеме с ИИ разработала критерии для оценки качества разговоров системой. В них входят как общепринятые пункты, как приветствие или озвучивание цели звонка, так и специфические – демонстрация продукта или озвучивание актуальных предложений. Всего получилось 13 критериев для оценки звонков.

Каждый проанализированный звонок получает от системы: 

• баллы по указанным выше критериям

• общий процент эффективности

• вывод в виде текста

Все данные автоматически сводятся в общие и персональные таблицы и графики. В них указано, кто из менеджеров работает лучше, кто нуждается в обучении, по каким критериям заметны низкие оценки.

Изображение №1. Пример результатов оценивания одного звонка

Изображение 1 – детальный анализ конкретного разговора с оценками по всем 13 критериям.

Сильные стороны. Приветствие – 5, что означает четкое, теплое знакомство с клиентом.

Слабые стороны. Закрытие – 0, дожим – 0. Все 3 уровня презентации – 0, что указывает на отсутствие эффективной структуры завершения разговора.

Система оценивания с искусственным интеллектом предоставляет текстовый комментарий к каждому пункту – это объяснение, что именно менеджер сделал или не сделал в ходе разговора. Каждый такой разговор и все баллы позволяют сформировать общий рейтинг эффективности менеджеров.

Изображение №2. Рейтинг менеджеров

Сравнение результатов шести менеджеров по ключевым критериям помогает выявлять самых эффективных работников. По данным рейтинга видим следующие результаты:

• Самый эффективный менеджер: Юлиана Р. – 60% эффективности, 36 баллов.

• Менеджер с наименьшим результатом: Евгения Г. – 36%, всего 21 балл.

Данные помогают четко увидеть, кто из менеджеров нуждается в дополнительном обучении и по каким именно критериям.

Изображение №3. Анализ разговоров с клиентами одного менеджера в динамике (Мария Р.)

Система помогает также просмотреть историю звонков конкретного менеджера с баллами по каждому звонку. Например, анализ разговоров менеджера Марии Р. демонстрирует такие ее результаты:

• Есть звонки с высоким результатом – 77% (46 баллов)

• Есть звонки с низким результатом – 11 баллов (19%), где отсутствуют ключевые элементы.

Наша система с искусственным интеллектом также генерирует итоговые комментарии, которые можно использовать для работы над ошибками и коучинга сотрудников. Они выглядят следующим образом:

«Менеджер имеет значительные пробелы в телефонных продажах, необходимо улучшить использование техник продаж...».

Изображение №4. Инфографика прогресса менеджера

Помимо анализа звонков, ИИ помогает отследить прогресс менеджера в течение определенного времени. Так на картинке 4 представлена динамика развития одного менеджера, произошедшая за 3 месяца. Можно увидеть общий балл сотрудника, а также изменения каждого критерия в отдельности.

Например, у менеджера Марии Р. виден рост общего балла с 22 до 30+ за 3 месяца.

Барчарты или гистограммы показывают средние баллы по каждому критерию этого менеджера, что помогает идентифицировать, над чем именно стоит работать. Как видно на картинке 4, критерии «Price» и «Pre-closing» проседали, а «Greeting» и «Arrangements» выросли.

Практический результат

Поиск специалиста на открытую вакансию превратился в разработку системы оценивания звонков с помощью ИИ. В результате этой работы мы получили:

• систему, которая мгновенно выдает аналитику разговоров менеджеров по продажам с клиентами, без затрат на дополнительного работника.

• постоянный мониторинг качества обработки клиентов без человеческого фактора.

• основу для KPI менеджеров по продажам – теперь эффективность звонков стала частью мотивации.

• сбор инсайтов от клиентов – ИИ анализирует вопросы, сомнения и пожелания клиентов в звонках, что позволяет лучше адаптировать продукт, коммуникацию и маркетинговые месседжи

• отслеживание прогресса сотрудников – теперь оценки разговоров с клиентами отображаются в графиках и сравнительных таблицах, что помогает строить индивидуальные обучающие траектории для каждого менеджера.

Вывод

ИИ – это не далекое будущее, он работает уже сегодня. И не только для техгигантов. Этот кейс о том, как украинская образовательная компания имела конкретную бизнес-задачу и решила ее с помощью ИИ – яркий пример тому. И это только первый пример из нескольких, которые мы воплотили в жизнь.

Уже в следующем кейсе мы покажем, как искусственный интеллект стал наставником для наших менеджеров. Мы интегрировали ИИ в нашу CRM-систему. Теперь каждый менеджер перед звонком получает краткое описание предыдущей работы с клиентом, рекомендации персональных предложений для него и работы с возражениями. Это экономит время и повышает конверсию. Подробнее – в следующем кейсе о персонализированной поддержке менеджеров.