ვინ დარეკა და რატომ: ზარების AI-ანალიზი ჩვენს PBX-ში და რას გვპირდებიან Twilio და Revenue.io

Twilio-მ ამ კვირაში აღწერა, როგორ მიიღოთ ზარიდან რეზიუმე, ტონალობა და ჩანაწერი CRM-ში ოპერატორის მონაწილეობის გარეშე, Revenue.io-მ კი ახსნა, როგორ შეამოწმოთ გაშიფვრის სიზუსტე ყიდვამდე. აშშ-ში PDR-კომპანიაში, სადაც ტელეფონიას ვუძღვები, ასეთი კავშირი მუშაობს: სისტემა ყოველ ზარს იწერს, AI არჩევს, ვინ დარეკა და როგორ უპასუხა თანამშრომელმა, ლიდი კი CRM-ში თავად ჩნდება. ვარჩევ, რა ემთხვევა ჩვენს გამოცდილებას და რას შევამოწმებდი ჯერ.

რა გამოვიდა

Twilio-მ 21 ოქტომბერს ზარის შემდგომი ავტომატიზაცია სამ ნაბიჯად დაშალა: საუბრის გაშიფვრა, ტექსტიდან სტრუქტურირებული სიგნალების ამოღება (რეზიუმე, ტონალობა, განზრახვა, საკითხის მოგვარების სტატუსი) და მათი ჩაწერა სისტემაში, რომელშიც თანამშრომლები მუშაობენ. ანალიზს „ენობრივი ოპერატორები“ აკეთებენ: Twilio-ს მზა ოპერატორები და საკუთარი, რომლებიც ჩვეულებრივი ენით აღიწერება და სტრუქტურირებულ პასუხს აბრუნებს. CRM-ში შედეგები ვებჰუკით მიდის, HTTP POST-ით თქვენს მისამართზე, შემდეგ კი თქვენი ინტეგრაცია მათ Salesforce-ში, Zendesk-ში ან HubSpot-ში წერს. მაგალითი სტატიიდან: ოპერატორს შემდეგ ზარამდე 30 წამზე ნაკლები აქვს, და შენიშვნებში რჩება „კლიენტი უკმაყოფილოა, დაბრუნება, მოგვარდა?“. Twilio-მ 20 ოქტომბერს ცვლილებების ჟურნალში გამოაცხადა, რომ ზარების ჩაწერის ნაგულისხმევი პარამეტრები ახლა ანგარიშის დონეზე დგინდება Voice Recording Account Default Configuration API-ით, რომელიც us1 რეგიონშია ხელმისაწვდომი.

Revenue.io-მ 15 ოქტომბერს მყიდველისთვის ინსტრუქცია გამოაქვეყნა: მიეცით მომწოდებლებს ერთი და იგივე ჩანაწერები, შეადარეთ შედეგი ეტალონურ გაშიფვრას, რომელიც ადამიანმა შეამოწმა, და უყურეთ დეტალებს, რომლებზე დაყრდნობითაც გუნდი მოქმედებს. დათქმა, რომელსაც მაგიდის თავზე დავკიდებდი: სიტყვებში 7% შეცდომა (WER) არ ნიშნავს 93%-იან სიზუსტეს სპიკერებში, თანხებსა და დაპირებებში. მათი საკონტროლო ფრაზა: „24 000 დოლარის წლიური ბიუჯეტი არ დაგვიმტკიცებია. Maya დაადასტურებს, შევძლებთ თუ არა სამშაბათს შეხვედრას“. სისტემამ, რომელიც CRM-ში წერს „ბიუჯეტი დამტკიცებულია, შეხვედრა სამშაბათს“, ამოცანა ჩააგდო.

Unisender-მა 13 ოქტომბერს მეტყველების ანალიტიკის 13 რუსული სერვისი ფასებით შეკრიბა: Rechka.ai წუთში 4-დან 6 რუბლამდე, SalesAI 3,98-დან 7 რუბლამდე, დღეში 40 უფასო წუთით. კრებულის მთავარი არგუმენტი: ხელმძღვანელი ზარების 3-5%-ს უსმენს, სისტემა კი ყველას ამოწმებს. კრებულის სერვისები ჩემთან არ შემიმოწმებია.

Twilio-მ 15 ოქტომბერს ტუტორიალში აჩვენა, როგორ ააწყოთ ხმოვანი აგენტი GPT-Live-ზე ღია SDK Twilio Agent Connect-ით TypeScript-ზე, და პირველი ფრაზა იქ გულწრფელია: „სატესტო სკრიპტში მშვენივრად მუშაობს, ნამდვილ ზარზე კი იშლება“. CustomerThink-მა 20 ოქტომბერს Moneypenny-ის გამოკითხვა მოიყვანა ტეხასის 1 001 მცხოვრებს შორის: თითქმის 90% უცნობი ნომრიდან ზარს პასუხობს. შემომავალი ზარი კვლავ მთავარ არხად რჩება.

