Разбираем ключевые задачи разных функциональных ролей внутри компании и рассказываем, как речевая аналитика помогает их решать

Одна из ключевых идей, которой мы руководствуемся при развитии продукта — переход от узкого функционального восприятия речевой аналитики к ее восприятию как инструмента для трансформации клиентского сервиса. Речь идет о сдвиге и на уровне задач: от транскрибации, контроля операторов и анализа параметров диалога к повышению качества взаимодействия компании и конечного потребителя и конкретным эффектам на бизнес.

Такой подход позволяет посмотреть на речевую аналитику более глобально — как на эффективный инструмент для работы с CX-стратегией. В этом материале мы выделили 5 ролей-бенефициаров решения:

  • Руководитель КЦ
  • CX-директор/Руководитель клиентского сервиса (в случае, когда такая функция выделена отдельно)
  • Директор по продажам/коммерческий директор
  • Руководитель контроля качества
  • Оператор КЦ

Для каждой роли составили список основных задач, которые поможет закрыть речевая аналитика. А еще выделили полезный функционал системы и показали потенциальные эффекты на профильных кейсах.

Этот материал поможет:

  • Понять ценность речевой аналитики как продукта: какие задачи и как может решить система
  • Защитить проект речевой аналитики в компании и доказать выгоды внедрения для каждой из ролей
  • Показать, как именно продукт влияет на бизнес-показатели и клиентский опыт в целом
  • Приземлить выгоды на практику и объяснить, что стоит за коллцентровыми метриками и типичными формулировками
  • Продемонстрировать, насколько глубоко речевая аналитика встраивается в процессы и разные функции внутри компании

Руководитель контакт-центра

За что отвечает?

Глобально — за успешность контактного центра в части соблюдения и роста ключевых показателей. Примеры метрик, которые входят в зону ответственности руководителя КЦ:

  • FCR (First Call Resolution) — доля клиентских вопросов, решенных во время первого обращения в службу поддержки
  • CR (Contact Rate) — соотношение решений проблем к общему количеству звонков
  • AHT (Average Handle Time) — среднее время обработки звонков клиентов
  • SL (Service Level) — доля входящих запросов, отвеченных операторами за целевое время

Задачи руководителя КЦ, которые закрывает речевая аналитика:

  • Снижение количества повторных вызовов
  • Контроль средней продолжительности вызовов
  • Повышение процента автоматизации КЦ

Как речевая аналитика решает эти задачи?

Задача Как решаем? С помощью чего?
Снижение количества повторных вызовов (работа с FCR) Ищем первопричины повторных вызовов, связанных с качеством работы операторов или особенностями бизнес-процессов
  • Настройка уведомлений под заданные события
  • Быстрое формирование выборки по критериям и LLM-анализ для выявления проблем в процессах
  • Функция поиска и LLM-анализа для выявления глубинных причин затянутых диалогов
  • Настраиваемые дашборды — наглядный инструмент, позволяющий выявить тематики с длинными удержаниями
  • ИИ-инструменты и интеграция с Naumen Contact Center для анализа 100% голосовых, текстовых и роботизированных коммуникаций
  • Настройка автоматической оценки качества (AQM)
Контроль средней продолжительности вызовов (работа с AHT) Выявляем сложные тематики, ведущие к удержаниям и трансферам
Повышение процента автоматизации КЦ Определяем слабые места в уже запущенных роботизированных сценариях + перспективные сценариии для развития диалога

Кейс

Компания: крупная FMCG-компания, работа с AHT

Ситуация Решение Эффект/Метрика
Обращаются клиенты, которые не успели ответить на звонок из КЦ. Операторы озвучивают, что не знают причину звонка и оставляют заявку на повторный звонок клиенту из отдела, совершавшего звонок Перевод клиента в нужный отдел в момент звонка

Оптимизация процессов в рамках клиентского пути:
Сокращение AHT* на 16% благодаря корректной навигации клиентов
Возникла потребность в работе с оттоком: было очевидно, что иногда операторы недостаточно качественно отрабатывают возражения, что приводит к оттоку. Но не было понимания, в каких именно тематиках это происходит и как это предотвратить Выявили причины оттока: проанализировали и систематизировали виды проблемных обращений, их причины и частоту.
Настроили отслеживание проявлений эмпатии операторов к клиенту во время диалога		 С 50% до +90% подняли уровень безошибочной отработки возражений

*в одной из тематик

СХ-директор/Руководитель клиентского сервиса

За что отвечает?

