Зачем нужна речевая аналитика, если есть ChatGPT?
Такое мы периодически слышим. Вопрос интересный, но если желаете короткий ответ — он есть у нас, пожалуйста:
Есть такси, а есть автомобили с автопилотом. Автопилот — безусловно, продвинутая технология, те из нас, кто ездит по утрам на работу на автомобилях, наверняка замечают в потоке авто, которые везут своих полуспящих владельцев на работу.
И это интересное развлечение. Но скажите, доверите ли вы автопилоту отвезти вашу семью в другой город? Вопрос риторический, а во главе угла здесь риск и ответственность.
На самом деле различий гораздо больше — есть и технические, есть и юридические. Поэтому предлагаем разобраться, чтобы сформировать правильное понимание различий между технологией (нейросети) и инструментом (речевой аналитикой).
Что в итоге?
Если вернуться к такси и автопилоту, то ChatGPT — это в чистом виде технология автопилота. Впечатляет, работает, иногда даже правильно.
Платформа речевой аналитики — это автомобиль с опытным водителем, который не будет спрашивать дорогу каждый день.
Поэтому суть вопроса «ChatGPT или речевая аналитика?» не в технологии и не в цене. Суть в том, можно ли будет этому решению доверить свои данные и свой бизнес.
Такое мы периодически слышим. Вопрос интересный, но если желаете короткий ответ — он есть у нас, пожалуйста:
Есть такси, а есть автомобили с автопилотом. Автопилот — безусловно, продвинутая технология, те из нас, кто ездит по утрам на работу на автомобилях, наверняка замечают в потоке авто, которые везут своих полуспящих владельцев на работу.
И это интересное развлечение. Но скажите, доверите ли вы автопилоту отвезти вашу семью в другой город? Вопрос риторический, а во главе угла здесь риск и ответственность.
Вот и ответ: если отбросить в сторону все остальное, то мы останемся с тем, что разница между ChatGPT и платформой речевой аналитики в рисках и ответственности. Доверитесь ChatGPT, чтобы он сказал вам, кто хороший и как правильно делать бизнес? И это второй риторический вопрос в этом посте.
На самом деле различий гораздо больше — есть и технические, есть и юридические. Поэтому предлагаем разобраться, чтобы сформировать правильное понимание различий между технологией (нейросети) и инструментом (речевой аналитикой).
Юридический риск
Начнем с самого простого. ChatGPT работает на серверах OpenAI в США. Загружаете туда звонки клиентов — передаете персональные данные за пределы РФ, а по 152-ФЗ это либо нарушение, либо отдельный проект согласования на месяц. Если работаете в медицине или финансах — рисков еще больше. Рано или поздно это выявят, а отвечать будет тот, кто согласовал проект.
Технический риск
GPT — языковая модель. Задайте ей один вопрос два раза — получите два разных ответа. Сегодня скажет, что диалог слабый, завтра — что средний. Для бытовых задач нормально, но если нужен стабильный и воспроизводимый результат — так не работает.
Платформа речевой аналитики работает на прописанных правилах. Наверняка вы слышали про теги — они срабатывают по одной и той же фразе сегодня, завтра и через год. Это и есть воспроизводимость. Именно она позволяет делать графики, тренды и сравнения, по которым реально можно принимать решения.
Архитектурный риск
Нужно не только анализировать, но и правильно размечать и хранить данные. ChatGPT не может хранить их в правильном виде. Даже если попробовать самим черезChatGPTкакие-то инструменты создать решение, скорее всего получится примитивная база данных, с которой работать практически нереально — доставать и размечать данные катастрофически сложно, а актуализировать — почти невозможно.
Риск отсутствия контекста
ChatGPT не спросит какая у вас цель, какой контекст, зачем вы это делаете — будет обрабатывать все, что загрузите. Сервис речевой аналитики создаст отчеты под разные задачи. Это дает намного больше простора для аналитики и принятия решений. Однажды обработав данные, вы можете смотреть на них по-разному.
Что в итоге?
Если вернуться к такси и автопилоту, то ChatGPT — это в чистом виде технология автопилота. Впечатляет, работает, иногда даже правильно.
Платформа речевой аналитики — это автомобиль с опытным водителем, который не будет спрашивать дорогу каждый день.
Поэтому суть вопроса «ChatGPT или речевая аналитика?» не в технологии и не в цене. Суть в том, можно ли будет этому решению доверить свои данные и свой бизнес.
🔥7❤5👍5💯3
А зачем вам речевая аналитика?
Вспомнились слова Генри Форда про то, что если бы он спросил клиентов, чего они хотят — они бы ответили, что хотят более быструю лошадь.
Начали пост с этой цитаты потому, что это наглядный пример того, что в среднем люди могут примерно понимать, чего хотят, но могут быть неосведомлены о всех способах достижения своей цели. Это и к машинам относится и к еде в супермаркете и в целом к технологиям.
Так вот, этот пролог на самом деле имеет прикладную ценность: к нам в imot.io часто приходит бизнес и развивается примерно такой диалог:
По грубым оценкам, таких случаев примерно 7 из 10
Но иронии тут нет, это классический пример, когда человек видит «инструмент» ответом на вопрос, а на какой вопрос этот ответ — предстоит совместно выяснить.
По этой причине, кстати, у нас и существует отдел проектного внедрения, а в нашей "Формуле четырёх" именно цель стоит на первом месте.
Но давайте вернемся к примеру
Хорошо это видно на примере офлайн-аналитики врачебных приёмов. Главврач сети клиник говорит: «Нам нужна офлайн-аналитика приёмов.». За этим скрываются две разные истории:
✅ Первая история — про документацию. Терапевт заносит в карту жалобы, анамнез, осмотр, диагноз, рекомендации. Это десятки полей, втиснутых в слот вместе с самим приёмом.
Врач стучит в клавиатуру — пациент сидит и слушает. Оценки такого приёма падают, потому что медицина — бизнес доверия, а доверие строится через контакт.
В общем, метрика тут быстрая и измеримая — время на заполнение МИС и оценки приёмов пациентами.
✅ Вторая история — про содержание самих приёмов. Истинный запрос главврача здесь совсем другой: одинаково ли врачи собирают анамнез, почему пациенты после первого визита решают не продолжать лечение в нашей клинике.
Это надклинический взгляд медицинского директора, и реализуется он классическими методами речевого анализа: чек-листы по протоколу ведения приёма, сегментация по специальностям и врачам, разбор инцидентов, доказательная база на случай претензии.
Аппаратная база и техническая реализация обоих случаев, что характерно, одинакова — всё тот же микрофон на столе и платформа аналитики. Меняется только уровень обработки данных.
И вот мы приходим к тому, что запрос «Нам бы речевую аналитику» один, но относитсяс он к разным бизнес-процессам и направлен на достижение разных целей.
Интересно еще и вот что
Сценарии дополняют друг друга. Единая платформа может использоваться и продажами и сервисом и продуктом и коммерческим блоком и любыми другими ролями в компании.
Однако так сложилось, что начинают обычно с той задачи, которая кажется острее. И это может быть, как говорится, "фатальной ошибкой".
Как показывает практика, «недоисследование» при старте проекта речевой аналитики, это как «недообследование» пациента пр истарте лечения.
И что в итоге?
Поэтому, коллеги, желаем всем приятных выходных и побольше времени в работе и в жизни на то, чтобы семь раз отмерить, прежде чем один раз отрезать.
Вспомнились слова Генри Форда про то, что если бы он спросил клиентов, чего они хотят — они бы ответили, что хотят более быструю лошадь.
Начали пост с этой цитаты потому, что это наглядный пример того, что в среднем люди могут примерно понимать, чего хотят, но могут быть неосведомлены о всех способах достижения своей цели. Это и к машинам относится и к еде в супермаркете и в целом к технологиям.
Так вот, этот пролог на самом деле имеет прикладную ценность: к нам в imot.io часто приходит бизнес и развивается примерно такой диалог:
— Мы бы хотели речевую аналитику, можете сделать?
— Конечно можем. Скажите, а зачем вам речевая аналитика?
— [неловкая пауза]
По грубым оценкам, таких случаев примерно 7 из 10
Но иронии тут нет, это классический пример, когда человек видит «инструмент» ответом на вопрос, а на какой вопрос этот ответ — предстоит совместно выяснить.
По этой причине, кстати, у нас и существует отдел проектного внедрения, а в нашей "Формуле четырёх" именно цель стоит на первом месте.
Но давайте вернемся к примеру
Хорошо это видно на примере офлайн-аналитики врачебных приёмов. Главврач сети клиник говорит: «Нам нужна офлайн-аналитика приёмов.». За этим скрываются две разные истории:
Врач стучит в клавиатуру — пациент сидит и слушает. Оценки такого приёма падают, потому что медицина — бизнес доверия, а доверие строится через контакт.
В общем, метрика тут быстрая и измеримая — время на заполнение МИС и оценки приёмов пациентами.
Это надклинический взгляд медицинского директора, и реализуется он классическими методами речевого анализа: чек-листы по протоколу ведения приёма, сегментация по специальностям и врачам, разбор инцидентов, доказательная база на случай претензии.
Аппаратная база и техническая реализация обоих случаев, что характерно, одинакова — всё тот же микрофон на столе и платформа аналитики. Меняется только уровень обработки данных.
И вот мы приходим к тому, что запрос «Нам бы речевую аналитику» один, но относитсяс он к разным бизнес-процессам и направлен на достижение разных целей.
Интересно еще и вот что
Сценарии дополняют друг друга. Единая платформа может использоваться и продажами и сервисом и продуктом и коммерческим блоком и любыми другими ролями в компании.
Важно понимать: речевая аналитика — это слой данных, а уж как работать с ним, тут вариантов тысячи.
Однако так сложилось, что начинают обычно с той задачи, которая кажется острее. И это может быть, как говорится, "фатальной ошибкой".
Как показывает практика, «недоисследование» при старте проекта речевой аналитики, это как «недообследование» пациента пр истарте лечения.
И что в итоге?
Самый надёжный способ разочароваться в любой технологии — попробовать её не на той задаче и сделать выводы.
Поэтому, коллеги, желаем всем приятных выходных и побольше времени в работе и в жизни на то, чтобы семь раз отмерить, прежде чем один раз отрезать.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍4👏4
1/2
Сегодня мысли про маркетинг в двух частях. Рекомендуем прочитать до конца, осмыслить и «приложить» к своему бизнесу.
Итак, ситуация. Коммерческий директор открывает CRM:
Как сказал бы психотерапевт: «А эти переговоры, они сейчас с нами в одной комнате?».
Цифра прогноза в 5 миллионов рублей звучит уверенно, но в этом её главная проблема. А все потому, что «Переговоры» в CRM — это не этап.
Это корзина, в которую сваливаются разные сегменты и виды клиентов: кто-то реально согласовывает условия, кто-то сравнивает нас с конкурентом, кто-то ждёт бюджета, а кто-то для себя уже отказал, но не сказал нам.
Каждый из этих сегментов имеет свою конверсию и свой жизненный цикл. Если их склеить в одну цифру 45%, мы получаем среднее по больнице — ту самую «цифру ради цифры», которая вроде как есть, но на практике ничего ровным счётом не дает.
