Речевая аналитика для маркетинга: как оценить качество лидов и рекламы

CPL снижается, а продаж больше не становится: как речевая аналитика помогает понять качество лидов

Маркетинг показывает отчет: стоимость лида снизилась на 18%, заявок стало больше, рекламные кампании выполняют KPI.

Отдел продаж отвечает:

Лиды стали хуже.

В ответ маркетинг просит цифры. Продажи показывают CRM, где половина проигранных сделок закрыта статусом «нецелевой», «дорого» или еще менее информативным «не заинтересован».

Кто прав?

Иногда маркетинг действительно приводит не ту аудиторию. Иногда менеджеры плохо обрабатывают качественный спрос. Иногда проблема вообще находится в продукте, цене или рекламном обещании.

Чтобы это понять, недостаточно считать клики, CPL и количество заявок. Нужно посмотреть, что потенциальные клиенты на самом деле говорят после того, как реклама уже выполнила свою работу.

Именно здесь речевая аналитика становится инструментом не только РОПа и отдела контроля качества, но и маркетолога.

Мы посмотрели, как эту задачу решают шесть разных систем: DEERAY, Roistat, Calltouch Predict, Callibri, imot.io и Yandex SpeechSense.

Срез функциональности сделан в сентябре 2026 года по публичным материалам разработчиков.

Лид — еще не результат маркетинга

Представим две рекламные кампании.

Первая принесла:

100 заявок по 1000 рублей.

Вторая:

60 заявок по 1500 рублей.

По CPL первая очевидно лучше.

Но после анализа разговоров выясняется:

в первой кампании 45% клиентов ищут другой продукт или не соответствуют целевому сегменту;

во второй почти каждый разговор начинается с конкретной потребности, бюджета и готовности обсуждать покупку.

Теперь маркетинговая картина выглядит иначе.

Дешевая заявка может оказаться дорогим мусорным лидом.

А высокий CPL — скрывать более качественный спрос.

DEERAY в своих материалах отдельно отмечает эту проблему: качество лида нельзя определять только рекламным источником — в разговоре можно увидеть потребность, бюджет, сроки, соответствие продукту и реальную готовность к контакту.

Речевая аналитика добавляет к стандартной воронке еще один слой:

реклама → заявка → содержание разговора → качество лида → работа менеджера → результат.

И вот уже здесь разные платформы решают совершенно разные задачи.

Calltouch Predict: когда нужно понять качество звонков из рекламы

Calltouch, пожалуй, наиболее очевидный вариант именно для маркетинговой задачи.

Сам продукт построен вокруг связи:

рекламный источник → звонок → тип обращения → результат.

Predict автоматически распознает разговор и может определять, целевой ли это звонок, по какому продукту обратился клиент и чем закончилось обращение. Пользовательские теги обучаются на размеченной выборке: Calltouch рекомендует подготовить около 150 звонков для каждого нового тега. Стоимость анализа указана как 1 рубль за минуту.

Для маркетолога это позволяет уйти от метрики:

сколько звонков принесла кампания?

к более полезной:

сколько целевых звонков принесла кампания?

Например, рекламные кампании можно сравнивать не только по CPL, но и по:

1. доле целевых обращений;
2. звонкам по конкретному продукту;
3. продажам;
4. повторным и нецелевым звонкам.

Где Calltouch особенно силен

Когда основная задача — обогатить маркетинговую атрибуцию содержанием телефонного разговора.

При этом Predict не стоит воспринимать как полную замену глубокой Conversation Analytics Platform.

Если требуется разбирать сложные причины отказов, клиентский опыт сразу в нескольких каналах или индивидуальную методологию оценки десятков этапов продажи, это уже другой класс решений.

Roistat: разговор как еще один слой сквозной аналитики

Roistat идет похожим путем, но внутри более широкой платформы сквозной аналитики.

Система собирает данные из:

1. рекламных каналов;
2. сайта;
3. CRM;
4. коллтрекинга;
5. других маркетинговых инструментов,

и связывает их с продажами и прибылью.

Речевая аналитика добавляет в эту цепочку содержание звонка.

