Нейроанализ звонков: максимум пользы, минимум отказов

Немного об Алексее

Алексей Новиков, 39 лет, Беларусь

Работаю продюсером онлайн-школы на полставки — отвечаю за общее управление.

ОНЛАЙН-ПРАКТИКУМ

КАК «ХАКНУТЬ» PYTHON С ПОМОЩЬЮ CHATGPT

ЧТО БУДЕТ НА ОБУЧЕНИИ?

• Прямо в эфире решим типичные задачи программиста только с помощью ChatGPT
• Возможности Python — расскажем что можно делать и сколько на этом зарабатывать?
• Что ждет рынок программирования и почему мы решили сюда пойти

Участвовать бесплатно

Поиск лучшего специалиста

Всё началось с задачи внутри нашей школы: я искал в интернете решение для контроля качества отдела продаж с помощью нейросетей. В теории всё звучало красиво, но на практике не нашлось ни одного специалиста, который предложил бы понятное и рабочее решение.

Пришлось разбираться самому — и именно это подтолкнуло меня к обучению.

Я понимал: нейросети — это не просто хайп, а инструмент, который можно использовать по-настоящему эффективно. Уже были идеи, как применить их в работе.

Изначально хотел идти на курс по Python, но карьерный консультант «Зерокодера» порекомендовал промпт-инжиниринг — сказал, что так будет быстрее и практичнее. А в рамках полного тарифа открылся и доступ к Python. В итоге получилось комплексное обучение, которое сразу дало пользу и понимание, как работать с нейросетями в реальных задачах.

Обучение на практике

Сейчас я на восьмом модуле — прошёл около 70% курса, на VIP-тарифе.

Материал даётся хороший и понятный. Мне нравится, что задания сразу можно адаптировать под свои задачи.

Если в домашке нужно придумать проект, я беру реальную идею из своей онлайн-школы и начинаю её внедрять. По сути, я уже прямо в процессе обучения делаю полезные штуки для своего бизнеса — это очень мотивирует.

Из того, чего немного не хватает — общения с другими студентами. Сейчас я задаю вопросы вип-менеджеру, а дальше она передает их куратору. Всё работает, но хотелось бы больше комьюнити: живого общения, совместных обсуждений.

В целом курс мне заходит — это не просто теория, а инструмент, который можно сразу применять.

Система контроля качества звонков

По одному из уроков я собрал систему, которая обрабатывала звонки менеджеров и проводила их анализ. Однако отдел продаж на работе ее не принял, для них результат был неудовлетворительным.

Я начал разбираться в причинах. Оказалось, что OpenAI плохо справляется с распознаванием русской речи — в первую очередь из-за качества самих записей. Звук часто не очень, и в результате транскрибация выходит неточной.

Например, из 10 звонков только 5 расшифровываются нормально, остальные — «битые», даже визуально не прочитать. Автоматизировать анализ в таком случае не имеет смысла.

Я решил пойти дальше и провёл собственное тестирование: подключил API Яндекса и OpenAI, сделал кучу тестов, настроил среду в Google Colab, сам придумал способ массовой проверки. И в результате вывел свою методику: объединять Яндекс и OpenAI через специальный промпт. У Яндекса отличная точность распознавания русского языка, а OpenAI хорошо понимает структуру фраз. В связке они дают очень точные транскрибации — в 99% случаев.

Эта же связка оказалась и самой дешевой. Стоимость транскрибации — всего 1–2 цента за минуту.

Рабочая схема

После этого перешёл ко второму этапу — обработке полученной информации. Хорошая транскрибация есть, нужно как-то её анализировать. На курсе предлагали базовые методы, но я решил углубиться и в итоге собрал систему анализа на базе Qwen, потому что это дешевле и она хорошо понимает семантику русского языка (использовал модель 2.5 max).

Всё это я объединил в веб-приложении на Flask. Схема работает так:

1. Менеджер завершает звонок.
2. Система ловит запись, транскрибирует её.
3. Далее текст поступает на анализ.
4. Результат отправляется в Telegram-чат менеджера — по каждому звонку приходит обратная связь.

Обратная связь включает:

• Что можно улучшить в следующем звонке;
• какие фразы использовать;
• какие точки касания выстроить, чтобы повысить шанс продажи.

Плюс, система автоматически фиксирует жёсткие отклонения от скриптов (я загрузил речевые модули в RAG-базу Qwen). Она сравнивает фактический диалог с шаблоном и указывает, например: «не выявлена потребность», «нет точки касания», «слабое завершение диалога» и т.п.

Если в разговоре звучат возражения, система это тоже отслеживает и выдаёт менеджеру два варианта отработки:

• Один из внутреннего скрипта;
• Второй — из внешнего поиска (бот или веб-поиск).

Так у нас и появилась система, которую реально можно использовать в работе. Она помогает не только выявлять слабые места, но и обучать менеджеров в реальном времени.

Преимущества нейросети

Один из главных плюсов нейросети — с ней не бывает «плохих» звонков. Даже если сценарий не сработал идеально, она всегда предлагает новые варианты, которые можно доработать или протестировать.

Например, недавно она сгенерировала интересную идею: вместо традиционного звонка с экспертом предложила подключить к разговору куратора или даже другого ученика. Такой собеседник может поделиться личным опытом, ответить на сомнения потенциального клиента и тем самым повысить доверие. На следующей неделе мы планируем протестировать эту гипотезу.

Стремления

Сейчас я уже почти закончил обучение — остался, кажется, последний модуль, где идет практическая часть. А дальше уже будет этап поиска клиентов: есть подборка проектов, которые можно брать, и я хочу попробовать себя.

Наверное, главный совет, который могу дать: чаще включайте голову. Это всегда работает.

Связаться с Алексеем

Telegram — @alexejnowikow