Так вот, по нашим разборам звонков, внутри «Переговоров» сидят минимум пять разных состояний клиента:
Каждое из этих пяти состояний требует разного следующего действия.
Комдир, который видит в CRM просто «23 сделки в переговорах», не может дать ни одной из этих рекомендаций. Поэтому он даёт универсальное «дожимайте». А оно вероятнее всего прикончит три лида в воронке из пяти.
И вот тут главный вопрос. Как нам реально узнать, в каком из пяти состояний сидит конкретная сделка?
Сегодня мысли про маркетинг в двух частях. Рекомендуем прочитать до конца, осмыслить и «приложить» к своему бизнесу.
Итак, ситуация. Коммерческий директор открывает CRM:
Вот смотрите. На этапе «Переговоры» — 23 сделки на 11 миллионов. Средняя конверсия по этому этапу у нас 45%, цикл сделки около двух месяцев. Значит в следующем месяце ждём порядка 5 миллионов выручки.
Как сказал бы психотерапевт: «А эти переговоры, они сейчас с нами в одной комнате?».
Цифра прогноза в 5 миллионов рублей звучит уверенно, но в этом её главная проблема. А все потому, что «Переговоры» в CRM — это не этап.
Это корзина, в которую сваливаются разные сегменты и виды клиентов: кто-то реально согласовывает условия, кто-то сравнивает нас с конкурентом, кто-то ждёт бюджета, а кто-то для себя уже отказал, но не сказал нам.
Каждый из этих сегментов имеет свою конверсию и свой жизненный цикл. Если их склеить в одну цифру 45%, мы получаем среднее по больнице — ту самую «цифру ради цифры», которая вроде как есть, но на практике ничего ровным счётом не дает.
Так вот, по нашим разборам звонков, внутри «Переговоров» сидят минимум пять разных состояний клиента:
1. Клиент получил КП и ушёл думать.
Это, кстати, отдельная корзина внутри корзины — внутри «думает» ещё сидят «пошёл советоваться с командой», «изучает текст подробно», «просто отложил и забыл». Каждое требует своего поведения от нашей (вашей) стороны.
2. Клиент сравнивает с конкурентом и боится ошибиться.
3. Клиент ждёт бюджета следующего квартала — настоящее «не сейчас», связанное с финансовым календарём.
Здесь интерес есть, но бюджета пока нет. Такое может быть компаниях с существующим менеджментом и четким бюджетированием.
4. Клиент уже отказал для себя, но не решается сказать вслух.
5. Внутри клиента конфликт двух ЛПР — наш контакт за нас, финансовый блок против.
Каждое из этих пяти состояний требует разного следующего действия.
Сделке №1 нужно не звонить две недели.
Сделке №2 — собрать сравнительную таблицу и закрыть конкретные страхи.
Сделке №3 — отложить до января и не дёргать.
Сделке №4 — задать прямой вопрос и закрыть честно.
Сделке №5 — через нашего контакта выйти на второго ЛПР.
Комдир, который видит в CRM просто «23 сделки в переговорах», не может дать ни одной из этих рекомендаций. Поэтому он даёт универсальное «дожимайте». А оно вероятнее всего прикончит три лида в воронке из пяти.
И вот тут главный вопрос. Как нам реально узнать, в каком из пяти состояний сидит конкретная сделка?
❤4🔥4👏2👍1
2/2
Способа два, и они дополняют друг друга.
Первый — анализ записанных коммуникаций. Звонков, переписок в мессенджерах, видеовстреч. Внутри речи и поведения клиента сидят фразы-маркеры состояний — мы их размечаем и через интеграцию с CRM проставляем сделке тег автоматически.
Менеджер не должен расставлять теги руками — они должны проставляться по голосовым и поведенческим признакам в разговоре.
Второй способ — оптимизация скриптов на предыдущих этапах воронки.
Чтобы к моменту, когда сделка попадает в «Переговоры», у нас уже была подсказка, в каком она сценарии.
Это четыре прямых диагностических вопроса, которые менеджер задаёт ещё на квалификации и на первичной встрече:
Мы задаем эти вопросы потому что мы с их помощью заеключаем «контракт о ясности» на старте сотрудничества: мы готовы вкладывать ресурсы в проектную проработку, но нам нужен общий контекст.
И вот мы приходим к управлению конверсией по сегментам.
У комдира на дашборде вместо «23 сделки в переговорах, прогноз 5 миллионов» появляется:
И вот вы получаете под каждый сегмент свой план действий, который еще к тому же можно автоматизировать.
При этом мы признаём ограничение.
Эта схема избыточна для B2C короткого цикла. Если у вас касса супермаркета или страховой полис по входящему лиду — оставайтесь с воронкой из коробки. Для всего, что длиннее 30 дней и где между звонками что-то происходит в голове клиента, карта путей становится обязательной.
И что в итоге?
И тогда прогноз следующего месяца перестанет быть «цифрой ради цифры», и станет отражением реального положения дел в продажах в компании.
Способа два, и они дополняют друг друга.
Первый — анализ записанных коммуникаций. Звонков, переписок в мессенджерах, видеовстреч. Внутри речи и поведения клиента сидят фразы-маркеры состояний — мы их размечаем и через интеграцию с CRM проставляем сделке тег автоматически.
1. Очевидно, что если нам говорят «Сейчас у нас ещё пара предложений в работе», для нашего отдела продаж это будет означать, что лид «сравнивает».
2. «Со следующего квартала, бюджет на это уже распределён» — «ждёт бюджета», что тоже весьма очевидно.
3. Постоянные переносы встреч, сложность чтобы найти слот для звонка и «коллеги, у нас мало времени, так что бавайте уложимся в 15 минут» — это «скрытый отказ».
4. «Мне ещё с финансовым обсудить» — «конфликт ЛПР».
Менеджер не должен расставлять теги руками — они должны проставляться по голосовым и поведенческим признакам в разговоре.
Второй способ — оптимизация скриптов на предыдущих этапах воронки.
Чтобы к моменту, когда сделка попадает в «Переговоры», у нас уже была подсказка, в каком она сценарии.
Это четыре прямых диагностических вопроса, которые менеджер задаёт ещё на квалификации и на первичной встрече:
— «Кроме вас, кто ещё будет участвовать в решении на стороне клиента?» — ловит «конфликт ЛПР» и второго ЛПР, которого мы не учли.
— «Какой у вас примерный бюджет на это направление и в каком месяце он запланирован?» — ловит «ждёт бюджета».
— «Кого вы ещё рассматриваете на этом рынке?» — ловит «сравнивает с конкурентом» и даёт нам имена для подготовки сравнения.
— «Что должно произойти после этого звонка, чтобы вы для себя сказали „да“?» — ловит реальные критерии решения и часто обнажает скрытый отказ.
Мы задаем эти вопросы потому что мы с их помощью заеключаем «контракт о ясности» на старте сотрудничества: мы готовы вкладывать ресурсы в проектную проработку, но нам нужен общий контекст.
И вот мы приходим к управлению конверсией по сегментам.
У комдира на дашборде вместо «23 сделки в переговорах, прогноз 5 миллионов» появляется:
— 3 сравнивает, конверсия 60%, медиана 29 дней до закрытия
— 5 ждёт бюджета, конверсия 80%, закрытие в январе
— 7 фактических отказов, которые нужно дочистить
— 2 живых переговоров, конверсия 50%, 6 в непонятном зомби-состоянии, требуют прямого вопроса
И вот вы получаете под каждый сегмент свой план действий, который еще к тому же можно автоматизировать.
При этом мы признаём ограничение.
Эта схема избыточна для B2C короткого цикла. Если у вас касса супермаркета или страховой полис по входящему лиду — оставайтесь с воронкой из коробки. Для всего, что длиннее 30 дней и где между звонками что-то происходит в голове клиента, карта путей становится обязательной.
Кстати,мы проводим бесплатный анализ 100 коммуникаций , как раз чтобы «примерить» речевую аналитику на свой бизнес. Описанный выше кейс с воронкой может быть хорошей точкой для старта — напишите нам .
И что в итоге?
Управлять можно тем, что названо. Сегодня в воронке коммерческого директора названа одна большая корзина «Переговоры». Завтра, после собственного исследования звонков и обновлённых скриптов на квалификации, в ней появятся пять разных историй — каждая со своим именем, своим триггером, своей конверсией.
И тогда прогноз следующего месяца перестанет быть «цифрой ради цифры», и станет отражением реального положения дел в продажах в компании.
🔥8❤5👍4
Сегодня (не)будем обещать деньги
Понимаем, что вопрос частотный, поэтому хотим сказать — мы это слышим и всё понимаем. Это нормальная устоявшаяся практика на рынке — обещать выгоду.
Написать такое легко, пообещать немного сложнее, но мы этого сознательно не делаем.
Поймите правильно: эффект есть, часто значительный, — но бизнес сложнее, чем алгебра в средней школе. Универсальная формула роста бизнеса возможно и существует, но мы согласимся с расхожим мнением по поводу такой занимательной математики.
А для наглядности — покажем, откуда берётся такая позиция
Возьмём арифметику бизнеса в сфере услуг за прошлый год — например, стоматологического бизнеса.
По свежим данным рынок прибавил 12–14%, но число приёмов и обращений почти не выросло — весь прирост сидит в среднем чеке +14–18%. Параллельно привлечение нового клиента подорожало на 30–35%.
Иными словами, на рынке стало больше денег, но не больше людей. Каждый клиент стоит дороже в привлечении и приносит больше при удержании.
Ценность этапов воронки при этом смещается
Отток с этапа уже состоявшегося контакта — звонка, консультации, повторного обращения, — стоит бизнесу дороже промахов на этапе привлечения.
Стандартная воронка понятна и изучена: реклама / лид / дозвон / консультация / сделка / возврат.
Выручка — произведение конверсий этих этапов, и арифметика симметрична: подняв любой коэффициент на одну и ту же долю, получишь один и тот же сдвиг итога.
Однако есть нюансы
У разных бизнесов «проседают» разные этапы
В одной клинике половина людей растворяется на первом телефонном звонке — администратор работает в логике диспетчера.
В другой — приходит на встречу 9 из 10, но врач или менеджер не разворачивает план так, чтобы клиент увидел в нём смысл.
В третьей сделка закрыта, но пациент не спешит возвращаться и приводить семью и знакомых: после оказания услуги контакта с ним не было, петля обратной связи не закрылась.
Поэтому речевая аналитика для нас начинается с диагностики.
Размечается выборка разговоров и звонков, ищется «просадка», на какой стадии воронки она находится и какого она размера. Только после этого имеет смысл проектировать гипотезу изменений и оценивать, какой рост в этой точке реалистичен.
Точно по такой же логике стоит оценивать и возврат инвестиций, вложенных в речевую аналитику.
Иногда диагностика возвращает результат, которого клиент не заказывал
Бывает, что главная утечка лежит глубже переговоров/продаж — в самом предложении: рынок не ждёт того, что вы продаёте, или цена не совпадает с ценностью.
И что в итоге?
Назовём процент по той точке воронки, где он реалистично достижим, и срок. До диагностики цифра роста — это маркетинг, не более того. 🤝
Недавно услышали такой вопрос: «Почему вы не пишете, что речевая аналитика повышает продажи на Х%? Без такой цифры инструмент мне не нужен.»
