Разбор звонков через ChatGPT: что получается, а что ломается на объёме
Руководитель берёт расшифровку разговора, кладёт в чат и просит разобрать по пунктам. Через минуту у него саммари, список возражений, оценка работы менеджера и рекомендации.
Это работает. Никакого подвоха здесь нет, и статья не о том, что так делать нельзя.
Вопрос в другом: до какого момента этого хватает. Ниже — что у чата получается, что ломается при переходе от одного разговора к тысяче и когда пора менять инструмент.
Что чат делает хорошо
У чата есть четыре сильные стороны, и они настоящие.
Разбирает один сложный разговор лучше, чем большинство сервисов. Если положить в чат транскрипт запутанного звонка и спросить, где менеджер потерял клиента, ответ будет содержательным. Модель замечает повороты, которые ни в один отчёт не попадут, и объясняет свою логику.
Отвечает на любой вопрос без настройки. Не нужно заводить чек-лист, словарь и категории. Можно спросить «а как бы ты продал этому клиенту», «составь три варианта ответа на это возражение», «что бы ты сделал на месте руководителя» — и получить осмысленный ответ.
Стоит ноль на входе. Ни внедрения, ни интеграции, ни договора. Пять минут — и первый разбор готов.
Годится для проверки гипотезы. Прежде чем покупать любой сервис, полезно взять двадцать разговоров и руками разобрать их в чате. Если из этого не выйдет ничего полезного, покупать нечего. Совет не в наших интересах, но он верный.
Всё перечисленное — про один разговор за раз. Дальше начинается другая задача.
Граница: один разговор против массива
Разбор одного звонка отвечает на вопрос «что произошло в этом разговоре». Управленческие решения принимаются по другим вопросам: какая доля разговоров заканчивается без следующего шага, у кого из менеджеров хуже отработка возражений, что изменилось за месяц, какое возражение чаще всего роняет сделку.
Ни на один из них нельзя ответить, разобрав один звонок. Нужно прогнать все разговоры через одинаковый разбор и сложить результаты. На этом переходе чат перестаёт подходить. Модель тут ни при чём — задача просто другая.
Пять вещей, которые ломаются на объёме
| Что ломается | В чём проявляется |
|---|---|
| Воспроизводимость | Один промпт на одном тексте даёт разные формулировки |
| Нормализация | «Дорого», «цена смутила», «возражение по стоимости» — три записи одного |
| Ручной труд | Тысяча разговоров = тысяча копирований |
| Связь с исходом | Модель видит текст и не знает, чем закончилась сделка |
| Дописывание | В разбор попадает то, чего в разговоре не было |
Воспроизводимость. Для одного разбора неважно, что формулировка каждый раз чуть другая. Для сравнения менеджеров это критично: если критерий плавает, разница между Ивановым и Петровым может оказаться разницей между двумя запусками, а не между людьми.
Нормализация. Чтобы посчитать, как часто звучит возражение о цене, все его формулировки должны сводиться к одной категории. Свободный текст ответа модели для подсчёта не годится: получится список из трёхсот уникальных формулировок вместо десяти категорий с частотами. Это отдельная работа — привязка результата к словарю, — и в чате её делать нечем.
Ручной труд. Отдел из десяти менеджеров даёт несколько тысяч разговоров в месяц. Даже полминуты на копирование каждого — это неделя работы человека ежемесячно, и делать её будет тот, у кого и так нет времени.
Связь с исходом. Модель разбирает текст. Она не знает, купил ли клиент, дошёл ли до встречи, вернулся ли через месяц. А самое ценное знание — как раз в связке: какие признаки разговора чаще встречаются в сделках, которые закрылись.
Дописывание. Модель может добавить в разбор деталь, которой в разговоре не было. Так устроены языковые модели, и промптом это не чинится. Для одного разбора, который читает человек, знающий контекст, риск невелик. Для управленческого решения по конкретному сотруднику — велик: наказывать за то, чего не было, хуже, чем не наказывать вовсе.
