Анализ качества обработки входящих лидов менеджерами

Клиент оставляет заявку на сайте, оператор созванивается с ним и передаёт специалисту, но мы не знаем, чем закончился разговор менеджера, дальше видим только статус подготовки КП. В новом процессе ИИ разбирает все звонки и определяет их результат — договорились о встрече, ушли в мессенджер, условились созвониться позже, отказ, — а из этого собираются дашборд по каждому сотруднику. Появляются новые опережающие метрики и возможность повышать конверсию, влияя на них.

Что болит

Процесс передачи входящих заявок от маркетингового колл-центра к менеджерам по продажам был полностью непрозрачным. Неизвестно, чем заканчивались разговоры с клиентами по заявкам и насколько менеджер хорошо обработал заявку. Единственной оценкой работы оставалась конверсия в КП и продажу, а это отложенная метрика: при длинном цикле сделки понять, хорошо ли специалист отрабатывает заявки, можно было только спустя недели. В результате множество дорогих заявок обрабатывается недостаточно хорошо, а компания об этом узнаёт слишком поздно.

Что делает ИИ

Агент сам забирает записи разговоров и контекст заявки, расшифровывает звонок и определяет исход. Результат ложится в базу, дашборд и карту конверсий — и станет основанием для распределения будущих заявок.

1. Заявка и звонок. Клиент оставляет заявку на сайте, оператор созванивается с ним и передаёт специалисту.
2. Сбор записей. Агент забирает записи разговоров из виртуальной АТС сотового оператора — без ручной выгрузки.
3. Контекст из CRM. Из корпоративной CRM подтягивается, к какой заявке относится звонок, кто его вёл и чем закончилась работа с клиентом.
4. Расшифровка и разбор. Voice-to-text переводит разговор в текст, внутренняя LLM определяет исход: договорённость о встрече, переход в мессенджер, договорённость созвониться позже, отказ.
5. Витрина разборов. Каждый разобранный звонок виден в интерфейсе: исход, разбор и кто вёл разговор; вердикт можно поправить руками.
6. Дашборд и карта. Формируются показатели качества работы с заявками по точкам продаж и сотрудникам, карта конверсий обновляется автоматически.

Что компания получает

• По каждому клиенту видно, чем закончился разговор по его заявке, — ключевое звено перед продажей перестало быть слепым пятном.
• Появилось распределение исходов: не только «дошёл до встречи или нет», но и сколько уходит в мессенджер, сколько откладывается на повторный созвон, сколько отказов.
• Оценка работы с заявкой стала опережающей — видна сразу после разговора, а не через цикл сделки.
• Руководители видят каждого сотрудника и могут открыть конкретный разговор, а не разбираться по ощущениям.
• Карта конверсий по точкам продаж обновляется без ручного пересчёта.

Где нужен человек

• Базовых значений пока нет — их и собираем. Метрики результата звонка не существовало, сравнивать не с чем: первая задача системы не улучшить показатель, а впервые его увидеть.
• Вердикт ИИ можно оспорить. Исход определяет модель, и иногда она ошибается. Поэтому в интерфейсе виден каждый разбор, а сотрудник с нужными доступами может исправить результат вручную.
• Проверяют по транскрипту, а не на слух. Записи целиком никто не переслушивает — руководитель читает расшифровку. Это быстрее, но интонация и паузы из картины выпадают.
• Метрика влияет на людей. По ней оценивают работу сотрудника, поэтому она не может быть «чёрным ящиком»: нужен видимый разбор и возможность возразить.
• Часть замысла ещё не запущена. Распределение заявок по опережающей метрике, KPI руководителям и ограничение передачи заявок при недостижении квартальных показателей — следующий шаг. Сегодня система измеряет, но потоком заявок не управляет.