Анализ звонков отдела продаж с помощью ИИ
Практика3 минРедакция Innovialabs
Коротко
Звонки забирают из АТС, расшифровывают ASR, LLM оценивает их по чек-листу и извлекает возражения в JSON, а итог пишется в карточку сделки в CRM — так РОП видит каждый разговор, а не случайную выборку.
Как это работает
Анализ звонков с ИИ — это конвейер из пяти шагов:
- Забрать запись из АТС или облачной телефонии вместе с метаданными: менеджер, номер клиента, длительность, ID сделки.
- Расшифровать речь в текст (ASR) с разделением на спикеров.
- Оценить разговор по чек-листу скрипта с помощью LLM.
- Извлечь возражения, договорённости, следующий шаг.
- Записать итог в CRM и собрать отчёты.
Главная ценность — руководитель отдела продаж видит каждый звонок, а не несколько прослушанных вручную.
Шаг 1–2. Запись и расшифровка
- Настройте получение записей через API или вебхук АТС сразу после завершения звонка.
- Если АТС пишет стерео (менеджер и клиент в разных каналах), используйте это: разделение спикеров будет точнее.
- Для узбекского и смешанной русско-узбекской речи проверьте качество ASR на ваших реальных звонках до запуска.
- Пропускайте короткие звонки и недозвоны, чтобы не тратить ресурсы.
Шаг 3. Оценка по чек-листу
Превратите скрипт продаж в конкретные проверяемые пункты. Плохо: «менеджер был вежлив». Хорошо: «менеджер назвал своё имя и компанию в начале разговора».
Пример промпта с ответом в JSON:
Ты анализируешь звонок отдела продаж. Оцени расшифровку по пунктам.
Для каждого пункта верни: id, passed (true/false), quote — короткая цитата
из расшифровки как доказательство. Если доказательства нет, passed = false.
Пункты:
1. greeting — представился и назвал компанию
2. needs — задал минимум один вопрос о потребностях клиента
3. next_step — договорился о конкретном следующем шаге с датой
Также верни: objections (список возражений клиента), summary (2-3 предложения).
Ответ — только валидный JSON.
Требование цитаты-доказательства резко снижает выдуманные оценки и позволяет менеджеру проверить, почему пункт не засчитан.
Шаг 4. Возражения и инсайты
LLM хорошо выделяет:
- возражения: «дорого», «надо посоветоваться», «уже работаем с другими»;
- как менеджер их отработал — и был ли результат;
- упоминания конкурентов и продуктов;
- договорённости: что обещано клиенту и к какому сроку.
Сведите возражения к фиксированному списку категорий, иначе модель каждый раз придумает новую формулировку и отчёт не сложится.
Шаг 5. Запись в CRM
В карточку сделки или контакта стоит писать:
| Поле | Зачем |
|---|---|
| Краткое резюме звонка | Любой сотрудник понимает контекст за секунды |
| Оценка по чек-листу | Контроль качества и обучение |
| Возражения | Аналитика причин отказов |
| Следующий шаг и дата | Автоматическая задача менеджеру |
| Ссылка на запись | Быстрая проверка спорных случаев |
Большинство CRM позволяют обновить поля и создать задачу через API.
Типичные ошибки
- Размытый чек-лист — модель оценивает «на глаз», результаты не сравнимы.
- Нет калибровки: перед запуском сравните оценки ИИ с оценками РОПа на нескольких десятках звонков и поправьте формулировки.
- Использование оценок для наказания без проверки — менеджеры перестают доверять системе.
- Игнорирование конфиденциальности: клиентов нужно уведомлять о записи, а доступ к расшифровкам ограничивать.