Кирил Паничев, «Лемана Про»: «Раньше мы контролировали всего 1,5% звонков в контакт-центр – теперь 100%, а продажи по телефону выросли на 19%»

– Самый яркий для бизнеса результат – рост продаж по телефону на 19%. Как этого добились через речевую аналитику?

– Все просто и сложно одновременно. Мы начали автоматически контролировать соблюдение этапов продаж в 100% профильных звонков. Система проверяет: выявил ли оператор потребность, отработал возражения, предложил оформить заказ по телефону. Раньше этапы продаж толком никто не соблюдал. А теперь соблюдение скриптов и техник продаж выросло с 41 до 94%. Факт оформления заказа по телефону увеличился с 12 до 15%. Казалось бы, всего 3 пп., но на наших объемах это +19% к фактическим доходам от телефонных продаж.

– То есть операторы стали не просто консультировать, а доводить до сделки?

– Да, и это изменило саму культуру работы. Мы специально сделали так, чтобы у каждого оператора и руководителя групп появился личный кабинет с динамикой по критическим ошибкам и CSI (индекс удовлетворенности клиентов). Человек видит не абстрактную «ошибку», а свою зону роста. Фокус сместился с наказания на развитие. И сразу же получили результат: доля операторов, которые не справляются с консультацией, снизилась с 30 до 12%. А главное – показатель Resolved Issue Rate, иллюстрирующий, решен ли вопрос по мнению клиента, взлетел с 58 до 77%. Это очень серьезный скачок.

Источник: «Лемана Про»

– Что еще изменилось в работе с клиентом?

– Клиентоориентированность команды выросла кардинально. Раньше многие формально «закрывали тикет». Теперь фокус – на реальном решении проблемы. И клиенты это чувствуют. CSI вырос с 4,6 до 4,7. На первый взгляд плюс 0,1 – немного. Но выборка при этом стала 100%, а не 1,5%, как раньше. То есть цифра теперь гораздо объективнее. Процент решенных вопросов, по оценке клиентов, вырос с 90 до 92%.

– Вы упомянули «слепоту к рискам». Как изменилась работа с угрозами и мошенничеством после внедрения системы?

– Раньше мы реагировали, когда проблема уже попала в отчет или, еще хуже, когда клиент уже написал жалобу в соцсетях. Теперь система в реальном времени присылает email-алерты по недопустимым сценариям: угрозы, мошенничество, нецензурная лексика, сбросы звонков. Мы можем вмешаться оперативно, до начала эскалации. Это минимизировало репутационные и юридические риски. Предотвратить инцидент всегда дешевле, чем разбирать последствия с крупными штрафами или потерей рейтинга или доверия.

– Можете привести живой пример, как сработал алерт?

– Был случай: клиент на повышенных тонах начал угрожать физической расправой оператору. Система распознала ключевые фразы, и через минуту алерт ушел руководителю смены. Мы подняли запись, поняли, что ситуация реально опасная, и приняли меры: и по клиенту, и по поддержке оператора. Без речевой аналитики этот звонок ушел бы в общую кучу, и мы бы узнали о нем через неделю, если бы вообще узнали.

– А с мошенничеством как?

– Тоже есть примеры. Звонки от «лже-клиентов», которые пытаются «развести» оператора на смену адреса доставки или переоформить заказ. Система вычленяет паттерны – повторяющиеся сценарии, подозрительные фразы. Мы получаем сигнал, подключаем службу безопасности. И это уже предотвращенные потери.

– Система изолирована в контакт-центре или влияет на другие отделы – доставку, исполнение заказов, маркетинг?

– Влияет, и это один из главных эффектов речевой аналитики для всей компании. Раньше мы выгружали голую статистику без транскрибации диалога – или передавали единичные кейсы, найденные случайно. Теперь все иначе. По каждой выявленной проблеме мы передаем тексты диалогов в смежные подразделения. Они видят не сухие цифры, а живую речь клиента. И на основе этой обратной связи формируем конкретные рекомендации для доставки, контент-команды, закупок.