Roistat расшифровывает разговоры, тегирует их, ищет ключевые фразы, конфликты и отклонения от скриптов. Разработчик отдельно позиционирует продукт как способ контролировать 100% звонков и находить места, где компания теряет клиентов.

Получается связка:

реклама → источник → звонок → содержание → продажа → прибыль.

Что это дает маркетингу

Допустим, Яндекс.Директ приводит дорогие лиды.

Обычная сквозная аналитика показывает высокий CAC.

Но речевая аналитика выясняет, что клиенты:

1. хорошо понимают продукт;
2. имеют подходящий бюджет;
3. называют конкретную потребность;
4. регулярно сталкиваются с одной и той же слабой отработкой возражения менеджерами.

Тогда отключать рекламу — возможно, неправильное решение.

Проблема находится после передачи лида в продажи.

И наоборот: если менеджеры работают нормально, но половина звонков не соответствует продукту, возвращаемся к рекламе.

Именно поэтому для связки маркетинг + продажи Roistat выглядит естественно: аналитика звонков работает внутри системы, которая и так знает рекламный источник и экономику сделки.

Callibri: качество обращения рядом с рекламным источником

Callibri находится в похожем маркетинговом классе.

Речевая аналитика переводит входящие звонки в текст, автоматически классифицирует обращения и позволяет анализировать работу менеджеров. Пакет из 3000 минут сейчас стоит 3000 рублей.

При этом сама экосистема Callibri связывает заявки и звонки с рекламой.

МультиТрекинг показывает конверсию, количество и стоимость обращений в разрезе:

1. источников;
2. кампаний;
3. объявлений;
4. ключевых слов.

А сквозная аналитика связывает обращения с CRM и рекламными платформами, чтобы считать уже ROI, ROAS, CPO и другие показатели.

Особенно полезен здесь механизм классов.

Например, можно разделить обращения на:

лид / спам / определенный продукт / другой тип запроса.

Для звонков автоматическая классификация работает через заданные ключевые фразы. Сам Callibri рекомендует проверять корректность автоматической разметки перед тем, как делать выводы об эффективности рекламы.

Это правильная оговорка.

Для кого это хороший вариант

Для малого и среднего бизнеса или агентства, которому прежде всего нужны:

коллтрекинг + качество заявок + реклама + понятный маркетинговый дашборд.

Если задача уже переходит к глубокому семантическому анализу клиентских потребностей, пространство для более специализированных платформ становится шире.

DEERAY: когда маркетингу нужно понять не только источник, но и причину поведения клиента

У DEERAY другая точка входа.

Это не система коллтрекинга и не сквозная аналитика рекламы.

Платформа анализирует сами коммуникации — звонки, чаты и письма — и ищет в них скрытые потери, причины отказов и закономерности, влияющие на продажи.

Для маркетолога это полезно, когда вопрос становится сложнее:

не просто какой канал привел лид, а что за люди приходят, чего они хотят и почему не покупают.

Например, из коммуникаций можно выделить:

1. реальные потребности;
2. частые вопросы;
3. ценовые возражения;
4. сравнения с конкурентами;
5. несоответствие рекламного обещания ожиданиям клиента;
6. отсутствие нужной функции продукта;
7. нецелевые обращения;
8. проблемы обработки лида после рекламы.

Это особенно важно для компаний с длинной воронкой.

При продаже недвижимости, сложного оборудования, IT-продукта или медицинской услуги между кликом и покупкой может пройти несколько недель.

И CPL уже мало что объясняет.

Где появляется дополнительная ценность

DEERAY позволяет разделить две принципиально разные ситуации:

Маркетинг привел плохой лид.

и

Маркетинг привел подходящего клиента, которого потеряли при обработке.

Например, клиент говорит:

Да, задача у нас есть, бюджет согласован, выбираем между вами и компанией X.

Это довольно качественный лид.

Если сделка потеряна, обвинять рекламный источник уже странно.

В материалах DEERAY прямо проводится эта граница: низкая конверсия может быть связана не только с качеством трафика, но и со скоростью реакции, скриптом, обработкой обращения, ценой или самим продуктом.

Кому подойдет такой подход

Компаниям, где маркетинг хочет перейти от:

«какая реклама дала заявку?»