За положительное впечатление от взаимодействия конечных потребителей с компанией. Варианты метрик в рамках зоны ответственности:

  • CSI (Customer Satisfaction Index) — уровень удовлетворенности клиентов
  • CSAT (Customer Satisfaction Score) — показатель удовлетворенности клиента после взаимодействия с компанией
  • NPS (Net Promoter Score) — индекс лояльности клиентов
  • CES (Customer Effort Score) — метрика, которая измеряет усилия, затраченные клиентом на взаимодействие с продуктом или услугой
  • FCR

Задачи CX-директора, которые закрывает речевая аналитика:

  • оптимизация клиентского пути (CJM)
  • снижение негатива и оттока
  • рост уровня удовлетворенности клиентов

Как речевая аналитика решает эти задачи?

Задача Как решаем? С помощью чего?
Оптимизация клиентского пути (CJM) Диагностируем процессные проблемы и фокусируемся на решении вопросов клиентов на этапе «до звонка» через:
  • работу с базой знаний операторов
  • работу с клиентским приложением и другими ресурсами на основе данных из системы
  • Функция поиска проблемных тематик, генерирующих обращения в компанию
  • LLM-анализ пула звонков для выявления точек роста в процессах компании
  • Консалтинг от команды NCI на каждом из этапов проекта: от пилота до поддержки для более быстрого поиска и устранения проблемных зон в рамках клиентского опыта
Снижение негатива и оттока
  • выявление продуктов, услуг, также паттернов в работе операторов, провоцирующих негатив клиентов
  • определение перспективных сценариев развития диалога
Рост уровня удовлетворенности клиентов (CSI) Масштабирование лучших практик, позволяющих конечному потребителю быстрее и качественнее получить услугу

Кейс

Компания: консультационный центр крупной государственной компании, работа с CSI

Ситуация Решение Эффект/Метрика
Операторы не предлагают дополнительную удобную опцию для клиента → потеря клиента в случае, если изначальные условия не подходят Отслеживание звонков с потерей клиента, выявление причин → коррекция скрипта оператора
  • повышение CSI
  • снижение уровня негатива и оттока
  • Ликвидация 17% нецелевого трафика
Срыв сделки из-за долгого рассмотрения заявки → большой объем обращений с уточнением сроков и негативом из-за отсутствия информации на ресурсах клиента Тестирование клиентского приложения → коррекция контента (добавление информации о сроках)
Избыточная нагрузка на КЦ компании (клиенты не всегда понимают, куда именно звонить, и часто попадают не в тот департамент) → высокая доля переводов звонка Настройка корректной маршрутизации, внедрение IVR

Директор по продажам

За что отвечает?

За эффективную работу операторов на исходящей линии, и, как следствие — за рост прямых и кросс-продаж.

Задачи директора по продажам, которые закрывает речевая аналитика:

  • Рост прямых и кросс-продаж
  • Выявление и масштабирование лучших практик
  • Защита от фрода (мошенничество операторов/простой операторов на исходящей линии/«отдыха» во время общения с умными автоответчиками)

Как речевая аналитика решает эти задачи?

Задача Как решаем? С помощью чего?
Рост прямых и кросс-продаж
  • выявление случаев упущенных продаж и их причин (например, не следование скрипту, неуспешная отработка возражения)
  • определение продуктов и услуг, генерирующих наибольшее количество отказов от покупки
  • поиск причин низкого уровня кросс-продаж на уровне скриптов операторов
  • Чек-листы автоматической оценки
  • Автоматическое выявление диалогов с неотработанными возражениями и упущенной конверсией
  • LLM-анализ на поиск зависимостей в выборке
  • Механизм выявления и анализа подозрительных звонков
Выявление и масштабирование лучших практик Определяем, за счет чего лучшие операторы показывают хорошую конверсию
Защита от фрода Определение случаев мошенничества на стороне операторов, провисания на линии и т. д.

