Речевая аналитика с искусственным интеллектом

Речевая аналитика расшифровывает записи разговоров с клиентами и исследует качество звонков при помощи ИИ. Сервис обрабатывает информацию из диалогов, дает им оценку и формирует отчеты, в которых видны: эффективность работы сотрудников, соответствие или отклонение от скрипта, теги и квалификация лидов, негатив клиента и другие показатели.

Компаниям, где совершается большое количество звонков, необходимо оценивать их качество: находить ошибки в работе операторов, совершенствовать чек-листы, узнавать причины несостоявшихся сделок.

Руководители могут прослушивать записи самостоятельно, тратя много времени и сил. Могут нанять специальный отдел, но тогда придется увеличивать расходы на ФОТ. Это особенно ударяет по бюджету, если аналитика предусматривается, например, для контактных центров.

Кроме того, вручную человек прослушивает не более 10% от всех звонков: такая выборка не позволяет установить полный контроль за соблюдением необходимых метрик. Можно узнать примерный расчет показателей, но нельзя вскрыть реальных проблем: как часто продавцы грубят клиентам и влияет ли это на исход сделок.

Именно сервис речевой аналитики позволяет оценивать весь объем звонков — без расширения штата и тяжелых финансовых затрат. Решение показывает, где происходят отклонения от ключевых метрик. К примеру, при распознавании текста находит в речи менеджеров нецензурную лексику. Качество коммуникаций отображается в специальных дашбордах и отчетах.

Речевая аналитика подходит для самых разных сфер: для колл центра, недвижимости, образования, медицины и др. Нередко в таких организациях уже внедрены процессы прослушивания записей разговоров, оценки их качества, также, скорее всего, есть понимание о целевом и нецелевом обращении, а ежедневный объем звонков велик.

Задачи бизнеса, которые решает речевая аналитика:

• Сокращает время на прослушивание телефонных записей. Система обрабатывает все обращения и выделяет ключевые моменты в диалогах. Компания получает полную картину по состоявшимся коммуникациям, при этом не расширяет штат.
• Классифицирует обращения на «спам», «целевые успешные», «целевые неуспешные». Находит негатив и распознает ошибки операторов. Этим упрощает анализ звонков: не нужно слушать все подряд коммуникации, можно увидеть причины несостоявшихся сделок или, наоборот, выяснить закономерность, по которой клиенты покупают чаще всего.
• Выявляет риски. Если важно отслеживать негатив клиента, можно создать для этого специальный тег. Речевая аналитика выделит его в диалоге, руководитель сможет вовремя вмешаться и спасти сделку.
• Предоставляет объективную оценку звонка. Полученный результат исключает человеческий фактор и строится на базе единых стандартов: искусственный интеллект показывает эффективность работы сотрудников, квалификацию лидов, качество диалогов.

В итоге плюсы речевой аналитики очевидны: сервис позволяет прослушивать все записи разговоров с клиентами — без участия живого человека — и быстро находить те, которые требуют контроля. Система расшифровывает звонки и анализирует данные на их основе, создает отчеты, которые показывают проблемные места в коммуникации с клиентами.

Транскрибация (speech-to-text, STT) — это технология, которая преобразовывает голос в текст. Синтез (text-to-speech, TTS), напротив, переводит машинописный текст в устную речь.

Такие сервисы используются для самых разных целей. Например, расшифровка может понадобиться, чтобы перевести в текст аудио- или видеовыступление, зафиксировать информацию из брифингов и совещаний. Отличие инструмента аналитики от простого распознавания речи в том, что ее задача — не просто расшифровать звонок, но еще и проанализировать его.

Распознавание речи — это часть процесса аналитики, первая ступень на пути к исследованию качества звонков. Технология STT быстро расшифровывает текст, который затем анализируется — благодаря ML- и LLM-моделям. При этом точность транскрибации, хотя и остается высокой, не так важна: контекст, резюме, выделенные фразы и теги позволяют сделать точные выводы о содержании диалогов.

Так можно всесторонне узнать информацию о том, как менеджеры коммуницируют с клиентами. Но аналитику можно использовать и только для транскрибации, когда задача бизнеса — установить распознавание речи. Формально она будет работать как инструмент для расшифровки и поиска по ключевым словам.

Кроме того, можно пользоваться инструментом как сервисом, который необходим для распознавания речи, чтобы полученный текст выгружать по API и отправлять для исследования в свои нейронные сети.

