Омниканальность стала реальностью для бизнеса. Клиенты хотят сами выбирать удобный для них канал коммуникации. Например по данным сервиса «Новофон», 44% россиян считают обычные звонки самым удобным и быстрым способом коммуникации, а 60% россиян предпочитают общение в мессенджерах. Меняются и паттерны потребительского поведения: людей раздражают агрессивные продажи, неготовность менеджеров к звонку и множество уточняющих вопросов. Многие не хотят ждать на линии: люди устали от скриптов и общения с чат-ботами. О том, как компании стать любимым собеседником клиента, и как ИИ помогают увеличить продажи и удовлетворенность клиентов рассказала директор по маркетингу компании «Новофон» Елена Волозова.
Несколько каналов — одна система
Российский рынок коммуникаций в 2026 году переживает серьезную трансформацию. Если раньше бизнес строил стратегии вокруг одного-двух ключевых каналов связи, то сейчас, стала важна омниканальность, способность мгновенно переключаться между каналами.
Современные VoIP-системы интегрируются с CRM-, ERP- системами, превращаются в «точку сборки» всех коммуникаций с единым интерфейсом и понятной аналитикой. Используя API провайдера, можно объединить в единую систему мессенджеры, социальные сети, формы на сайте, почту. Сотрудники работают через единый интерфейс, в котором настроены сценарии взаимодействия, каскадные коммуникации, маршрутизация обращений, хранится история взаимодействия клиента с компанией. Любой менеджер, подключившийся к диалогу, видит всю историю взаимодействия с пользователем, его покупки, интересы.
Интеграция с ERP-системой позволяет собрать на одной платформе детализированные данные о контактах, событиях, продажах или статусе заказа. Таким образом, обеспечивается полная интеграция работы отделов маркетинга, продаж, логистики.
Автоматизация с умом
IP-телефония с возможностями интеграции и ИИ-инструментами позволяет упростить многие процессы в бизнес-коммуникациях, трансформировать телефонию в комплексные коммуникационные платформы с широкими возможностями для аналитики. Объем российского рынка голосовых помощников демонстрирует среднегодовой темп роста в 31,2%, ожидается, что к 2030 году он достигнет 745 млн долларов.
Для повышения эффективности коммуникаций, ИИ-инструменты стоит внедрять на всех этапах, начиная с первого касания человека с компанией. На этом этапе ИИ помогает автоматизировать определение целевых звонков, классификацию по степени их приоритетности. Система идентифицирует клиента по номеру телефона, определяет источник звонка, фиксирует длительность и результат разговора с оператором, выделяет ключевые слова, указывающие на интерес человека к товару или услуге. Если клиент проявляет заинтересованность в покупке, звонок помечается как целевой.
Например, девелопер «Самолет» использует маршрутизацию звонков на основе ИИ-технологий. Сервис анализирует данные о клиенте на основе 26 параметров, его вопрос и загруженность операторов. После этого определяет оптимальный маршрут.
С ростом ожиданий потребителей круглосуточная поддержка становится нормой рынка. Для ее реализации можно внедрить интерактивное голосовое меню (IVR) или голосового помощника. IVR «встречает» клиента на первой линии, определяет его потребность, может быстро обработать типовой запрос, например, о сроках доставки, записать на услугу. При настройке системы важно учитывать рабочее время сотрудников. В рабочие часы система переводит обращение на оператора, вечером или в выходные — на определенного сотрудника, в группу или на внешний номер.
Голосовые помощники, которые работают на базе LLM, могут вести диалог, а не отвечать только по скриптам. В зависимости от потребностей бизнеса, их можно использовать с разными целями. Например, в отделе продаж голосовой бот может проинформировать клиента, выявить его потребность, закрыть возражение. Согласно совместному исследованию «Апекс Берг Контакт-Центр Консалтинг», «Мастертелекома» и Национальной Ассоциации Контактных Центров, порядка 75% людей получают от голосового помощника нужные ответы и не ждут соединения с оператором. Однако потенциал зависит от грамотности подхода к обучению языковой модели: стоит уделить должное внимания тем данным, которыми ее «кормят». При этом важно предусмотреть возможность переключения на живого оператора в любой момент разговора по желанию клиента. Это поможет избежать негатива, так как не все люди готовы доверять искусственному интеллекту.
Например, мобильный оператор Т2 в 2025 году внедрил сервисного голосового бота, который работает на базе собственной диалоговой системы. Бот распознает речь, поэтому клиент может сразу озвучить тему своего обращения. Он знает более пяти тысяч тем и 30 вариаций вопросов и помогает получить решение. В среднем, время решения одного вопроса сократилось в два раза, а уровень удовлетворенности клиентов вырос на 34%.
«Новофон» помог медицинской клинике внедрить голосового бота, благодаря чему удалось снизить количество пропущенных визитов. Накануне приема бот звонит пациенту и уточняет, будет ли он на приеме. Если человек говорит «нет», робот автоматически освобождает слот для записи.
Однако автоматизация не означает замену человека роботом. Коммуникации становятся гибридными. В зоне ответственности человека остаются сложные и нестандартные запросы, эмоциональные обращения, продажи и консультирование.