Кейс

Компания: крупная FMCG-компания, работа с конверсией звонков в продажу

Ситуация Решение Эффект/Метрика
Операторы входящей линии не совершают допродажи в нужном объеме и не озвучивают предложения клиентам Анализ 100% диалогов и использование чек-листов автоматической оценки для оценки масштаба проблемы и определения операторов, которые испытывают сложности с процессом продаж Повышение доли звонков с продажей с 27% до 45%

Руководитель контроля качества

За что отвечает?

  • Качество всех направлений услуг КЦ
  • Мониторинг, анализ, оценка звонков операторов в соответствии с критериями, утвержденными в компании
  • Выявление систематических отклонений качества обслуживания, их устранение

Количественные KPI:

  • количество оцениваемых записей контролерами в единицу времени
  • объем жалоб клиентов
  • количество апелляций от операторов
  • уровень удовлетворенности клиентов

Задачи руководителя контроля качества, которые закрывает речевая аналитика:

  • увеличение объема анализируемой выборки
  • рост эффективности процессов отдела контроля качества и более быстрый и эффективный процесс оценки

Как речевая аналитика решает эти задачи?

Задача Как решаем? С помощью чего?
Увеличение объема анализируемой выборки Система сама анализирует 100% всех диалогов. Задача контролера — обратить внимание на группы диалогов с низкими показателями
  • Механизм транскрибации и анализа всех коммуникаций с помощью ИИ
  • Формирование заданий на оценку и отслеживание эффективности работы контролеров
  • Информация о звонке и поле для оценки в одном окне
  • LLM-саммаризация для сокращения времени на погружение в контекст диалога
  • AQM для выявления отклонений и критических ошибок на 100% выборки
  • Карточки ручной оценки для прицельной работы с некачественными диалогами
Рост эффективности процессов отдела контроля качества Выявляем некорректные диалоги с помощью преднастроенной автоматизированной оценки — снимаем пласт работ по анализу и ручному поиску с контролера качества

Кейс

Компания: ритейл, работа с качеством обслуживания

Ситуация Решение Эффект/Метрика
Ручной контроль качества и анализ 5% выборки Переход на автоматический контроль качества для понимания происходящего в 100% выборки
  • Улучшили качество работы по ключевым пунктам чек-листа, связанным с отработкой возражений и предложением дополнительных услуг — с 52% до 82%
  • Ускорили время на выдачу обратной связи операторам в 3 раза

Оператор КЦ

За что отвечает?

  • Качество обслуживания клиентов (ориентир — результат оценки контроля качества)
  • Конверсия на линии продаж
  • Соблюдение принятых стандартов

Как речевая аналитика может помочь в части EX?

  • Удобный личный кабинет для оператора
  • Прозрачная объективная оценка — понимание качества звонков, доступ к оценке результатов своей работы
  • Быстрая обратная связь — полезно для новых сотрудников и контролеров качества, бизнес не плодит ошибки

Кейс

Компания: федеральная медицинская компания, работа с уровнем мотивации и эффективностью операторов

Ситуация Решение Эффект/Метрика
Операторы часто работают вслепую, получают отложенную обратную связь о результатах своей работы Предоставление операторам доступа в личный кабинет с результатами работы в динамике и возможностью ознакомиться с оценками и комментариями
  • Рост уровня удовлетворенности операторов
  • Предотвращение выгорания и сохранение эффективности
  • Улучшение результативности коммуникаций и достижение бизнес-целей

В начало

Топ-3 ошибки, мешающие получить реальный бизнес-эффект от речевой аналитики

Собрали основные ошибки при внедрении речевой аналитики и варианты их решения в одном материале. Рассказываем, как сделать проект рентабельным и улучшить ключевые метрики КЦ.

Читать