В минимальной функциональности система может:

• Расшифровывать звонки. На базе AI (artificial intelligence, искусственный интеллект) осуществляется распознавание речи: так работает STT-технология, которая переводит голос в текст. Диалоги можно использовать вместо прослушивания записей.
• Тегировать расшифрованный текст по ключевым словам и фразам. Отображение повторяющихся слов или словосочетаний позволяет быстрее определить содержание диалога и вникнуть в суть проблемы.

На более продвинутом уровне речевая аналитика умеет:

• Оценивать тональность и эмоции. Робот устанавливает эмоциональное состояние клиента и оператора. На основе лексического анализа выявляет положительные или отрицательные чувства, например радость и раздражение. На основе семантического — рассматривает связи между словами, чтобы не допустить неверных интерпретаций.

Полноценная речевая аналитика также задействует ML- и LLM-модели, которые повышают точность исследования текстов. ML-модель (machine learning, машинное обучение) решает задачи на основе данных: ориентирована на обучение алгоритмов и дальнейшее прогнозирование. LLM-модель (large language model, большая языковая модель) — подтип нейросетей, оптимизированный для обработки человеческого языка.

При таких технологиях инструмент может:

• Осуществлять сложное тегирование. С аналитикой звонков по LLM-модели система понимает контекст и классифицирует обращения: новые покупатели, заказы, жалобы и т. д. Определяет тему обращения. Например, если клиент говорит о том, что подумает над предложением и вернется позже, тема отображается как «отложенная покупка».
• Резюмировать диалоги. Так проще установить контроль за соблюдением качества звонков: сервис выделяет ключевые места беседы и делает краткую выжимку текста, в которой сразу виден итог обращения и работа продавца.
• Обучать сотрудников. Системы с дополнительными ML-моделями в речевой аналитике определяют слабые места в коммуникации, ставят звонкам — на основе различных метрик — оценку, что подсвечивает пробелы в навыках менеджеров. В числе показателей могут быть: тон общения, нецензурная лексика, перебивания и др.

Когда система предусматривает не только базовую, но и продвинутую функциональность — распознавание речи, тегирование по ключевым словам и сложное тегирование с учетом контекста, анализ тональности звонков, резюмирование диалогов, метрики по эффективности работы операторов, — тогда она максимально автоматизирует процессы в компании.

Так, например, работает речевая аналитика UIS. С ее помощью можно управлять лидами, видеть ошибки в коммуникации с клиентами, прогнозировать успешность сделок, улучшать конверсии в продажу.

Техническая реализация речевой аналитики, которая производит оценку качества звонков, выглядит так:

1. Виртуальная АТС записывает разговоры с клиентами.
2. Затем происходит автоматическое распознавание речи: записи переводятся в текст с помощью STT-технологий.
3. ИИ анализирует диалоги по основным критериям (тону общения, нецензурной лексике и др.), определяет их содержание, находит слова по тегам, резюмирует полученные данные.
4. В итоге формируется отчет, в котором отображены аудиозаписи и расшифровка текстов с подробной детализацией звонков: эффективность работы, метрики в разрезе каждого диалога, сработавшие теги и т. д.

Это позволяет сконцентрироваться на тех телефонных разговорах, которым действительно требуется анализ: частый негатив клиента, причины отказа от сделок, мнение клиентов о продукте, нарушение этики со стороны сотрудников и др.

Решение поможет оценивать работу менеджеров и обучать их, улучшать качество обслуживания клиентов, автоматизировать процессы и расширять бизнес.

Загружайте в систему скрипты, и речевая аналитика с AI установит, соблюдают ли сотрудники внутренние стандарты продаж. Отчет с оценкой качества по звонкам покажет: аудиозаписи и расшифровку диалогов, необходимые метрики, соответствие стандартам коммуникации, фильтры. Это детальная аналитика, которая полностью даст представление о том, как продавцы работают с возражениями, где и почему возникают конфликтные ситуации, получают ли клиенты всю информацию о продукте или услуге и т. д.

Вы сможете оценивать скрипты на всем массиве звонков, и речевая аналитика предоставит данные по возрастанию оценки операторов: кто наиболее и наименее эффективен. Руководителю будет проще давать обратную связь и выстраивать мотивацию среди операторов.

