{"id":14275,"url":"\/distributions\/14275\/click?bit=1&hash=bccbaeb320d3784aa2d1badbee38ca8d11406e8938daaca7e74be177682eb28b","title":"\u041d\u0430 \u0447\u0451\u043c \u0437\u0430\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u044e\u0442 \u043f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u044b\u0435 \u043f\u0440\u043e\u0434\u0430\u0432\u0446\u044b \u0430\u0432\u0442\u043e?","buttonText":"\u0423\u0437\u043d\u0430\u0442\u044c","imageUuid":"f72066c6-8459-501b-aea6-770cd3ac60a6"}

Искусственный интеллект для выявления негативных эмоций в звонках менеджеров в Битрикс24

Сегодня обсудим тему, актуальную для любого бизнеса: тему анализа качества звонков менеджеров в Битрикс24. На прослушивание записей звонков и оценки их качества уходит масса времени сотрудников отдела контроля качества. А что, если поручить эту работу искусственному интеллекту? Это позволило бы резко уменьшить трудозатраты на контроль, быстрее выявлять тонкие места и поощрять лучших менеджеров. Читаем и размышляем.

1. Ситуация - боль - решение

Представим ситуацию:

У вас бизнес. Вы работаете с клиентами, предоставляете услуги или продаете товары, а операционную деятельность ведете в Битрикс24. Коммуникация с заказчиками строится либо с помощью переписки (открытые линии в Битрикс24), либо с помощью звонков (SIP АТС). Ведут ее менеджеры по продажам или по работе с клиентами. Также у вас есть сотрудник или отдел контроля качества: их задача - отслеживать все эти коммуникации и оценивать их в разрезе менеджеров, чтобы следить за KPI и эффективностью.

А теперь представьте, в чем боль этой модели: сколько нужно просмотреть и прослушать, если у вас есть хотя бы 100 клиентов и 5 менеджеров? Коммуникация же происходит каждый день, и не по одному звонку.

Мы задумались: как можно решить эту боль и автоматизировать данный процесс. Ведь на самом деле это не работа для человека, это рутина: слушать записи звонков, читать переписку с клиентами, пытаясь вычленить негативные моменты и оценить работу менеджера. Это и есть задачей отдела контроля качества: понять, доволен ли остался клиент взаимодействием с компанией или нет, хорошо менеджер отработал звонок или нет.

Идея пришла спонтанно: решить эту проблему может и должен искусственный интеллект. Добавляем интеграцию с искусственным интеллектом в Пинкит, а результат анализа выгружаем в эксель для фиксации и дальнейшей передачи менеджерам для работы над ошибками.

Алексей Окара, основатель Пинол и продакт-менеджер Пинкит

Именно об этом далее и пойдет речь.

2. Искусственный интеллект в интеграции Пинкит для снижения трудозатрат на 60 часов в месяц

Изначально мы протестировали интеграцию на своем отделе контроля качества (ОКК) в Пинол. В нашем ОКК работают два человека, которые кроме прочего, оценивают качество коммуникаций с заказчиками. В результате внедрения интеграции Пинкит с ИИ мы снизили трудозатраты отдела на 60 часов в месяц (за год это снижение затрат более чем на 700 часов).

2.1. Как работает отдел контроля качества?

Сначала расскажем, как раньше происходила оценка звонков в отделе контроля качества.

Менеджеры ведут коммуникации с клиентами по скриптам, которые расписаны по пунктам. Если менеджер не проговаривает какой-то из пунктов, то сотрудник ОКК ставит 0 баллов, если проговаривает — 1 балл.

Сотрудник прослушивает звонки и проставляет баллы по всем пунктам в табличке. Там баллы суммируются и выводится процент качества сделанного звонка.

Пример оценки звонков в таблице:

В скрипт входит пункт "Употребление негативных слов или фраз".

2.2. Как работает интеграция Пинкит?

Мы добавили в Пинкит интеграцию с искусственным интеллектом. Чтобы подключить интеграцию на свой портал Битрикс24 нужно сделать следующие настройки.

2.2.1. В личном кабинете Пинкит (для Битрикс24/amoCRM) на первом шаге выбирается источником Битрикс24, а триггером — добавление нового звонка.

2.2.2. На втором шаге с помощью API-запросов прописываем инструментарий, который отслеживает употребление негативных слов или фраз в текстовой транскрипции звонка, которую делает искусственный интеллект. Также можно прописать особые стоп-слова, например, клиентские отзывы "Я не доволен" или "Меня не устраивает", чтобы более точечно отслеживать негативный фидбэк и менеджера, у которого случился подобный инцидент.

2.2.3. На третьем шаге выбираем в качестве приемника сервис Эксель и выставляем такому звонку оценку 0 по критерию "Использование негативных слов или фраз". Таким образом, мы снимаем с сотрудников отдела контроля качества не только прослушку звонка, но и создание отчета.

2.2.4. Про изначальную суть задачи мы не забыли: каждый звонок должен быть оценен. Если оценка звонка меньше определенного балла или в нем есть проблемы, которые мы выявили с помощью ИИ, автоматически ставится задача на сотрудника отдела контроля качества для разбора этой коммуникации.

Таким образом, работа сотрудника ОКК становится более осмысленной, нежели рутинной.

Итог

С помощью искусственного интеллекта мы можем снять с сотрудников рутинную работу, которую они не могут либо не хотят выполнять.

Искусственный интеллект не конкурирует с человеческим трудом, напротив, он помогает вашим менеджерам сконцентрироваться на тех задачах, которые требуют непосредственного общения с клиентами либо предполагают творческий подтекст.

Интеграция Пинкит с искусственным интеллектом — это решение для тех компаний, которые отслеживают качество своих коммуникаций с клиентами и проводят на основе этих оценок аналитику. А для расширенной аналитики, кстати, также можно внедрить отчет с дашбордом.

Алексей Окара, основатель Пинол и продакт-менеджер Пинкит
0
1 комментарий
ALEXEY OKARA
Ответить
Развернуть ветку
-2 комментариев
Раскрывать всегда