Клиент говорит. Как речевая аналитика побеждает неловкое молчание и экономит бизнесу миллионы

Будущее из фантастических романов наступило незаметно: роботы научились понимать человеческую речь и сами отвечают так, что сложно заметить подмену. Нейросети и речевая аналитика теперь помогают бизнесу понимать истинные чувства клиентов и обращать гневные звонки в колл-центр на пользу компании.
Как «Тинькофф» экономит 10 млн рублей в день, анализируя разговоры, и почему роботы до сих пор не могут понять эмоции бабушек, рассказывают разработчики сервиса речевой аналитики TQM в партнерском проекте The Bell и «Тинькофф».




При поддержке



























Почему мир полюбил речевые технологии?
Музыкальная колонка включает свет по команде, машина строит маршрут, а 80% звонков в службу поддержки обрабатывает робот. Голос сокрушил барьер между миром людей и машин. Способность распознавать слова и синтезировать речь (эти навыки называют речевыми технологиями) превратили компьютеры из счетных аппаратов в партнеров и собеседников.
Рынок речевых технологий почти утроится за пять лет — до $26,8 млрд к 2025 году (это больше, чем ВВП Мальты или Исландии в прошлом году), прогнозирует исследовательская компания Meticulous Research. Искусственный интеллект на службе горячей линии способен сократить время ожидания на 77% и снизить расходы на колл-центр на 15–70% — в зависимости от того, как много обязанностей можно переложить на робота, говорится в отчете Deloitte «Диалоговый искусственный интеллект».
Роботы способны анализировать огромные массивы разговоров и определять, о чем чаще всего спрашивают клиенты и правильно ли отвечают им операторы колл-центра. Более того, в их силах выяснить, какие фразы помогают продавать, а какие вызывают отторжение. Такие сервисы называют системами речевой аналитики, и спрос на них будет расти быстрее, чем на другие речевые технологии, — c $1,65 млрд в 2020 году до $5,46 млрд к 2026 году, прогнозируют аналитики Mordor Research.


Как устроены системы речевой аналитики?
Они обрабатывают текстовые массивы данных, и поэтому, чтобы анализировать человеческую речь, им необходимо распознавать голос и превращать звук беседы в текст. «Тинькофф» для этого применяет собственную разработку — технологию распознавания речи на базе машинного обучения VoiceKit, которая обучалась на звонках в службу поддержки. В режиме реального времени система транскрибирует речь в текст с точностью до 95%.
Платформа речевой аналитики сверяет текст беседы со словарями и выделяет ключевые слова. Это позволяет сортировать разговоры по темам, словам, длительности пауз, участникам и итоговому результату — помог звонок решить проблему или нет. На основе данных можно строить отчеты, искать взаимосвязь содержания беседы и результата и делать выводы о качестве работы колл-центра.
Продвинутые системы умеют определять негатив — недовольство клиента или хамство со стороны оператора — и сразу передавать уведомление в отдел контроля качества. Искусственный интеллект способен находить не просто однокоренные слова, а контекстные синонимы.
Платформа речевой аналитики от «Тинькофф» может даже больше: проводить семантический анализ речи. Для этого фразы превращаются в математические векторы. Это позволяет анализировать контекст разговора, а не отдельные фразы.


Какой сервис речевой аналитики использует «Тинькофф»?
«Тинькофф» разработал сервис Tinkoff Quality Management в 2017 году, когда понял, что возможности существующих платформ не справляются с запросами банка — их сложно и дорого масштабировать либо у них нет возможности удаленной работы и облачной обработки данных.
Банк хотел автоматизировать собственный колл-центр, но в итоге создал платформу, которую могут применять любые компании. «Облачная система на базе нейросетей дала нам колоссальное преимущество в условиях удаленной работы, помогла добиться полной автоматизации контроля качества в колл-центре и быстро вывести платформу на рынок», — вспоминает Артур Самигуллин.
Разработка органично вписалась в новую стратегию компании. «Тинькофф» задумывался как первый дистанционный банк в России, развивался как цифровая экосистема, а сейчас делает ставку на искусственный интеллект. Стратегия банка на 2020–2023 годы с названием AI-first предполагает выстраивание максимального количества процессов на основе искусственного интеллекта.

Эмоции моей бабушки
Платформа Tinkoff Quality Management улавливает интонации разговора и может распознать сарказм. Например, когда клиент сказал «Спасибо». Нейросеть раскладывает звук на векторы и сверяет со своей библиотекой, чтобы понять, какие чувства испытывает звонящий, рассказывает руководитель платформы Артур Самигуллин. TQM научилась хорошо распознавать эмоции всех звонящих с единственным исключением. «По какой-то причине ей сложно анализировать речь женщин пожилого возраста. Люди старой закалки говорят с другими интонациями, чем 20-, 30- и даже 50-летние», — удивляется Самигуллин.