к:

«какие потребности, ожидания и причины отказов стоят за заявками?»

Это уже ближе не только к performance marketing, но и к Voice of Customer.

imot.io: разговоры как исследование рынка

imot.io тоже выходит далеко за пределы контроля отдела продаж.

На текущем сайте платформа прямо разделяет несколько бизнес-сценариев: продажи, клиентский сервис, продукт и маркетинг.

Для маркетинга разработчик предлагает анализировать, как клиенты формулируют свои проблемы, с кем сравнивают компанию и почему делают выбор.

Это важный угол.

Речевая аналитика может использоваться практически как постоянное качественное исследование.

В обычном CustDev компания проводит:

20, 30, 50 интервью.

В контакт-центре и продажах таких «интервью» уже тысячи каждый месяц.

Клиенты сами рассказывают:

1. что им важно;
2. что они считают дорогим;
3. какой конкурент рассматривают;
4. чего не понимают на сайте;
5. какую функцию хотят;
6. почему откладывают покупку.

Особенно хорошо это видно в отраслевых сценариях

В решении imot.io для застройщиков каждый звонок может классифицироваться по критериям целевого обращения, а тег и причина передаются в CRM. После этого долю целевых обращений можно считать по рекламным источникам.

Это уже очень близко к идеальной связке маркетинга и речевой аналитики:

канал → лид → содержание → качество → CRM.

Отдельный плюс imot.io — сильная отраслевая упаковка, особенно в недвижимости и медицине.

Yandex SpeechSense: если маркетинг хочет построить свою модель анализа

SpeechSense отличается от предыдущих продуктов.

Это скорее технологический конструктор.

В 2026 году Yandex Cloud добавил отраслевые шаблоны и «дерево смыслов». Нейроаналитик может автоматически анализировать выборку диалогов, искать закономерности, слабые места и формировать рекомендации.

Это особенно интересно командам, которые хотят сами задать вопрос данным.

Например:

Какие три причины чаще всего называют клиенты, которые в итоге не покупают?

Или:

Как отличаются запросы клиентов из разных рекламных кампаний?

Или:

Какие проблемы продуктовой страницы потом повторяются в звонках?

При наличии разработчиков, собственной CRM и BI можно построить очень гибкую систему.

Но это одновременно и ограничение.

SpeechSense дает технологический слой, а:

1. атрибуцию;
2. CRM-логику;
3. маркетинговые дашборды;
4. действия по результатам анализа

компании во многом придется проектировать самой.

Какие системы отвечают на какие вопросы маркетинга

Если отбросить названия продуктов, получается несколько совершенно разных вопросов.

«Из какой рекламы пришел этот звонок и был ли он целевым?»

Наиболее естественно смотреть:

Calltouch Predict, Callibri.

«Какая реклама в итоге приносит деньги?»

Здесь особенно логично выглядит:

Roistat.

Потому что речевая аналитика встроена в сквозную аналитику.

«Почему лиды не покупают?»

Здесь уже интереснее:

DEERAY, imot.io, SpeechSense.

Потому что требуется анализировать не только тип звонка, но и содержание, контекст и причины поведения.

«Что клиенты на самом деле думают о продукте?»

Это уже территория:

DEERAY, imot.io, а при наличии собственной аналитической команды — SpeechSense.

«Нам нужен дешевый и понятный контроль качества входящих заявок»

Можно начинать с:

Calltouch или Callibri.

И нет никакого смысла покупать более сложную платформу просто потому, что у нее больше AI-функций.

Где заканчивается ответственность маркетинга

Речевая аналитика полезна еще по одной причине.

Она позволяет сделать разговор маркетинга и продаж менее эмоциональным.

Вместо:

Вы приводите мусор.

можно получить:

38% заявок из кампании действительно не соответствуют целевому сегменту.

Или наоборот:

74% лидов имеют потребность и подходят по бюджету, но у 41% разговоров менеджер не назначает следующий шаг.

В первом случае действие очевидно:

меняем рекламу.

Во втором:

меняем процесс продаж.

