Колл-центр: контроль качества слушал 2% звонков и делал выводы обо всех
Руководитель прослушивал десяток записей в неделю из пятисот. Оценки операторов строились на этой выборке, а системные проблемы в скриптах не находились годами.
Каждый разговор разбирается автоматически: тема, соблюдение обязательных шагов, тон, нерешённые вопросы. Руководитель слушает только помеченные записи.
Что было
Компания принимает около пятисот звонков в неделю. Контроль качества устроен как везде: руководитель слушает несколько записей, ставит оценки, проводит планёрку.
Проблема очевидна арифметически: выборка в 2% ничего не говорит о работе конкретного оператора и тем более не находит системные проблемы — например, если в скрипте пропущен важный шаг, это видно только на объёме.
Что сделали
Настроили расшифровку всех разговоров и разбор каждого по чек-листу: какая тема, заданы ли обязательные вопросы, предложено ли решение, согласован ли срок, был ли конфликт.
Результат — не оценка оператора, а отметки по конкретным пунктам. Это важно: модель не решает, кто хороший сотрудник, она отмечает, что прозвучало, а что нет.
Руководителю в интерфейс попадают только звонки с отметками — примерно тридцать в неделю вместо десяти случайных.
Отдельно собрали сводку по темам: о чём вообще звонят, что повторяется, что можно снять до звонка.
Чего не вышло
Оценку тона разговора пришлось ослабить: модель принимала за резкость обычную деловую сухость, особенно у одного оператора с такой манерой. Оставили только явные случаи, остальное — на человека.
Результат
Под контроль попали все звонки вместо двух процентов. Главное открытие оказалось не про операторов, а про скрипт: в трети разговоров пропускался вопрос, без которого заявка возвращалась повторно. Поправили скрипт — повторные обращения упали на 22%.
Данные графика
| Период | Доля звонков |
|---|---|
| Пропущен обязательный вопрос | 34 |
| Не предложено решение | 21 |
| Не согласован срок | 18 |
| Резкий тон | 4 |
Другие кейсы
На общую почту приходило до сорока писем в день с полисами, актами и справками в разных форматах. Сотрудник вручную доставал данные и переносил в учётную систему.
Модель разбирает вложение, достаёт поля и заводит черновик записи. Человек подтверждает или правит — и занимается тем, что требует решения, а не переписывания.
Риелтор возвращался с осмотра и садился писать текст. На это уходило до сорока минут, поэтому объекты публиковались через день-два после осмотра.
Модель собирает черновик из анкеты объекта и фотографий: структура, акценты, район. Риелтор правит десять минут и публикует в тот же день.
Трафика на сайт школы было достаточно, конверсия — низкая. Родители не понимали ценность продукта: программирование для ребёнка 8–14 лет — покупка не для себя, с длинным горизонтом и без быстрого измеримого результата. Реклама вела на страницу курса, где нужно было сразу записаться, — то есть принять решение о занятиях ребёнка за один визит.
Между рекламой и записью появился бесплатный вебинар для родителей, после него — серия писем с примерами проектов учеников и бот в мессенджере на частые вопросы. Курс подбирается под возраст ребёнка, а следующим шагом идёт не оплата, а бесплатный пробный урок с преподавателем.
Если у вас есть бизнес – у нас есть, что обсудить.
Опишите в двух словах задачу – отвечу в течение 1 рабочего дня. Если совпадаем по подходу, назначим часовой созвон-разбор. Бесплатно.