Как анализ разговоров помогает бизнесу экономить и зарабатывать?
Речевая аналитика полезна бизнесу, чьи сотрудники часто и помногу разговаривают с частными клиентами, — ритейлерам, телеком-операторам, банкам и сервисным компаниям. От того, насколько быстро и грамотно колл-центр отвечает на звонок, зависит впечатление клиента и решение о покупке.
Анализ переговоров помогает обнаружить, какие фразы повышают или снижают продажи, найти слабые места в скриптах и подобрать аргументы, которые мотивируют клиентов. С его помощью можно понять, как работают маркетинговые акции, и увеличить эффективность. «Мы заметили прямую связь. Когда оператор говорит, что представитель банка бесплатно привезет карту домой или в офис к клиенту, это повышает конверсию на 15%», — делится Артур Самигуллин.
Если оператор колл-центра знает, что его разговор точно прослушают, он старается избегать запрещенных тем и более профессионально ведет беседу, добавляют разработчики, подчеркивая, что главное предназначение речевой аналитики — контроль качества работы колл-центра. С ее помощью можно автоматизировать процесс: система покажет, сколько вызовов обработал оператор, какие ошибки допустил и какой результат получил.
Каждый день платформа речевой аналитики Tinkoff Quality Management экономит «Тинькофф» около 10 млн рублей — столько стоит прослушивание и анализ всех входящих звонков в колл-центр в ручном режиме. Если раньше контролеры проверяли около 5% разговоров, то теперь анализируются все 100%.
За счет анализа возражений и корректировки скриптов конверсия продаж в банке увеличилась на 15%, а сроки подготовки операторов колл-центра снизились в 2,5 раза. «Сейчас мы измеряем, как это влияет на лояльность клиентов и общее качество клиентского опыта», — добавляет руководитель платформы речевой аналитики Артур Самигуллин.



Как другие компании экономят и зарабатывают с помощью Tinkoff Quality Management?
Рекомендательный сервис Zoon.ru — это сайт с 60 млн отзывов о компаниях и услугах. С его помощью 15 млн человек каждый месяц выбирают, где поесть, сделать маникюр или купить автомобиль. Компании могут создавать на сайте свои витрины и визитные карточки, размещать прайс-листы, отвечать на отзывы и анализировать статистику.
Zoon внедрил речевую аналитику от «Тинькофф» в марте 2021 года. Сейчас ее используют отделы продаж и сопровождения премиальных клиентов — в общей сложности около 150 человек, каждый из которых проводит 40–50 телефонных переговоров в день. Компания выбрала облачное решение и потратила неделю, чтобы подключить и настроить его.
«Мы хотели анализировать больше звонков, повысить мотивацию персонала и качество сервиса — и все это без дополнительных расходов на расширение отдела качества», — рассказывает руководитель отдела телемаркетинга Zoon Александр Козичев. На деле, по его словам, сервис принес даже больше пользы, чем рассчитывали вначале, а все расходы окупились примерно за два месяца.
Сотрудники стали тратить меньше времени на прослушивание и оценку звонков. Благодаря этому компания снизила расходы на контроль качества переговоров на 20%. Проанализировав ошибки сотрудников и реакцию их собеседников, компания пересмотрела стандартные диалоги. Как результат — эффективность и качество звонков повысились на 7%, рассказывает Козичев и объясняет: компания оценивает каждый разговор по шкале от 0 до 100 баллов. Раньше звонок в среднем набирал 85 баллов, а после внедрения TQM показатель постепенно вырос до 90 баллов.




Чем Tinkoff Quality Management отличается от других платформ?
Разработчики платформы утверждают, что объема данных, которым оперирует TQM, нет ни у одного российского аналога — у компании с 17 млн розничных клиентов (3-е место по этому показателю в России) нет физических офисов, и все запросы обрабатывает мобильное приложение или колл-центр. Выходит около 25 000 часов разговоров в день, или около 9 млн часов в год.
Большинство систем речевой аналитики имеют дело с правилами — они сверяют разговор оператора с заранее заготовленным скриптом и указывают на ошибки, если ответы выходят за рамки стандарта. Искусственный интеллект Tinkoff Quality Management выделяет закономерности в ответах операторов и указывает на системные проблемы, а не отдельные ошибки, объясняет Самигуллин. В программе есть два типа поиска: обычный по словам и семантический — по смысловым векторам, вариациям фраз со схожим смыслом.
В дальнейшем разработчики хотят сделать систему еще умнее и обучить искусственный интеллект автоматически определять тему разговора и искать корреляцию успешных бесед с определенными словами в разговоре. Вдобавок систему научат анализировать не только звонки, но и беседы на других платформах, например в чатах или ответах службы поддержки по почте. Следующий шаг — запись и анализ разговоров представителей банка, которые лично встречаются с клиентами, чтобы подписать документы или передать карту.
Речевую аналитику можно подключить в двух форматах: как облачное решение на базе мощностей «Тинькофф», в этом случае минута анализа звонка обойдется в 80 копеек за минуту, или как коробочную версию на сервере клиента.
Фото на обложке материала: Getty Images

Узнать больше





]]>