Понимаем, что вопрос частотный, поэтому хотим сказать — мы это слышим и всё понимаем. Это нормальная устоявшаяся практика на рынке — обещать выгоду.
Написать такое легко, пообещать немного сложнее, но мы этого сознательно не делаем.
Поймите правильно: эффект есть, часто значительный, — но бизнес сложнее, чем алгебра в средней школе. Универсальная формула роста бизнеса возможно и существует, но мы согласимся с расхожим мнением по поводу такой занимательной математики.
А для наглядности — покажем, откуда берётся такая позиция
Возьмём арифметику бизнеса в сфере услуг за прошлый год — например, стоматологического бизнеса.
По свежим данным рынок прибавил 12–14%, но число приёмов и обращений почти не выросло — весь прирост сидит в среднем чеке +14–18%. Параллельно привлечение нового клиента подорожало на 30–35%.
Иными словами, на рынке стало больше денег, но не больше людей. Каждый клиент стоит дороже в привлечении и приносит больше при удержании.
Ценность этапов воронки при этом смещается
Отток с этапа уже состоявшегося контакта — звонка, консультации, повторного обращения, — стоит бизнесу дороже промахов на этапе привлечения.
Стандартная воронка понятна и изучена: реклама / лид / дозвон / консультация / сделка / возврат.
Выручка — произведение конверсий этих этапов, и арифметика симметрична: подняв любой коэффициент на одну и ту же долю, получишь один и тот же сдвиг итога.
Однако есть нюансы
Во-первых, у каждого бизнеса разные стартовые конверсии этапов.
Один уже работает на 80% «лид / звонок» — потолок близко. Другой держит 30% — потенциал в три раза выше.
Одно и то же обещание «+25% к продажам» для первого требует чуда, для второго — обычной системной работы.
Во-вторых, разная экономика сдвига.
Поднять конверсию после привлечения — вернуть в воронку уже оплаченных рекламой людей. Поднять её до привлечения через рост количества входящиъх лидов — потратить новые маркетинговые деньги там, где CAC растёт на 30–35% быстрее всего остального. То же число клиентов в первом случае стоит бизнесу значительно дешевле.
У разных бизнесов «проседают» разные этапы
В одной клинике половина людей растворяется на первом телефонном звонке — администратор работает в логике диспетчера.
В другой — приходит на встречу 9 из 10, но врач или менеджер не разворачивает план так, чтобы клиент увидел в нём смысл.
В третьей сделка закрыта, но пациент не спешит возвращаться и приводить семью и знакомых: после оказания услуги контакта с ним не было, петля обратной связи не закрылась.
Обещать всем «+25% к продажам» без понимания, где у конкретного бизнеса слабый этап и где сильный, — математически бессмысленно.
Эффект от одного и того же воздействия будет отличаться в разы, потому что у каждого свой запас по этапам и своя цена сдвига.
Поэтому речевая аналитика для нас начинается с диагностики.
Размечается выборка разговоров и звонков, ищется «просадка», на какой стадии воронки она находится и какого она размера. Только после этого имеет смысл проектировать гипотезу изменений и оценивать, какой рост в этой точке реалистичен.
Точно по такой же логике стоит оценивать и возврат инвестиций, вложенных в речевую аналитику.
Иногда диагностика возвращает результат, которого клиент не заказывал
Бывает, что главная утечка лежит глубже переговоров/продаж — в самом предложении: рынок не ждёт того, что вы продаёте, или цена не совпадает с ценностью.
Это тоже честный вывод, и он экономит несколько месяцев работы над не той задачей. Но цифр роста на нём не построишь — это уже другой проект.
И что в итоге?
Наш ответ на «дайте цифру роста» один: дайте нам послушать сто ваших разговоров(кстати, делаем это бесплатно — переходите по ссылке ).
Назовём процент по той точке воронки, где он реалистично достижим, и срок. До диагностики цифра роста — это маркетинг, не более того. 🤝
❤8🔥6👍3
Смежное возможное
Есть концепт, который придумал биолог Стюарт Кауфман и потом переоткрыл для технологий Стивен Джонсон — «смежное (соседнее) возможное».
Самолёт нельзя было изобрести в XVIII веке — не было двигателя. Двигатель внутреннего сгорания не существовал без металлургии. Каждое изобретение открывает «дверь в комнату», где видны следующие «двери».
Из этого следует один вывод: многие технологии формулируются правильно за 50, 100, 150 лет до того, как реально начинают работать. До реального раскрытия потенциала нужны те самые другие двери.
Вы знаете, что такое фонограф?
Так вот, в 1878 году Эдисон получил патент на фонограф. В первой же публикации он перечислил десять применений своего изобретения. Первой строкой шло то, что мы сегодня называем речевой аналитикой — переписка и диктовка без помощи стенографа (дословный перевод с английского).
То есть фонограф задумывался как офисный инструмент, а музыкальные пластинки появились позже.
Но машина умела только сохранять звук — разбирать, что в нём сказано, она не умела. Чтобы превратить запись в текст, всё равно нужен был стенограф.
Поэтому массовым офисным инструментом фонограф так и не стал. А распознавание речи дозревало семьдесят лет: первые прототипы в 1952-м, более «продвинутые» в 1962-м, а первая коммерческая автоматическая расшифровка речи в 1990-м.
И только в 2020-х три компонента — запись, распознавание, извлечение смысла — наконец сошлись в один рабочий и применимый для решения поставленных задач контур.
Что мы видим сейчас
Три года назад ChatGPT только-только намекал, что ИИ способен на сложный ответ на русском, а сегодня одна нейросеть нанимает себе в помощники еще 10 нейросетей и вместе они делают задачу, выполнение которой казалось невозможным еще 3 месяца назад.
К чему это мы?
Вокруг AI много обещаний — «заменит колл-центр», «заменит врача», «заменит юриста». Часть из них правильна по задаче, однако, как мы их называем в рамках этого поста «соседние двери», ещё не открыты.
Отсюда вытекает рекомендация: в следующий раз, когда наткнётесь на новости про очередной AI-сервис — мысленно приложите его к своим операционным процессам и отложенным гипотезам.
Потому что «не получилось полгода назад» и «это невозможно реализовать» — это очень разные вещи.
Есть концепт, который придумал биолог Стюарт Кауфман и потом переоткрыл для технологий Стивен Джонсон — «смежное (соседнее) возможное».
Звучит он так: в каждый момент времени нельзя сделать всё что угодно. Можно сделать только то, для чего уже сложились соседние компоненты.
Самолёт нельзя было изобрести в XVIII веке — не было двигателя. Двигатель внутреннего сгорания не существовал без металлургии. Каждое изобретение открывает «дверь в комнату», где видны следующие «двери».
Из этого следует один вывод: многие технологии формулируются правильно за 50, 100, 150 лет до того, как реально начинают работать. До реального раскрытия потенциала нужны те самые другие двери.
Вы знаете, что такое фонограф?
Это прибор, который выглядит как цилиндрический барабан, который вращается и записывает звук. Позже к нему добавили «трубу» как у патифона, и он смог также и проигрывать записанный звук.
Так вот, в 1878 году Эдисон получил патент на фонограф. В первой же публикации он перечислил десять применений своего изобретения. Первой строкой шло то, что мы сегодня называем речевой аналитикой — переписка и диктовка без помощи стенографа (дословный перевод с английского).
То есть фонограф задумывался как офисный инструмент, а музыкальные пластинки появились позже.
Но машина умела только сохранять звук — разбирать, что в нём сказано, она не умела. Чтобы превратить запись в текст, всё равно нужен был стенограф.
Поэтому массовым офисным инструментом фонограф так и не стал. А распознавание речи дозревало семьдесят лет: первые прототипы в 1952-м, более «продвинутые» в 1962-м, а первая коммерческая автоматическая расшифровка речи в 1990-м.
И только в 2020-х три компонента — запись, распознавание, извлечение смысла — наконец сошлись в один рабочий и применимый для решения поставленных задач контур.
Что мы видим сейчас
Три года назад ChatGPT только-только намекал, что ИИ способен на сложный ответ на русском, а сегодня одна нейросеть нанимает себе в помощники еще 10 нейросетей и вместе они делают задачу, выполнение которой казалось невозможным еще 3 месяца назад.
К чему это мы?
Вокруг AI много обещаний — «заменит колл-центр», «заменит врача», «заменит юриста». Часть из них правильна по задаче, однако, как мы их называем в рамках этого поста «соседние двери», ещё не открыты.
Поэтому задача бизнеса как раз-таки в том, чтобы найти эти соседние комнаты и приложить к ним свои отложенные гипотезы.
То, что раньше не получалось из-за нехватки одного компонента, сейчас может заработать просто потому, что компонент появился.
Отсюда вытекает рекомендация: в следующий раз, когда наткнётесь на новости про очередной AI-сервис — мысленно приложите его к своим операционным процессам и отложенным гипотезам.
Потому что «не получилось полгода назад» и «это невозможно реализовать» — это очень разные вещи.
❤10⚡7🔥6
Биометрия или персональные данные?
Коллеги, сегодня хотим поговорить о правовом регулировании голосовых данных. Тема не самая увлекательная, но крайне важная, потому что, как известно, незнание закона не освобождает от ответственности.
Что конкретно обсудим? Ответственность за хранение и обработку голоса человека.
На встречах с юр-службами клиентов часто видим: компании понимают голосовые данные по-разному. Где-то считают их персональными данными, где-то — биометрией со страшными штрафами. Давайте внесём ясность.
В чём суть
Есть и отдельный термин — «биометрические данные».
Многие думают о биометрии как об отпечатке пальца или фотографии лица, но голос тоже может подпадать под эту категорию. Может, но не всегда.
Запись для анализа содержания разговора (что сказал клиент, что ответил менеджер) — это обычные ПД. Запись с целью установить личность по голосу (сличение с эталоном в базе) — биометрия со строгим режимом. Разница важна, потому что она диектует разные требования к согласию, разные штрафы.
Проблема
Иногда у нас спрашивают: если придёт проверка и увидит, что мы обрабатываем голос, не будет ли космических штрафов?
За обычную обработку без согласия — до 700 тысяч. За нарушения с биометрией — до 20 миллионов. С сентября добавились новые требования к форме согласия.
Отдельная категория — «независимые проверяющие». Люди мониторят сайты бизнеса на соблюдение 152-ФЗ. Если находят нарушение, то фиксируют его и пишут вам: или платите нам компенсацию, и мы никуда не идём, или сообщаем в РКН, и тогда штраф уже официальный. Такие случаи в практике есть.
Фоном стоит держать в голове ещё одну вещь: федеральный бюджет сейчас в дефиците, и проверки 152-ФЗ для государства — один из естественных каналов его пополнения. Активность в ближайшие месяцы скорее вырастет, чем спадёт.
Готовая формулировка для вашего согласия
Если у вас ведётся запись звонков и хочется снять вопрос риски, возьмите ту же логику, что используем мы в imot.io. У нас она зашита в Поручение на обработку данных вот так:
Положение написано для отношений «Оператор — Обработчик», поэтому у себя его удобнее разместить в Политике обработки персональных данных на сайте или в форме Согласия субъекта — заменив «Обработчик» на «Оператор» и привязав к вашему сценарию.
