Задача
Звонки менеджеров по продажам прослушивали сотрудники отдела клиентского сервиса, часть - руководители отдела продаж. Из примерно 3 000 звонков в месяц успевали прослушать около 10 %, то есть порядка 300. Остальные 90 % разговоров с клиентами никто не проверял.
У выборочной прослушки две проблемы. Оценка зависит от того, кто слушает и какие звонки попали в выборку. А чтобы слушать всё, людей не хватит: при средней длине звонка 4-5 минут ручная прослушка всех звонков заняла бы, по примерной оценке, 200-250 часов в месяц, больше одной полной ставки.
Задача - оценивать каждый звонок по единым правилам и дать руководителям картину по всему отделу.
Что сделали
Критерии до разработки. Параметры и триггеры оценки выверили заранее с клиентским сервисом и другими отделами, которым нужны результаты. Агент оценивает звонок так, как договорились люди, а не так, как решила модель. Сложность была в том, что у каждого отдела свои ожидания от звонка, и их нужно было свести к одному списку.
Оценка без участия человека. ИИ-агент прослушивает и оценивает все звонки по этим критериям. Процесс идёт сам, без ручного запуска и выборки.
Дашборд для заказчиков внутри компании. Дашборд написали сами, на Laravel. Результаты оценки и статистика собираются на нём: в разрезе направлений, критериев и по каждому менеджеру.
Распознавание и оценка. Речь в текст переводит Yandex SpeechKit - российский облачный сервис. Оценку по критериям делает агент на локальной модели внутри компании.
Проект занял около 3 месяцев.
Результат
- Оцениваются все ~3 000 звонков в месяц вместо ~300: покрытие выросло с ~10 % до 100 %, в 10 раз.
- Все звонки оцениваются по единым критериям, без участия человека.
- Руководители видят на дашборде статистику по направлениям, критериям и каждому менеджеру.
Выборка в 10 % отвечает на вопрос «как в среднем звонит отдел». Полное покрытие показывает, какой менеджер по какому критерию проседает и на каком направлении. С такой картиной руководитель продаж может разговаривать с менеджером о конкретных звонках, а не о впечатлениях.
Как устроены такие агенты и сколько они стоят - на страницах ИИ-агентов и цен.
Что я вынес из проекта
Самая важная работа в этом проекте случилась до разработки, когда договаривались о критериях с клиентским сервисом и другими отделами. Если оценку придумает ИТ или сама модель, отделы её не примут, и дашборд никто не будет открывать. Поэтому похожие проекты стоит начинать с тех, кто будет пользоваться результатом, а модель подключать потом.