Менеджер поговорил — ИИ всё запомнил. Как речевая аналитика меняет продажи

Но возможности технологии уже шире. Современные модели анализируют содержание разговора и собирают данные о клиенте. Они могут учитывать историю нескольких звонков и находить закономерности, которые сложно заметить при ручном прослушивании.

Редактор Digital Developer Виктория Пивоварова поговорила с Кириллом Половниковым, основателем сервиса речевой аналитики TalkTune.ru. Обсудили, как работает речевая аналитика и какие задачи она решает в продажах недвижимости. А ещё — о голосовых ИИ-агентах и будущем самой технологии.

— Ещё пару лет назад сама идея автоматического анализа звонков вызывала скепсис. Казалось, что разговоры слишком сложные и их всё равно придётся слушать вручную. Сейчас речевая аналитика уже стала понятной рынку технологией, и я вижу две основные причины такого изменения.

Первая — развитие больших языковых моделей. Речевая аналитика существовала и раньше, но в основном работала через словари и ключевые слова. Система могла найти нужную фразу, но почти не понимала, зачем она прозвучала и что происходило в разговоре. Сейчас модели умеют анализировать смысл диалога, учитывать контекст и связывать между собой историю коммуникаций с одним клиентом.

Вторая причина — бизнес начал понимать, сколько информации остаётся внутри разговоров. Клиент может между делом сказать, что ищет квартиру с определённым видом, собирается покупать после продажи своей недвижимости или примет решение вместе с супругой через две недели. Для сделки это важные данные, но менеджер далеко не всегда перенесёт их в CRM. Если таких звонков сотни, вручную собрать всю информацию уже невозможно.

Поэтому я бы вообще не сводил ценность речевой аналитики к оценке менеджеров. Гораздо интереснее то, что разговор можно превратить в структурированные данные о клиентах и продажах. А вот если компания внедряет систему только для того, чтобы жёстче контролировать сотрудников, она сама сильно сужает возможности технологии.

— Сначала система получает исходные данные: сам звонок из телефонии и связанный с ним контекст из CRM — кто звонил, с каким менеджером общался клиент, на каком этапе воронки находится, каким проектом интересуется. После этого аудио переводится в текст, реплики разделяются между менеджером и клиентом, а результат дополнительно обрабатывается, чтобы корректнее распознавать отраслевые термины и разговоры с плохим качеством связи.

Ключевая задача начинается дальше: нужно понять, что произошло в разговоре и как этот разговор связан со всей историей клиента. Для недвижимости это особенно важно. Покупатель может сегодня спросить про планировку, через неделю обсудить ипотеку, через месяц поменять бюджет, а затем договориться о встрече. Если оценивать каждый звонок отдельно, система быстро начнёт ошибаться. Например, будет снова требовать от менеджера уточнить бюджет, хотя клиент назвал его ещё в первом разговоре.

Поэтому на практике аналитике приходится учитывать не только отдельный звонок, но и этап сделки. Например, в TalkTune.ru для этого несколько этапов CRM можно объединить в один смысловой блок с общей задачей — скажем, вывести клиента на встречу. Одни критерии внутри него оцениваются в каждом подходящем разговоре, другие достаточно выполнить один раз за всю цепочку. Так сервис используется здесь не как отдельный предмет разговора, а как пример того, как можно решить проблему длинного контекста в недвижимости.

Параллельно из разговоров можно собирать данные о самом клиенте: сроки покупки, бюджет, способ оплаты, требования к квартире, возражения. Дальше они возвращаются в CRM или используются в общей аналитике. В итоге современная речевая аналитика работает уже не по схеме «записали звонок — нашли нужные слова — выставили оценку». Между звонком и отчётом появляется бизнес-логика, которая должна учитывать и процесс продаж, и историю конкретного клиента.

— Для менеджера одна из главных ценностей — возможность не держать в голове историю общения с десятками клиентов. Система может сохранить краткое резюме разговора: что хотел клиент, какие вопросы задавал, о чём договорились и что стоит обсудить при следующем контакте. Перед новым звонком менеджеру не нужно заново восстанавливать весь контекст. Это экономит время и помогает лучше подготовиться к разговору.

Поэтому речевая аналитика для менеджера является не только системой оценки, но и рабочим помощником. При этом многое зависит от того, как компания внедряет технологию. Если сотрудникам показывают, как система помогает быстрее готовиться к разговорам, сохранять контекст по клиентам и находить точки роста, речевая аналитика воспринимается уже не как инструмент контроля, а как способ повысить эффективность работы менеджера.

Речевая аналитика уже умеет анализировать смысл диалога, но точность выводов всё равно зависит от того, какие данные получает система. Где сегодня чаще всего возникают ошибки и какого контекста ИИ не хватает?

