Если вы фаундер или руководитель отдела продаж, у меня для вас есть плохая и хорошая новости. Начнем с плохой: прямо сейчас ваши менеджеры сливают до 30% потенциальных клиентов из-за банальных ошибок в звонках. А какая хорошая? Это можно исправить за 2–3 месяца.
Привет, я Антон Москвитин. В 2023 году, когда все еще сомневались в ИИ, я рискнул внедрить ИИ для анализа звонков моего отдела в крупной онлайн-школе для психологов-практиков. Расскажу, как это было, на какие косяки мы напоролись и какие результаты получили в итоге.
А с чего мы вообще решили этим заняться?
Сейчас каждый школьник – “эксперт по ИИ”. В 2023 году же про нейросети в бизнесе никто даже и не думал, мало кто верил, что ИИ может влиять на цифры. Но у меня было чёткое ощущение, что за этим будущее, и пора погружаться в этот движ.
Сначала я сам купил онлайн-курс по нейросетям. Прошел, понравилось, но, как применять на практике – так и не понял. Подумал: если не занимаешься нейросетками хотя бы 3-5 лет, пробовать что-то собрать с нуля – смысла нет. Поэтому нашёл разработчика, который собрал мне первого Telegram-бота на GPT, заплатил около семи тысяч за это. Мы его настроили, и я начал активно тестировать.
Параллельно участвовал в вебинарах, изучал кейсы… короче, искал практическое применение для бизнеса. И вот, на одной из таких обучалок я сначала даже не поверил, что такое вообще возможно. ОНИ РАССКАЗЫВАЛИ КАК РАЗ ПРО ТО, ЧТО МНЕ БЫЛО НУЖНО! ИИ в контроле качества звонков! И внедрение звучит так легко… эврика! Минутная слабость радость разбилась о реальность: большинство сервисов, о которых была речь, не работали в РФ или требовали отдельной “технической подготовки”...
Тогда я рискнул написать в чат вебинара: «Кто-нибудь уже делает подобные решения в России? Готов сотрудничать». Откликнулся только один человек.
Мы списались и договорились о встрече в декабре, но об этом позже.
“Зачем тебе оно надо, Антон?”
На тот момент у нас в отделе продаж контролем качества занимались руководители команд, которые прослушивали звонки. Формально все, конечно, работали, но по факту толку от этого было мало, и продажи стояли на месте.
Мы работали как с внутренним отделом контроля качества, так и с внешними подрядчиками. Эти товарищи проявляли активность: разрабатывали дашборды, составляли чек-листы, анализировали звонки и еженедельно проводили чекапы с сотрудниками. Однако вся эта работа не приводила к главному, ради чего она вообще затевалась — росту продаж.
Мы пробовали разные подходы, честно. В один месяц фокусировались на слабых сотрудниках, в следующем месяце изучали только лучших. Но профита это не принесло. Как руководитель, я и так понимаю, кто из сотрудников показывает хорошие результаты, а кто отстает.
Классическая проблема, которую поймет каждый, кто хоть мизинцем соприкасался с отделами продаж:
Именно тогда я осознал, что нужен принципиально другой подход. И исследования мои догадки подтверждали. Например, по данным Gartner, автоматизация контроля звонков даёт до 20% роста эффективности менеджеров.
Ключевое преимущество ИИ было в том, что он анализирует все 100% звонков, а не выборочные 5%. Никаких больше отговорок о неудачной выборке — только холодная статистика.
Как подготовить ИИ к работе и объективной оценке звонков?
– Тут какой-то Антон рассказал, что можно ИИшкой заменить контроль качества! Кайф, щас как подключу за пару часиков и 300к+ на зэпэшках сэкономлю! – может подумать вдохновившийся читатель)))
– Так, стоп! – отвечу я. Все не так просто, и сейчас мы с вами во всем разберемся.
Не стоит думать, что ИИ сама сходу начнет все проверять и делать анализ звонков. Сначала идёт процесс настройки и тесного “сотрудничества” с нейронкой, чтобы она в случае наступления ИИ-апокалипсиса не нападала на твою семью понимала критерии оценки и собирала обратную связь по звонкам сначала от людей.
Первые две недели я втихую тестировал систему один. Слушал звонки, которые уже проверил ИИ, и сверял, где он прав, а где ошибся. Иногда система пропускала ключевые моменты, иногда странно интерпретировала фразы. Каждый такой косяк мы исправляли с разработчиками.
Потом подключил руководителей отделов. Они стали давать свой фидбек и подсказывать, где ИИ не уловил возражение, а где неправильно оценил реакцию клиента. Так мы постепенно расширяли круг проверки, но всю команду пока не посвящали.
Только через месяц, когда система уже более-менее научилась адекватно оценивать звонки, мы собрали сейлзов и выложили все карты на стол: «Коллеги, теперь у нас есть ИИ-помощник, и нужно его настроить по вашему фидбеку о звонках».