Главное в этой формулировке — фиксация целей обработки и явный отказ от использования голоса как идентификатора. Адаптация — задача на час времени юриста.
Что в итоге?
Стоимость юридического бездействия растёт — и будет расти. Поэтому в погоне за бесконечной оптимизацией доходной части бизнес-модели призываем не забывать и про возрастающие юридические риски.
Самое простое прямо сейчас — перешлите этот пост в вашу юридическую службу. С готовой формулировкой дальше они разберутся сами. 🤝
Коллеги, сегодня хотим поговорить о правовом регулировании голосовых данных. Тема не самая увлекательная, но крайне важная, потому что, как известно, незнание закона не освобождает от ответственности.
Что конкретно обсудим? Ответственность за хранение и обработку голоса человека.
На встречах с юр-службами клиентов часто видим: компании понимают голосовые данные по-разному. Где-то считают их персональными данными, где-то — биометрией со страшными штрафами. Давайте внесём ясность.
В чём суть
Когда вы записываете звонки клиентов или используете любой инструмент речевой аналитики, вы всегда обрабатываете персональные данные. Голос — это ПД по умолчанию.
Есть и отдельный термин — «биометрические данные».
Многие думают о биометрии как об отпечатке пальца или фотографии лица, но голос тоже может подпадать под эту категорию. Может, но не всегда.
Запись для анализа содержания разговора (что сказал клиент, что ответил менеджер) — это обычные ПД. Запись с целью установить личность по голосу (сличение с эталоном в базе) — биометрия со строгим режимом. Разница важна, потому что она диектует разные требования к согласию, разные штрафы.
Проблема
Иногда у нас спрашивают: если придёт проверка и увидит, что мы обрабатываем голос, не будет ли космических штрафов?
За обычную обработку без согласия — до 700 тысяч. За нарушения с биометрией — до 20 миллионов. С сентября добавились новые требования к форме согласия.
Недавно был кейс — предпринимателя оштрафовали на 280 тысяч потому, что клиентка пожаловалась в Роскомнадзор, что её записали без согласия.
Пришла проверка — нашла, что уведомление в РКН не подавали, политики обработки на сайте нет, согласие в договоре не выделено. И это не единичный случай.
Отдельная категория — «независимые проверяющие». Люди мониторят сайты бизнеса на соблюдение 152-ФЗ. Если находят нарушение, то фиксируют его и пишут вам: или платите нам компенсацию, и мы никуда не идём, или сообщаем в РКН, и тогда штраф уже официальный. Такие случаи в практике есть.
Фоном стоит держать в голове ещё одну вещь: федеральный бюджет сейчас в дефиците, и проверки 152-ФЗ для государства — один из естественных каналов его пополнения. Активность в ближайшие месяцы скорее вырастет, чем спадёт.
Готовая формулировка для вашего согласия
Если у вас ведётся запись звонков и хочется снять вопрос риски, возьмите ту же логику, что используем мы в imot.io. У нас она зашита в Поручение на обработку данных вот так:
«Стороны договорились, что аудиозаписи, получаемые в рамках исполнения настоящего Поручения, используются исключительно для целей транскрибирования, анализа содержания коммуникаций и автоматизированного заполнения информационных систем Оператора.
Обработчик не осуществляет и не вправе осуществлять обработку аудиозаписей с целью установления личности субъекта персональных данных, а также не использует голосовые характеристики для идентификации или аутентификации физических лиц. Обработчик осуществляет обработку аудиозаписей исключительно как неструктурированной информации, не направленной на установление личности субъекта.
В случае если аудиозаписи содержат сведения, позволяющие идентифицировать субъекта, такие сведения подлежат удалению, маскированию или обезличиванию в процессе обработки в объёме, необходимом для достижения целей обработки.»
Положение написано для отношений «Оператор — Обработчик», поэтому у себя его удобнее разместить в Политике обработки персональных данных на сайте или в форме Согласия субъекта — заменив «Обработчик» на «Оператор» и привязав к вашему сценарию.
Главное в этой формулировке — фиксация целей обработки и явный отказ от использования голоса как идентификатора. Адаптация — задача на час времени юриста.
Что в итоге?
Стоимость юридического бездействия растёт — и будет расти. Поэтому в погоне за бесконечной оптимизацией доходной части бизнес-модели призываем не забывать и про возрастающие юридические риски.
Самое простое прямо сейчас — перешлите этот пост в вашу юридическую службу. С готовой формулировкой дальше они разберутся сами. 🤝
🔥11👍6👏4
Перевод собачьего лая с точностью 94,6%
Про занимательный стартап читали в новостях на выходных — позволяет «понимать» лай собак. Точность — 94,6%. С десятой процента, как в инженерной спецификации.
Но пост в целом не об этом, хотя и об этом тоже
Внутри продукта — микрофон, акселерометр и датчик движения. Снаружи — приложение, в которое за 1,2 секунды прилетают тонкие наблюдения вроде «хочу есть» и «хочу играть».
Кстати, внутрь китайские братья встроили LLM. Устройство работает на моделях Qwen от Alibaba, которые действительно умеют слушать аудио и отвечать в реальном времени.
Тренировали систему на 1,5 миллиона голосовых сэмплов от тысячи питомцев. Полторы тысячи фраз с одной собаки — за время сбора датасета она, вероятно, успела нагавкать диссертацию.
Есть и режим обратного перевода. Хозяин говорит в приложение, ошейник озвучивает что-то для питомца. То есть теперь не только собака переведена на человеческий, но и человек, наконец-то, на собачий.
Но что говорит наука
Учёный сразу оговаривается: смысл у собак собирается из звука и ситуации, не из звука одного. А откуда тогда 94,6% — спросите у маркетолога.
И теперь главное
Если так вдруг получилось, что вы занимаетесь речевой аналитикой, придёте к клиенту и скажете «наша речевая аналитика классифицирует разговоры менеджера по чек-листу из 45 пунктов с проверяемой точностью», — справедливо спросят про выборку, методику разметки, ошибки классификации. Цифру разберут, что говорится, «по винтикам».
Но когда китайцы говорят «94,6% перевода лая» — 10 000 предзаказов за две недели.
И что в итоге?
Этим страдают многие индустрии и многие компании.
Если вы производите лучший продукт по конкретному критерию, всегда кажется несправедливым, что на рынке нет общей методики оценки. По правилам играть некому — каждый считает по своей шкале, и громче слышно того, чья шкала больше.
Но даже когда методика появляется, проблема решена только наполовину. Нужен ещё кто-то, кому индустрия согласится верить как арбитру. В спорте есть правила и есть судьи, в науке — пир-ревью и воспроизводимость, в в большинстве других индустрий пока нет ни общего стандарта, ни признанного «судьи». И эту пустоту охотно заполняют красивые цифры.
Поэтому зрелый ход для тех, кто оказался в незрелой нише, — не выкрикивать своё число громче соседа, а потратить часть энергии на сборку своей шкалы, по которой можно сравнить всех. И, если получится, стать тем, кому верят в её показаниях.
На короткой дистанции это всегда проигрывает красивым цифрам типа «94,6%». На длинной — только это и остаётся. 🤝
Про занимательный стартап читали в новостях на выходных — позволяет «понимать» лай собак. Точность — 94,6%. С десятой процента, как в инженерной спецификации.
Но пост в целом не об этом, хотя и об этом тоже
Китайский стартап Meng Xiaoyi из Ханчжоу продаёт ошейник PettiChat за 799 юаней — это примено 8500 рублей. Коллеги получили 10 000 предзаказов за две недели, релиз продукта назначили на 30 мая.
Внутри продукта — микрофон, акселерометр и датчик движения. Снаружи — приложение, в которое за 1,2 секунды прилетают тонкие наблюдения вроде «хочу есть» и «хочу играть».
Кстати, внутрь китайские братья встроили LLM. Устройство работает на моделях Qwen от Alibaba, которые действительно умеют слушать аудио и отвечать в реальном времени.
Тренировали систему на 1,5 миллиона голосовых сэмплов от тысячи питомцев. Полторы тысячи фраз с одной собаки — за время сбора датасета она, вероятно, успела нагавкать диссертацию.
Есть и режим обратного перевода. Хозяин говорит в приложение, ошейник озвучивает что-то для питомца. То есть теперь не только собака переведена на человеческий, но и человек, наконец-то, на собачий.
Но что говорит наука
Независимые биоакустики дают потолок 57,3% точности по чистому аудио и около 89% — если добавить видео, позу и контекст.
Команда Кенни Чжу из университета Техаса честно собирает крупнейший датасет лая, транскрибировала пятьдесят часов в слоги, нашла привязки к отдельным понятиям — кот, клетка, поводок и другим.
Учёный сразу оговаривается: смысл у собак собирается из звука и ситуации, не из звука одного. А откуда тогда 94,6% — спросите у маркетолога.
И теперь главное
Если так вдруг получилось, что вы занимаетесь речевой аналитикой, придёте к клиенту и скажете «наша речевая аналитика классифицирует разговоры менеджера по чек-листу из 45 пунктов с проверяемой точностью», — справедливо спросят про выборку, методику разметки, ошибки классификации. Цифру разберут, что говорится, «по винтикам».
Но когда китайцы говорят «94,6% перевода лая» — 10 000 предзаказов за две недели.
Поэтому и наблюдение: чем меньше у цифры эталона, тем она убедительнее.
И что в итоге?
Этим страдают многие индустрии и многие компании.
Если вы производите лучший продукт по конкретному критерию, всегда кажется несправедливым, что на рынке нет общей методики оценки. По правилам играть некому — каждый считает по своей шкале, и громче слышно того, чья шкала больше.
Но даже когда методика появляется, проблема решена только наполовину. Нужен ещё кто-то, кому индустрия согласится верить как арбитру. В спорте есть правила и есть судьи, в науке — пир-ревью и воспроизводимость, в в большинстве других индустрий пока нет ни общего стандарта, ни признанного «судьи». И эту пустоту охотно заполняют красивые цифры.
Поэтому зрелый ход для тех, кто оказался в незрелой нише, — не выкрикивать своё число громче соседа, а потратить часть энергии на сборку своей шкалы, по которой можно сравнить всех. И, если получится, стать тем, кому верят в её показаниях.
На короткой дистанции это всегда проигрывает красивым цифрам типа «94,6%». На длинной — только это и остаётся. 🤝
🔥9👏6❤4👍4
Уважаемые коллеги, сегодня про подход к изменениям.
Есть закономерность, которую мы часто видим, поэтому считаем, что следует поделиться своими мыслями на этот счет.
✅ Как всё начинается
Компания анализирует текущее положение дел и приходит к выводу, что есть ряд проблем или задач, которые нужно срочно решать. Как решать, спросите вы? Самый логичный и простой способ — купить внешнюю экспертизу.
Поэтому компания спокойно платит за совет сильного эксперта со стороны — тренера, консультанта, приглашённого специалиста. То есть связь между задачей и решением здесь линейная.
Многие опытные менеджеры при этом возразят, мол, позвольте, как же так? Ведь все базовые принципы изложенные в PMBoK или BABoK говорят о том, что вот так просто применять «заплатку» — в целом не лучшая идея.
Тогда второй вариант — разобраться с корнем проблемы и «починить» что-либо процессно.
