Речевая аналитика звонков: как ИИ слушает отдел продаж вместо вас

Речевая аналитика — это когда каждый звонок отдела продаж автоматически расшифровывается в текст, размечается по этапам вашего скрипта и получает оценку по чек-листу. Не выборка из пяти записей, а 100% разговоров. В нашем кейсе с оптовым продавцом промышленного оборудования — 15 менеджеров, около 100 звонков в день — это дало +27% к конверсии за 2 месяца, а контроль качества у собственника сжался с 10 часов в неделю до 30 минут. Ниже разбираем, как система устроена внутри, что она реально умеет и на чём такие проекты чаще всего ломаются.

Что такое речевая аналитика и чем она отличается от «записи разговоров»

Записи звонков есть почти у всех — их пишет любая виртуальная АТС. Проблема не в записях, а в том, что их никто не слушает. При 500 звонках в месяц руководитель успевает разобрать 5–15 штук. Это 1–3% потока, и обычно не случайные три процента: слушают либо те звонки, на которые пожаловался клиент, либо те, что менеджер сам предложил на разбор.

Речевая аналитика превращает аудиоархив в структурированные данные. Каждый разговор проходит через распознавание речи, разделяется на реплики менеджера и клиента, сопоставляется с этапами скрипта и получает набор признаков: назвал ли менеджер имя, задал ли вопрос о задаче клиента, прозвучало ли возражение и было ли оно отработано, назначен ли следующий шаг с датой.

Ключевая разница — в единице анализа. Раньше единицей был звонок, который надо послушать целиком. Теперь единица — метрика по отделу за период. Вы не слушаете разговоры, вы смотрите, что «следующий шаг не назначен» встречается в 62% диалогов и у каких конкретно людей.

Отсюда практическое следствие: речевая аналитика полезна не тем, что находит один плохой звонок. Она находит систематическую дыру, которая повторяется у всех и стоит вам денег каждый день.

Как это устроено под капотом: пять слоёв обработки

Технически анализ звонков менеджеров — это конвейер из пяти слоёв. Запись проходит его целиком за несколько минут после того, как менеджер положил трубку.

Распознавание речи. Здесь ломается больше всего проектов: телефонный звук сжат, менеджер говорит через гарнитуру, клиент — из машины на трассе. Модель, которая отлично работает на подкастах, на телефонии выдаёт кашу. Поэтому качество распознавания надо проверять на ваших реальных записях, а не на демо поставщика.

Разделение по спикерам и нормализация. Система размечает, где говорил менеджер, а где клиент — отсюда сразу берётся первая метрика: доля речи. Если менеджер говорит 80% времени, он презентует в пустоту. Затем текст чистится по отраслевому словарю: номенклатура, аббревиатуры, названия конкурентов. Без этого шага отчёты будут формально правильными и практически бесполезными.

Оценка по чек-листу. Языковая модель получает расшифровку и ваш скрипт и отвечает на конкретные вопросы по каждому этапу. Не «оцени звонок от 1 до 10», а «был ли задан вопрос о сроках проекта — да/нет, цитата». Разница принципиальная: первое даёт число, которому никто не верит, второе — факт, который проверяется за 15 секунд по таймкоду.

Доставка результата туда, где принимаются решения: дашборд для собственника, оценка в карточке сделки в CRM, уведомление РОПу по критичному звонку в день звонка, а не в конце месяца.

Что именно ИИ считает в звонках

Ошибка большинства внедрений — попытка мерить всё сразу. Полезных метрик в звонке десятки, но управленческих решений вы принимаете единицы. Начинать надо с тех признаков, которые прямо связаны с деньгами.

Ниже — базовый набор, с которого мы обычно стартуем пилот. Он собирается из расшифровки и не требует ручной разметки тысяч диалогов.

Важное свойство такого набора: почти каждая строка превращается в задачу для РОПа. «Следующий шаг не назначен в 62% звонков» — это не наблюдение, это план работы на неделю.

