Анализ звонков: как разбирать разговоры по расшифровке

Десять менеджеров, по 20 разговоров в день, к пятнице 1000 записей. Сколько я слушал? 5, в хорошую неделю 7, и всегда те, на которые пожаловался клиент. Анализ звонков ломается о мой календарь. Остальные 993 записи оставались у меня ощущениями (цену отрабатывают вяло, скрипт живёт отдельно от людей). И с ощущениями я шёл к коммерческому.

Расшифровка мои выводы умнее не сделала.

Она сделала другое. Разговор на 30 минут мы превращаем в текст с тайм-кодами и спикерами за 25 секунд, час записи занимает у нас минуту (1–2% длительности файла). А файл на 3 часа? Минуты три. Почему сделка встала, текст вам не скажет. Зато он перестаёт врать, кто что говорил.

Зачем анализировать звонки, если я и так слушаю записи

Ты же слушаешь, сказал мне коммерческий на планёрке.

Слушал. Выборка ловит грубое (хамство, слитый лид). А чего она не ловит? Возражение «нам сейчас не до этого» звучит в каждом третьем звонке. Но пока я слушаю 7 записей из 1000, оно выглядит совпадением. Контроль качества звонков по выборке недооценивает мелочь и переоценивает скандал (его приносят сами). И второй счёт, денежный. 100 звонков по 5 минут это 500 минут прослушивания, 8 часов с лишним. У вас они есть? Мы расшифруем те же 500 минут за 145 ₽ (0,29 ₽/мин). Анализ звонков отдела продаж от этого глубже не станет. Он станет полнее. Весь массив вместо хвоста из жалоб.

Что даёт расшифровка на разных этапах сделки

Первый контакт. Менеджер квалифицировал клиента или сразу поехал в презентацию? Вы ищете по словам про бюджет и про ЛПР. Минута на 10 звонков. Вопрос про ЛПР задают все, ответ клиента не записывает никто.

А на демо я смотрю на пропорцию.

Мы включаем диаризацию, запись делится на спикеров с тайм-кодами, реплики вам остаётся посчитать. Менеджер занял 4/5 эфира там, где надо выяснять потребность? Вы увидите это в июле. По итогам квартала было бы поздно. Анализ разговоров с клиентами в поддержке я строю иначе, пропорция там значит мало. Смотрю на повторы и на вторые обращения.

Ближе к закрытию нужны договорённости. Что обещали и к какому числу? Спорное место по цене вы найдёте по тайм-коду за 2 секунды. И «я такого не говорил» заканчивается, не начавшись.

Как выделять задачи, возражения и отклонения от скрипта

Расшифровка звонка и выделение задач держатся на нескольких типах фраз. Обещание менеджера («пришлю расчёт сегодня»). Вопрос клиента без ответа. Любая дата в реплике. Слово «договор» рядом с цифрой. Искать можно руками или поиском по словам, можно попросить модель. Разница во времени.

Что ещё я вытаскиваю?

• Возражения дословно. «Дорого» и «нет бюджета до 2 квартала» требуют разных ответов, хотя в карточке оба станут «дорого».
• Стоп-слова.
• Рискованные обещания («гарантирую», «мы точно успеем»).
• Обязательные пункты скрипта. У меня в списке приветствие и назначенный следующий шаг, между ними вопрос про задачу клиента.

Скрипт я проверяю по тексту, и это честнее прослушивания. Но где потолок? Мы находим формулировку. Уместность мы не оцениваем. Следующий шаг можно назвать так, что клиент его не заметит. Галочка всё равно встанет. Поэтому контроль качества звонков у меня смешанный. Машина размечает все 1000 разговоров, я раз в неделю перечитываю 10 спорных и правлю критерии.

Анализ звонков нейросетью: что автоматизируется, а что остаётся людям

Анализ звонков нейросетью начинается с распознавания. Мы в Palatine Speech распознаём речь с WER 7,10% и WAcc 92,9% на бенчмарке из 7 датасетов. У ElevenLabs 6,88%, у AssemblyAI 7,03%, у Whisper-large-v3 7,44%. Телефония портит картину всем (канал 8 кГц, сжатие), на телефонной дорожке мы держим около 90%. Мелочь? Пока ошибки не сядут на фамилии и названия компаний. Соберите в словарь имена и названия продуктов, отдайте нам до заливки. А если запись шумная и все перебивают? Диаризация у нас поплывёт (обе стороны в одной моно-дорожке, границы реплик размываются). Раздельные дорожки от телефонии мы делим чище, включите настройку в АТС заранее. Скорость узким местом не бывает. Те же 25 секунд на 30-минутном файле, у Yandex SpeechKit ~2 минуты, у OpenAI ~10 минут.

Мы снимаем с вас расшифровку, поиск по массиву, разметку спикеров, тайм-коды и саммари из видео и аудио с тезисами и задачами. Главное мы с вас не снимем. Модель покажет, что возражение про цену прозвучало в 40 звонках из 100. Почему в 40? Копать вам. У меня ответ сидел в источнике лидов, а скрипт был ни при чём.

Про языки нас спрашивают всегда. Их у нас около 100, включая русский и языки СНГ, но расшифровываем мы на языке разговора. Узбекский звонок станет узбекским текстом (перевода не будет).

Как запустить анализ звонков на своих записях

Первый шаг скучный. Выгрузите записи из телефонии или CRM в файлы. Мы берём mp3, wav, m4a, ogg, aac, а короткий разговор вы надиктуете нам с микрофона. Можно дать нам ссылку на плеер вашей АТС? Нет. Мы принимаем файл, ссылку не принимаем. Сначала скачиваете, потом загружаете.

• Залейте пачку файлов на страницу транскрибация звонков, включите деление на спикеров. Оператор и клиент пойдут отдельными репликами.
• Возьмите формат под задачу. txt вы читаете глазами, json или verbose_json с тайм-кодами уходят в карточку сделки.
• Форматы srt и vtt здесь лишние, мы их отдаём под видео.
• Для потока подключите speech-to-text API, он принимает файлы и распознаёт поток по WebSocket. Документация у нас на docs.speech.palatine.ru.

Второй шаг юридический. Запись разговора с клиентом это персональные данные, обработку регулирует 152-ФЗ. Мы держим инфраструктуру в 4 ЦОД Tier III в России, данные идут по TLS, на ваших записях мы модели не обучаем. Сколько это стоит? От 0,29 ₽/мин, поминутно, без подписки. Баланс у вас не сгорает, секунды мы округляем вниз.

И начните с малого, иначе бросите на третий день.

20 звонков одного менеджера за неделю. Расшифруйте и прочитайте подряд, отмечая всё, что цепляет. Вылезут 2–3 дыры (нет следующего шага, беспомощный ответ на «дорого»). Хотите проверить, как мы справимся с вашей телефонией? Закиньте пару файлов в наш Telegram-бот @VoicePalatineBot, до 100 транскрибаций в день бесплатно. Для архива неудобно (по файлу за раз), а для проверки хватает. Я так и начинал.