Речевая аналитика звонков: как проверить, что ИИ различает клиента и менеджера
Проверка речевой аналитики начинается со сверки записи звонка с расшифровкой: нужно убедиться, что ИИ правильно определил, какие слова принадлежат клиенту, а какие менеджеру. Отдельно проверяют перебивания, смену говорящего и обещания сторон. Пока эта разметка не проверена, автоматические оценки сотрудников и задачи в CRM требуют ручного подтверждения.
Проверка речевой аналитики звонков: кто говорил и какую роль ему назначили
В отчёте всё может выглядеть убедительно: потребность выявлена, возражение обработано, следующий шаг согласован. Открываете запись и слышите, что следующий шаг предложил клиент, а менеджер вообще его не подтвердил. Оценка разговора уже расходится с тем, что произошло.
Здесь нужно различать распознавание слов, разделение голосов и назначение ролей. Диаризация разговора означает разметку участков записи по говорящим: кто и когда говорил. Затем этим участникам назначают роли клиента и менеджера. Правильно распознанная фраза ещё может оказаться под чужим именем.
Условный пример: клиент спрашивает «Вы сможете прислать предложение завтра?». Если система приписала вопрос менеджеру, итоговое резюме может превратить пожелание клиента в обязательство сотрудника. Поэтому проверяйте всю цепочку: звук, текст, говорящий, роль, вывод.
В нашей работе есть речевая аналитика звонков: ИИ разбирает разговоры отдела продаж. Проверять принадлежность реплик нужно и у собственного инструмента. Название сервиса и аккуратный отчёт эту проверку не заменяют.
Если слова клиента стали обещанием менеджера, ошибка разметки уже влияет на следующий шаг по сделке.
С чего начать проверку разделения голосов
Возьмите реальные записи из своей телефонии. Чистый демонстрационный разговор мало говорит о том, как система справится с вашими клиентами. В проверочную подборку должны попасть разные менеджеры, короткие ответы, плохая связь и разговоры с переводом на другого сотрудника.
Сначала прослушайте запись и вручную отметьте говорящих. Назначайте роли по содержанию разговора и известным участникам звонка. Приветствие само по себе ничего не доказывает: первым может заговорить клиент. Если роль определить нельзя, сохраните неопределённость.
Для сверки достаточно таблицы. В каждой строке укажите запись, временную отметку, дословную реплику, реального говорящего и роль, которую назначила система. Рядом запишите последствие ошибки: перепутано приветствие, потеряно возражение, чужое обещание попало в задачи менеджера.
Часть записей оставьте для повторной проверки после настройки. Если постоянно исправлять систему на одной и той же подборке, останется неизвестным, справляется ли она с другими звонками. Сохраняйте исходную запись и результат каждого прогона, чтобы сравнивать изменения.
Как проверить диаризацию при перебиваниях и похожих голосах
Прослушайте разговор целиком, затем вернитесь к спорным фрагментам. Захватывайте соседние реплики: короткое «да» без контекста легко принять за согласие с условием, хотя человек лишь показал, что слышит собеседника.
- Перебивания. Найдите места, где участники говорят одновременно. Проверьте, сохранились ли обе реплики, кому они приписаны и не исчезло ли важное отрицание.
- Объединение голосов. Убедитесь, что слова клиента и сотрудника не собраны под одним говорящим. Особое внимание уделите коротким ответам после длинного монолога.
- Дробление голоса. Проверьте, не стал ли один человек несколькими участниками после паузы, изменения громкости или перехода на громкую связь.
- Новый участник. При переводе звонка или подключении коллеги система должна учитывать смену человека. Нельзя автоматически считать все новые голоса клиентами.
Смотрите на принадлежность реплики на протяжении всего звонка. Система может правильно определить роли в начале, затем поменять их местами после перебивания. Одного верного приветствия для приёмки недостаточно.
Если телефония сохраняет стороны разговора в отдельных каналах, проверьте, использует ли их ваша настройка. Прослушайте каждый канал отдельно: нужно знать, что там действительно записано. Наличие каналов не подтверждает, что роли назначены правильно, особенно после перевода звонка.
Как ошибки речевой аналитики влияют на сделки и CRM
Условная ситуация: эксперт продаёт онлайн-программу. Клиент говорит: «Мне нужно обсудить покупку с партнёром». Система относит фразу к менеджеру, а в резюме пишет, что ограничений для покупки нет. Следующий сотрудник видит готовность к оплате и начинает дожимать человека, которому ещё нужно совместное решение.
Другая ситуация: покупатель спрашивает о скидке, менеджер отвечает, что уточнит условия. В карточке сделки появляется согласованная скидка. При следующем контакте компания либо оправдывается за чужое обещание, либо предоставляет условие, которого никто не утверждал.
Такие ошибки нужно искать по всему пути клиента. Откройте запись, автоматическое резюме и карточку сделки. Сверьте потребность, возражения, обязательства сторон и следующий контакт. Для каждой записи в CRM должно быть понятно, какой фрагмент разговора её подтверждает.
