В отделе продаж много работы, которую никто не любит: прослушивать звонки, заполнять карточки в CRM после разговора, разбирать входящие заявки, писать однотипные письма. РОП успевает послушать малую часть разговоров, менеджер забывает поставить задачу, горячая заявка ждёт ответа до вечера.
ИИ для продаж закрывает часть этих задач: расшифровывает и оценивает звонки, сам пишет итоги в CRM, сортирует заявки и подсказывает менеджеру. Разберём, какие сценарии работают, какие данные для них нужны, где правовые и практические риски и как посчитать пользу на своих цифрах.
Что умеет нейросеть для отдела продаж
Языковые модели хорошо работают с текстом: расшифровкой разговора, перепиской, комментариями в карточке сделки. Отсюда и набор задач — всё, где менеджер или руководитель сейчас читает, слушает и пересказывает вручную.
Анализ звонков нейросетью по скрипту и чек-листу
Звонок из телефонии превращается в текст с разметкой, где говорит менеджер, а где клиент. Затем модель проходит по чек-листу: поздоровался ли менеджер и представился, выяснил ли потребность, назвал ли цену и сроки, отработал ли возражение, договорился ли о следующем шаге. На выходе — оценка по каждому пункту с цитатой из разговора, на которой она основана.
Так контроль качества звонков перестаёт быть выборочным. Модель проверяет каждый разговор, а человек — только спорные: низкие оценки, жалобы клиента, упоминания конкурентов, обещания скидки, которой нет в прайсе.
Итоги разговора и задачи в CRM автоматически
После звонка модель пишет короткое резюме: что нужно клиенту, какой бюджет и сроки, какие возражения прозвучали, о чём договорились. Из договорённостей получается задача с датой: «отправить КП до четверга», «перезвонить после согласования с директором». Резюме и задача попадают в карточку сделки, менеджер их проверяет и подтверждает.
Для руководителя это значит, что ИИ в CRM заполняет историю, которую менеджеры обычно ведут небрежно. Для менеджера — минус несколько минут ручного ввода после каждого разговора.
Скоринг и маршрутизация входящих заявок
Заявки с сайта, из почты и мессенджеров приходят вперемешку: целевые, спам, вопросы в поддержку, заказы на копейки и крупные запросы. Модель читает текст заявки, вытаскивает данные (компания, объём, сроки, регион) и присваивает категорию и приоритет. Дальше работают правила: крупные — опытному менеджеру сразу, вопросы — в поддержку, спам — в архив.
Отдельно от разбора текста существует скоринг лидов по истории: модель смотрит, какие заявки раньше доходили до оплаты, и оценивает вероятность сделки у новых. Это уже задача машинного обучения на данных CRM, и она требует накопленной истории.
Черновики писем и КП
По итогам звонка модель готовит письмо клиенту с договорённостями или черновик коммерческого предложения на основе шаблона и прайса. Важное ограничение: цены, условия и сроки должны подставляться из ваших систем, а не придумываться моделью. Черновик всегда отправляет человек.
Подсказки менеджеру
Перед звонком — сводка по клиенту: история заказов, прошлые договорённости, открытые вопросы. Во время работы — ответы на вопросы по продукту и условиям из базы знаний, варианты отработки типовых возражений. Подсказки в реальном времени прямо во время разговора технически возможны, но сложнее и дороже: нужна потоковая расшифровка с минимальной задержкой. Начинать лучше с подготовки до звонка и разбора после.
Анализ причин отказов
В CRM причина проигрыша часто стоит «другое» или «дорого». Модель может прочитать все звонки и переписку по проигранным сделкам за квартал и разложить их по реальным причинам: не устроили сроки, ушли к конкуренту, не было бюджета, долго ждали ответа. Это материал для решений по продукту, ценам и скрипту, а не только для оценки менеджеров.
Задача, польза и риск
| Задача | Что даёт | Где риск |
|---|---|---|
| Оценка звонков по чек-листу | Проверка всех разговоров, а не выборки | Ошибки расшифровки, спорные оценки |
| Итоги и задачи в CRM | Полная история сделки без ручного ввода | Неверно понятая договорённость |
| Разбор и маршрутизация заявок | Быстрый ответ на целевые заявки | Важная заявка ушла не туда |
| Скоринг лидов | Фокус менеджеров на перспективных сделках | Мало данных, перекос в истории |
| Письма и КП | Меньше времени на однотипные тексты | Выдуманные цены и условия |
| Подсказки менеджеру | Быстрее ответы на вопросы клиента | Устаревшая база знаний |
| Причины отказов | Понятная картина потерь | Выводы на маленькой выборке |
Данные: записи звонков, CRM и их качество
Любой из сценариев упирается в данные. Прежде чем выбирать сервис или модель, стоит проверить, что у вас есть на самом деле.
- Телефония записывает все разговоры, записи можно выгрузить по API, а не только скачать вручную.
- Записи стерео: менеджер и клиент на разных каналах. С моно-записью распознавание хуже и чаще путает, кто что сказал.
- Звонок связывается со сделкой или контактом в CRM по номеру телефона.
- В CRM заполнены этапы воронки, суммы и причины отказов, а не только название компании.
- Есть действующий скрипт или чек-лист, по которому РОП уже оценивает звонки.
- Есть база знаний: прайс, условия, ответы на частые вопросы — в актуальном виде.
Самая частая проблема — грязная CRM. Если менеджеры закрывают сделки без причины, дублируют контакты и не двигают этапы, скоринг лидов научится на этом шуме. Модель не исправит данные, на которых учится, поэтому иногда первый этап проекта — навести порядок в воронке и обязательных полях.