• Разметка 100% диалогов, а не выборки — исчезает вопрос «а что в тех звонках, что вы не слушали?»
• Каждая оценка подкреплена цитатой и таймкодом — разбор с менеджером идёт от фактов
• Данные копятся: через три месяца видна динамика по каждому сотруднику, а не впечатление

| | | |

|---|---|---|

| Метрика | Что показывает | Какое решение из неё следует |

| Прохождение этапов скрипта | Где разговор обрывается: приветствие, выявление потребности, презентация, возражения, следующий шаг | Точечное обучение по конкретному этапу вместо общего тренинга «по продажам» |

| Доля речи менеджера | Кто ведёт разговор и сколько говорит сам клиент | Работа с теми, кто ушёл в монолог: скрипт вопросов вместо скрипта презентации |

| Топ возражений | Что реально говорят клиенты по всей базе, а не что менеджеры записали в CRM | Переписать блок отработки в скрипте под фактические формулировки |

| Назначен следующий шаг | Есть ли в конце разговора конкретное действие и дата | Самая быстрая точка роста конверсии: правило «звонок закрыт только с датой» |

| Обещания вне регламента | Скидки, сроки и условия, которые менеджер обещать права не имел | Предотвращение конфликтов и убыточных сделок до подписания |

| Тональность и эскалации | Разговоры, где клиент недоволен или разговор пошёл на повышенных тонах | Возврат клиента в тот же день, пока он ещё не ушёл к конкуренту |

Кейс: 15 менеджеров, 100 звонков в день и собственник, который «всё контролировал»

Оптовый продавец промышленного оборудования. Отдел продаж — 15 человек, около 100 звонков в день, длинный цикл сделки, средний чек в сотнях тысяч рублей. Собственник тратил на прослушку 5–10 часов в неделю и считал это контролем.

Формальная боль звучала как «конверсия не растёт, хотя лидов достаточно». Настоящая была другой: он перестал понимать собственный отдел. Не мог объяснить цифрами, почему один менеджер закрывает заметно лучше другого на одинаковом трафике.

Идею ИИ он сначала отверг: «машина не поймёт нашу специфику, у нас технические переговоры, а не продажа пылесосов». Согласился на пилот с условием — сначала система разбирает сотню звонков, которые он уже слушал сам, и они сверяют оценки. Совпало почти везде. Этот приём мы теперь предлагаем всем скептикам.

Дальше настроили разбор 100% диалогов по чек-листу под их скрипт. Результат за два месяца: конверсия +27%, время собственника на контроль качества — 30 минут в неделю вместо 10 часов. Освободившееся время ушло на крупные сделки, где присутствие собственника реально влияет на исход.

Отдельно всплыло то, чего никто не ожидал. Сильный менеджер, которого считали просто талантливым, отличался двумя вещами: всегда доходил до вопроса о задаче клиента и всегда закрывал разговор датой следующего контакта. Это оказались не черты характера, а два пункта, которые можно вписать в скрипт для всех.

Где речевая аналитика работает кроме отдела продаж

Продажи — самый частый вход, но не единственный. Технически всё, что записано в аудио, можно разметить и посчитать. Вопрос только в том, есть ли за этим управленческое решение.

В колл-центре это контроль соблюдения регламента и поиск причин повторных обращений. Если треть звонков начинается с «я вам уже звонил на прошлой неделе», проблема в процессе, а не в операторах. Как ИИ закрывает нагрузку на линии и обзвон базы — отдельная тема на странице про ИИ для колл-центра.

В клиниках и салонах — контроль записи: сколько обращений закончилось записью на приём, а сколько «мы вам перезвоним» так и осталось обещанием. В юридических практиках — квалификация: подходит ли ситуация клиента под услугу вообще, чтобы час консультации уходил на целевой лид. В нашем кейсе с юркомпанией по банкротству работа с обращениями подняла конверсию в оплату с 15% до 35%.

В обучении новичков речевая аналитика даёт то, чего не даёт наставник: подборку лучших звонков по конкретному продукту и разбор собственных разговоров с первого дня. Наставник — обычно ваш сильный продавец, и каждый час его наставничества стоит вам недоданных продаж.