При этом люди понимают, что чтобы перестроить процесс, нужны и люди и рабочие инструменты, которые эти люди в своей работе будут применять. Однако в первом случае вложиться в собственную систему, которая постоянно собирает данные и помогает их понимать, кажется лишней тратой.
И дело тут в том, что почти всегда эти две вещи — «применить заплатку» и «починить процесс» — ставят на одни весы и сравнивают по принципу «результат на рубль». При этом понятие «результат» часто воспринимается как нечто реактивное, без установленных временных рамок.
Сравнивать эти подходы бессмысленно по определению — они лежат в разных категориях, сравнение по существу не может произойти.
✅ Как это выглядит
Эксперт приходит с опытом и видит общую картину. Он честно скажет, что в бизнесе работает не так: например, отдел продаж систематически не слышит клиента, а в сервисе долго отвечают.
С такого рода выводами, что говорится, не поспоришь. Но попросите конкретику — где именно, у кого, почему так выходит — и здесь опыт упирается в барьер, потому что одним взглядом со стороны нужная детализация для решения задачи недостижима. Для неё нужны данные, которые кто-то собирает и обрабатывает.
Тут помогает простое сравнение
Ни одна компания(в здравом уме и без тёмных умыслов) не ведёт финансы так, чтобы дважды в год позвать известного финансиста, выслушать «вы много тратите» и на этом успокоиться.
Все ведут учёт постоянно: цифры, отчёты и человек, который читает их каждый месяц. Деньги мы давно привыкли считать системно. А продажи, сервис, работу команды — почему-то всё ещё на уровне мнения уважаемого гостя.
✅ И что потом?
Потом эксперт уходит, а знание, которому негде закрепиться, довольно скоро выветривается. Дело тут даже не в силе эксперта, а в компании, где ничего не поменялось структурно — те же процессы, тот же способ принимать решения, просто опытный человек подсветил проблемные места.
✅ Система устроена иначе
Она работает всегда и у неё есть конкретная задача, например, собрать данные. Рядом есть человек, который это читает и переводит в конкретные наблюдения, а дальше — и это, по нашему мнению, главное — видно, изменилось ли что-то после принятых решений.
Так появляется способность компании постоянно смотреть на себя и проверять свои решения — сегодня, через месяц, через год. Что делать с этой картиной, каждый решает сам. Но сама картина при этом не исчезает вместе с приглашенными экспертами.
✅ И что в итоге?
В итоге — наблюдение. Мы делаем аналитику, мы лица заинтересованные. Но сейчас речь не про нас и не про речевую аналитику как таковую, речь в целом про подход.
Это разные покупки: чужой опыт на время — и собственная привычка видеть, что у вас происходит. Сравнивать знание и навык — это как сравнивать тренера с его подопечным.
Лучший результат достижим тогда, когда есть и то, и другое. 🤝
Есть закономерность, которую мы часто видим, поэтому считаем, что следует поделиться своими мыслями на этот счет.
Компания анализирует текущее положение дел и приходит к выводу, что есть ряд проблем или задач, которые нужно срочно решать. Как решать, спросите вы? Самый логичный и простой способ — купить внешнюю экспертизу.
Поэтому компания спокойно платит за совет сильного эксперта со стороны — тренера, консультанта, приглашённого специалиста. То есть связь между задачей и решением здесь линейная.
Многие опытные менеджеры при этом возразят, мол, позвольте, как же так? Ведь все базовые принципы изложенные в PMBoK или BABoK говорят о том, что вот так просто применять «заплатку» — в целом не лучшая идея.
Тогда второй вариант — разобраться с корнем проблемы и «починить» что-либо процессно.
При этом люди понимают, что чтобы перестроить процесс, нужны и люди и рабочие инструменты, которые эти люди в своей работе будут применять. Однако в первом случае вложиться в собственную систему, которая постоянно собирает данные и помогает их понимать, кажется лишней тратой.
И дело тут в том, что почти всегда эти две вещи — «применить заплатку» и «починить процесс» — ставят на одни весы и сравнивают по принципу «результат на рубль». При этом понятие «результат» часто воспринимается как нечто реактивное, без установленных временных рамок.
Сравнивать эти подходы бессмысленно по определению — они лежат в разных категориях, сравнение по существу не может произойти.
Эксперт приходит с опытом и видит общую картину. Он честно скажет, что в бизнесе работает не так: например, отдел продаж систематически не слышит клиента, а в сервисе долго отвечают.
С такого рода выводами, что говорится, не поспоришь. Но попросите конкретику — где именно, у кого, почему так выходит — и здесь опыт упирается в барьер, потому что одним взглядом со стороны нужная детализация для решения задачи недостижима. Для неё нужны данные, которые кто-то собирает и обрабатывает.
Тут помогает простое сравнение
Ни одна компания
Все ведут учёт постоянно: цифры, отчёты и человек, который читает их каждый месяц. Деньги мы давно привыкли считать системно. А продажи, сервис, работу команды — почему-то всё ещё на уровне мнения уважаемого гостя.
Потом эксперт уходит, а знание, которому негде закрепиться, довольно скоро выветривается. Дело тут даже не в силе эксперта, а в компании, где ничего не поменялось структурно — те же процессы, тот же способ принимать решения, просто опытный человек подсветил проблемные места.
Она работает всегда и у неё есть конкретная задача, например, собрать данные. Рядом есть человек, который это читает и переводит в конкретные наблюдения, а дальше — и это, по нашему мнению, главное — видно, изменилось ли что-то после принятых решений.
Так появляется способность компании постоянно смотреть на себя и проверять свои решения — сегодня, через месяц, через год. Что делать с этой картиной, каждый решает сам. Но сама картина при этом не исчезает вместе с приглашенными экспертами.
В итоге — наблюдение. Мы делаем аналитику, мы лица заинтересованные. Но сейчас речь не про нас и не про речевую аналитику как таковую, речь в целом про подход.
Мы уверены, что когда выбор звучит как «эксперт или система за те же деньги», считать надо не цену.
Это разные покупки: чужой опыт на время — и собственная привычка видеть, что у вас происходит. Сравнивать знание и навык — это как сравнивать тренера с его подопечным.
Лучший результат достижим тогда, когда есть и то, и другое. 🤝
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍7🔥3
Какие ваши доказательства?
Уверенность — едва ли не самый дешёвый товар на свете: её у каждого с избытком, и достаётся она бесплатно.
Спросите любого, что лучше — условный немецкий BMW или китайский Changan, — и вердикт будет мгновенным и твёрдым, хотя человек чаще всего не сидел за рулём ни одной из этих машин.
Пока речь о дружеском разговоре за чаем, в этом нет ничего страшного — личный опыт там и не нужен. Сложнее, когда этот паттерн люди переносят на решения, за которые платит компания.
Человек рискует бюджетом и сроками, а вся база под его решением — чей-то комментарий или отзыв. Хотя цена такому отзыву давно известна: только за май 2026 года запрос «купить отзывы» Яндекс показывает 215 тысяч раз.
Гораздо больше веса даёт обратное.
Немного личного опыта: лет десять назад я работал с коллегой, который на добрую половину вопросов спокойно отвечал: «не знаю, у меня нет информации, не могу ответить».
Казалось бы, слабая позиция — и в моменте она правда может выглядеть проигрышной. Но выходило ровно наоборот: всему остальному, что он говорил, я и другие коллеги верили сразу. Потому что внешняя честность вырастает из внутренней честности с самим собой. Это черта человека. А раз бизнес делают люди — то и черта бизнеса тоже.
Нынешняя рабочая культура, кстати, подталкивает к противоположному: не молчи, выскажи хоть какую-то версию, покажи вовлечённость. Но честное «не знаю» почти всегда звучит весомее догадки, под которой на самом деле ничего нет. А перед человеком, который хорошо владеет предметом, поспешная догадка выдаёт себя мгновенно — и тогда обесценивается уже всё, что ты скажешь после.
Отсюда вырастает, пожалуй, самый полезный вывод для бизнеса.
Когда в ответ на вашу гладкую презентацию клиент спрашивает «а чем вы это подтвердите?» — это очень хороший знак. Перед вами рациональный человек. А там, где выбирают по сути, работать и продавать проще — особенно если вам действительно есть что показать.
Такого клиента, который задаёт много вопросов, стоит ценить: он сам сокращает вам путь к сделке.
И что в итоге?
Уверенность достаётся даром, отзывы научились покупать пачками, громких обещаний на любом рынке с избытком. Дорожает на этом фоне ровно одно — слова, за которыми стоят факты и готовность доказать их делом.
Кажется сильно простым, чтобы быть правдой, но во многих больших компаниях, которые мы видели вблизи, именно на этом в итоге и держится доверие.
Кстати, мы в imot.io как раз этим и занимаемся — готовы бесплатно доказать делом всё о чем говорим, показать и продукт и команду изнутри.
Поэтому, если вы выбираете между BMW и Changan, правильным шагом будет провести тест-драйв 🙂
Уверенность — едва ли не самый дешёвый товар на свете: её у каждого с избытком, и достаётся она бесплатно.
Спросите любого, что лучше — условный немецкий BMW или китайский Changan, — и вердикт будет мгновенным и твёрдым, хотя человек чаще всего не сидел за рулём ни одной из этих машин.
Пока речь о дружеском разговоре за чаем, в этом нет ничего страшного — личный опыт там и не нужен. Сложнее, когда этот паттерн люди переносят на решения, за которые платит компания.
— «Тот подрядчик — так себе».
— «Откуда знаешь?»
— «Да слышал где-то».
Человек рискует бюджетом и сроками, а вся база под его решением — чей-то комментарий или отзыв. Хотя цена такому отзыву давно известна: только за май 2026 года запрос «купить отзывы» Яндекс показывает 215 тысяч раз.
Гораздо больше веса даёт обратное.
Немного личного опыта: лет десять назад я работал с коллегой, который на добрую половину вопросов спокойно отвечал: «не знаю, у меня нет информации, не могу ответить».
Казалось бы, слабая позиция — и в моменте она правда может выглядеть проигрышной. Но выходило ровно наоборот: всему остальному, что он говорил, я и другие коллеги верили сразу. Потому что внешняя честность вырастает из внутренней честности с самим собой. Это черта человека. А раз бизнес делают люди — то и черта бизнеса тоже.
Нынешняя рабочая культура, кстати, подталкивает к противоположному: не молчи, выскажи хоть какую-то версию, покажи вовлечённость. Но честное «не знаю» почти всегда звучит весомее догадки, под которой на самом деле ничего нет. А перед человеком, который хорошо владеет предметом, поспешная догадка выдаёт себя мгновенно — и тогда обесценивается уже всё, что ты скажешь после.
Отсюда вырастает, пожалуй, самый полезный вывод для бизнеса.
Когда в ответ на вашу гладкую презентацию клиент спрашивает «а чем вы это подтвердите?» — это очень хороший знак. Перед вами рациональный человек. А там, где выбирают по сути, работать и продавать проще — особенно если вам действительно есть что показать.
Такого клиента, который задаёт много вопросов, стоит ценить: он сам сокращает вам путь к сделке.
И что в итоге?
Уверенность достаётся даром, отзывы научились покупать пачками, громких обещаний на любом рынке с избытком. Дорожает на этом фоне ровно одно — слова, за которыми стоят факты и готовность доказать их делом.
