Руководитель отдела продаж физически не может прослушать 330 звонков в месяц. Максимум — выборочно 10-15 штук, и то если время найдётся. А остальные разговоры? Как там менеджеры работают — непонятно. Мы взяли онлайн-школу с четырьмя продажниками и запустили систему: каждый звонок автоматически транскрибируется, проверяется по чек-листу и выдаёт отчёт с ошибками. РОП теперь видит всё и сразу понимает, кого подтянуть. За первые два месяца конверсия выросла, появились три дополнительные продажи в месяц. Сейчас расскажу, как это устроено, где мы споткнулись и что реально работает.
Контекст: почему вообще полезли в это
Заказчик — онлайн-школа (не буду называть нишу, но условно — обучение специалистов). Четыре менеджера по продажам, каждый делает 80-85 звонков в месяц. Итого около 330 звонков. Средний чек — 90 000 рублей, маржа — 60%.
Проблема классическая: РОП не успевает контролировать качество. Раньше он раз в неделю слушал 2-3 записи на каждого менеджера, делал заметки, давал обратную связь. Но это капля в море. Остальные 300 с лишним звонков проходили мимо. Может, там менеджер забыл про скрипт. Может, клиент был готов купить, а его не закрыли. Может, возражение отработали криво. Непонятно.
Ещё момент: когда РОП слушает выборочно, он не видит системных проблем. Вот менеджер Алексей три раза подряд не рассказал про гарантию возврата. Но это не значит, что он так делает всегда — может, просто в этих трёх звонках так вышло. А может, у всех менеджеров проблема с одним и тем же этапом скрипта, но РОП этого не замечает, потому что слушает вразброс.
Мы предложили простое решение: пусть AI слушает все звонки и проверяет их по чек-листу. РОП получает отчёт, где видно: что сделано правильно, что упущено, какие паттерны ошибок повторяются.
Что сделали: система автооценки звонков
Разбили процесс на несколько этапов.
Этап 1: запись и транскрибация. У школы уже была IP-телефония с записью разговоров. Мы подключили к ней сервис транскрибации (переводит аудио в текст). Каждый звонок автоматически сохраняется, через пару минут после завершения появляется текстовая расшифровка.
Этап 2: чек-лист для проверки. Вместе с РОПом составили список из 12 пунктов, которые должны быть в каждом звонке. Примеры: поздоровался, представился, уточнил запрос клиента, рассказал про программу, отработал возражения, назвал цену, предложил следующий шаг (оплата/встреча/письмо). Это не жёсткий скрипт слово в слово, а критерии: должно прозвучать или нет.
Этап 3: LLM-скоринг. Транскрипт уходит в языковую модель. Мы написали промпт: "Проверь этот разговор по следующему чек-листу. Для каждого пункта ответь: выполнено/не выполнено. Если не выполнено — объясни, что именно упущено и как это могло повлиять на результат звонка". Модель возвращает структурированный отчёт.
Этап 4: дашборд для РОПа. Все отчёты собираются в одном месте. РОП заходит, видит таблицу: менеджер, дата, клиент, оценка по каждому пункту чек-листа, общий балл, комментарии от AI. Можно отфильтровать по менеджеру, по периоду, по конкретным ошибкам. Например: "покажи все звонки за неделю, где не отработали возражение по цене".
Этап 5: обратная связь менеджерам. РОП раз в неделю садится с каждым менеджером, открывает его отчёты, разбирает ошибки. Не нужно слушать часы записей — всё уже разжёвано. Видно, где системная проблема, где разовый косяк.
Кстати, если тема зашла и хочешь понять, как ещё можно использовать AI для бизнеса — вот ссылка: https://t.me/turing23_bot?start=dz. Там я собрал видео-инструкцию, где показываю топ-3 AI-инструмента, которые помогают увеличивать доход (без воды, конкретные кейсы). Ещё куча примеров внедрения AI в разные ниши — от продаж до маркетинга. И честные обзоры платформ: где стоит пробовать, а где пустая трата времени и денег. Всё бесплатно, забирай и тестируй.