Где такие проекты ломаются

Первая и главная причина провалов — внедрили аналитику и оставили всё остальное как было. Дашборд красивый, отчёты приходят, скрипт прежний, планёрки прежние. Через два месяца вкладку перестают открывать. Речевая аналитика — инструмент управления, а не отчётности.

Вторая — попытка использовать её как надзор. Когда менеджеры узнают о системе из приказа и читают её как «теперь за нами следят», начинается саботаж: важное уходит в личные мессенджеры и на личные мобильные. Работает другая рамка: система ищет слабые места в процессе, а не виноватых. Помогает начать с разбора лучших звонков, а не худших.

Третья — чек-лист, списанный из интернета. «Установил контакт», «выявил потребность», «отработал возражение» — категории из учебника, а не из вашей сделки. Чек-лист собирается из ваших реальных разговоров: слушаем 50–100 звонков, находим, чем выигранные отличаются от проигранных, и уже эти отличия превращаем в пункты.

Четвёртая — данные живут отдельно от сделок. Аналитика в одной системе, CRM в другой, связи между ними нет. Тогда невозможно ответить на главный вопрос: как разговор повлиял на результат сделки. Оценка звонка должна попадать в карточку сделки, иначе это просто ещё один отчёт.

Пятая — часть разговоров вообще не попадает в запись. Мобильные менеджеров вне корпоративной телефонии, звонки через мессенджеры, встречи в полях. В отчёте это выглядит как «у менеджера мало звонков», хотя причина в телефонии. Поэтому карта автоматизации начинается с аудита того, где и как ваши люди реально звонят.

Как запустить: порядок действий

Мы не начинаем с покупки системы. Сначала надо убедиться, что в ваших звонках вообще есть то, что стоит денег.

Шаг первый — карта автоматизации. Две недели, бесплатно. Слушаем реальные звонки вашего отдела, разбираем скрипт и этапы воронки, показываем на бумаге: где теряются сделки и что из этого закрывается речевой аналитикой. Документ остаётся у вас в любом случае.

Шаг второй — пилот, от 90 000 ₽. Один участок, метрика согласована заранее. Подключаемся к вашей телефонии и CRM, собираем чек-лист под ваш скрипт, размечаем поток и выдаём первый живой отчёт. Здесь полезен приём из кейса выше: возьмите сотню звонков, которые вы слушали сами, и сверьте оценки системы со своими. Расхождения правим до запуска на весь отдел.

Шаг третий — контур. Дашборд по менеджерам и этапам, автоуведомления по критичным звонкам, динамика возражений, дообучение модели на накопленных диалогах. РОП работает по фактам, вы смотрите сводку.

Разбор тарифов и того, из чего складывается цена, — на странице стоимости внедрения ИИ. Если вы ещё выбираете между автоматическим разбором и привычной ручной прослушкой, у нас есть отдельное сравнение по семи параметрам — там честно указан и тот случай, где человек выигрывает.

• Неделя 1–2: карта автоматизации, разбор звонков и скрипта, расчёт потенциала в рублях
• Неделя 3: сборка чек-листа под ваш скрипт, интеграция с телефонией и CRM
• Неделя 4: сверка оценок ИИ с вашими на знакомых звонках, калибровка чек-листа
• Месяц 2: разметка 100% потока, первые управленческие решения по данным
• Месяц 3: динамика по сотрудникам, переписанный скрипт, дообучение на ваших диалогах

Как посчитать, окупится ли это у вас

Считать надо в двух местах: освободившееся время руководителя и сделки, которые сейчас проигрываются по устранимым причинам.

Время считается прямо. Руководитель с окладом 150 000 ₽, который тратит 10 часов в неделю на прослушку, тратит на неё около 35–40 тысяч рублей в месяц. Это не экономия сама по себе — это часы, которые возвращаются в управление и крупные сделки.

Сделки считаются от вашей воронки. Возьмите число звонков в месяц, текущую конверсию и средний чек. Дальше вопрос: если дыра вроде «следующий шаг не назначен» встречается в половине разговоров, сколько сделок вы вернёте, закрыв её хотя бы наполовину? В кейсе с промоборудованием ответ на этот вопрос дал +27% конверсии, и работа шла не с технологией, а с двумя пунктами скрипта, которые технология позволила найти.