– Допустим, клиенты жалуются на одну и ту же услугу. Как выглядит цепочка?

– Система кластеризует инсайты из опросников после звонка. Мы видим: за неделю 200 жалоб на услугу «доставка до подъезда». Причем в комментариях повторяется слово «грузчики». Передаем транскрибаты в логистический блок. Они смотрят – и правда, проблема в инструкции для подрядчиков. Меняют процесс. Через месяц жалоб становится втрое меньше. Раньше, чтобы выловить такую закономерность, нужно было вручную пролистывать сотни отчетов. А теперь это автоматика, а значит, скорость и точность.

– Вы упомянули, что точность настройки чек-листов превысила 90%. Почему раньше это вообще было трудно достижимым?

– Потому что, повторюсь, у нас 50 с лишним тематик. Мы с командой 3iTech потратили на настройку чек-листов несколько больше времени, чем планировали. Для каждого параметра – своя логика и условия. Что считать фактом продажи? Как определять полноту консультации? При каких условиях критическая ошибка обнуляет всю оценку звонка? В итоге мы полностью адаптировали архитектуру оценки под себя. Время потратили не зря, инвестиции в точность окупились. Менеджеры и операторы поверили в объективность оценки. А это – главное. Ведь если система ошибается в каждом третьем случае, вы ее просто не будете использовать. А в нашем случае точность очень высокая.

Источник: «Лемана Про»

– Почему вы выбрали именно платформу 3i TouchPoint Analytics? Конкуренты тоже есть на рынке.

– Мы рассматривали разные варианты. Но когда мы сказали подрядчику: «Нам нужно иначе», он не ответил «нельзя», он спросил: «как именно?». Это ключевое, ценное и редкое качество. Ведь мы искали не просто технологию, а партнера, который поможет построить систему качества на данных. 3iTech и команда его разработчиков продемонстрировали глубокое понимание бизнес-задач, техническую зрелость и гибкость в работе – все это стало основой для нашего выбора. Мы все тестировали на реальных звонках: с шумом, акцентами, строительными терминами, артикулами, названиями услуг. Система услышала все. Интерфейс оказался удобным: и оператор, и руководитель быстро находят нужный звонок, понимают причину оценки, видят рекомендации. То есть мы подошли к выбору подрядчика очень утилитарно, но и испытали приятные эмоции.

– Какие планы на 2026–2027 годы? На чем фокусируетесь сейчас?

– Мы хотим превратить речевую аналитику в ядро системы управления качеством и клиентским опытом. Первое – расширить охват на все каналы: чаты, письменные обращения, исходящие звонки. Единая шкала качества: «решено / не решено», «критическая ошибка», «CSI-триггер». Второе – перейти от мониторинга к предиктивной аналитике. То есть прогнозировать всплески жалоб, снижение лояльности у сегмента, всплеск ошибок после изменений в базе знаний. И автоматически выдавать рекомендации: «Обновите статью X», «Проведите тренинг по Y».

– То есть система сама будет говорить, что делать?

– Во многом да. Плюс хотим использовать LLM для автоматической классификации открытых комментариев из CSI, NPS, чатов – по темам, причинам, эмоциям. Без ручной разметки. И генерировать инсайты для владельцев бизнес-процессов: доставка, контент, ассортимент. Например, «Топ‑3 проблем клиентов на этой неделе». Мы уже видим, как это может ускорить реакцию бизнеса в разы.

– Что бы вы сказали компаниям, которые только думают о внедрении речевой аналитики?

– Не ждите идеального момента. Начните с пилота на реальных звонках. Выделите время на настройку чек-листов – это самая важная и недооцененная стадия. Не пытайтесь сделать единые правила для всех: сегментируйте тематики. И главное – не используйте систему как «кнут» для операторов. Если фокус будет на развитии, а не на наказании, вы получите снижение критических ошибок, реальный рост продаж, и по-настоящему лояльных клиентов. Как получили мы.

Telegram-канал генерального директора вендора AI-решений для бизнеса 3iTech Алексея Любимова.

Retail.ru