Причина отказа в карточке сделки нередко расходится с тем, что клиент сказал по телефону. Разберём конвейер, который переносит слова клиента из записи звонка в поля CRM, и места, где интеграция чаще всего ломается.
Источник: телефония и метаданные
Всё начинается с записи входящих и исходящих вызовов. Вместе с аудио нужно сохранять метаданные: номер, время, сотрудника и идентификатор сделки. Ключевое звено — связь «звонок — карточка»: если идентификатор не ведёт однозначно к нужной сделке, отчёты расползаются, и доверие к ним пропадает.
События от АТС надёжнее получать вебхуками, а данные в карточки писать через API CRM: ручные выгрузки списков быстро рассинхронизируются. При настройке стоит убедиться, что каждая запись открывается прямо из карточки. Для офлайн-каналов полезен запасной маршрут: загрузка файла и привязка к сделке по номеру и времени.
Распознавание речи и разметка ролей
Аудио проходит транскрибацию с диаризацией: система определяет, кто говорит, где паузы и перебивания. Это нужно не только для точных цитат. Мотив отказа должен звучать со стороны клиента, поэтому без разделения ролей модель легко припишет менеджеру чужую реплику.
Качество распознавания упирается в качество звука. Шум, наложение голосов и обрывы связи портят транскрипт, а за ним и всё, что строится дальше. Помогают гарнитуры с шумоподавлением, стабильный канал телефонии и контроль уровней записи. На стороне модели работают фильтрация шума и повторная сегментация.
Классификация: от фразы к мотиву отказа
Из текста модель извлекает фразы о цене, сроках, конкурентах, функциональности и рисках. Затем синонимы нормализуются: «дорого», «бюджет не тянет» и «смету не утвердили» попадают в один мотив. Основа разметки — короткий словарь причин отказа с примерами реальных формулировок клиентов. Чтобы не терять намёки и короткие ответы, модель анализирует не отдельную реплику, а соседние фразы.
Найденный мотив сверяется с полями сделки: причиной отказа, статусом, этапом и комментарием менеджера. Если они конфликтуют, кейс получает флаг с типом расхождения и оценкой уверенности. Подробно о том, как ИИ записывает в CRM слова клиента и почему метки менеджеров расходятся с речью, рассказано в профильной статье.
Что попадает в поля CRM
Результат разбора должен быть пригоден для фильтров и автоматизации, а не только для графиков. Практичный набор полей выглядит так:
- флажок расхождения между причиной отказа и словами клиента;
- значение мотива из словаря причин;
- степень уверенности модели;
- цитаты с таймкодами, по которым можно открыть фрагмент записи.
Агрегаты по мотивам уходят в BI, а флаги запускают триггеры: перезвон, правку поля или ревью звонка. Спорные случаи с низкой уверенностью отправляются на ручную проверку, а не превращаются в жёсткий вывод.
Доступы, хранение и пилот
Транскрипты содержат персональные данные и коммерческие детали, поэтому права на записи и цитаты лучше раздавать через роли, а сервисной учётке интеграции оставлять доступ только к нужным полям. Отдельно стоит решить, где хранятся аудио и тексты и сколько их держать.
Включать автофлаги сразу на весь поток рискованно. Надёжнее начать с эталонной выборки звонков, размеченной вручную, сравнить с ней ответы модели, проверить точность цитат и таймкодов и подобрать пороги уверенности. После запуска нужен владелец процесса, который разбирает очередь флагов и обновляет словарь под новые формулировки клиентов.
