ИИ слушает сто звонков в день. Мы смотрим на цифры
ИИ разбирает сотню звонков в день, мы смотрим цифры качества, а не слушаем каждую запись.
Запрос
Нужен дашборд по чек-листу качества обслуживания: видеть, насколько менеджеры соблюдают стандарт разговора, не переслушивая сотню звонков руками.
Постановка была подробной, и это сильно помогло. Пункты чек-листа, имя сотрудника, выполнение — делает, частично, не делает. Плюс: если есть серьёзные отклонения, нужен доступ к самой записи. Даже если это один звонок за месяц, но в нём менеджер нагрубил.
И честное наблюдение: сотрудники часто не прощаются — а может, это нейросеть не распознаёт прощание?
Именно это сомнение потом оказалось ключевым.
С чего начал
Не с дашборда. Собрал первую версию в обычной таблице: чек-лист по каждому менеджеру, отмеченный руками по реальным звонкам.
Смысл — до всякой автоматизации договориться, что именно мы считаем. Показал, обсудили, идея подошла. Только потом пошёл строить.
Правило, которого стараюсь держаться: если не можешь посчитать метрику руками на десяти примерах — автоматизировать её рано.
Что получилось
- Средний процент выполнения чек-листа по каждому менеджеру
- Клик по менеджеру — детализация, по каким пунктам просел
- Разделение по отделам: пункты 1–6 общие, 7–11 рекламации, 12–18 продажи
- Динамика по дням
Было / стало
- Оценка качества: выборочно, руками, десяток звонков → все звонки за период
- Разбор с менеджером: «мне кажется, ты...» → конкретный пункт и конкретный звонок
- Отчёт руководителю: собирается вручную → открывается по ссылке
Что это значит для менеджеров
Это не про «поймать и наказать». Чек-лист показывает конкретные пункты, которые проседают — не проговорили сроки, не уточнили модель. Их можно поправить за один разговор с руководителем.
А про сомнение в достоверности — оно оказалось полностью оправданным. Про это следующий пост.