— Первая проблема — специфика конкретной компании. Система может неточно распознавать названия проектов, улиц, имена и отраслевые термины. Но важнее другое: чтобы оценить работу менеджера, ей нужно понимать сам продукт. Например, если мы хотим проверить, как менеджер презентовал локацию жилого комплекса, системе недостаточно услышать упоминание парка или транспортной доступности. Ей нужна информация о проекте, чтобы сопоставить разговор с тем, что менеджер действительно мог рассказать клиенту.

Поэтому речевую аналитику приходится дополнять данными о компании и её проектах. Тогда система лучше понимает профессиональную лексику и может точнее оценивать содержание разговора. Без такого контекста модель способна правильно расшифровать слова, но сделать неверный вывод о качестве коммуникации.

Вторая проблема — длинный цикл сделки. В недвижимости клиент может несколько раз общаться с компанией в течение недель или месяцев. Менеджер мог узнать бюджет или цель покупки ещё в первом разговоре, и требовать, чтобы он повторно задавал те же вопросы, бессмысленно. Поэтому часть критериев нужно оценивать в каждом подходящем звонке, а часть — по всей цепочке коммуникаций. Иначе система будет формально анализировать отдельные разговоры, но не увидит реальную работу с клиентом.

Для каких бизнес-задач речевая аналитика сегодня работает лучше всего? И по каким показателям можно понять, что она приносит эффект?

— Я бы осторожно относился к обещаниям вроде «подключите речевую аналитику — и конверсия автоматически вырастет на определённый процент». Система сама по себе не продаёт квартиру за менеджера. Она даёт данные, с помощью которых компании могут повышать эффективность процессов. Поэтому самый понятный эффект — экономия времени: не нужно вручную слушать большой объём разговоров, собирать резюме и искать информацию по каждому клиенту.

Отдельный уровень — аналитика клиентской базы. Можно смотреть, как меняется количество покупателей, которые планируют сделку в ближайшие месяцы, какие способы оплаты они выбирают, какие возражения чаще возникают по разным проектам и чем отличается аудитория из разных источников. Такие данные уже могут быть полезны не только отделу продаж, но и маркетингу, коммерческому директору или продуктовой команде.

При внедрении речевой аналитики компании сталкиваются не только с техническими задачами. Насколько важны качество исходных данных и готовность команды работать с результатами анализа? Что чаще всего становится главным барьером?

— Я бы выделил два основных барьера: качество исходных данных и готовность компании использовать результаты аналитики. Интеграцию с CRM и телефонией обычно воспринимают как главную техническую сложность, но всегда её можно решить достаточно быстро. Сложнее, когда сама CRM настроена некорректно: этапы воронки не отражают реальный процесс продаж, не сохраняется часть данных о звонках или система не позволяет однозначно определить, кто общался с клиентом. В таком случае речевая аналитика получает неполные или некорректные данные, а значит, снижается и качество выводов.

Второй барьер связан с процессами внутри компании. Получить отчёт недостаточно — должно быть понятно, кто его анализирует, какие выводы становятся основанием для изменений и как потом оценивается результат. Если эти процессы не выстроены, аналитика остаётся отдельным инструментом, который не встроен в работу отдела продаж. Через некоторое время компания может разочароваться в технологии, хотя проблема заключается не в качестве анализа, а в отсутствии работы с его результатами.

Внедрение речевой аналитики как раз может стать поводом формализовать правила работы отдела продаж. Компания определяет, какие действия менеджера действительно важны на каждом этапе сделки, закрепляет их в критериях и затем отслеживает, как меняется работа команды. Так система помогает не только контролировать уже существующие стандарты, но и выстраивать их там, где раньше они были неформальными.

На рынке уже много решений для речевой аналитики, и базовые функции у них во многом похожи. За счёт чего сегодня может отличаться специализированный сервис и почему вы при создании TalkTune.ru решили сфокусироваться именно на девелопменте?

— Технический порог входа в речевую аналитику заметно снизился. Сам по себе доступ к языковой модели уже мало что определяет. Гораздо важнее бизнес-логика: какие данные система анализирует, какой контекст учитывает и как соотносит выводы с реальным процессом продаж.

В случае с TalkTune.ru мы изначально сфокусировались на девелопменте, потому что у этой отрасли есть своя специфика. Сделка здесь может длиться месяцами, у одного застройщика одновременно идут прямые продажи, агентский канал и сервисные коммуникации с уже состоявшимися клиентами. Кроме того, разные жилые комплексы могут работать с разными аудиториями и сталкиваться с разными причинами отказов. Поэтому одинаково оценивать все разговоры и сводить их в одну общую картину не всегда корректно.

Для нас было важно учитывать эту структуру и смотреть не только на действия менеджера, но и на данные о клиенте. В разговорах остаётся много информации о запросе, сроках покупки, возражениях и изменении интереса. Именно работа с этим массивом данных, на мой взгляд, и становится одним из ключевых направлений развития речевой аналитики.