Как это устроено, когда разбор автоматизирован
Механика, из которой складывается разница:
- Запись забирается сама из телефонии или CRM, а не выгружается руками.
- Расшифровка с разделением на реплики и определением роли говорящего — как её получить и от чего зависит точность, разобрано в материале про транскрибацию звонков.
- Разбор по одному и тому же чек-листу для каждого разговора — те же критерии, тот же порядок, та же шкала.
- Привязка к словарю: возражения, темы и упоминания конкурентов сводятся к категориям, а не остаются свободным текстом.
- Агрегация: доли, динамика, разрезы по менеджерам, источникам и периодам.
- Связка с исходом сделки из CRM.
Пункты 3–6 — это и есть то, чего в чате нет. Первые два при желании закрываются вручную, последние четыре — нет.
Чего у сервиса нет по сравнению с чатом — гибкости. Спросить у отчёта «а как бы ты продал этому клиенту» нельзя. Настроенный чек-лист отвечает на заранее определённые вопросы, и если вопрос новый, чек-лист нужно менять. Так что инструменты скорее дополняют друг друга.
Что выбрать под свою ситуацию
| Ситуация | Чем пользоваться |
|---|---|
| Разобрать один сложный разговор | Чат |
| Понять, стоит ли вообще этим заниматься | Чат, 20 разговоров руками |
| Придумать варианты ответа на возражение | Чат |
| Сравнить менеджеров между собой | Сервис |
| Посчитать частоту возражений | Сервис |
| Отследить динамику за квартал | Сервис |
| До сотни разговоров в месяц | Чат, если не жалко времени |
| Тысяча и больше | Сервис |
Признак, по которому проходит граница: если ответ нужен в виде числа и его динамики, а не текста про один случай, ручной разбор в чате не подходит.
Что попробовать сегодня
Сценарий на один вечер, независимо от того, к чему вы в итоге придёте:
- Возьмите двадцать разговоров за последний месяц — не лучших, подряд.
- Составьте один промпт с конкретными вопросами: назван ли следующий шаг, прозвучало ли возражение и было ли оно отработано, выяснен ли бюджет.
- Прогоните все двадцать одним и тем же промптом.
- Сведите ответы в таблицу и посчитайте доли.
- Засеките, сколько времени ушло, и умножьте на ваш реальный объём разговоров.
Дело обычно решает последний пункт. К этому моменту вы уже увидите первые проблемы в разговорах и будете знать, во сколько обходится такая картина, собранная руками.
Вопросы и ответы
- Можно ли анализировать звонки через ChatGPT?
- Да, и для одного разговора это работает хорошо. Ограничения начинаются при переходе к массиву: результаты не воспроизводятся дословно, формулировки не сводятся к категориям автоматически, а копирование тысячи транскриптов руками неосуществимо.
- Чем речевая аналитика отличается от разбора в чате?
- Одинаковым чек-листом для всех разговоров, приведением формулировок к общим категориям, агрегацией в доли и динамику, связкой с исходом сделки и отсутствием ручного труда. Сам разбор при этом делает такая же языковая модель.
- Обманывает ли модель при разборе звонка?
- Она может добавить деталь, которой в разговоре не было. Для одного разбора это заметно человеку, знающему контекст; для решений по сотрудникам на основании отчёта — нет. Поэтому в отчёте всегда должна быть возможность открыть исходную запись.
- Сколько звонков в месяц — это уже много для чата?
- До сотни разговоров разбор руками возможен, если есть кому этим заниматься. Начиная с нескольких сотен ежемесячная ручная разметка не выживает.
- С чего начать, если пока ничего не разбирается?
- С двадцати разговоров в чате по одному промпту и с подсчёта, сколько времени это заняло. Так появятся и первые находки, и ответ на вопрос, нужен ли инструмент вообще.