Вы теряете клиентов непонятно почему? Может из-за плохого качества звонков? Менеджеры не соблюдают скрипты, забывают о важных деталях, а клиенты уходят к конкурентам? По данным исследования Calltouch, 67% клиентов отказываются от сотрудничества после одного неудачного звонка. Но хорошая новость в том, что контроль качества звонков можно настроить автоматически и бесплатно с помощью мощного инструмента для автоматизации бизнес-процессов. В этой статье вы узнаете, как это сделать.
Почему контроль качества звонков – must have для вашего бизнеса
Контроль звонков – это не просто прослушивание разговоров. Это система, которая помогает:
- Увеличить конверсию – по нашим данным, внедрение контроля качества звонков повышает продажи на 15-30%
- Снизить количество ошибок менеджеров
- Улучшить клиентский опыт – клиенты чувствуют заботу и возвращаются
- Оптимизировать обучение сотрудников на реальных примерах
Как оценивать эффективность контроля звонков: чек-лист
Раз в неделю (или раз в месяц) анализируйте:
- Процент проблемных звонков (должен снижаться)
- Динамику конверсии в продажу
- Количество повторных обращений клиентов
- Скорость ответа на запросы
Автоматизированный контроль качества звонков – это не роскошь, а необходимость для бизнеса в 2025 году. С n8n вы можете внедрить эту систему бесплатно, без программистов и дорогих решений. Первые результаты увидите уже через 2-3 недели.
Традиционные системы контроля требуют дорогостоящего ПО и временных затрат. Решение – n8n, бесплатная платформа с открытым кодом с очень быстрым временем запуска.
Что такое n8n и почему он идеально подходит для контроля звонков
n8n – это визуальный конструктор для автоматизации, который позволяет соединять разные сервисы без программирования. Преимущества для контроля качества:
- Бесплатный – даже для коммерческого использования
- Гибкий – можно настроить под любые требования
- Интегрируется с популярными колл-трекерами (Calltouch, Манго, Roistat)
- Автоматизирует всю цепочку: от записи звонка до отправки отчета
Несколько кейсов компаний, которые внедрили контроль звонков
1. Сеть стоматологий «Дентал Групп»
После автоматизации контроля качества:
- Конверсия звонков выросла на 27%
- Средний чек увеличился на 15%
2. Интернет-магазин электроники «ТехноСити»
Внедрили систему оценки менеджеров по 10 параметрам. Результат:
- Сократили количество возвратов на 40%
- Увеличили NPS (индекс лояльности) с 62 до 81
Итог: Почему Стоит Автоматизировать Контроль Качества Звонков
В условиях высокой конкуренции контроль качества звонков — не просто опция, а стратегическая необходимость. Автоматизация позволяет:
- Системно улучшать работу менеджеров.
- Быстро выявлять и исправлять ошибки.
- Повышать уровень клиентского сервиса и, как следствие, продажи.
Хотите увеличить продажи и улучшить качество звонков? Тогда читаем дальше:
Исходные данные:
- есть дешевая ip телефония, откуда поступают ссылки на записи звонков в компанию сразу после разговора.
- есть 3 менеджера отдела продаж, которые зашиваются и явно упускают часть прибыли для компании.
- тотальная экономия, практически с нулевым бюджетом. Руководство не готово вкладывать дополнительные средства в использования более дорогих сервисов.
Как я сделал автоматизацию бесплатно:
Развернул на хостинге нашей компании, теперь уже любимый, сервис автоматизации n8n. Затраты 0 р. Можно использовать локальный сервер (затраты 0 р, но там некоторые триггеры могут не работать и придется искать обходные решения). А можно автоматически запустить на хостинге Бегет буквально в несколько кликов (210 р. в месяц, затраты для целой кучи таких задач смешные). Если интересно как запустить его на Бегет, спрашивайте — расскажу.
Изначально задача была упрощена: звонок сначала распределяется по отделам и соответственно поступает на отдельные телефоны.
По хорошему надо подвергнуть анализу вообще все звонки, которые поступают в компании. Но начнем сначала с самого главного: с продажников.