Измерение, контроль и развитие
По опыту «Новофон», невозможно повышать эффективность коммуникаций, если не отслеживать ключевые метрики и не анализировать их. В виртуальных АТС реализована запись и сохранение звонков, речевая аналитика, настройка сценариев взаимодействия, кол-трекинг.
Для повышения эффективности коммуникаций трубуется внедрение речевой аналитики. Такие сервисы проводят многоуровневый анализ звонков на соответствие скрипту, выделяют ключевые слова, изменение тона и эмоций и предлагают свои рекомендации. Также важно настроить тегирование звонков по тематике обращений: жалобы, продажи, консультации. Это дает информацию о том, с какими вопросами чаще всего обращаются клиенты, помогает выявить проседающие процессы и усилить их.
Например, в отделах продаж или сервисных службах данные речевой аналитики могут быть использованы для оптимизации скриптов, контроля работы операторов, масштабирования успешного опыта и обучения персонала. Можно проанализировать обратную связь от клиентов, «извлечь» из живых диалогов информацию о потребительских предпочтениях, ожиданиях от продукта или сервиса.
В интернет-магазине внедрение речевой аналитики позволило выявить неочевидные проблемы. С помощью речевой аналитики проанализировали тон каждого сотрудника, долю его речи, перебивания, удержания, тишину в разговоре, внятность речи и другие показатели. Выяснилось, что часть команды ориентировалась на скорость, а не на ход разговора. Сотрудники считали это эффективностью, а клиенты воспринимали как давление. Это позволило изменить оценку сотрудников, провести точечное обучение и повысить качество обслуживания.
Для оптимизации маркетинга стоит подключить кол-трекинг. С его помощью можно оценить эффективность коммуникаций в разрезе каждого канала, рекламной кампании. Это позволяет эффективно распределять маркетинговый бюджет на те каналы и инструменты, которые приносят больше продаж.
Например, мультисервисный оператор логистических услуг ПЭК с помощью речевой аналитики оптимизировал работу контакт-центра. Сервис поиска и покупки туров онлайн Level.Travel организовал на платформе речевой аналитики единое окно контроля качества, автоматизировал проверку звонков по чек-листу, улучшили оценку навыков сотрудников, их дообучение, стали отслеживать процент негатива. В результате негатив снизился на 6%, показатель лояльности вырос на 6%, а конверсия в продажу — на 10%.
От традиционной аналитики к продвинутой
Традиционная бизнес-аналитика — описательная и диагностическая — отвечает на вопросы «что произошло?» и «почему произошло?». Например, с ее помощью можно увидеть тренды в изменении цен на товар или понять потребительское поведение во время рекламной кампании. Развитие технологий и накопленные данные дали толчок к развитию продвинутой аналитики, которая помогает прогнозировать будущее и строить возможные сценарии.
Для того чтобы бизнесу перейти к такой аналитике, необходимо использовать аналитические ИИ-инструменты, интегрированные с CRM, ERP и другими бизнес-платформами. Например, такую связку можно реализовать в отделе продаж. ИИ анализирует историю звонков из CRM: фиксирует пиковые и «мертвые» периоды, изменение нагрузки в зависимости от сезона, рекламных кампаний, дней недели, времени суток. На основе этих данных система строит модели потребительского поведения и предлагает рекомендации по оптимизации процессов: объем звонков в разные периоды, персонализированные скрипты, оптимальное время для обзвона.
В результате менеджеры получают возможность работать с горячими клиентами, которые с большей вероятностью совершат покупку. Бизнес не тратит время и средства на бесполезные звонки. Клиенты получают персонализированное предложение. За счет точных прогнозов увеличивается объем продаж.
Так, сеть клиник внедрила систему для прогнозирования нагрузки и построения рабочего графика для 100 операторов контакт-центра. Система анализирует данные о звонках, делает прогноз количества входящих обращений, оценивает потребность в операторах и составляет расписание работы, распределяет перерывы и выходные дни. Это позволило оптимизировать работу контакт-центра, увеличить количество принятых звонков на 8%, а пропущенные звонки сократить на 6%.
Для того чтобы повысить качество обслуживания за счет точной маршрутизации звонка, можно внедрить предиктивную аналитику на «первом шаге» — в голосовом помощнике или IVR. Система будет анализировать данные из CRM: историю покупок, звонков и прогнозировать тему обращения. Это позволяет точнее маршрутизировать звонки между специалистами и быстрее решать вопросы клиентов. Например, аналитическую модель в голосовом помощнике использует «Ростелеком». На основе данных лицевого счета абонента система прогнозирует вероятную причину звонка с точностью 80%.
Предиктивную аналитику можно использовать и с другими целями. Например, с ее помощью можно повысить производительность персонала контакт-центра. ИИ анализирует разговор, оценивает содержание, эмоциональную окраску и дает свои рекомендации по изменению скриптов, оптимизации времени обзвона. Например, «Мосэнергосбыт» внедрил предиктивную аналитику на основе ИИ для анализа звонков и детектирования автоответчиков. Система распознает поведенческие факторы, выявляет автоответчики, голосовых ассистентов, анализирует информацию. Это позволило увеличить долю целевых разговоров и сократить простои персонала.