Так речевая аналитика помогает ускорить обучение сотрудников отдела продаж: находить ошибки в общении, восполнять пробелы, контролировать весь массив коммуникаций. Помимо прочего, это позволяет узнавать, какие возражения возникают у клиентов, и переписывать чек-листы.

Например, маркетологи запустили акцию на товар, но он плохо продавался. Аналитика на основе звонков показала, что менеджеры не понимают условия акции и отвечают на вопросы клиентов расплывчато. Объяснили операторам, что нужно говорить, и акция заработала.

Речевая аналитика позволяет классифицировать звонки. Если, допустим, вы заметили, что операторы стали часто скидывать обращения в нецелевые, то выяснить причину можно по краткой выжимке текста.

Нужно провести аналитику при сортировке звонков: выбрать сотрудников, которые набрали минимальное количество баллов при квалификации, и прочитать резюме разговоров, узнать, какие пункты чек-листа менеджеры игнорируют.

Например, речевая аналитика может показать, что клиенты часто готовы купить, но сделки упускаются по вине продавцов: они не проговаривают ценностей продукта. При этом не нужно слушать все записи, они ищутся по фильтрам.

Вы можете задать умные теги: «негатив клиента», «крупная сделка», предварительно оценив, какие разговоры относятся к данным ситуациям и что говорят при этом клиенты. Когда происходит распознавание речи и звонки переводятся в текст, срабатывает умный тег: обычно процесс занимает не более 2 минут.

Теги отображаются в отчетах, можно сразу перейти к выделенным местам и посмотреть нужную часть диалога. Выяснив причину недовольства, спасти сделку. Можно также настроить автоматические уведомления: тогда руководитель станет получать оповещения на почту, в SMS или мессенджер о том, что сработал тег, и он оперативно решит проблему.

Если есть большое количество обращений, например аналитика требуется для колл центра, но при этом необходима лишь транскрибация, можно выгружать расшифровку записей через API. Данные сохраняются в таких форматах, как XLSX, CSV, JSON и др.

Если сервис анализа звонков задействовать полностью, то будет возможна и выгрузка отчетов — для обработки в других корпоративных информационных системах.

Встройте речевую аналитику в инфраструктуру компании и CRM. Хорошо, когда настройка инструмента связана с IP-телефонией и другими решениями омниканальной системы. Это обеспечивает удобство в использовании сервиса и увеличивает точность данных.

Речевая аналитика в связке с IP-телефонией, текстовыми коммуникациями, интеграцией, отслеживанием звонков и чатов в СРМ, отчетами — в том числе на основе ИИ — собирает все данные в едином контуре и гарантирует их безопасность. Так проще управлять воронкой продаж: видеть все касания клиента с компанией — от рекламы до сделки, понимать, где есть проблемные места и как их устранить.

Речевая аналитика закрывает важные боли в продажах: позволяет прослушивать и оценивать весь массив звонков, обрабатывать, классифицировать, тегировать обращения, формировать отчеты по эффективности сотрудников.

Решение работает на технологиях, задействующих искусственный интеллект, включая распознавание речи (STT), ML- и LLM-модели. Так система предоставляет точные результаты и анализирует данные в сотни раз быстрее, чем человек.

Речевая аналитика подходит для разных сфер, в том числе для колл центра, медицины, недвижимости, авобизнеса и др. Руководители получают возможность видеть, как соблюдаются скрипты, чем бывает недоволен клиент, верна ли квалификация лидов и т. д.

Главный критерий внедрения и настройки — компаниям требуется анализ большого количества входящих звонков, чтобы оценивать коммуникации в разрезе каждого диалога и принимать верные управленческие решения.

AI — Artificial intelligence, искусственный интеллект, ИИ.

API — Application programming interface, программный интерфейс приложения.

CRM — Customer relationship management, система для управления и хранения информации о взаимоотношениях с клиентами.

CSV — Comma-separated values, текстовый формат для хранения табличных данных.

IP — Internet protocol, сетевой протокол для передачи данных между устройствами в интернете.

JSON — JavaScript object notation, текстовый формат обмена данными.

LLM — Large language model, большая языковая модель.

ML — Machine learning, машинное обучение.

SMS — Short message service, технология приема и передачи коротких текстовых сообщений по телефону, СМС.

STT — Speech-to-text, технология распознавания речи.

TTS — Text-to-speech, технология синтеза речи.

XLSX — Excel office open XML Spreadsheet, формат файлов Microsoft Excel.