На почту поступают ссылки на записи с указанием отдела и номера телефона, который принял. Сделать отдельный сценарий куда направлять ссылку в зависимости от отдела элементарно, даже расписывать не буду. Думаю понятно, что дальше можно направлять куда угодно — на почту, в таблицу, в базу, в телеграм и т.д.
Теперь о главном: Оцениваем продажников. Создаем для этого отдельный сценарий. Он состоит из двух частей. (сразу скажу- это упрощенный вариант. у меня немного сложнее: с базой данных, скриптами и промтами для разных отделов и т.д.)
Предварительно рекомендую сразу создать необходимые подключения:
В интерфейсе n8n выбираем вкладку Credentials, справа вверху жмем красную кнопку и выбираем: Create Credential.
Выбираем в списке тип соединения: Telegram. В форме просто вводим секретный ключ вашего бота (он предварительно создается в самом главном боте: @BotFather) в поле Access Token.
Так же заводим новый Credential (тип- Header Auth) для транскрибатора AssemblyAi — предварительно получаем ApiKey (об этом чуть ниже), заносим его в поле Value.
В поле Name пишем как на картинке.
Теперь главное:
1. Часть: Сначала ссылка на звонок поступает в закрытый чат телеграм из предварительного сценария распределения или просто вручную. Телеграм-триггер ловит сообщение. Далее стоит модуль с условием, где проверяется ссылка, тип файла и от кого поступила.
Если все хорошо, передаем в ссылку на файл для транскрибации в AssemblyAi. Почему? Напоминаю: мы жестко экономим, а транскрибация разговоров менеджеров удовольствие не дешевое.
Сервис AssemblyAi (https://www.assemblyai.com) при регистрации дает 50$, а это, если я правильно подсчитал, 130 часов транскрибации! Получаем там бесплатно Api Key (https://www.assemblyai.com/app/api-keys). Подключение сделано через Http модуль с указанием вашего Api Key. Задание уходит и результат будет ловиться вебхуком.
В триггере Телеграм выбираем созданный ранее Credential, в поле ниже указываем что он будет ловить. В нашем случае — сообщения.
Если вы хотите, чтобы работа бота велась в чате, предварительно в управлении группой сделайте его администратором.
В модуле (ноде) IF задаем условия для проверки входных данных:
- Наличие ссылки
- Наличие звукового файла
- Id пользователя
Если все условия соблюдены, двигаемся дальше.
Настраиваем модуль (ноду) отправки данных в AssemblyAi :
Указываем Url как на картинке, в Header Auth выбираем ранее созданный Credential.
Далее указываем ссылку на звуковой файл (просто перетаскиваем поле из ноды IF (или из телеграм триггера), остальное пишем как на картинке.
Далее самая нижняя часть настройки ноды:
Тут пишем все как на картинке, кроме webhook_url. Url состоит из адреса сайта (с https), /webhook-test/уникальный код вебхука. Его мы получим дальше, просто держите это в голове.
И важный момент: после тестов, когда вы уже включите сценарий на постоянку, нужно будет обязательно вместо webhook-test написать в этом url просто webhook.
Настройки первой части на этом закончены. На самом деле все это занимает минут 5, быстрее чем прочитать. Приступаем ко второй части.
2. Часть: Настроенный вебхук ловит статус выполнения задания. Если все хорошо (проверку делает нода IF), происходит получение результата транскрибации через Http модуль и дальше отправляется в Ai на обработку. Забыл сказать: для обработки потребуется промт и схема разбора текста. Это мы задаем в ноде Set, а обработчиком выступает нейросеть DeepSeek (и она отлично справляется с задачей совершенно бесплатно — как подключить за пару минут бесплатно и разбогатеть на 20$, я уже писал В ЭТОЙ СТАТЬЕ).
Акция бесплатного подключения DeepSeek в этом сервисе закончилась.
Но я нашел для вас еще вариант с бесплатным подключением нейронок: НА СЧЕТ ПРИ РЕГИСТРАЦИИ ПО ССЫЛКЕ ПОСТУПАЕТ 250$ !!!