რისთვის სჭირდება ეს სერვისული კომპანიის მფლობელს

ავიღოთ სერვისული კომპანია გამსვლელი ხელოსნებით. ერთ ნომერზე რეკავენ ახალი კლიენტები, არსებული კლიენტები შეკვეთის სტატუსის გასაგებად, სადაზღვევო კომპანიები და მომწოდებლები. მენეჯერი ყველაფერს ზედიზედ პასუხობს და CRM-ში იმას შეიტანს, რასაც მოასწრებს. თვის ბოლოს მფლობელი ზარების რაოდენობასა და გაყიდვების რაოდენობას უყურებს და წყვეტს, რომ გამყიდველები ცუდად მუშაობენ. სინამდვილეში ზარებში ახალი მიმართვები უმცირესობა იყო, დანარჩენი სტატუსები, სადაზღვევოები და სპამი.

აქედან დასკვნა: ზარის ანალიზმა პირველ რიგში უნდა უპასუხოს, ვინ დარეკა და რატომ. ტონალობა და რეზიუმე მერე მოდის.

როგორ არის ეს მოწყობილი ჩვენთან

PDR-კომპანიაში IVR 2024 წელს დავიწყე, 2025-ში მისთვის გრაფიკული ინტერფეისი გავაკეთე, 2026-ში კი საკუთარი ლოგიკით სრულფასოვან შიდა PBX-მდე მივიყვანე. ზარების AI-ანალიზიანი PBX-ის იდეა მე მოვიტანე, მფლობელმა მიიღო. სისტემა ყოველ ზარს იწერს, AI კი არჩევს, ვინ დარეკა: ლიდი, არსებული კლიენტი თუ სადაზღვევო, და როგორ უპასუხა თანამშრომელმა. IVR-ზე ზარის შემდეგ სისტემა თავად ქმნის ლიდს GoHighLevel-ში და მას საუბრის ჩანაწერსა და ანალიზს ურთავს. ზარები და SMS leaderboard-ის 15 მაჩვენებელში შედის.

ადრე კომპანიაში 20 ადამიანი მუშაობდა, ახლა 30-ზე მეტია, ლიდების ნაკადი წლიდან წლამდე რამდენჯერმე იზრდება, გაყიდვების გუნდი კი ცოტათი გაიზარდა. ყოველი ნამდვილი ლიდი ძაბრს ბოლომდე გადის, გაყიდვაში კონვერსია 30%-ით გაიზარდა. ამ ზრდის რა წილი მოდის ზარების ანალიზზე და რა სუპერაპსა და პარსერებზე, ცალკე არ გამიზომავს.

Twilio ჩვენს სტეკში არის, მაგრამ Conversation Intelligence არ გამომიცდია: ანალიზის ლოგიკა ჩვენს სერვერზე ცხოვრობს, და ზარების კატეგორიებიც ჩვენი გვაქვს. ვებჰუკი საკუთარ მისამართზე ჩემთვის ახლობელი მიდგომაა: ასე მონაცემები საკუთარ ბაზაში ხვდება.

რას გავაკეთებდი

1. ჩართეთ ყველა ზარის ჩაწერა და გადაწყვიტეთ, რამდენ ხანს შეინახოთ და ვის აქვს მოსმენის უფლება.
2. ამოწერეთ დამრეკების საკუთარი კატეგორიები. ჩვენთან ეს არის ლიდი, კლიენტი, სადაზღვევო; გაქირავებაში იქნება ჯავშანი, გაგრძელება, ავარია.
3. აიღეთ 30 საკუთარი ჩანაწერი, ხელით გააკეთეთ ეტალონური გაშიფვრა და გაატარეთ კანდიდატებში, როგორც Revenue.io გირჩევთ. უყურეთ სახელებს, თანხებს და ნაწილაკ „არ“-ს.
4. შედეგი CRM-ში ველებად ჩაწერეთ: ვინ დარეკა, რატომ, რით დასრულდა. ახალ მიმართვაზე ლიდი თავად უნდა იქმნებოდეს.
5. პირველ თვეებში კვირაში ერთხელ მოუსმინეთ შერჩეულ ზარებს და შეადარეთ ანალიზს. დაითვალეთ, რამდენი წუთია თვეში, და სერვისების ფასი წუთზე საკუთარი სერვერის ფასს შეადარეთ.

დაკავშირებული მასალები

როგორ დავაკავშიროთ ზარები, CRM და ამოცანები ისე, რომ არაფერი დაიკარგოს: სტატია როგორ დავაკავშიროთ საიმედოდ დოკუმენტები, CRM და ამოცანები. მიმართულებები: IP-ტელეფონია, დაკავშირებული ბიზნეს-პროცესებთან, CRM, რომელიც გუნდის მუშაობასთანაა დაკავშირებული და AI პროცესში, სადაც შედეგი შემოწმებადია. ქეისები: აშშ-ში PDR-კომპანიის ტექნიკური პარტნიორი და სერვისულმა გუნდმა კონვერსია 30%-ით გაზარდა. იმავე თემაზე: მეტყველების გაშიფვრა საკუთარ სერვერზე და AI CRM-ში მხოლოდ ზედამხედველობით. ადრე დავწერე, რომ ზარის ქულა კლიენტის სიტყვებს უნდა ეყრდნობოდეს, და გავარჩიე, ვიყიდოთ ხმოვანი AI თუ თავად შევქმნათ. თუ ზარები იწერება, მაგრამ ვინ რეკავდა, არავინ იცის: ამოცანის განხილვა.