Хочу поделиться кейсом!
Ваша компания использует генеративный AI в продуктах, проектах и бизнес-процессах? Смело рассказывайте о своем опыте на страницах проекта Generation AI!
Правила отбора
Правила отбора
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
У вас есть вопросы и предложения? Напишите нам!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Хотите такой же кейс, но не знаете, с чего начать?
Запишитесь на консультацию, и наш эксперт ответит на ваши вопросы о генеративном AI!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Хотите внедрить GenAI в свои бизнес-процессы, но не знаете, с чего начать?
Запишитесь на консультацию, и наш эксперт ответит на ваши вопросы о генеративном AI!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Как в школе «Голос Может» анализируют звонки отдела продаж с помощью нейросетей и строят гипотезы на основе AI-дашбордов
Компания
Школа «Голос Может» — проект по построению голоса и речи. Курс учит людей уверенно общаться, уметь договариваться, презентовать себя. С момента основания в 2020 году курсы прошло 20 000 студентов из 73 стран. Лицо школы — автор курса Седа Каспарова, блогер и спикер TEDx, Skolkovo и Synergy Woman Forum.
Март 2025
Продажи
EdTech
Инструменты
Каскад AI-моделей
Самописная модель bewise
Задача
Специфика школы — потоки обучения, которые стартуют два раза в год. Один поток может включать до 3000 студентов. В период запуска в отдел продаж приходят десятки тысяч лидов. Весь этот объем нужно успеть обработать за один-два месяца.
Но продажи зависят от качества коммуникации: корректно ли общаются менеджеры, соблюдают ли скрипты диалогов, предлагают ли скидки, отрабатывают ли возражения. Чтобы это отслеживать, школа решила внедрить аналитику звонков отдела продаж.
Но продажи зависят от качества коммуникации: корректно ли общаются менеджеры, соблюдают ли скрипты диалогов, предлагают ли скидки, отрабатывают ли возражения. Чтобы это отслеживать, школа решила внедрить аналитику звонков отдела продаж.
Как было до внедрения AI:
узкие места системы контроля качества
узкие места системы контроля качества
Сначала школа обратилась к подрядчику за услугой «отдел контроля продаж под ключ». Команда подрядчика слушала звонки школы вручную, ставила менеджерам оценки и раз в две недели готовила отчет. Но у такого решения были недостатки:
Много необработанной информации
В пиковый сезон продаж звонков было десятки тысяч. Подрядчик успевал отслушать лишь 15% звонков, а большая часть ошибок и инсайтов терялась
Низкая глубина аналитики
Например, по возражениям анализ сводился к предположениям типа «скорее всего, влияет возражение "дорого"». А школе хотелось видеть зависимости и выдвигать гипотезы, на какой показатель влияют возражения.
В анализ попадали не все показатели
Например, команда хотела отслеживать и считать в статистику триггеры покупки. Учет триггеров позволил бы масштабировать успешные убеждающие фразы на весь отдел продаж и понимать, какие сделки — заслуга менеджера, а где клиент изначально пришел настроенным на покупку.
Чтобы автоматизировать мониторинг продаж и увеличить глубину аналитики, решили использовать нейросети. Школа начала сотрудничать с bewise — AI-стартапом, который внедряет нейросети в CRM и телефонию.
Архитектура AI-решения
В задаче было несколько технических блоков:
1
Аналитика телефонных разговоров менеджеров по продажам.
2
Автоматические действия в CRM на основе расшифровки разговоров.
3
Онлайн-формирование статистического дашборда на основе информации из CRM.
Для аналитики разговоров использовали три компонента:
Opensource-библиотека Whisper от OpenAI
Дообученная под специфику русского языка — отвечает за распознавание голоса.
Самописная модель bewise
Определяет роль говорящего и диаризацию (разделение входящего аудио на однородные сегменты в зависимости от спикера).
Каскад моделей
Часть из них на базе ChatGPT, часть — на open-source-моделях, а для ряда задач используются собственные, обученные с нуля. Каждая модель вызывается в зависимости от специфики диалога и проводит анализ контекста диалогов.