Кажется сильно простым, чтобы быть правдой, но во многих больших компаниях, которые мы видели вблизи, именно на этом в итоге и держится доверие.
🔥9❤8👍7🤩1
Очевидное неочевидно
Скорее всего, хуже всех в вашей компании ваш продукт описываете именно вы.
Звучит такая мысль странно, ведь знаете вы его лучше любого сотрудника. Но в этом и беда: вы знаете его слишком хорошо.
Стэнфордский эксперимент
Исследователи разбили людей на пары: один задумывал известную всем песню и простукивал её ритм пальцем по столу, а второй пытался эту песню угадать.
Простукивающих заранее спросили, как часто их будут понимать, и те ожидали, что угадает примерно половина. На деле песню узнавали в двух с половиной случаях из ста.
Дело здесь вовсе не в плохом слухе
Пока вы выстукиваете ритм, у вас в голове звучит вся песня целиком, с мелодией и словами, а ваш сосед слышит лишь удары ваших пальцев по столу. Услышать их так, как он, вы уже не сможете — собственную музыку в голове не выключить.
Ровно то же происходит с вашим продуктом: вы слышите свое предложение вместе с флёром окружающего его контекста и ваших личных знаний, а человек напротив получает одни удары по столу.
Для диджитала есть решение
В цифровых продуктах для этого есть простой приём — UX-тест. Человека не из команды сажают перед сайтом или приложением и молча смотрят, как он пытается дойти до цели, ничего ему не подсказывая.
И почти всегда выясняется, что очевидная для команды кнопка не находится, а понятная всем формулировка читается совсем не так, как задумывали.
Доказано, что всего пятеро таких зрителей вскрывают около восьмидесяти пяти процентов проблем — без всякой фокус-группы и тысячи анкет. Это, кстати, относится и к полюбившимся среди коллег глубинным интервью — в ВШЭ пришли к такому же выводу про размер выборки и отклонения.
А если продукт не на экране
Допустим, у вас не приложение, а клиника, юридическая практика, завод или магазин, и посадить кого-то перед экраном не выйдет. Это ничего не меняет: проверка та же, просто без интерфейса.
Спрашивать «всё понятно?» при этом бесполезно — почти каждый кивнёт, даже если не понял ни слова. Кто-то стесняется переспрашивать, кто-то искренне уверен, что разобрался.
Лучше всех это знают врачи: пациенты забывают от сорока до восьмидесяти процентов сказанного сразу же, а из того, что запомнили, чуть ли не половину — неправильно.
Прочитав заключение по МРТ, человек не подойдёт и не скажет, что ничего не понял, — он молча унесёт своё неверное толкование с собой.
Поэтому в медицине спрашивают иначе: вместо «вам всё понятно?» пациента просят пересказать своими словами, что он понял и что собирается делать, и смотрят, где этот пересказ расходится с задуманным.
Тот же приём работает с любым текстом
Дайте коммерческое предложение или договор человеку не из вашей сферы и попросите пересказать — о чём это, кому подходит и что делать дальше. Места, где он начнёт путаться, прочитает не то или ответит «ну… не знаю», и есть проявление вашей внутренней «мелодии» вместо того, что вы реально показываете человеку.
И что в итоге?
И отходите вы постоянно — с каждым годом и каждым проектом, по мере того как становитесь в своём деле сильнее.
Знание и умение его объяснить тянут в разные стороны, так что с опытом разрыв не сокращается, а растёт.
А вывод прост: свою собственную понятность изнутри не услышишь — только со стороны. И чем лучше вы знаете своё дело, тем внимательнее придётся вслушиваться. 🤝
Скорее всего, хуже всех в вашей компании ваш продукт описываете именно вы.
Звучит такая мысль странно, ведь знаете вы его лучше любого сотрудника. Но в этом и беда: вы знаете его слишком хорошо.
Стэнфордский эксперимент
Исследователи разбили людей на пары: один задумывал известную всем песню и простукивал её ритм пальцем по столу, а второй пытался эту песню угадать.
Простукивающих заранее спросили, как часто их будут понимать, и те ожидали, что угадает примерно половина. На деле песню узнавали в двух с половиной случаях из ста.
Дело здесь вовсе не в плохом слухе
Пока вы выстукиваете ритм, у вас в голове звучит вся песня целиком, с мелодией и словами, а ваш сосед слышит лишь удары ваших пальцев по столу. Услышать их так, как он, вы уже не сможете — собственную музыку в голове не выключить.
Ровно то же происходит с вашим продуктом: вы слышите свое предложение вместе с флёром окружающего его контекста и ваших личных знаний, а человек напротив получает одни удары по столу.
Для диджитала есть решение
В цифровых продуктах для этого есть простой приём — UX-тест. Человека не из команды сажают перед сайтом или приложением и молча смотрят, как он пытается дойти до цели, ничего ему не подсказывая.
И почти всегда выясняется, что очевидная для команды кнопка не находится, а понятная всем формулировка читается совсем не так, как задумывали.
Доказано, что всего пятеро таких зрителей вскрывают около восьмидесяти пяти процентов проблем — без всякой фокус-группы и тысячи анкет. Это, кстати, относится и к полюбившимся среди коллег глубинным интервью — в ВШЭ пришли к такому же выводу про размер выборки и отклонения.
А если продукт не на экране
Допустим, у вас не приложение, а клиника, юридическая практика, завод или магазин, и посадить кого-то перед экраном не выйдет. Это ничего не меняет: проверка та же, просто без интерфейса.
Спрашивать «всё понятно?» при этом бесполезно — почти каждый кивнёт, даже если не понял ни слова. Кто-то стесняется переспрашивать, кто-то искренне уверен, что разобрался.
Лучше всех это знают врачи: пациенты забывают от сорока до восьмидесяти процентов сказанного сразу же, а из того, что запомнили, чуть ли не половину — неправильно.
Прочитав заключение по МРТ, человек не подойдёт и не скажет, что ничего не понял, — он молча унесёт своё неверное толкование с собой.
Поэтому в медицине спрашивают иначе: вместо «вам всё понятно?» пациента просят пересказать своими словами, что он понял и что собирается делать, и смотрят, где этот пересказ расходится с задуманным.
Тот же приём работает с любым текстом
Дайте коммерческое предложение или договор человеку не из вашей сферы и попросите пересказать — о чём это, кому подходит и что делать дальше. Места, где он начнёт путаться, прочитает не то или ответит «ну… не знаю», и есть проявление вашей внутренней «мелодии» вместо того, что вы реально показываете человеку.
И что в итоге?
Ощущение «ну это же очевидно» не значит, что вы говорите понятно — чаще оно значит обратное: чем очевиднее мысль кажется вам, тем дальше вы отошли от того, кому её объясняете.
И отходите вы постоянно — с каждым годом и каждым проектом, по мере того как становитесь в своём деле сильнее.
Знание и умение его объяснить тянут в разные стороны, так что с опытом разрыв не сокращается, а растёт.
А вывод прост: свою собственную понятность изнутри не услышишь — только со стороны. И чем лучше вы знаете своё дело, тем внимательнее придётся вслушиваться. 🤝
👍12🔥7❤3👏2
Уровни убедительности
Хайп на новые ИИ-инструменты и модели, кажется, никогда не утихнет. Каждый месяц выходит что-то, что «порвёт всех».
Сейчас те коллеги, что активно используют ИИ, ждут Mythos — самую мощную модель Anthropic, которую пока придерживают от широкого доступа.
Ожидание примерно такое:
Вот только ничего не заработает — точнее, заработает не то, на что большинство рассчитывает.
А все потому что мощность модели и полезность ответа это разные вещи, а их постоянно путают.
Взгляд изнутри
Мы разложили для себя работу на уровни убедительности — четыре ступени, от самого распространенного «звучит хорошо» до самого продвинутого «точно ответил на нужный вопрос».
Любой ответ ИИ удобно спускать по ним сверху вниз.
Как эти уровни работают?
Любой апгрейд, хоть тот же Mythos, тащит вверх первые два уровня — убедительность и складность растут сразу и заметно.
А нижние два, от которых зависит результат, почти не трогает. Да, ЛЛМ может сама попытаться переформулировать вопрос и даже разобраться в том, что вы на самом деле от неё хотите, однако делать этого не обязана и в большинстве случаев не будет.
Отсюда и ловушка: чем сильнее модель, тем легче спутать верхнюю ступень с нижней. Если ответ звучит блестяще, то всё правильно, думаете вы. А оно просто блестяще звучит.
И это не только про ИИ
Мы в отделе маркетинга постоянно это замечаем: открываем пост или лендинг — а там ссылка на условный McKinsey, на какое-нибудь солидное исследование, и выглядит это, конечно, сильно.
Только сделано оно часто на американском рынке, а выводы переносятся на бизнес в России, будто это одно и то же. Так вот авторитетность издетеля исследования — это верхний уровень. А подходит ли он вашему случаю — нижний, и его обычно пропускают.
У нас в imot.io половина работы как раз в том, чтобы перевести чужой опыт на нашу работу.
То, что мы делаем для большой федеральной сети с колл-центром из 300 человек, у регионального бизнеса может не сработать совсем: там и клиент другой, и сам разговор другой. Но следуя логике ЛЛМ мы могли бы сделать общий красивый вывод и экстраполировать его на всех и сразу — кейс ведь есть.
И что в итоге?
Отсюда вытекает простой порядок, который стоит держать в голове каждый раз, когда вам что-то уверенно отвечают — ИИ, эксперт или исследование.
Задавайте вопросы поочереди:
Начнёте с убедительности — она вас и подкупит. Начнёте с нужного вопроса — сразу поймете, правильно сформулировали вопрос или нет.
Так что да, ждать более мощные модели нужно, это точно «точка сборки» нашего мира на десятилетия вперёд.
Только помните — хорошая модель поднимет потолок убедительности, а вот управление полезностью всегда останется за вами. 🤝
Хайп на новые ИИ-инструменты и модели, кажется, никогда не утихнет. Каждый месяц выходит что-то, что «порвёт всех».
Сейчас те коллеги, что активно используют ИИ, ждут Mythos — самую мощную модель Anthropic, которую пока придерживают от широкого доступа.
Ожидание примерно такое:
«Вот выйдет, и всё наконец заработает как надо! Теперь-то уж точно можно будет расслабиться и наступит тот прекрасный момент, когда технологии начнут служить человечеству!»
Вот только ничего не заработает — точнее, заработает не то, на что большинство рассчитывает.
А все потому что мощность модели и полезность ответа это разные вещи, а их постоянно путают.
Взгляд изнутри
Мы разложили для себя работу на уровни убедительности — четыре ступени, от самого распространенного «звучит хорошо» до самого продвинутого «точно ответил на нужный вопрос».
Любой ответ ИИ удобно спускать по ним сверху вниз.
Уровень 1. Звучит убедительно.
Гладко, уверенно, с правильной, уверенной в своем ответе интонацией. Самая дешёвая ступень: модель выдаёт её почти всегда, даже когда несёт чушь. Впрочем, это не останавливает некоторых юристов и других людей.
Уровень 2. Логично связано.
Рассуждение держится, одно вытекает из другого. Это тоже почти целиком заслуга модели, и чем она мощнее, тем складнее. Здесь ссылки уже могут быть актуальными, но сильно «притянутыми за уши».