Что получилось: первые результаты
Первый месяц запускали в тестовом режиме. Взяли одного менеджера, прогнали через систему 80 его звонков. AI нашла кучу интересного.
Выяснилось, что менеджер в 60% звонков не называл конкретную цену. Он говорил: "программа стоит от 70 до 120 тысяч, зависит от формата". Клиенты слышали верхнюю планку (120), пугались, сваливались. А надо было сразу называть базовый вариант (90 тысяч) и объяснять, что дороже — это если нужны допы. РОП раньше этого не замечал, потому что слушал 2-3 звонка, а там как раз всё было ок.
Ещё момент: в 40% звонков менеджер не предлагал следующий шаг. Разговор заканчивался на "ну вот, если будут вопросы — звоните". Клиент говорил "спасибо, подумаю" и пропадал. AI подсветила это как системную ошибку. РОП провёл разбор, показал, как правильно: "давайте я пришлю вам письмо с программой и ссылкой на оплату, вы посмотрите сегодня вечером, а завтра я вам перезвоню, обсудим". Конкретика вместо размытости.
На втором месяце подключили всех менеджеров. Система прогоняла 330 звонков. РОП каждую неделю смотрел сводку, выделял топ-3 ошибки, проводил групповой разбор. Например, на второй неделе увидел: у всех четверых проблема с отработкой возражения "дорого". Провёл мини-тренинг, дал скрипт, через неделю проверил — ошибка ушла.
По цифрам: за второй месяц конверсия из звонка в продажу выросла с 12% до 15%. Это три дополнительные сделки в месяц. Каждая — 90 000 рублей, маржа 60%, то есть прибыль 54 000 с одной продажи. Итого: 162 000 рублей дополнительной прибыли в месяц. Система обошлась в 200 000 на старте плюс 40 000 в месяц на поддержку. Окупилась за полтора месяца, дальше — чистый плюс 122 000 каждый месяц.
Где ошиблись и что чинили
Ошибка №1: слишком длинный чек-лист. На старте мы сделали 20 пунктов проверки. AI проверяла всё, но отчёты получались огромные. РОП открывал, видел простыню текста — и забивал. Переделали: оставили 12 самых критичных пунктов, остальное убрали. Отчёт стал на одну страницу, читать реально.
Ошибка №2: AI слишком строго оценивала. Первая версия промпта требовала, чтобы каждый пункт чек-листа был выполнен буквально. Например, "менеджер должен поздороваться и представиться". AI ставила минус, если менеджер сказал "добрый день, компания N, меня зовут Анна" вместо "здравствуйте, компания N, менеджер Анна". Формально не так, но по сути всё ок. РОП психанул, сказал: "это же бред, она к мелочам цепляется". Переписали промпт: "оценивай не буквально, а по сути. Если смысл передан — считай выполненным".
Ошибка №3: не учли контекст. AI иногда выдавала странные оценки. Например, менеджер звонит клиенту, который уже всё знает (повторный контакт). Менеджер сразу спрашивает: "ну что, готовы оплатить?". AI пишет: "не рассказал про программу, не отработал возражения — плохой звонок". А на самом деле всё правильно, это же не первый разговор. Добавили в промпт уточнение: "если из контекста понятно, что это повторный звонок или клиент уже всё знает — не требуй от менеджера базовых этапов".
Что бы сделал иначе
Если бы начинал сейчас, сделал бы два изменения.
Первое: запустил бы пилот не на одном менеджере, а на всех сразу, но на короткий период (неделя). Это дало бы больше данных для калибровки чек-листа и промпта. Мы потеряли месяц на тест одного человека, а потом всё равно пришлось дорабатывать под остальных.
Второе: сразу бы настроил автоматические уведомления. Сейчас РОП сам заходит в дашборд, смотрит отчёты. Но можно сделать так, чтобы система сама присылала алерты: "Менеджер Алексей три звонка подряд не назвал цену — обрати внимание". Это ускорило бы реакцию.
