Нейросетки в бизнесе, мой опыт

Приветствую всех! Сегодня я расскажу о том, как я использую нейросетки для решения задачек в отделе продаж. Здесь будет мой прикладной опыт, который можно будет повторить самостоятельно или с моей помощью. В конце статьи раздам 1000 минут анализа звонков. Погнали!

Как уже упоминал ранее, я занимаюсь развитием небольшого производства. Продукт — оборудование парковочных мест и разработка систем хранения.

Ранее рассказывал истории про внедрение калькулятора в экселе, гиперлокальный таргетинг на ЖК, избавление от пальцев замерщиков и еще множество всяких интересных штук, которые сделали нашу жизнь немножечко легче. Все заболиво лежит в моей телеге на 86 подписчиков или на страничке профиля VC.

Долгое время контроллировать продажи приходилось мне. Начинал я с простой прослушки звонков с листиком и ручкой. Это отнимало кучу времени и, самое главное, отсутствовала необходимая регулярность.

Занимался я этим по остаточному принципу. Обнаружив проблемы, я бежал их чинить, временно забивая на процесс контроля. Проблемы чинились, но появлялись новые.

Спустя некоторое время я прокачался до прослушки на x2 и заполнения гугл-дока. Автозаполнение ячеек делало свое дело, но все равно нужна была монотонная и методичная работа, на которую не всегда хватало времени и ресурсов.

Не стоит забывать про скорость доставки результатов анализа звонков до менеджеров. В лучшем случае получалось собираться раз в неделю, а это довольно редко.

Я выписал основные проблемы, которые с разной периодичностью у нас повторялись:

Вот список направлений, по которым я работал постоянно

Мне казалось, что я делаю правильные вещи и все должно чиниться. Так и было, но стоило мне немного сменить фокус, проблемы снова всплывали. Все всё понимают, но почему-то не делают или делают не так, как нужно. Нужно было пересмотреть подход. Но идей не было.

Перед летним сезоном я начал делать прогноз и решил оцифровать вообще все, что мог. Я пришел в ужас. Процент брака с начала года до апреля составил 38% от выполненных работ. То есть на 100 выполненых работ 38 заказов так или иначе требовали дополнительного включения и доработки.

При чем проблемы разные и всплывают рандомно:

В результате — суммарные потери до 9% от прибыли + репутационные издержки в виде негативных отзывов и анти-рекомендаций соседям. Не говоря уже о транзакционных издержках — время на устраннение недостатков и так далее.

В мае я начал активно изучать возможности Openai, понял, что смогу использовать для множества задач, примерил это и у нас.

После месяца тестов я определился с возможностями, оптимальными параметрами и за несколько дней я собрал прототип системы, которая работает в связке с нашей АТС-системой: транскрибирует текст и извлекает нужную информацию.

В первой версии я транскрибировал текст, записывал его как есть в CRM, а также просил нейросеть сделать выжимку из диалога.

Даже в таком виде это начало приносить пользу — в течение 10 секунд после завершения звонка у менеджера перед глазами есть текст разговора и резюме в свободной форме.

Как минимум уже не нужно вспоминать, о чем был разговори переслушивать звонок. Это была маленькая победа.

Далее я интегрировал в процесс наш корпоративный мессенджер. Все выжимки из диалогов с менеджерами в режиме реального времени раскидывались по чатам, я понял, что мне заходить в CRM и смотреть, что происходит теперь не нужно.

Время реакции на проблемы снизилось, менеджер получал фидбек и помощь от меня практически в режиме реального времени.

В июне я начал погружаться еще глубже, у меня накопилась довольно большая база звонков и я решил подобучить СhatGPT (т. н. файнтюнинг).

В итоге у меня в руках появилась собственная версия gpt-3.5, заточенная именно под мои скрипты продаж и мою продукцию.

Одновремено с этим я начал работать с контекстом: ведь для коммуникации с клиентом на разной стадии воронки ключевая информация для извлечения разная.

Если клиент новый — важно хорошо его обработать, квалифицировать, ответить на все вопросы. Если клиент звонит после установки, нужно уточнить все ли в порядке и есть ли у него жалобы и претензии.

Кажется, что у меня получилось сделать нечто универсальное и можно сказать даже умное:

1. Сначала определяется контекст и ситуация

2. Под эту ситуацию выбирается соответствующая модель анализа (файнтюненая версия / отдельные иснтрукции)

3. Информация анализируется и выдается нужный на данном этапе результат.

4. Итоговая информация раскладывается по полям в CRM / уходит в корпоративный мессенджер или в телеграм-бот.

Примерный технический стек

Проблемы, которыми придется столкнуться:

Я готов поделиться своим опытом и помочь внедрить подобные системы в любые коммерческие проекты.

Если у вас есть колл-центр / отдел продаж и вы сталкиваетесь с теми же проблемами, что и я, заполните форму — я выберу 5 участников и распределю между ними 1000 минут анализа звонков.

ФОРМА ТУТ

Интеграция с вашей АТС и отправка в телеграм-бота для вас будет бесплатна.

Основное требование: хотя бы 50 минут звонков в день, наличие АТС с доступом к записям и желание попробовать что-то новое в своем деле.

Я вижу большой потенциал в использовании этих инструментов. С развитием технологий их доступность становится все выше. Сейчас каждый может интегрировать эти инструменты в свой бизнес, чтобы обеспечить качественный прорыв в оптимизации затрат, повышении конверсии и росте бизнес-метрик.