Кто убил речевую аналитику? Почему классические решения распознавания речи больше неэффективны

"Тёмная ночь окутывала город, когда я познакомился с речевой аналитикой. Это случилось в дни, когда я блуждал по лабиринту бесконечных звонков, в закоулках которого прятались хамство, неуверенность менеджеров и неловкое молчание. Речевая аналитика обещала дать мне всё. Она говорила: я расплету этот дьявольский клубок и подарю тебе статистику и отчёты, которые сделают тебя свободным… Но в один прекрасный день я понял, что это – всего лишь слова…"

Так бы начиналась эта статья, если бы бизнес и клиентские коммуникации были нуар-фильмом. К счастью или сожалению, это не так, поэтому скажем прозаичнее: речевая аналитика – инструмент, который начали использовать несколько лет назад, ещё до революции нейросетей. Это технология, которая интегрируется с телефонией и собирает данные разговоров. Чаще всего её используют как средство контроля колл-центра, отдела продаж и линии техподдержки.

Я 10 лет занимаюсь построением отделов продаж в малом и среднем бизнесе; оптимизирую процессы и внедряю CRM и AI-решения. За последние пару лет я услышал от своих клиентов немало вопросов и жалоб по речевой аналитике, и в итоге сделал вывод, что она мерт... кхм, перестала быть эффективной. Предлагаю разобраться в этом не самом запутанном, но интересном деле.

~ ~ ~

Для начала назовём её основные фичи:

Т.е. основная функция речевой аналитики – "слушать" ваших менеджеров, тегировать всё на основе ключевых фраз и считать полученные теги. Например, если клиент ругается, либо если менеджер оправдывается, извиняется, долго ищет ответ, то такой диалог можно распознать по неким фразам, пометить и включить в статистику.

Выявление проблемных диалогов – наиболее частый кейс, но речевая аналитика может быть использована и для ведения статистики обращений: сколько клиентов упоминают тот или иной продукт из вашей линейки, или бренд конкурента. Супервайзер продаж получает готовый отчёт, через который может отслеживать уровень клиентского сервиса, жалобы, а также анализировать маркетинговые каналы.

На первый взгляд, это отличный инструмент для автоматизации контроля над клиентским отделом. Но не в 2024 году.

~ ~ ~

Теперь взглянём внимательнее на улики: технологии "под капотом" и ограничения.

Работа по словарям без учёта контекста
Если, например, в словаре указано только слово "цена", то фразы "отличная цена", "завышенная цена", "ничего себе у вас цена" для речевой аналитики будут относиться к одной и той же категории.
То же самое с негативом: клиент может ругаться на свой опыт с конкурентами, но диалог всё равно получит тег типа "конфликт, недовольный клиент".Также речевая аналитика не распознает ни факт отработки возражения менеджером, ни сарказм, ни разговоры с автоответчиком.

Распознавание речи без учёта ролей
Речевая аналитика распознаёт разные голоса, но для неё не существует разных ролей. Оператор первой линии, продажник, специалист техподдержки, сотрудник отдела претензий – для такой технологии их не существует. Соответственно, она не может оценивать диалоги в разрезе разных скриптов, что губительно в кейсе "один звонок клиента переадресовывают несколько раз".

Подсчёт данных, но не интерпретация
Речевая аналитика только собирает данные, но их полноценный анализ, интерпретация и выводы остаются на человеке.
Например, она не сможет определить "слитие" лида, ошибки менеджера и их влияние на конверсию, сильные и слабые стороны сотрудника.
Есть и технические ограничения: речевая аналитика не очень хорошо справляется с длинными разговорами, затрагивающими сразу несколько разных тем, а каждый отдельный диалог существует для неё сам по себе, в отрыве от истории коммуникаций и этапа сделки. Так, например, если клиент попросит перезвонить или продолжить диалог в чате, то речевая аналитика может поставить отрицательную оценку за неполный скрипт (в случае "перезвона" – обоим звонкам).

Невозможность самообучения
Сколько бы ваших сделок и коммуникаций ни "прослушала" речевая аналитика, она не начнёт понимать ваш бизнес – любые изменения надо будет вручную фиксировать в словарях.

Полное отсутствие ряда возможностей

Общий итог
Классическая речевая аналитика способна считать количественные показатели и делать некую первичную аналитику, но реальную оценку вашего сервиса или продаж смогут делать только люди.

~ ~ ~

Теперь взглянём на подозреваемых. Они могут встречаться под разными именами – нейросеть, искусственный интеллект (ИИ / AI), machine learning, LLM – но всё это одна и та же могущественная семья.

Очень грубо говоря, это "речевая аналитика на максималках", дополнительно оснащённая внушительным набором функций. Они дают бизнесу кардинально большие возможности, поэтому такие решения правильнее называть цифровыми ассистентами, которые делают часть работы клиентского отдела самостоятельно.