В третьем сценарии может оказаться, что клиенты постоянно называют один и тот же продуктовый недостаток.

Тогда и маркетинг, и продажи выполняют свою работу нормально.

Проблема уже у продукта.

Именно здесь разговорная аналитика становится намного интереснее обычного контроля звонков.

Речь клиентов — это еще один источник маркетинговых данных

У маркетолога традиционно есть:

1. поисковые запросы;
2. веб-аналитика;
3. рекламные кабинеты;
4. CRM;
5. опросы;
6. исследования аудитории.

Но есть еще один огромный массив данных:

то, что клиенты каждый день говорят компании своими словами.

Именно в этих разговорах можно найти:

1. реальный язык аудитории;
2. незапланированные возражения;
3. альтернативы, которые рассматривают клиенты;
4. критерии выбора;
5. ошибки позиционирования;
6. причины недоверия;
7. неожиданные use cases.

Для контент-маркетинга это вообще отдельный источник идей.

Если потенциальные клиенты постоянно задают один вопрос менеджерам, возможно, на него недостаточно хорошо отвечает сайт.

Если регулярно звучит:

«А чем вы отличаетесь от X?»

значит, нужен сильнее выраженный сравнительный контент.

Если:

«Я думал, у вас это входит в тариф»,

возможна проблема рекламного сообщения или лендинга.

Как внедрять речевую аналитику именно маркетингу

Начинать я бы советовал не с выбора сервиса.

А с пяти вопросов.

Первый: что мы хотим узнать?

Не:

Хотим речевую аналитику.

А:

Хотим понять, почему лиды из трех крупнейших рекламных каналов по-разному конвертируются в продажу.

Второй: какие данные уже есть?

Нужны минимум:

1. рекламный источник;
2. звонок или диалог;
3. CRM-статус;
4. результат сделки.

Чем лучше эти сущности связаны между собой, тем полезнее будет анализ.

Третий: что считать качественным лидом?

Например:

1. подходит по сегменту;
2. есть потребность;
3. есть бюджет;
4. планирует покупку в определенный срок.

Если определения нет, AI просто автоматизирует неопределенность.

Четвертый: кто будет действовать по результатам?

Если аналитика обнаружит:

реклама приводит неправильный сегмент,

это задача маркетинга.

Если:

менеджеры не отрабатывают возражения,

задача продаж.

Если:

клиенты уходят из-за отсутствия функции,

это продукт.

Еще до внедрения нужно договориться, кто получает какой тип инсайта.

Пятый: как измерять эффект?

Не количеством проанализированных звонков.

А, например:

1. долей целевых лидов;
2. конверсией из квалифицированного лида в сделку;
3. CPL целевого обращения;
4. CAC;
5. ROMI;
6. долей лидов, потерянных на обработке.

Какую систему выбрать

Универсального ответа нет.

Calltouch Predict особенно логичен там, где маркетологу нужно различать типы звонков и оценивать качество телефонных обращений по рекламным кампаниям.

Callibri — доступный вариант для связки коллтрекинга, классификации обращений и маркетинговой аналитики.

Roistat сильнее раскрывается, когда разговор нужно встроить в полноценную цепочку сквозной аналитики от рекламы до прибыли.

imot.io интересен для анализа качества лидов, языка клиентов и отраслевых маркетинговых сценариев.

Yandex SpeechSense подходит компаниям, которым нужна технологическая база для собственной аналитической модели.

А DEERAY имеет смысл рассматривать, когда задача уже шире маркетинговой атрибуции и нужно понять системные причины потерь, реальные потребности клиентов и то, где именно заканчивается проблема трафика и начинается проблема продаж. Deeray

Именно поэтому выбирать речевую аналитику маркетологу правильнее не по количеству функций и не по месту в рейтинге.

А по вопросу, который нужно задать разговорам клиентов.

DEERAY анализирует звонки, чаты и письма и помогает находить скрытые потери в продажах: нецелевые обращения, слабую квалификацию, неотработанные возражения и другие причины снижения конверсии. Для маркетинга это позволяет отличать проблему качества трафика от проблемы обработки лидов и использовать реальный язык клиентов для корректировки коммуникаций, контента и позиционирования.