Уровень 3. Отвечает на заданный вопрос.
Тут уже пополам: половину делает модель, половину — то, как вы сформулировали запрос. Здесь логика уже сильная, однако если задать размытый вопрос, то ответ будет неточным или таким же размытым, как и вопрос.
Уровень 4. Отвечает на нужный вопрос.
Тот, что реально важен бизнесу, а не тот, что вы сгоряча набрали. Эту ступень модель не закрывает в принципе. Её задаёте только вы. Поэтому навык «правильно формулировать вопросы» — ценнейший навык в 2026 году.
Как эти уровни работают?
Любой апгрейд, хоть тот же Mythos, тащит вверх первые два уровня — убедительность и складность растут сразу и заметно.
А нижние два, от которых зависит результат, почти не трогает. Да, ЛЛМ может сама попытаться переформулировать вопрос и даже разобраться в том, что вы на самом деле от неё хотите, однако делать этого не обязана и в большинстве случаев не будет.
Отсюда и ловушка: чем сильнее модель, тем легче спутать верхнюю ступень с нижней. Если ответ звучит блестяще, то всё правильно, думаете вы. А оно просто блестяще звучит.
И это не только про ИИ
Мы в отделе маркетинга постоянно это замечаем: открываем пост или лендинг — а там ссылка на условный McKinsey, на какое-нибудь солидное исследование, и выглядит это, конечно, сильно.
Только сделано оно часто на американском рынке, а выводы переносятся на бизнес в России, будто это одно и то же. Так вот авторитетность издетеля исследования — это верхний уровень. А подходит ли он вашему случаю — нижний, и его обычно пропускают.
У нас в imot.io половина работы как раз в том, чтобы перевести чужой опыт на нашу работу.
То, что мы делаем для большой федеральной сети с колл-центром из 300 человек, у регионального бизнеса может не сработать совсем: там и клиент другой, и сам разговор другой. Но следуя логике ЛЛМ мы могли бы сделать общий красивый вывод и экстраполировать его на всех и сразу — кейс ведь есть.
И что в итоге?
Отсюда вытекает простой порядок, который стоит держать в голове каждый раз, когда вам что-то уверенно отвечают — ИИ, эксперт или исследование.
Задавайте вопросы поочереди:
— это ответ на тот вопрос, который вам реально нужен, а не на удобный для ответа?
— это вообще про ваш случай: вашу страну, отрасль, ситуацию?
— и только в конце: насколько складно и убедительно звучит?
Начнёте с убедительности — она вас и подкупит. Начнёте с нужного вопроса — сразу поймете, правильно сформулировали вопрос или нет.
Так что да, ждать более мощные модели нужно, это точно «точка сборки» нашего мира на десятилетия вперёд.
Только помните — хорошая модель поднимет потолок убедительности, а вот управление полезностью всегда останется за вами. 🤝
👍11🔥7👏3🤝2
Послушайте робота
Живой человек на телефоне — это здорово. Он слышит интонацию, ловит сомнение, подбирает слова под собеседника. Там, где разговор сложный и нужна эмпатия, человека не заменить.
Примерно так устроен один наш клиент — он нанимает курьеров. Сотни почти одинаковых разговоров в день: подходит ли человек, на каких условиях, когда может выйти.
Поставьте себя на место владельца. Двести пятьдесят человек на телефоне, диалоги под копирку — и сам собой появится вопрос, а нельзя ли это оптимизировать?
Робот заступает на смену
Можно — прописать сценарии звонков и часть отдать роботам. Скажем, разговор всегда начинает робот, а дальше по ответам человека на том конце либо машина доводит дело до конца, либо подключается живой оператор. Робот не устаёт, не опаздывает и не просит отгул — простое забирает он, сложное остаётся людям.
А кто проверяет машину
Живого оператора мы улучшать умеем — слушаем звонки, разбираем, подсказываем. А робота один раз настроили и больше к нему не возвращаемся. Людей мы слушаем, а роботов просто конфигурируем. Кто же делает робота лучше?
Алгоритм воспитывает алгоритм
Этим мы сейчас и занимаемся всё чаще. Сервис слушает и роботов, и ответы людей на том конце, и собирает из этого данные.
По сути робот проходит тот же разбор, что и живой сотрудник. Один алгоритм воспитывает другой, и системы потихоньку начинают улучшать сами себя :)
И что в итоге?
Но начинается всё с простого
Если у вас на линии уже работает робот, у него ровно та же беда, что у любого новичка — без разбора он не растёт. Только новичок это чувствует сам, а робот будет бодро повторять одну и ту же ошибку, пока его кто-нибудь не послушает.
Поэтому, коллеги, вывод сегодня один: послушайте робота. 🤝
Живой человек на телефоне — это здорово. Он слышит интонацию, ловит сомнение, подбирает слова под собеседника. Там, где разговор сложный и нужна эмпатия, человека не заменить.
А теперь представьте другую картину. Поток однотипных звонков, каждый день, по одному и тому же сценарию — и штат в 250 операторов, который всё это разгребает.
Примерно так устроен один наш клиент — он нанимает курьеров. Сотни почти одинаковых разговоров в день: подходит ли человек, на каких условиях, когда может выйти.
Поставьте себя на место владельца. Двести пятьдесят человек на телефоне, диалоги под копирку — и сам собой появится вопрос, а нельзя ли это оптимизировать?
Робот заступает на смену
Можно — прописать сценарии звонков и часть отдать роботам. Скажем, разговор всегда начинает робот, а дальше по ответам человека на том конце либо машина доводит дело до конца, либо подключается живой оператор. Робот не устаёт, не опаздывает и не просит отгул — простое забирает он, сложное остаётся людям.
А кто проверяет машину
Живого оператора мы улучшать умеем — слушаем звонки, разбираем, подсказываем. А робота один раз настроили и больше к нему не возвращаемся. Людей мы слушаем, а роботов просто конфигурируем. Кто же делает робота лучше?
Алгоритм воспитывает алгоритм
Этим мы сейчас и занимаемся всё чаще. Сервис слушает и роботов, и ответы людей на том конце, и собирает из этого данные.
По сути робот проходит тот же разбор, что и живой сотрудник. Один алгоритм воспитывает другой, и системы потихоньку начинают улучшать сами себя :)
И что в итоге?
В итоге, если без шуток, — похоже, лет через десять так и будет: одна система звонит, вторая слушает, третья переписывает сценарий. А человек останется там, где без него и правда никак.
Но начинается всё с простого
Если у вас на линии уже работает робот, у него ровно та же беда, что у любого новичка — без разбора он не растёт. Только новичок это чувствует сам, а робот будет бодро повторять одну и ту же ошибку, пока его кто-нибудь не послушает.
Поэтому, коллеги, вывод сегодня один: послушайте робота. 🤝
🔥8❤5👍3😁2
imotioGPT v.5.5.
У нас есть правило, что мы не рекламируем и не продаём собственные продукты в этом канале. Нарушать его не собираемся, но большим успехом поделиться обязаны.
Включать ничего не нужно, обновление уже работает для всех клиентов. Коротко расскажем, что в ней изменилось.
Контекст модели вырос в полтора раза
Он вырос в 1.5 раза, и теперь модель анализирует до 5 часов разговоров с клиентом за один раз. Для сделок с длинным циклом анализ стал точнее.
Внимание выросло вдвое
Раньше модель надёжно удерживала ~50 условий, теперь до 100 сразу, а в режиме рассуждений до 200. Контекст позволяет обрабатывать больше диалогов за раз, а внимание замечает в них больше деталей. Вместе это выводит анализ на качественно новый уровень.
Знаний о бизнесе стало втрое больше
Их стало в 3 раза больше, и знания эти практические, из реального бизнеса. Мы обучили модель на 100 тысячах живых деловых коммуникаций.
Для вас это более точный анализ. Это можно сравнить с опытом человека: если он работал в индустрии 10 лет, то вероятно ответит на вопрос лучше и точнее, чем челвоек без опыта. imotioGPT v5.5. — с реальным прикладным опытом.
Расширили вычислительные мощности
Клиентов и нагрузки становится больше, поэтому мы заранее нарастили мощности дата-центра. Обработка идёт быстрее, а запас держим примерно в 5 раз выше текущей нагрузки. Результаты приходят быстро даже в пиковые часы, заложен фундамент для кратного роста платформы.
Что в итоге
Если собрать всё вместе, модель стала видеть разговор целиком, точнее держать детали и глубже понимать бизнес. Ровно ради этого мы и работаем — больше ясности в данных и уверенности в решениях.
Поздравляем всех клиентов и партнёров и говорим спасибо, что растёте вместе с нами. 🥂
У нас есть правило, что мы не рекламируем и не продаём собственные продукты в этом канале. Нарушать его не собираемся, но большим успехом поделиться обязаны.
И сегодня у нас как раз такая новость — мы запустили новую речевую модель платформы imot.io, imotioGPT v.5.5.
Включать ничего не нужно, обновление уже работает для всех клиентов. Коротко расскажем, что в ней изменилось.
Контекст модели вырос в полтора раза
Контекст — это сколько информации модель связно обрабатывает за один раз.
Он вырос в 1.5 раза, и теперь модель анализирует до 5 часов разговоров с клиентом за один раз. Для сделок с длинным циклом анализ стал точнее.
Внимание выросло вдвое
Внимание — это способность модели держать в голове сразу много деталей разговора, все условия и оговорки.
Раньше модель надёжно удерживала ~50 условий, теперь до 100 сразу, а в режиме рассуждений до 200. Контекст позволяет обрабатывать больше диалогов за раз, а внимание замечает в них больше деталей. Вместе это выводит анализ на качественно новый уровень.
Знаний о бизнесе стало втрое больше
Знания — это то, что модель понимает про сам бизнес. Как идут продажи, из каких этапов состоит сделка, почему одно и то же слово в разных отраслях значит разное, какие есть предикторы срыва или успешного закрытия сделки.
Их стало в 3 раза больше, и знания эти практические, из реального бизнеса. Мы обучили модель на 100 тысячах живых деловых коммуникаций.
Для вас это более точный анализ. Это можно сравнить с опытом человека: если он работал в индустрии 10 лет, то вероятно ответит на вопрос лучше и точнее, чем челвоек без опыта. imotioGPT v5.5. — с реальным прикладным опытом.
Расширили вычислительные мощности
Клиентов и нагрузки становится больше, поэтому мы заранее нарастили мощности дата-центра. Обработка идёт быстрее, а запас держим примерно в 5 раз выше текущей нагрузки. Результаты приходят быстро даже в пиковые часы, заложен фундамент для кратного роста платформы.
Что в итоге
Если собрать всё вместе, модель стала видеть разговор целиком, точнее держать детали и глубже понимать бизнес. Ровно ради этого мы и работаем — больше ясности в данных и уверенности в решениях.
Это самый масштабный апгрейд нашей платформы за всю её историю.
Поздравляем всех клиентов и партнёров и говорим спасибо, что растёте вместе с нами. 🥂
👏13🔥7👍4❤1
В чем ваша ценность?
Есть старый совет: продавай не дрель, а дырку в стене. Все его слышали, все кивают, но всё равно ценность чаще всего объясняют не с того конца.
