Речевая аналитика звонков: как работает и зачем

4 августа 2026 г.

Что такое речевая аналитика

Речевая аналитика — это автоматический разбор разговоров с клиентами. Система забирает записи звонков, превращает речь в текст, размечает, где говорит оператор, а где клиент, и достаёт из разговора смысл: с чем обратился клиент, что ему ответили, остался ли он доволен, о чём договорились в конце.

Ключевое слово здесь — «автоматический». Разобрать один звонок руками дольше, чем он длился: нужно прослушать, отмотать назад спорный момент, выписать замечания, поставить оценку по чек-листу. При потоке в несколько сотен звонков в месяц руководитель успевает разобрать единицы — и обычно не самые показательные, а те, что подвернулись под руку или по которым уже прилетела жалоба.

Речевая аналитика — не хранилище записей и не поиск по ключевым словам, хотя и то и другое в ней есть. Разница в том, что разбирается каждый разговор, а не тот, до которого дошли руки. Из этого и растёт вся польза: когда оценка есть у всех звонков, появляются сравнимые цифры — по операторам, по неделям, по темам обращений. Пока разбор выборочный, цифр нет, есть впечатления.

Отдельно стоит сказать, что аналитика не ограничивается телефонией. Тот же разбор применим к переписке: чатам в Telegram и диалогам из виджета на сайте. Для текста не нужен этап расшифровки — он сразу попадает на анализ, поэтому чаты в BossUp разбираются бесплатно, а тарифицируются только минуты телефонии.

Как устроена технически

Цепочка простая и состоит из трёх шагов: запись → расшифровка → анализ смысла.

Шаг первый — запись. Ваша телефония уже пишет разговоры, ничего дополнительно ставить не нужно. Система получает новые записи автоматически: телефония сообщает о завершённом звонке вебхуком, аналитика забирает файл и метаданные — кто звонил, кому, когда, сколько длился разговор. Здесь же отсекается мусор: у источника задаётся диапазон длительности, и трёхсекундные недозвоны или гудки в пустоту не идут в обработку и не тратят минуты.

Шаг второй — расшифровка. Аудио превращается в текст на русском языке, разбитый на реплики. Важная деталь: то, где оператор, а где клиент, система не угадывает по голосу — эта информация приходит от телефонии вместе с записью, вместе с номером канала. Поэтому разметка «оператор / клиент» устойчива и на похожих голосах, и на записях, где собеседники перебивают друг друга. От качества этого шага зависит всё дальнейшее: если реплики перепутаны, любая оценка будет оценкой не того человека.

Шаг третий — анализ смысла. Готовый текст разговора вместе с контекстом (какой это канал, первый ли это контакт с клиентом, какой чек-лист качества действует в компании) попадает в языковую модель с конкретными инструкциями: составить резюме, определить тональность клиента, назвать тему и причину обращения, проверить разговор по пунктам чек-листа, отметить нарушения политик компании и стоп-слова.

Результат складывается в карточку разговора: запись, расшифровка по репликам, резюме в несколько строк, оценки и пометки. Дальше данные агрегируются — в дашборд за период и в отчёт по каждому оператору.

Чем LLM-анализ отличается от словарных систем

Первые системы речевой аналитики работали по словарям: заводится список слов и фраз, система ищет их в расшифровке и считает совпадения. Такой подход дешёвый и до сих пор встречается в телеком-модулях, но у него две беды, и обе неприятные.

Первая — пропуски. Классический пример: возражение по цене. Клиент почти никогда не говорит «это дорого». Он говорит: «я пока посмотрю ещё пару вариантов», «а с чем связана такая сумма?», «нам сейчас не по бюджету, давайте вернёмся к этому осенью». Слова «дорого» в разговоре нет ни разу — возражение по цене есть, и отработать его оператор не смог. Словарь такой звонок пропустит, а руководитель не узнает, что сделка ушла именно на цене.

Вторая — ложные срабатывания. Слово «дорого» прозвучало в «дорого, но нам подходит», «дорогая моя», «дорого бы дал за такую опцию» — три пометки о конфликте на ровном месте. Когда таких пометок накапливается много, отчёт перестают открывать: доверия к нему нет.

Анализ языковой моделью разбирает не совпадения слов, а смысл сказанного. Отсюда возможность вещей, которые словарю недоступны в принципе:

Стоп-слова по смыслу. Грубость, упоминание конкурентов, обещания, которых нельзя давать — фиксируется намерение, а не конкретная формулировка.
Тема и причина обращения. Не «в разговоре было слово „возврат“», а «клиент хочет вернуть товар, потому что привезли не тот размер».
Политики компании. Например, правило «не называть цену на первом контакте». Чтобы его проверить, мало найти в тексте цифры — нужно знать, первый это разговор с клиентом или пятый. Система смотрит историю обращений и понимает разницу.
Оценка по чек-листу. «Выявил потребность» — это не слово и не фраза, это часть разговора, которую нужно узнать в свободной речи.