Ссылка для регистрации и получения 250$
Регистрируемся обязательно только через GitHub
После этого результат можно направить куда удобно, в моем случае в телеграм, в тот же чат, откуда поступила ссылка на запись звонка.
Предварительно, для еще большего удобства, я поставил 2 ноды Code: первая разбивает текст на части, если текст будет длинный, вторая улучшает вид, избавляя от неприятных символов, вроде: *, #. Но это не обязательно, можно отправлять прямо в Telegram.
Итак, мы добавляем ноду Webhook Trigger. При ее добавлении автоматически создается уникальный секретный ключ и url, который мы как раз и должны прописать в последней ноде из первой части. Не забываем про тестовый режим и режим production (немного отличается url).
Далее вступает в работу модуль проверки статуса транскрибации. Тут все просто и понятно:
Если статус = comleted, значит можно приступать к обработке транскрибации.
Получаем ее с помощью ноды Http. Настройки на скриншотах:
Вверху надо правильно переписать url и добавить id транскрибации.
Ниже нужно выбрать созданный ранее Credential.
Следующим модулем будет нода Set, в котором чисто для удобства записываем промт и схему для обработки транскрибации.
Какой промт? Могу дать вам первоначальный вариант, он вполне подойдет для этого упрощенного сценария, у меня он немного измененный под свою специфику. Конечно вы можете его тоже изменить под свои задачи. Промт находится тут.
Теперь очень важный момент: код, который отвечает за структуру обработки: Его можно взять тут.
Теперь переходим к модулю Ai. Я взял простую ноду, к ней мы подключим нейросеть, которая и сделает всю обработку, исходя из промта и заданной структуры.
Присоединяем модуль нейросети. Я недавно очень успешно внедрил в свои сценарии нейросеть DeepSeek, которую включил через ноду OpenAi. Работает быстро и бесплатно, что важно в моей реализации. Ранее я писал подробно как подключить ее бесплатно за пару минут и получить в подарок 20$ В ЭТОЙ СТАТЬЕ.
Из настроек выбираем Credential и модель Deepseek-v3. Остальные настройки можно добавить при необходимости по кнопке ниже.
В общем то в итоге мы уже получаем готовый разбор записи, но я добавил пару штрихов:
1) Тут я на всякий случай разбил текст на части по 4000 символов (если он вдруг окажется длинным для телеграм, куда я его отправлю). Это необязательный модуль.
2) Теперь немного почистим текст, чтобы он смотрелся в телеграм посимпатичнее:
Весь этот код написала мне нейросеть, когда я ей объяснил задачу. Сам я вообще не разбираюсь в коде и программировании. Так что наверняка еще можно что то улучшить.
Остается готовый анализ звонка отправить в Телеграм:
Тут вверху выбираем Credential нашего телеграм бота (вспомните триггер в самом начале). В поле Chat ID указываем Id пользователя, либо группы (кому мы шлем результат)
Чтобы ничего лишнего не вылезало, тумблер «Append n8n Attribution» выключаем (иначе будет прилетать подпись к каждому сообщению от n8n).
Ну и Parse Mode я обычно выбираю именно HTML .
Ну и в качестве примера приведу разбор звонка менеджера из всем известной компании. Звонила она нашему директологу. На мой взгляд нейросеть очень точно разобрала запись разговора, выявив все недостатки.
Итого, мои затраты на всё это удовольствие составили ровно 0 рублей. Я совсем не программист и никогда не писал код. Скажу честно, похожее решение обнаружил в интернете, потом надо было немного переделать (для этого задал несколько вопросов нейросети), подключить базу данных, скрипты для разных отделов и в итоге имею готовую, рабочую схему совершенно бесплатно, а директор со счастливой улыбкой отчитывает менеджеров на планерке. Кстати, премию мне уже дали, так что я в отпуске.
Попробуйте создать первый workflow в n8n прямо сегодня – это займет не больше часа и очень интересно (вспомните себя ребенком, собирающим конструктор). А какие проблемы с качеством звонков есть в вашей компании? Делитесь в комментариях, думаю всем будет интересно, а может даже найдется решение.