Предикт: что это такое и как речевая аналитика звонков помогает маркетингу

Что такое предикт и как понимать это слово?

В маркетинге и колл-трекинге слово связано с продуктом Calltouch. Там Предикт назван технологией речевой аналитики, которая определяет итог и качество разговора без прослушивания. Вы получаете расшифровку звонка, теги и отчёты по каждому разговору менеджера. Для компаний, у которых заявки приходят по телефону, это замена ручной проверки записей.

Слово не стоит путать с «предикатом» из логики и программирования: там речь о высказывании или функции, которая возвращает истину или ложь. Английское predict переводится как «предсказывать», и от него пошёл общий смысл: прогнозировать исход по накопленным данным. В запросах пользователей встречаются все три значения, поэтому ниже мы идём от конкретного к общему.

Общий смысл описывает Википедия: предсказательная аналитика концентрируется на прогнозировании будущего поведения объектов и субъектов. Для маркетолога это вопрос «кто из лидов купит» и «какое объявление сработает на этого посетителя». Речевая аналитика отвечает на соседний вопрос: что на самом деле происходило в разговоре, который привёл или не привёл к сделке.

Связь между двумя смыслами простая. Теги звонков превращают разговоры в таблицу признаков, а по таблице уже можно строить прогнозы и сравнивать каналы. Поэтому в статье сначала разбираем механику, а затем смотрим, как те же данные работают на прогноз.

Как работает предикт: от звонка до отчёта

Всё начинается с кода. По описанию Calltouch, на страницы ставится скрипт, который собирает данные о звонках для сквозной аналитики и колл-трекинга. Клиент набирает подменный номер, оператор отвечает, а событие вместе с аудиозаписью уходит в сервис.

Дальше работают две стадии. Сначала система распознавания превращает запись в текст отдельно для клиента и для менеджера. Затем текст размечается: звонок получает теги вроде «заказ», «грубость» или «целевой». В итоге данные попадают в отчёты, и вы знаете не только откуда пришёл звонок, но и каким он был.

Для расшифровки сервисы берут готовые движки. Calltouch называет Tinkoff VoiceKit, Yandex SpeechKit и Google Speech API как основу для распознавания. У Яндекса в документации SpeechKit распознавание речи определено как процесс преобразования речи в текст, а среди сценариев прямо указан контроль соблюдения скриптов колл-центров. Многоканальные записи звонков умеет обрабатывать асинхронный режим.

Универсальная схема у других вендоров та же. В обзоре MCN речевой анализ идёт в три этапа: обработка данных, лексический анализ и отчётность. Для этого не нужен отдельный отдел контроля качества. По данным того же обзора, команды контроля качества проверяют в среднем от 2 до 4 звонков оператора в месяц, а автоматика способна охватить каждый вызов.

Для маркетолога важна ещё одна деталь: расшифровка и теги привязаны к карточке звонка в журнале. Прослушать нужный звонок, найти фразу по ключевому слову и посмотреть тег можно в одном месте, не открывая десяток файлов.

Что показывают расшифровка и теги?

У расшифровки две практические пользы. Её читают быстрее, чем слушают разговор, и по ней можно искать: введите «скидка», и система покажет звонки, где менеджер её называл. По данным Novofon из материала Retail.ru, запись превращается в текст в среднем за пять минут.

Теги отвечают на вопрос «каким был звонок». По описанию Calltouch, грубый разговор получает тег «грубость» или «конфликт», а заказ получает тег «заказ». Тег можно придумать самому: клинике нужна «запись на приём», автодилеру «тест-драйв», интернет-магазину «статус заказа».

• Целевой или нецелевой звонок: отсекает ошибочные номера и спам, чтобы они не портили конверсию канала.
• Услуга или товар: показывает, о чём спрашивают чаще всего и какие категории нужно развивать.
• Отдел: помогает увидеть, куда распределяются обращения, и найти перегруженные линии.
• Пол клиента: даёт ответ, который не даёт сам колл-трекинг. Можно узнать, кто чаще звонит в компанию, мужчины или женщины.
• Эмоции и тон: в обзоре MCN сказано, что по характеристикам речи можно определить эмоции говорящего, и это помогает вовремя заметить недовольного клиента.

Главное отличие от колл-трекинга Calltouch формулирует так: колл-трекинг отслеживает источник звонка, а речевая аналитика говорит, каким звонок был. Два набора данных вместе показывают, какой канал приводит продающие звонки, и бюджет можно переносить туда, где такие звонки дешевле.

Как предикт помогает на практике: четыре примера

Первый пример из материала Calltouch касается склада. Компания продаёт складскую технику и ввела скрипты продаж: по её данным, скрипты увеличивают конверсию в сделку на 10%. Результаты менеджеров при этом отличались. Поиск по расшифровкам показал, что часть сотрудников не здоровается и не называет фразу «скидка при первом заказе». Причина обнаружилась в исполнении скрипта, сам текст был в порядке: менеджеров поправили и контролировали дальше.

Второй пример связан с рекламой. Юридическая фирма запустила две кампании в контекстной рекламе с разными настройками времени показа, и звонок шёл с подменного номера на лендинге. Маркетолог свёл теги с источниками трафика. У первой кампании было много трафика, но звонков с тегом «Запись на консультацию» оказалось слишком мало, у второй их было много. Бюджет решили перенести на вторую. Материал принадлежит самому Calltouch, поэтому оценивайте логику примера, а размер эффекта проверяйте на своих данных.

Третий пример из того же материала Retail.ru показывает, как считать мотивацию. В кол-центре работали 50 операторов разного уровня. Ручная оценка потребовала бы отдельного отдела контроля. Поэтому включили распознавание для всех, выбрали метрики вроде процента молчания и числа перебиваний и получили оценку по пятибалльной шкале. На её основе построили грейды и премии.