Честная оговорка: модель тоже ошибается. Поэтому важнее самой оценки — возможность её проверить. В карточке разговора вывод стоит рядом с цитатой из расшифровки, на основании которой он сделан. Спорный пункт можно открыть, прочитать реплику, послушать этот кусок записи и не согласиться. Система, которая выдаёт балл без объяснений, спор с оператором не выиграет и в работу отдела не встроится.

Что получает бизнес

Авто-QA всех звонков. Каждый разговор проверяется по вашему чек-листу — не два звонка на планёрке, а сто процентов потока. Начать можно с готового шаблона: «Универсальный», «Продажи» или «Поддержка», а дальше подогнать под свой скрипт.

Понимание, за чем к вам обращаются. Темы и причины обращений собираются в сводку за период. Обычно это первое, что удивляет: топ причин звонков почти никогда не совпадает с тем, что ожидал увидеть руководитель. Половина обращений может оказаться про статус доставки — а значит, вопрос решается не наймом ещё одного оператора, а строчкой на сайте.

Предметная обратная связь операторам. Отчёт по сотруднику показывает не «работай лучше», а «в шести разговорах из десяти не назначен следующий шаг — вот эти шесть». С таким разговор на встрече один на один занимает пятнадцать минут и не превращается в спор о вкусах.

Ранняя реакция на проблемы. Алерт в Telegram приходит руководителю в ту же минуту, когда разговор разобран: клиент в негативе, нарушен скрипт, прозвучало стоп-слово. Перезвонить в день инцидента — это совсем другой разговор, чем перезванивать через неделю после отзыва.

Контекст в CRM. Разбор звонка уходит комментарием в карточку контакта и сделки в Битрикс24. Продавец видит историю там, где работает, и не открывает второй интерфейс.

Поиск по сказанному. Поиск по словам во всех разговорах — «возврат», «конкурент», «жалоба» — плюс фильтры по каналу, тональности и нарушениям. Это способ быстро проверить гипотезу, а не листать список записей.

Как внедрить за день

Речевую аналитику принято считать проектом на месяцы с интегратором и техзаданием. Для малого и среднего бизнеса это не так — при условии, что система рассчитана на самостоятельное подключение.

Порядок работ на практике:

Подключить источник. Телефония — вебхуком: в её настройках указывается адрес, куда отправлять уведомления о завершённых звонках. Telegram-аккаунт для деловой переписки подключается кодом, чат-виджет ставится на сайт одной строкой. Всё делается из интерфейса, программисты не нужны.
Задать рамки обработки. Минимальная и максимальная длительность звонка, чтобы в разбор не попадали недозвоны и, например, многочасовые записи с конференций.
Выбрать чек-лист. Взять шаблон и поправить формулировки под свой скрипт. Это самый содержательный шаг, и лучше потратить на него час, чем потом спорить об оценках.
Добавить стоп-слова и политики. Что считается недопустимым в разговоре и какие правила компании должны проверяться.
Настроить алерты и роли. Кому приходят уведомления о проблемных разговорах и кто что видит: администратор, руководитель, оператор со своими разговорами.

Первые разборы появляются в тот же день, на реальных звонках, а не на демо-данных. К вечеру уже видно, работает ли чек-лист так, как вы задумали, и что стоит переформулировать.

Чек-лист выбора системы

Если вы сравниваете решения, вот пункты, которые действительно различают их между собой.

Где хранятся и обрабатываются данные. Записи разговоров — это персональные данные. По 152-ФЗ они должны храниться и обрабатываться в России. Спросите прямо, где стоят серверы и какие модели используются для анализа.
Смысл или словарь. Простой тест на демо: дайте разговор, где возражение по цене есть, а слова «дорого» нет. Словарная система его не увидит.
Прозрачность оценок. Каждый вывод должен показываться рядом с цитатой из разговора. Без этого система работает как чёрный ящик, и первое же несогласие оператора обнуляет доверие к отчётам.
Все каналы, а не только телефония. Клиенты пишут не меньше, чем звонят. Если чаты и виджет разбираются отдельной системой или не разбираются вовсе, картина остаётся половинчатой.
Подключение без интегратора. Проверьте, что источник подключается из интерфейса за вечер и что настройки чек-листа вы правите сами, не через поддержку.
Что видит руководитель. Дашборд за период, отчёт по каждому оператору, поиск по разговорам, алерты — это рабочие инструменты. Красивый график без проваливания до конкретной записи бесполезен.
Как считаются деньги. Единица тарификации должна быть понятной и предсказуемой. В BossUp это минуты телефонии, анализ чатов не тарифицируется.
Роли и доступы. Оператор должен видеть только свои разговоры. Это и требование к персональным данным, и вопрос доверия внутри команды.

Дальше стоит посмотреть на прикладную сторону: как из общей аналитики вырастает регулярный контроль качества, какие метрики смотреть еженедельно и как разговаривать с оператором по данным, а не по ощущениям — об этом вторая статья: контроль качества отдела продаж. А что именно BossUp делает с каждым разговором и как это выглядит в интерфейсе — коротко описано на главной странице.