Нейросеть, распознающую диалоги, интегрировали с инструментами отдела продаж: amoCRM и ip-телефонией Sipuni. А для контроля показателей стали выводить данные из CRM на дашборд, который настроили с помощью BI-сервиса Yandex DataLense.
Контролируем отдел продаж с помощью AI
Модель bewise оценивает каждый звонок по 15 критериям: приветствие, презентация продукта, отработка возражений и другие. Чтобы нейросеть распознавала и правильно оценивала критерии, под каждый из них разработали отдельный промпт. Вот несколько примеров:
Критерий 1: триггер покупки
Это переломный момент диалога, после которого клиент принимает решение приобрести курс. Для него обучили нейросеть определять во фразах сомнение либо согласие. Слушая и анализируя диалог, AI обращает внимание на момент, где после фразы с сомнением следует фраза с положительным утверждением о покупке. Эту первую фразу AI записывает в карточке сделки в CRM.
Критерий 2: образные средства
Критерий отвечает за использование менеджером речевых оборотов, метафор и цитат. Такой прием помогает в продажах, где важен эмоциональный отклик клиента. Нейросеть определяет менеджеров, использующих образные средства, и записывает в журнал тип каждого выражения и какие именно фразы и образы они используют. Журнал можно посмотреть в дашборде.
В дашборде доступен журнал всех образных фраз, который можно отфильтровать по периоду или менеджерам
Транскрибация диалогов
Специфика отдела продаж школы — длинные диалоги, которые могут продолжаться по 15-25 минут. Поэтому нейросети важно было транскрибировать весь разговор и не путаться в контекстах обсуждаемых тем.
Чтобы убедиться, что нейросеть корректно понимает диалоги и ставит оценки, команда bewise провела контрольный период. За это время аналитики bewise валидировали работу AI и оценивали каждый диалог по 100-балльной шкале — насколько нейросеть все сделала правильно. По итогам тестового периода средняя оценка составила 93 балла.
Чтобы убедиться, что нейросеть корректно понимает диалоги и ставит оценки, команда bewise провела контрольный период. За это время аналитики bewise валидировали работу AI и оценивали каждый диалог по 100-балльной шкале — насколько нейросеть все сделала правильно. По итогам тестового периода средняя оценка составила 93 балла.
Отдаем рутину продажников на нейросеть
Помимо телефонии нейросеть также интегрировали в CRM, чтобы после телефонного диалога она сама могла заполнять важные поля — от причины обращения и типа запроса до сферы деятельности клиента и причины отказа в случае неуспешной сделки.
Автоматическая фиксация этой информации освободила для менеджеров значительный пласт времени. Для руководства сделала процесс продаж максимально прозрачным, а отделу маркетинга позволила считать все критичные показатели.
Выводим информацию для руководства на дашборд
Оценки диалогов менеджеров по продажам от нейросети и вся важная информация из CRM выводятся на дашборд в режиме реального времени. Дашборд содержит несколько вкладок:
Сводная аналитика по качеству лидов
Она учитывает конверсию в ключевой этап воронки и создает круговые диаграммы по соотношению сегментов и по сферам деятельности лидов.
Качество коммуникаций
На ней даны средние оценки по менеджерам и два журнала: последних звонков и использования образных средств.
Статистика возражений
На него выводится помесячная статистика в виде матрицы: количество возражений по каждому сегменту клиентов. Здесь же есть журнал последних возражений: таблица со списком, где для каждого возражения указаны дата, менеджер, тип и саммари возражения от нейросети.
Так выглядит сводная аналитика по конверсии лидов у каждого менеджера
Планы
Первый тест AI-решения состоялся на осеннем потоке 2024 года. Теперь инструмент будет использоваться на постоянной основе и, если докажет свою эффективность на следующем потоке, то школа рассмотрит варианты масштабирования продукта на дополнительные воронки продаж и маркетинга.