Вот что он умеет (помимо собственно распознавания голоса и преобразования его в текст).

Понимание специфики вашего бизнеса
Во-первых, ИИ можно обучить (загрузить в него в виде файлов матрицу сегментов, внутренние регламенты, должностные инструкции, скрипты продаж, маркетинговые материалы), а во-вторых – интегрировать в прочие системы (CRM, 1С, внешний сайт, внутренняя база знаний), дав доступ к оргструктуре, продуктовой линейке, номенклатуре и многому другому.
Благодаря этому нейросеть будет оценивать не абстрактные продажи, а именно ваш бизнес с учётом его особенностей и ограничений. Интеграции позволят цифровому ассистенту получать всегда актуальную информацию, без постоянной актуализации словарей и настроек.

Понимание контекста диалога и смыслов
Если клиент саркастично "благодарит" вас за мятую упаковку, AI распознает жалобу – для него это ещё лёгкая задача.
Пример посложнее: у вашего продукта есть сложное официальное название, а клиент для удобства употребляет профессиональный сленг или вообще называет продукт как-то по-своему. По контексту диалога ИИ-ассистент поймёт, о продаже чего идёт речь, и без ключевого слова корректно распознает продукт и сегмент клиента. Соответственно, диалог попадёт в нужную статистику, а менеджер получит адекватную оценку.
Ещё сложнее: у вас есть линейка продуктов и несколько сегментов покупателей. Каждому сегменту нужно предлагать, во-первых, соответствующий продукт, а во-вторых - делать правильный кросс- или ап-сейл (доп-продажи). Нейросеть возьмёт всю нужную информацию из CRM и учётных систем, сопоставит её и оценит диалог адекватно всем обстоятельствам.

Комплексная оценка диалога и его фаз
Во-первых, AI-ассистент фиксирует не только зачёты/незачёты, но и частичное выполнение скрипта.
Во-вторых, нейросеть не просто замечает, чего менеджер не сказал и не сделал, но и определяет, как это влияет на конверсию сделки и показатели менеджера в целом. Для анализа AI-ассистент использует не только сам диалог, но и данные из CRM: воронка, этап сделки, сегмент клиента и т.д.
В-третьих, ИИ аргументирует каждую свою оценку и в случае низкого балла даёт советы, что улучшить.
И в-четвертых, с помощью нейросетей можно настроить двойную проверку: один алгоритм анализирует собственно звонки и готовит отчёт, а второй алгоритм проверяет корректность этого отчёта и подсвечивает возможные несоответствия для валидации человеком.

Работа в CRM
Выше мы сказали, что нейросеть использует данные из CRM. Но она также может их туда вносить. AI-ассистент умеет присваивать сделкам атрибуты, менять их статус (в т.ч. восстанавливать закрытые сделки, если они подпадают под некие условия) и рассылать уведомления (например, РОПу в случае конфликтного диалога или закрытия сделки с целевым лидом). ИИ может писать примечания и резюме к сделкам и даже ставить задачи.

Тренировка менеджеров по продажам
Нейросеть может "притворяться" вашим клиентом и, зная, с одной стороны, специфику вашего бизнеса, а с другой – слабые места сотрудников, имитировать диалоги именно на темы, которые вызывают у человека наибольшие затруднения.

~ ~ ~

Классическая речевая аналитика (РА) и AI-решения для анализа продаж – внешне похожие, но в реальности очень разные инструменты.

Глобальные отличия:

РА: работает с фиксированными шаблонами, анализирует текст на уровне слов и фраз.
ИИ: способен к глубокому пониманию контекста. Может учитывать предыдущие части разговора, чтобы правильно интерпретировать текущий диалог,умеет распознавать иронию и сарказм.

РА: работает по конкретным сценариям. Если процесс изменился или добавился новый, то РА нужно донастраивать вручную.
ИИ: может адаптироваться к разным типам диалогов и задач. Умеет обрабатывать текст на разных языках и учится на ранее проанализированных данных. Может брать информацию из мастер-систем - источников, в которых она всегда актуальна.

РА: больше подходит для стандартных задач (определение тональности, поиск ключевых слов). Это не всегда позволяет интерпретировать сложные диалоги.
ИИ: проводит полноценный анализ, понимая намерения говорящих; также может предсказывать фразы и генерировать осмысленные ответы. При анализе учитывает контексты и нюансы.

На этом дело считаю раскрытым, а траур по речевой аналитике - излишним.

В качестве эпилога советую почитать, как происходит внедрение ИИ в условном бизнесе. А истории и результаты компаний (в т.ч. небольших), которые уже внедрили AI-ассистента, можно посмотреть здесь.