Как мы автоматизировали контроль качества звонков по чек-листу для крупного девелопера
Этот проект мы реализовывали для крупного игрока рынка недвижимости по соглашению о неразглашении, поэтому без названия компании и без внутренних данных.
Речь шла о колл-центре, который принимал входящие звонки от клиентов, отвечал на вопросы по объектам и должен был переводить интерес в следующий шаг – запись на встречу.
Для бизнеса ключевыми метриками были доезжаемость до встречи и качество первичной квалификации клиента. Иными словами, важно было не просто корректно отвечать на вопросы, а выводить потенциально релевантного клиента на очный визит.
С чем пришел клиент
На стороне клиента уже существовал отдел контроля качества и развернутая система оценки разговоров. Основой этой системы был чек-лист примерно из 40 пунктов на один звонок продолжительностью 10 –15 минут.
Этот чек-лист формировался постепенно. Каждый раз, когда в разговоре менеджера находили новую ошибку, ее добавляли в систему оценки. В итоге документ стал очень подробным, но одновременно тяжелым в применении.
На практике это приводило к нескольким проблемам.
Во-первых, добиться стопроцентного выполнения такого чек-листа было почти невозможно. Даже сильные сотрудники стабильно оставались в зоне 90+%, но не доходили до максимума.
Во-вторых, обратная связь сильно запаздывала. Разговор могли прослушать через день, а обсудить с менеджером еще через несколько дней. Для колл-центра это критично, потому что ценность обратной связи в таких процессах очень быстро снижается.
В-третьих, контроль качества был фрагментарным. При команде примерно из 10 менеджеров отдел контроля качества физически не мог прослушивать весь объем звонков. Это означало, что сотрудники получали замечания по случайной части своей работы, а не по полной картине.
В-четвертых, в процессе неизбежно присутствовал человеческий фактор. Один и тот же разговор мог трактоваться по-разному в зависимости от того, кто его оценивал.
В чем заключалась задача
Наша задача в этом проекте не была связана с классическим развитием навыков продавцов. Мы не строили систему развития стратегий переговоров и не пытались превратить средних менеджеров в лучших за счет сложной аналитики диалога.
Здесь стояла более прикладная и, на первый взгляд, более простая задача – автоматизировать оценку звонков по чек-листу.
Если говорить проще, клиенту нужен был инструмент, который позволит быстро и точно проверять, насколько менеджеры соблюдают заданный сценарий разговора.
И за счет оперативной обратной связи и 100% покрытия звонков анализом по чек-листу добиться повышения конверсии звонков во встречи.
Почему это было важно
В данном случае речь шла не о длинных продажах с циклом в несколько месяцев, а о звонках колл-центра, где важно четко отработать сценарий.
Менеджеру нужно было:
- ответить на вопросы клиента
- выяснить важные параметры запроса
- дать персонализированную презентацию
- пригласить клиента на встречу
В таких продажах ключевую роль играет не столько глубина стратегии, не столько гибкость менеджера и стремление персонифицировать разговор с каждым клиентом (что на деле приводит к тому, что менеджер начинает думать за клиента), сколько точность соблюдения технологии. Именно поэтому контроль качества здесь становится особенно важным.
Что мы делали
Мы начали с работы с действующими чек-листами клиента и проверяли, насколько их можно перенести в автоматическую оценку с помощью ИИ.
На практике речь шла о том, чтобы заменить ручную проверку разговоров автоматической системой, которая могла бы оценивать звонок по заданным критериям и делать это быстро, стабильно и без субъективных интерпретаций.
В этом проекте использовались разные чек-листы под разные типы звонков:
- первичные входящие звонки от новых клиентов
- звонки от клиентов, которые уже планируют посмотреть объекты недвижимости
- звонки от клиентов, которые уже подъехали к объекту и им нужна навигация или сопровождение
Это было важно, потому что логика оценки в каждом случае отличалась. Для новых клиентов приоритет – важнее консультационные составляющие, для готовых или едущих на встречу – сервисные составляющие.
На раннем этапе мы работали с чек-листами в тестовом контуре и проверяли, насколько система в принципе может заменить человека в оценке звонков.
Что оказалось сложным
Несмотря на кажущуюся простоту задачи, проект оказался непростым.
Перегруженный чек-лист
Первое и самое очевидное ограничение – сам чек-лист клиента был слишком большим. Оценивать около 40 пунктов в одном коротком разговоре – трудоемкая задача, а понять смысл оценки – еще сложнее: «завалив» 3 важных пункта, операторы КЦ видели итоговый балл 90+% и откровенно не понимали, чего от них при этом хотят.
Мы предлагали клиенту упростить и сократить чек-лист, чтобы сфокусироваться на действительно критичных действиях менеджера, но в корпоративной среде такие изменения даются сложно. Система показатели эффективности уже была завязана на существующую модель оценки, и брать на себя ответственность за ее пересборку никто не хотел.
Сложная шкала оценки
Второй сложностью стала сама логика оценивания. В части пунктов использовалась не бинарная модель, а шкала с 3 значениями. Это сильно усложняло автоматическую оценку.
Проще говоря, если в системе оценки появляются инструкции вроде «спросил, но клиент не ответил – это один балл, спросил повторно – другой, а спросил и получил ответ – отдельная трактовка», то пространство для споров и интерпретаций резко увеличивается.
Длинный цикл согласований
Третья сложность была организационной. Это был крупный корпоративный клиент с длинным циклом обсуждений и согласований. Формулировка и согласование решений занимали 4–6 недель.
Если говорить про саму технологическую проверку чек-листа на тестовой среде, то в нормальном ритме это задача уровня одной-двух недель. Но в реальном контуре с крупным клиентом проект шел дольше из-за числа участников и необходимости все согласовывать.
Что получилось в итоге
Этот проект очень хорошо показал прикладную ценность автоматического контроля качества там, где уже есть отработанный сценарий и бизнесу важно именно высокое качество его соблюдения.
По сути, клиент получил понятный ответ на вопрос, может ли ИИ заменить ручную оценку звонков по чек-листу. Ответ – да, может, особенно если речь идет о простых продажах и сервисных сценариях, где главную роль играет точность выполнения регламента.
.png)
.png)
Причина выбора персональной ИИ-системы
Сложные бизнес-процессы требовали индивидуального подхода, а использование open source системы было лучшим вариантом благодаря возможности неограниченной доработки и отсутствия необходимости в лицензии
Что дал проект бизнесу
Даже без громкой истории про выводы и технологические прорывы проект подсветил несколько реальных выгод.
Вывод
Этот проект показал, что ИИ для контроля качества звонков – это не абстрактная инновация, а прикладной инструмент для процессов, где важны скорость, точность и повторяемость.
Повышение конверсии зависит от точного выполнения хорошего сценария, а не от навыков продаж каждого менеджера как таковых. Даже с учетом организационных сложностей и ограничений автоматизация контроля качества удешевляет этот контроль и повышает его эффективность, и в итоге измеримо увеличивает конверсию продаж.
Готовы вывести клиентский сервис и продажи на новый уровень?
Автоматизируйте работу, повышайте продажи и соответствуйте регуляторным требованиям с кастомизированной ИИ-системой!