Порог входа, ниже которого мы честно отговариваем: отдел до 3–5 менеджеров и меньше 100 звонков в месяц. При таком объёме руководитель физически успевает слушать почти всё. То же самое — если продукт только запустили и внятного скрипта ещё нет: сначала нужен скрипт, потом контроль его исполнения.

И последнее. Пилот идёт с фиксированной метрикой, согласованной до старта. Не увидели результат на своей метрике — возвращаем деньги за пилот. Это единственный честный способ говорить про внедрение ИИ без обещаний.

Частые вопросы

Чем речевая аналитика отличается от обычной записи разговоров в АТС?

Запись — это архив, который никто не слушает. Речевая аналитика превращает архив в данные: расшифровывает каждый звонок, разделяет реплики менеджера и клиента, размечает этапы скрипта и выставляет оценку по чек-листу. Вы смотрите не на список файлов, а на метрики по отделу — например, в какой доле разговоров менеджеры забывают назначить следующий шаг.

Насколько точно ИИ распознаёт телефонные звонки?

Точность зависит от качества связи и отраслевой лексики. Телефонный звук сжат, а в разговорах звучат номенклатура, аббревиатуры и названия продуктов, которых нет в общих словарях. Поэтому мы проверяем распознавание на ваших реальных записях до старта и заводим отраслевой словарь. Хороший способ проверки — дать системе сотню звонков, которые вы уже слушали сами, и сверить оценки.

Сколько стоит внедрение речевой аналитики?

Карта автоматизации с разбором ваших звонков и расчётом окупаемости — 0 ₽, две недели. Пилот на один участок — от 90 000 ₽, с метрикой, согласованной до старта, и возвратом денег, если результата на этой метрике нет. Полный контур на отдел считается после карты автоматизации: цена зависит от числа процессов и состояния вашей CRM и телефонии.

Менеджеры примут то, что их разговоры слушает ИИ?

Сопротивление возникает, когда систему подают как надзор. Тогда важные разговоры уходят в личные мессенджеры. Работает другая подача: система ищет слабые места в процессе и скрипте, а не виноватых. На старте полезно разбирать лучшие звонки и показать команде, что оценки идут с цитатами — это защищает их от разборов по ощущениям руководителя.

Заменит ли речевая аналитика руководителя отдела продаж?

Нет, она меняет его работу. ИИ закрывает охват: размечает 100% диалогов и выдаёт список проблемных звонков с таймкодами. Дальше нужен человек — разобрать разговор вместе с менеджером, услышать интонацию, учесть контекст сделки. Рабочая схема — связка: система находит, руководитель разбирает. В кейсе с промоборудованием это сжало контроль качества с 10 часов в неделю до 30 минут.

Кому речевая аналитика пока не нужна?

Отделам до 3–5 менеджеров с потоком меньше 100 звонков в месяц: руководитель успевает слушать почти всё вручную. И компаниям, которые только запустили продукт: если скрипта и критериев хорошего звонка ещё нет, контролировать нечего. Сначала скрипт, потом автоматический контроль его исполнения.

---

Речевая аналитика не делает менеджеров лучше сама по себе. Она убирает слепую зону, в которой вы платите зарплаты и рекламный бюджет, не зная, что происходит в разговорах с клиентами. Дальше всё решают ваши действия по этим данным: переписанный блок скрипта, правило по следующему шагу, точечное обучение конкретного человека на конкретном этапе. Хотите проверить это на своих звонках без обязательств — начните с бесплатной карты автоматизации: за две недели разберём реальные диалоги вашего отдела и покажем в рублях, где именно теряются сделки и что из этого закрывает ИИ.

Внутренние ссылки:

• речевая аналитика или ручная прослушка: сравнение по семи параметрам
• ИИ для отдела продаж и контроль качества звонков
• ИИ для колл-центра
• стоимость внедрения ИИ
• витрина кейсов Edemium