Если продажи ведутся в связке CRM и 1С, а заказы и оплаты живут в учётной системе, без интеграции не обойтись: иначе модель не узнает, чем закончилась сделка.
Запись разговоров и 152-ФЗ
Запись звонка с клиентом — это обработка персональных данных: в разговоре звучат имя, телефон, иногда адрес и детали заказа. Анализ записи нейросетью — тоже обработка, и для неё нужно законное основание и понятная цель.
- Уведомление. Обычная практика — сообщение в начале звонка о том, что разговор записывается, и описание целей обработки, включая контроль качества, в политике конфиденциальности.
- Где обрабатываются данные. Если записи уходят зарубежному сервису распознавания или модели, это трансграничная передача со своими требованиями, включая уведомление Роскомнадзора. Проще работать с российскими сервисами или моделью в своём контуре.
- Минимизация. Для оценки по чек-листу модели не нужны ФИО и телефон клиента: их можно убрать из расшифровки до отправки.
- Сроки хранения и доступы. Сколько хранятся записи и расшифровки и кто их видит, должно быть определено заранее.
Как посчитать пользу
Эффект от автоматизации отдела продаж считают на своих цифрах, и замер «до» делают до запуска. Иначе через три месяца сравнивать будет не с чем.
- Время РОПа на прослушку. Сколько часов в неделю руководитель тратит на звонки сейчас и сколько после того, как слушает только отобранные моделью.
- Доля проверенных звонков. Сколько разговоров из общего числа оценивается сейчас и сколько с ИИ. Это показатель охвата, а не качества, но он показывает, насколько контроль стал реальным.
- Скорость ответа на заявку. Время от поступления заявки до первого контакта менеджера, отдельно для целевых.
- Конверсия по этапам воронки. Из заявки во встречу, из встречи в КП, из КП в оплату. Здесь эффект проявляется медленнее, а влияние сезона и рекламы надо отделять.
- Заполненность CRM. Доля сделок с резюме звонка, следующей задачей и причиной отказа.
Если нельзя назвать метрику, которая изменится, проект пока не готов к запуску.
Дальше простая арифметика: сколько часов в месяц уходит на задачу, какую часть заберёт модель с учётом проверки человеком и сколько стоит владение решением — подписка или разработка, оплата распознавания и модели, поддержка чек-листов и базы знаний.
Порядок внедрения
- Аудит процесса продаж. Откуда приходят заявки, как устроена воронка, сколько звонков в день, где теряется время и деньги, какие метрики уже собираются.
- Выбор одного сценария. Чаще всего начинают с оценки звонков или итогов в CRM: эффект виден быстро, а ошибка не стоит сделки.
- Чек-лист и эталон. РОП вручную оценивает несколько десятков реальных звонков. На этой выборке сравнивают оценки модели и человека.
- Пилот на части команды. Модель работает на одной группе менеджеров, человек подтверждает её выводы. Метрики сравниваются с замером «до».
- Интеграция и масштабирование. Телефония, CRM и учётная система связываются, результаты попадают туда, где с ними работают, а не в отдельный отчёт.
- Поддержка. Чек-листы, скрипты и база знаний меняются вместе с продуктом, их нужно регулярно обновлять, а качество оценок — выборочно проверять.
Готовые сервисы или своя разработка
Для речевой аналитики звонков есть готовые сервисы: они подключаются к популярной телефонии и CRM, умеют расшифровывать, оценивать по чек-листу и строить отчёты. Если ваш процесс стандартный, это самый быстрый путь, и начинать стоит с него.
Своя разработка нужна, когда готовое решение не встраивается в процесс: самописная CRM или связка с 1С, нестандартная воронка, требование обрабатывать данные только в своём контуре, сценарии, которых нет в коробке, например разбор заявок по отраслевым правилам или скоринг на ваших данных. Часто разумен гибрид: готовые распознавание и модель, а логика, интеграции и интерфейс для РОПа — свои. Решать стоит от процесса, а не от технологии.
Мы в Sphere занимаемся такими задачами как разработкой веб-сервисов: разбираем процесс продаж, проектируем интеграции и интерфейсы и встраиваем ИИ в существующие системы. Примеры наших проектов — в портфолио.
Частые вопросы
Нужно ли предупреждать клиента, что звонок записывается и анализируется?
Да, это стандартная практика: в начале разговора звучит сообщение о записи, а в политике обработки персональных данных описаны цели, включая контроль качества. Конкретные формулировки и правовое основание для обработки лучше согласовать с юристом, особенно если записи передаются внешнему сервису.
Заменит ли ИИ руководителя отдела продаж?
Нет. Нейросеть снимает с РОПа рутинное прослушивание и показывает, где искать проблемы, но решения о скрипте, обучении и мотивации принимает человек. Спорные оценки модели тоже разбирает руководитель.
Какое качество записи нужно для речевой аналитики?
Лучше всего работают записи, где менеджер и клиент на разных каналах, без сильного шума и сжатия. Моно-запись тоже подходит, но ошибок распознавания и путаницы в репликах будет больше. Проверить качество можно на пилоте из нескольких десятков реальных звонков.
Можно ли подключить анализ звонков к любой CRM?
Если у CRM и телефонии есть API или выгрузка записей, то в большинстве случаев да. Популярные CRM поддерживают готовые интеграции, для самописных систем и связки с 1С обычно нужна доработка.
Сколько звонков нужно, чтобы начать?
Для пилота достаточно нескольких десятков разговоров, которые РОП уже оценил вручную: на них сравнивают оценки модели и человека. Для скоринга лидов истории нужно больше: несколько сотен закрытых сделок с понятным результатом, иначе модели не на чем учиться.