Отдельно проверьте оценку менеджера. Фраза клиента «Мне важно понять сроки» не означает, что сотрудник сам выяснил сроки. А упоминание встречи ещё не означает договорённость о ней. Даже при правильном разделении голосов ИИ может ошибиться в смысле разговора, поэтому эту часть проверяют отдельно.
Чаще всего у тех, кто проверяет сам, ломается выборка: берут несколько удачных звонков, находят пару ошибок, правят настройки и на тех же записях видят «исправление». Вторая типичная проблема в том, что проверяют только текст расшифровки, а путь от реплики до карточки сделки не смотрят. В итоге чужое пожелание клиента остаётся в CRM обещанием менеджера, и следующий сотрудник либо давит на человека, которому нужно согласовать покупку с партнёром, либо выполняет условие, которого никто не утверждал. Пора звать специалиста, если ошибки находятся каждый раз в новых местах, а вы не можете объяснить, к какому слою они относятся: распознавание речи, разделение голосов, роли или правила анализа смысла. Ещё один признак: выводы уже влияют на задачи в CRM и оценку команды, а проверять их вручную некому. Мы берём на себя сборку проверочной подборки из ваших звонков, разбор ошибок по слоям и настройку правил, какие выводы ИИ может использовать сам, а какие подтверждает руководитель.
Когда проверка речевой аналитики позволяет использовать оценки
До запуска согласуйте, какие ошибки блокируют конкретное действие. Если система неверно определяет автора обещания, такую запись нельзя автоматически превращать в обязательство менеджера. Если путает роли в возражениях, соответствующая оценка сотрудника остаётся на ручной проверке.
Разбирайте ошибки по типам. Пропавшее слово требует проверки распознавания речи. Объединённые голоса относятся к диаризации. Верные реплики с перепутанными ролями указывают на ошибку назначения ролей. Правильный текст с выдуманной договорённостью требует пересмотра правил анализа содержания.
Для приёмки полезно отдельно учитывать неверно размеченные фрагменты и ошибки, которые изменили деловой смысл. Единый показатель точности может скрывать проблему: длинное приветствие размечено верно, а короткий отказ попал не тому участнику. Универсальный проходной процент здесь не поможет определить риск для вашей задачи.
После исправлений повторите проверку на сохранённых и новых записях. Зафиксируйте, какие выводы можно использовать автоматически, а какие подтверждает руководитель. Возвращайтесь к этой проверке после смены телефонии, настроек или модели, особенно если результаты влияют на задачи в CRM и оценку команды.
Начните с реальных разговоров и проследите, как слова каждого участника превращаются в оценку и действие. Если хотите применить ИИ к звонкам своего отдела продаж, Григорий Мисоночников помогает обучить команду, настроить инструмент или внедрить решение под конкретную задачу. Начать можно с разбора текущего процесса: какие данные поступают из телефонии, что ИИ должен определять и что затем попадает в CRM.
Частые вопросы
Как проверить, что ИИ различает клиента и менеджера?
Прослушайте реальный звонок и сравните принадлежность реплик с разметкой системы. Проверьте роли в начале, после перебиваний и в конце разговора. Особое внимание уделите отказам, обещаниям и договорённостям, которые затем попадают в CRM.
Почему речевая аналитика объединяет разные голоса?
Объединение голосов может возникать на коротких репликах, при одновременной речи или плохом качестве записи. Чтобы найти причину, сравните исходное аудио с разметкой говорящих и проверьте настройки обработки каналов. Исправление текста запроса к ИИ само по себе не подтверждает исправление диаризации.
Как проверить распознавание говорящих, если люди перебивают друг друга?
Найдите фрагменты с одновременной речью и прослушайте их вместе с соседними репликами. Сверьте, сохранились ли слова обоих участников и правильно ли назначены роли. Неразборчивые участки следует отмечать как неопределённые и направлять на ручную проверку перед использованием выводов.
Можно ли оценивать менеджеров сразу после подключения аналитики?
До использования автоматических оценок нужно проверить разметку ролей и обоснованность выводов на реальных звонках отдела продаж. Для спорных оценок должна быть доступна исходная запись с нужным фрагментом. Ошибки, влияющие на вывод о работе сотрудника, требуют ручного разбора.
А если у меня всего два менеджера, такая проверка нужна?
Проверка речевой аналитики нужна и небольшому отделу, если её выводы используются для оценки сотрудников или заполнения CRM. Возьмите звонки каждого менеджера и сравните запись с итоговым резюме. Масштаб проверки можно сократить, сохранив внимание к обещаниям, возражениям и следующему контакту.
Начни с задачи, которую сейчас делаешь вручную.
Посмотреть варианты внедрения ИИ
Чем помогаю
Аудит отдела продаж за два дня: слушаю звонки менеджеров, смотрю сделки в CRM и показываю, на каких шагах теряются клиенты.
Ловец лидов: бот для поиска клиентов в Telegram-чатах. Находит в 1 100+ бизнес-чатах тех, кто ищет подрядчика, и присылает заявку, пока запрос свежий.
Речевая аналитика звонков: ИИ разбирает разговоры отдела продаж и показывает, где менеджеры теряют сделки.