За просто так никто бы не стал с ним работать, поэтому ввели систему специальной мотивации за каждые 20 развернутых комментариев к звонкам.
10 менеджеров начали ежедневно оставлять десятки отзывов. Там, где мы с руководителями физически не успевали проверить и сотни звонков, команда за месяц разобрала 3–5 тысяч диалогов.
И знаете что? Система начала приносить первые плоды. Погрешность упала до 5%, а главное, менеджеры сами втянулись в процесс интеграции. Они увидели в ИИ не надсмотрщика с плёткой, а инструмент, который в первую очередь помогает им лучше работать. Вот так мы и подружили команду с искусственным интеллектом.
А как именно ИИ анализировал звонки? Система сигналов.
Сейчас будет самое интересное. Наш ИИ изначально оценивал звонки по 50 параметрам из полного чек-листа, который мы ему дали. Но когда мы начали разбираться, что именно влияет на покупку, оказалось, что ключевых моментов всего 3–5. Вот это поворот, да?
Мы сделали систему мгновенных уведомлений. Теперь, если менеджер забывал что-то важное в разговоре или недостаточно хорошо отрабатывал возражение, то ему и руководителю приходил “сигнал” от ИИ. Можно было оперативно перезвонить клиенту и доработать момент. Благодаря этому выручка подросла на дополнительные 3–5%.
Далее пошли одни инсайты:
- Мы узнали, что наши клиенты называют вообще других конкурентов, а не тех, кого мы анализировали и от кого отстраивались. Пришлось пересмотреть стратегию.
- Анализ возражений показал, что одни менеджеры лучше работают с «дорого», другие — с «я подумаю». Это позволило нам точечно прокачать слабые места ребят и выжать ещё 2–3% роста конверсии.
Конечно, все не ограничивается просто анализом звонков. После этого этапа идёт процесс обучения сотрудника. Руководитель видит, где конкретно менеджер проседает, и они вместе разбирают записи и составляют индивидуальный план. ИИ в этом случае – хороший индикатор проблем в процессе продажи. Но работать над ошибками всё равно приходится. Мы со стороны руководства лишь лучше стали их находить.
Результаты нейронного труда
6 месяцев плотной работы с системой анализа звонков на базе ИИ и… результат нас приятно удивил, скажу сразу.
На моем любимом языке цифр. Конверсия последовательно росла: с исходных 20% мы вышли на стабильные 30%. Но самое ценное, что этот рост был равномерным по всей команде, и никто не проседал.
Качественный сдвиг был заметен в работе буквально каждого менеджера. Те, кто показывал 25%, стали стабильно выдавать 35%. Специалисты с 20% конверсии улучшили свои показатели до 27–30%. Такой прогресс всей команды целиком оказался особенно важным во время кризиса в IT-сегменте, когда количество входящих лидов сократилось.
Благодаря возросшей эффективности мы сохранили прежний уровень выручки, несмотря на уменьшение входящего трафика, а результаты продаж стали стабильнее и не падали. Короче, было проделано буквально то, что сулит гарантированную премию руководителю продаж( то есть мне).
Теперь я сам открыл ИИ-студию, которая разрабатывает решения для отделов продаж на базе ИИ: отделы контроля качества, агенты для квалификации лидов и реактивации базы и не только. Мы выступаем как внешний GenAI Operations Specialist: находим “бутылочные горлышки” процессов, подбираем и разрабатываем решения, внедряем и обучаем команду с ними работать. Заходите обсудить!
Вывод для тех, кто захотел попробовать
Идея внедрить ИИ для оценки звонков далеко не универсальна, хочу предостеречь. Если ваши менеджеры не пашут на потоке (меньше 50–100 звонков в день), то можно даже не задумываться об оценке качества через ИИ. Будет намного проще и дешевле, если руководитель сам выборочно прослушает записи звонков. Эффект будет примерно тот же, а запары — кратно меньше.
Уж извините, конкретные цифры бюджета называть не буду, потому что стоимость сильно скачет в зависимости от масштабов бизнеса, сложности задач и выбранного подрядчика. Но вы всегда можете описать мне вашу ситуацию в личке, денег за это не беру, welcome! А еще я вместе с опытным ИИ-разработчиком веду канал “Русские Нейросети”: там делимся нашими результатами по внедрению ИИ и развитию наших стартапов и помогаем фильтровать ИИ-шелуху, используя реально полезные сервисы.
Гораздо важнее понимать саму логику работы и точную цель для работы ИИ.
Кстати, интересно было бы почитать про ваш опыт внедрения нейронки не только в отдел качества, но и в другие процессы ваших компаний. Жду ваши истории в комментариях — хвастайтесь или жалуйтесь.