Устал слушать звонки и обучать сейлзов лучше продавать по телефону — и делегировал это ChatGPT. Вот что из этого вышло

У меня в компании сейлз-менеджеры звонят по 30–40 раз в день. Кажется, я перепробовал всевозможные решения, как контролировать звонки и давать им обратную связь. Рассказываю про эти решения: как реализовано технически, каков результат и сколько это стоит.

Я занимаюсь развитием направления отделки в строительном холдинге Санкт-Петербурга. Как-то на глаза мне попалась статья — Научили amoCRM определять негативный тон клиента через ChatGPT. Я тогда подумал, прикольно, ребята поняли, как использовать нейронку с пользой, и рассказали об этом в формате подробного гайда со скриншотами. Захотелось внедрить что-то подобное у себя.

Зачастую в бизнесе внедряют нейросеть ради внедрения — просто потому, что нейронки в тренде. У меня много знакомых директоров компаний, которые используют нейронки разве что для создания аватарок в Инстаграме.

Я не сторонник такого подхода, мне больше нравится подход jobs-to-be-done, когда мы как бы нанимаем продукт для выполнения определенной работы, для решения бизнес-задачи. Нужно всегда отвечать на вопрос, сколько денег это принесло компании или оценивать результативность как-то иначе.

Некоторые звонки длятся 5 минут, другие по 40 минут. В компании есть отдельный эксперт, который все их слушает и составляет рекомендаций менеджерам, а потом встречается с ними и обсуждает.

Это тратит много времени сейлзов. Допустим, менеджер 1,5 часа общался с клиентом по объекту. Затем эксперт эти же 1,5 часа слушает запись, потом садится писать рекомендации, потом еще 1–2 часа обсуждает их с менеджером. А ведь эти пару часов менеджер мог потратить на дополнительную продажу. Кроме того, эксперт дает рекомендации на основе собственного опыта, а он у каждого человека свой и, конечно же, ограничен — в отличие от того же ChatGPT.

Решили, что нужно сделать этот процесс автоматическим. Строго говоря, автоматизировать нужно было не только проверку того, как разговаривают менеджеры, но и составление рекомендаций на основе недочетов в беседе.

Допустим, заказчик сказал «Я подумаю», а менеджер не стал дожимать его до сделки. Или совершил классическую ошибку — не договорился о дате следующего контакта. Тогда ChatGPT создает подходящий материал о том, как доводить до покупки в таких ситуациях.

Похожую задачу решал знакомый. Вот что он делал:

Я решил, что это слишком заморочено, и попробовал найти более простое решение.

У нас в офисе был мощный стационарный компьютер, на который я установил модель Whisper. Также подключил телеграм-бота, который (как написано в самом боте) работает на основе ChatGPT.

Как выглядит процесс

Кстати, так мы расшифровывали не только звонки, но и 1,5-часовые онлайн-совещания. У меня некоторые сотрудники ходят на совещания с диктофонами, потом грузят файл в Whisper, получают расшифровку и читают основные моменты, которые обсуждались на совещании.

Насколько хороший результат. Процесс был эффективен, но в то же время представлял из себя немножко костыль.. Это отнимало время и раздражало. Хотелось тот же объем функционала, но проще и доступнее.

Что по деньгам. 0 рублей. В офисе уже был компьютер с установленной моделью, а телеграм-бот — бесплатный.

Этим решением пользовались три месяца.

Решил, что с собственным ботом будет проще. Через API добавил в него ChatGPT и Dalle-3 для генерации картинок, а еще компьютерное зрение, озвучку через тот же Whisper и несколько других инструментов.

Как выглядел процесс

Насколько хороший результат. Процесс стал короче, удалось автоматизировать часть ручного труда — теперь не нужно заходить в терминал, транскрибировать и переносить текст звонка в бот.

Но хотелось автоматизировать полностью, чтобы один раз все настроил и оно работало в одной системе.

Что по деньгам. В среднем $10 (939 руб) в месяц чисто за API. Телеграм-бота делал сам, proxy для браузера использовался корпоративный, поэтому тут 0.

Этот вариант прожил около 5 месяцев.

Я вспомнил про «Команду F5» и ту статью про ChatGPT и негатив и перешел на их сайт. Увидел описание Voice AI — какого-то хитрого виджета, выполняющего ту же работу, которую я делегировал телеграм-боту с ChatGPT. Такое решение мне показалось более удобным: все происходит прямо в amoCRM, не нужно никуда ходить.

Мне предложили онлайн-встречу. Расспросили о задаче, рассказали про еще один виджет — Триггеры, который автоматизирует процессы в amoCRM. Предложили варианты решений и выбрали наиболее подходящее, а также помогли выстроить его логику. И всё это за 1 час.

Изначально я хотел подключить только Триггеры, но процесс был бы сложнее: нужно писать специальный скрипт, который принимает запись, отправляет по API в «мозги» OpenAI, там запись расшифровывается через ChatGPT и отправляется в виде обычного текста, в котором речь клиента и менеджера не разделены — неясно, кто что говорит. Voice AI делает всё то же самое и при этом отмечает роли. Voice AI упрощает весь процесс. Получилось их связать так, чтобы задача решалась.

Как выглядит процесс

Удобно, что все происходит прямо в amoCRM:

Насколько хороший результат. Количество шагов сократилось, потому что не нужно ничего делать руками. Все происходит в одном месте в amoCRM: менеджерам падает задача с обучающим материалом, они его смотрят и закрывают задачи, я вижу количество допущенных ошибок и выполненных задач и могу собрать статистику, насколько успешно он эти задачи закрывает.

Еще полезная штука: Voice AI можно загрузить скрипты и другие материалы, которыми пользуется отдел продаж.

Что по деньгам. 2 910 руб/мес за постановку задач через Триггеры и 20 рублей за обработку 1 звонка в Voice AI. Суммарно это ≈ 3500 руб/мес.

На данный момент пользуемся этим решением уже месяц.

Экономит время сейлзов и заодно приучает обучаться самостоятельно. Они получают текстовые рекомендации, сами двигаются по ним, применяют в работе и отчитываются.

Экономит мое время. В первых двух решениях я многое делал руками, теперь не делаю ничего. Только смотрю аналитику по выполненным задачам менеджеров.

Рекомендации на основе базы знаний. Это делает рекомендации более точными, потому что они основаны именно на наших регламентах, а не просто информации из интернета.

Ниже издержки. С ChatGPT нужно было платить $20 за запросы в месяц, количество которых к тому же ограничено, и за API еще примерно $10 в месяц, т.е. суммарно $30, 2817 руб/мес. Отдельный специалист получал 100 тысяч в месяц. А здесь получается 3500–3700 рублей в месяц — дороже, чем первый вариант, но зато он высвобождает кучу времени моего и сотрудников.

Страница про Voice AI

Страница про Триггеры

Дальше буду учить нейронку выдавать еще более релевантные рекомендации: например, чтобы она определяла психотип клиента и давала менеджеру рекомендации, как общаться с тем или иным психотипом.

Расскажите про ваш опыт внедрения нейросетей в бизнес-процессы. Что внедряли? Какую решали задачу?