Как это повторить у себя
Если у тебя есть отдел продаж (или ты сам звонишь клиентам) и хочешь контролировать качество звонков, вот пошаговка.
Шаг 1: убедись, что звонки записываются. Если нет — подключи IP-телефонию с записью (Mango, Zadarma, МТС Экзотел — любая).
Шаг 2: настрой транскрибацию. Можно через API сервисов типа Yandex SpeechKit, Google Speech-to-Text, или встроенную в телефонию, если есть.
Шаг 3: составь чек-лист из 10-15 пунктов. Что обязательно должно быть в звонке? Не делай слишком длинный — потом замучаешься разбирать отчёты.
Шаг 4: напиши промпт для LLM (GPT, Claude — без разницы). Задача: проверить транскрипт по чек-листу, выдать оценку, объяснить ошибки. Тестируй на 5-10 реальных записях, корректируй промпт, пока не будет адекватных оценок.
Шаг 5: собери всё в одну систему. Можно в Google Sheets, можно в Notion, можно в Airtable. Главное — чтобы руководитель мог быстро открыть, отфильтровать, посмотреть проблемные звонки.
Шаг 6: запусти на неделю, посмотри на результаты. Если система выдаёт бред — правь промпт. Если всё ок — масштабируй на всех.
Шаг 7: используй отчёты для обучения. Раз в неделю садись с командой, разбирай топовые ошибки. Не наказывай, а учи.
Неожиданный бонус: база знаний из реальных диалогов
Когда мы запустили систему, появился неожиданный плюс. РОП начал собирать базу лучших ответов на возражения прямо из звонков. AI подсвечивала не только ошибки, но и удачные моменты. Например: "Менеджер отлично отработал возражение 'дорого', использовал сравнение с альтернативами — клиент согласился".
РОП собрал 15-20 таких удачных фрагментов, сделал из них мини-скрипты, раздал всей команде. Теперь новички учатся не на выдуманных примерах, а на реальных диалогах, которые привели к продаже. Это сильно ускорило адаптацию.
Если хочешь посмотреть, как ещё можно использовать AI для автоматизации рутины и роста прибыли — заходи сюда: https://t.me/turing23_bot?start=dz. Там видео-инструкция с тремя инструментами, которые мы используем в каждом проекте (окупаются за первый месяц), плюс подборка реальных кейсов из разных ниш — от продаж до маркетинга. Ещё есть обзоры AI-платформ: где стоит пробовать, а где пустая трата денег. Всё бесплатно, забирай и внедряй у себя.
Выводы: что забрать себе
1. Контроль качества звонков — это не про прослушивание, а про систему. Один человек не может адекватно контролировать 100+ звонков в месяц. AI может.
2. Чек-лист должен быть коротким. 10-15 пунктов максимум. Если больше — отчёты никто не будет читать.
3. AI нужно калибровать. Первая версия промпта почти всегда работает криво. Тестируй, правь, доводи до адекватности.
4. Системные ошибки видны только при массовой проверке. Когда слушаешь 2-3 звонка — можешь не заметить паттерн. Когда AI проверяет все 330 — видно сразу.
5. Обратная связь должна быть конкретной. Не "ты плохо закрываешь", а "в 7 из 10 звонков ты не предлагаешь следующий шаг — вот примеры, вот как надо".
6. Лучшие практики — внутри твоих же звонков. Не надо искать скрипты в интернете. Найди свои удачные диалоги, разбери, что сработало, сделай из этого шаблон.
7. Окупаемость быстрая. Одна-две дополнительные продажи в месяц отбивают всю систему. Дальше — чистая прибыль.
8. Не наказывай, а учи. Если менеджеры будут бояться системы ("она меня контролирует!"), толку не будет. Позиционируй как помощника: "это чтобы ты видел свои точки роста".
9. Начни с пилота. Не внедряй сразу на всех. Возьми одного человека или одну неделю, протестируй, убедись, что работает. Потом масштабируй.