Четвёртый пример касается специализации менеджеров. Крупный отдел продаж решили разделить на группы по товарам. Для каждого направления настроили словарь слов-маркеров, выгрузили из CRM успешные продажи по каждому товару и сотруднику и посчитали коэффициент успешности. Операторов разложили по группам и настроили IVR-маршрутизацию. По описанию автора, конверсии звонков выросли, а число продаж увеличилось. Точных цифр в материале нет.

Общая схема этих историй одинакова: сначала задаётся вопрос к звонкам, затем под него настраиваются теги или метрики, и только потом принимается решение. Без вопроса теги превращаются в красивый отчёт, который никто не читает.

От отчёта к прогнозу: предиктивный подход в маркетинге

Когда у вас накопились размеченные звонки, лиды и сделки, данные можно использовать для прогноза. Предсказательная аналитика, по той же Википедии, анализирует текущие и исторические факты для предсказаний о будущих событиях. В бизнесе модели находят паттерны и по ним оценивают риски и возможности. Одно из известных применений даёт кредитный скоринг, а в маркетинге то же делают с лидами.

Показательный кейс есть у HP. Отдел продаж промышленных принтеров не мог заполнить воронку сделками, которые закрываются. Команда подключила скоринг лидов и аккаунтов, чтобы выявлять лиды с наибольшей вероятностью конверсии. Результат: оценённые аккаунты категорий A и B конвертируются вдвое чаще, а доля выигранных сделок выросла почти на 40%. Вице-президент подразделения Haim Levit сформулировал вывод так, как приведено в материале Demand Gen Report:

Предиктивный подход может обеспечить рост выручки.

Haim Levit, VP & GM подразделения Indigo и Inkjet Press Solutions, HP

Второй кейс касается рекламы. Образовательный портал хотел подбирать посетителю объявление, на которое он вероятнее откликнется. Команда создала 291 модель, по одной на каждое объявление, и обучила их на миллионах показов. Отклик вырос на 25% сверх существующей A/B-системы. Исполнитель оценил прибавку примерно в миллион долларов выручки за 19 месяцев. Оба кейса опубликованы исполнителями, поэтому цифры стоит считать ориентиром.

Для небольшого бизнеса вывод скромнее, и это нормально. Модель можно не строить: достаточно регулярно сравнивать каналы по доле продающих звонков и по ним перераспределять бюджет. Такой анализ входит в сквозную аналитику, а результат проверяется A/B-тестом.

Как настроить предикт и сколько это стоит?

Универсального набора тегов нет: то, что подходит магазину, не подойдёт клинике. Поэтому систему сначала обучают. Calltouch рекомендует вручную отметить 150 звонков, чтобы алгоритм научился различать обращения. Из них 100 уходят на обучение, а 50 на контроль качества. Если точность оказалась ниже 90%, разметку продолжают.

1. Решите, какой вопрос к звонкам важнее: качество работы менеджеров, окупаемость рекламы или спрос по товарам.
2. Составьте несколько тегов под этот вопрос, например «запись», «цена», «отказ», «нецелевой».
3. Разметьте звонки вручную и разделите записи на обучающую и контрольную части.
4. Проверьте точность на контрольных звонках и при низком результате добавьте разметку.
5. Подключите отчёт по тегам и источникам трафика и сверяйте его раз в неделю.

Цену задаёт тариф. В описании Calltouch минута звонка стоит 1 рубль на тарифе «Стандарт», а на тарифе «Премиум» услуга входит без доплаты. Для сравнения прикиньте стоимость часа работы сотрудника, который слушает записи. Если вы платите оператору за прослушивание сотен звонков, автоматическая разметка быстро окупается.

Ограничение стоит учитывать сразу. Ручное прослушивание нужно уже для контроля: выборочно сверяйте теги с реальными разговорами. Это касается и любого другого сервиса, ведь по описанию Retail.ru ручная оценка всех операторов требует отдельного штата сотрудников, а автоматика его заменяет, но не отменяет проверки.

Кому это нужно? Calltouch отвечает: всем, у кого лиды приходят через звонки. Автодилеры, интернет-магазины, агентства недвижимости и клиники записывают клиентов по телефону, и каждая потерянная запись стоит денег. Неважно, работает ли колл-центр или трубку берёт отдел продаж.

Если звонков мало, хватит выборочной проверки: десяток записей в неделю можно прослушать руками. Автоматика окупается, когда обращений сотни, а источников трафика несколько. Тогда расшифровка с тегами заменяет часы прослушивания и позволяет сравнивать менеджеров и рекламные каналы на одинаковых основаниях.

Какие ошибки мешают получить пользу от предикта?

Первая ошибка: слишком много тегов. Когда их тридцать, менеджеры и сам алгоритм путаются, а отчёт никто не читает. Начните с пяти-десяти тегов и добавляйте новые только под конкретный вопрос.

Вторая ошибка: считать теги истиной, не проверяя. Алгоритм обучается на вашей разметке, и если в ней были ошибки, они размножатся. Раз в месяц выберите двадцать звонков и сверьте с тегами, а при расхождении перенастройте разметку.

Третья ошибка связана с прогнозами. По Википедии, у предсказательной аналитики есть недостаток: слабый учёт качественных сдвигов. Если рынок, цены или сезон резко изменились, модель обучена на прошлом и ошибётся. Не принимайте решение о бюджете по одному прогнозу, сверяйте его с свежими цифрами.

Четвёртая ошибка касается рекламы. Если сравнивать каналы только по числу звонков, победит канал с наибольшим числом нецелевых обращений. Берите долю продающих звонков, и тогда стоимость привлечения клиента получится честнее.

Частые вопросы