TalkTune.ru собирает данные о клиентах и может передавать их в CRM. Какие решения руководитель способен принимать на основе такой информации?

— В отделе продаж одновременно могут находиться сотни клиентов, и руководитель физически не может каждый день изучать все карточки и прослушивать разговоры. При этом в диалогах остаётся много важной информации: цель покупки, срок принятия решения, способ оплаты, первоначальный взнос, основные возражения, требования к квартире.

Речевая аналитика позволяет автоматически собирать эти данные и использовать их для скоринга клиентов. Например, система может присваивать теги по заданным признакам: выделять клиентов с коротким сроком принятия решения, высоким потенциалом к сделке или определённым сценарием покупки. Эти метки можно передавать в CRM, чтобы руководитель и менеджеры быстрее понимали, каким клиентам стоит уделить внимание в первую очередь.

Дальше с ними можно работать на двух уровнях. Первый — конкретный клиент. Например, человек говорит, что планирует принять решение в ближайший месяц, но следующий контакт с ним не назначен. Такого клиента можно отдельно выделить и проверить, что происходит со сделкой. Второй уровень — вся клиентская база. Если за несколько месяцев растёт доля покупателей, которые сначала хотят продать свою квартиру и только потом выходить на сделку, это уже не отдельные реплики, а тенденция. То же самое с возражениями: если по конкретному жилому комплексу всё чаще возникает один и тот же вопрос, эта информация полезна уже не только отделу продаж, но и маркетингу или коммерческому блоку.

Важно и то, что клиентский запрос меняется по ходу сделки. Сегодня человек называет один бюджет, через месяц — другой; сначала сомневается из-за цены, затем начинает задавать вопросы о сроках сдачи. Поэтому аналитике недостаточно один раз заполнить карточку клиента. Данные нужно обновлять и дополнять по мере новых контактов. В TalkTune.ru например, эта логика используется для передачи структурированной информации из разговоров обратно в CRM.

Параллельно с речевой аналитикой развиваются голосовые ИИ-агенты, которые уже могут самостоятельно общаться с клиентами. Как вы относитесь к идее заменить операторов и менеджеров ИИ? Какие разговоры уже можно ему передать?

— Я бы ставил вопрос немного иначе: какие разговоры действительно имеет смысл оставлять человеку. Уже сейчас голосовые ИИ-агенты подходят для сценариев с низкой вариативностью: подтвердить запись, принять заявку, ответить на частый вопрос, провести первичную квалификацию. Если разговор строится по понятному сценарию и не требует сложной работы с контекстом, значительную часть такой коммуникации можно автоматизировать.

Сложнее становится там, где клиент проходит длинный путь. В недвижимости от первой заявки до сделки могут пройти месяцы. За это время меняется запрос, появляются новые сомнения, проходят встречи, обсуждаются способы оплаты. Менеджеру нужно учитывать предыдущие договорённости и понимать, когда клиент готов к следующему шагу. Я пока не видел голосового ИИ-агента, который бы системно проводил человека через всю такую цепочку на уровне опытного менеджера. Есть и фактор доверия: в крупной сделке решение зависит не только от рациональных аргументов, но и от качества человеческого контакта.

Поэтому наиболее реалистичным мне кажется гибридный сценарий. ИИ может забирать типовые коммуникации, а человека подключать там, где нужен более сложный диалог. При этом система должна учитывать предпочтения самого клиента. Если он уже попросил общаться с менеджером, нет смысла снова возвращать его к роботу. Для такой автоматизации важен контекст не одного звонка, а всей истории взаимодействия с клиентом.

Речевая аналитика постепенно меняет свою роль. Если раньше её ценность в основном связывали с контролем менеджеров и проверкой скриптов, то теперь технология позволяет работать с гораздо более широким массивом данных: учитывать историю общения, дополнять CRM информацией из разговоров, находить изменения в поведении клиентов и видеть системные проблемы в продажах.

При этом сама технология не решает эти проблемы автоматически. Поэтому ценность речевой аналитики определяется не количеством обработанных звонков, а тем, какие решения компания принимает на основе этих данных.

Следующий этап развития связан с ИИ-агентами. По мере того как типовые коммуникации будут переходить к ним, фокус сместится с проверки отдельных разговоров на комплексный анализ всех каналов взаимодействия с клиентом. Главной задачей станет не только сбор данных, но и их интерпретация: понимание того, что происходит с клиентом на всём пути к сделке и какие выводы из этого должен сделать бизнес. Именно в эту сторону, скорее всего, и будет двигаться рынок.

Телеграм-канал DigitalDeveloper
Подпишитесь, чтобы читать новости, кейсы, исследования и обзоры IT-технологий на рынке недвижимости.