Совет вроде бы прост. Не рассказывай, что твой продукт делает, а расскажи, что человек от него получает. Перестань перечислять функции, назови пользу.
И, конечно же, это ловушка.
Загвоздка в том, что пользу почти всегда называют первую попавшуюся, самую очевидную. Ту, что лежит на поверхности и с которой все в комнате сразу соглашаются. А раз все согласились, то и разговаривать тут больше не о чем — все решено.
Первая польза мешает заметить настоящую ценность, которая на уровень глубже.
Мы называем это обманчивой ценностью. Она — ценность, нообманчивая слишком рано всех успокаивает.
Как это было у нас
Недавно так и вышло — на разборе проекта с сетью медцентров.
Есть продукт, который записывает приём и сам заполняет карту пациента. Когда объясняешь его ценность, первое, что приходит в голову и продакту, и врачу, и нам: это чтобы снять с врача рутину.
Врач не печатает во время приёма, не дозаполняет карты вечером, меньше устаёт. Польза очевидная, спорить не с чем, но именно поэтому почти все — и мы, и наши западные коллеги — на ней и остановились.
Приёмы не стали короче, домой врач раньше не ушёл, времени на самом деле это экономит не так много — мы посчитали, порядка 6 минут на один прием.
По-настоящему меняется другое: клиника получает рычаг влияния на структуру приёма. На то, куда уходит внимание врача тогда, когда он раньше просто переносил слова пациента в карту, а пациент сидел и слушал клавиатуру.
Вот это и есть ценность. И она на ступеньку выше той, на которой обычно замирают.
Где остановиться
Тут легко увлечься и полезть по лестнице до самого верха. Ещё ступенька — «повышаем доверие пациента». Ещё — «растим выручку клиники». Ещё — «меняем медицину».
И где-то здесь ценность теряется снова, только уже с другого конца. На верхних ступеньках всё звучит красиво и ничего не значит. «Меняем медицину» клиника не купит — не поверит, и правильно сделает.
Поэтому правило звучит не как «копай как можно глубже». Оно звучит иначе:
И что в итоге?
Объяснять ценность с правильного конца — это не «назвать пользу вместо функции». Это найти ступеньку, на которой клиент кивает не из вежливости, а потому что узнал свою задачу.
Обычно она на одну выше, чем кажется. И на одну ниже, чем хочется. 🤝
Есть старый совет: продавай не дрель, а дырку в стене. Все его слышали, все кивают, но всё равно ценность чаще всего объясняют не с того конца.
Совет вроде бы прост. Не рассказывай, что твой продукт делает, а расскажи, что человек от него получает. Перестань перечислять функции, назови пользу.
И, конечно же, это ловушка.
Загвоздка в том, что пользу почти всегда называют первую попавшуюся, самую очевидную. Ту, что лежит на поверхности и с которой все в комнате сразу соглашаются. А раз все согласились, то и разговаривать тут больше не о чем — все решено.
Первая польза мешает заметить настоящую ценность, которая на уровень глубже.
Мы называем это обманчивой ценностью. Она — ценность, но
Как это было у нас
Недавно так и вышло — на разборе проекта с сетью медцентров.
Есть продукт, который записывает приём и сам заполняет карту пациента. Когда объясняешь его ценность, первое, что приходит в голову и продакту, и врачу, и нам: это чтобы снять с врача рутину.
Врач не печатает во время приёма, не дозаполняет карты вечером, меньше устаёт. Польза очевидная, спорить не с чем, но именно поэтому почти все — и мы, и наши западные коллеги — на ней и остановились.
А если подняться на ступеньку выше, выясняется, что разгрузка врача — приятный побочный эффект.
Приёмы не стали короче, домой врач раньше не ушёл, времени на самом деле это экономит не так много — мы посчитали, порядка 6 минут на один прием.
По-настоящему меняется другое: клиника получает рычаг влияния на структуру приёма. На то, куда уходит внимание врача тогда, когда он раньше просто переносил слова пациента в карту, а пациент сидел и слушал клавиатуру.
Вот это и есть ценность. И она на ступеньку выше той, на которой обычно замирают.
Где остановиться
Тут легко увлечься и полезть по лестнице до самого верха. Ещё ступенька — «повышаем доверие пациента». Ещё — «растим выручку клиники». Ещё — «меняем медицину».
И где-то здесь ценность теряется снова, только уже с другого конца. На верхних ступеньках всё звучит красиво и ничего не значит. «Меняем медицину» клиника не купит — не поверит, и правильно сделает.
Поэтому правило звучит не как «копай как можно глубже». Оно звучит иначе:
Остановитесь на той ступеньке, которую клиент узнаёт как свою. Достаточно высокой, чтобы он увидел реальную перемену в своём деле. Достаточно низкой, чтобы поверил, что это про него, а не про высокую миссию человечества.
И что в итоге?
Объяснять ценность с правильного конца — это не «назвать пользу вместо функции». Это найти ступеньку, на которой клиент кивает не из вежливости, а потому что узнал свою задачу.
Обычно она на одну выше, чем кажется. И на одну ниже, чем хочется. 🤝
👍13❤9🔥3
Вам просто или правильно?
Спросите собственника бизнеса с оборотом в сотни миллионов, во сколько ему обходится один новый клиент, и довольно часто точной цифры не окажется.
Зато про другое он расскажет охотно и в деталях: клиентов стало меньше, конкуренты обвалили цены, маркетологи опять что-то напутали.
Мы привыкли принимать это за взвешенное обоснованное мнение — вердикт. Хотя собственник ведёт себя как пациент со списком жалоб, а хороший врач лечит не жалобу, а причину, из-за которой они появились разом.
Считать экономику клиента, конечно, полезно — это знает каждый, и всё же выбор тут делается вслепую, хотя ощущается как уверенное действие.
«Рынок просел», «маркетолог напутал» — это объяснения, на которые можно ответить в одиночку, не вставая со стула и не признавая вслух, что чего-то не видишь. А версия «я не понимаю собственную экономику» не даёт никакого рычага, и потому её обходят — без рычага сложнее психологически.
Тот же ход повторяется этажом ниже
Клиент говорит «дорого», менеджер оправдывается прайсом и гасит скидкой, то есть ценой не управляет, а ею прикрывается. А ведь «дорого» — это единственная секунда, когда клиент вслух называет свой контекст: с кем сравнил, что посчитал, чего не разглядел.
Скидка снимает это «дорого» так быстро и дёшево, что заодно стирает и сам клиентский сигнал, кейс выглядит закрытым и потому никогда не складывается в общую картину.
Скидка тут вообще не про деньги — она ничего в бизнесе и сделке не лечит, но мгновенно возвращает ощущение, что ты действующее лицо.
И тянутся к ней не слабые, а наоборот, самые опытные, потому что у них больше рычагов под рукой и тем легче схватить ближайший, не заметив, что дёрнул не тот.
И что в итоге?
Скидка кажется дешевле, чем разобраться, потому что её можно дать в одиночку и сразу. Только платим мы не маржинальной прибылью — её-то посчитать мы умеем, — а тем, что соглашаемся не узнать причину.
И с каждым днём, уважаемые коллеги, цена этого незнания и бездействия только растёт.
А так как любая система всегда стремится к равновесию, то человек и выбирает самый короткий и безболезненный путь. Правда, зачастую в ущерб бизнесу. 🤝
Спросите собственника бизнеса с оборотом в сотни миллионов, во сколько ему обходится один новый клиент, и довольно часто точной цифры не окажется.
Зато про другое он расскажет охотно и в деталях: клиентов стало меньше, конкуренты обвалили цены, маркетологи опять что-то напутали.
Мы привыкли принимать это за взвешенное обоснованное мнение — вердикт. Хотя собственник ведёт себя как пациент со списком жалоб, а хороший врач лечит не жалобу, а причину, из-за которой они появились разом.
Считать экономику клиента, конечно, полезно — это знает каждый, и всё же выбор тут делается вслепую, хотя ощущается как уверенное действие.
Но если присмотреться, дело не в том, что человек ленится считать, а в том, что из всех версий он выбирает ту, под которую у него есть рычаг прямо сейчас.
«Рынок просел», «маркетолог напутал» — это объяснения, на которые можно ответить в одиночку, не вставая со стула и не признавая вслух, что чего-то не видишь. А версия «я не понимаю собственную экономику» не даёт никакого рычага, и потому её обходят — без рычага сложнее психологически.
Тот же ход повторяется этажом ниже
Клиент говорит «дорого», менеджер оправдывается прайсом и гасит скидкой, то есть ценой не управляет, а ею прикрывается. А ведь «дорого» — это единственная секунда, когда клиент вслух называет свой контекст: с кем сравнил, что посчитал, чего не разглядел.
Скидка снимает это «дорого» так быстро и дёшево, что заодно стирает и сам клиентский сигнал, кейс выглядит закрытым и потому никогда не складывается в общую картину.
Скидка тут вообще не про деньги — она ничего в бизнесе и сделке не лечит, но мгновенно возвращает ощущение, что ты действующее лицо.
И тянутся к ней не слабые, а наоборот, самые опытные, потому что у них больше рычагов под рукой и тем легче схватить ближайший, не заметив, что дёрнул не тот.
Возможно, не всегда так, и бывает, что рынок действительно просел, а причина и правда снаружи. Но проверить это можно только одним способом — заглянуть в тот слой, который ты привык считать чужой виной.
И что в итоге?
Скидка кажется дешевле, чем разобраться, потому что её можно дать в одиночку и сразу. Только платим мы не маржинальной прибылью — её-то посчитать мы умеем, — а тем, что соглашаемся не узнать причину.
И с каждым днём, уважаемые коллеги, цена этого незнания и бездействия только растёт.
Закрыть причину своего незнания или неумения деньгами человеку всегда психологически проще, чем признать, что он чего-то не знает или не умеет.
А так как любая система всегда стремится к равновесию, то человек и выбирает самый короткий и безболезненный путь. Правда, зачастую в ущерб бизнесу. 🤝
❤6🔥6👍3👎1
Удобный маркетинг
Недавно готовили отчёт одному нашему клиенту, и в целом всё довольно обычно — их отдел маркетинга использует речевую аналитику под свои задачи, измеряет спрос, дополняет веб-аналитику. Но есть любопытное наблюдение, ради которого и пишем сей пост.
Ложь, на которую всё списывают
Про вклад бренда принято говорить с очень серьёзным лицом, что измерить его нельзя, и говорят так не случайно — под эту фразу удобно списать любые деньги.
С перформансом всё честно, там скидка, доставка и бонус привели клиента сегодня, вот и считаем. А бренд — это охват, узнаваемость, выступления и упоминания, проверить которые как бы невозможно, и до чего же кстати, что невозможно, ведь деньги уже давным-давно потрачены.
Индустрия предпочитает догадываться
Чтобы измерить это самое неизмеримое, отделы маркетинга обычно делают ровно то, чего вы от них ждёте: строят сложные модели атрибуции, заказывают опросы и реконструируют снаружи причину, по которой человек выбрал именно вас.
То есть честно действуют методом научных догадок, и стратегия эта настолько разумна, что родиться могла только там, где за сложность хорошо платят.
А клиент уже всё сказал
Потому что причину, за которой гоняются заказным опросом, покупатель давно произнёс вслух — сам, без всякого вопроса, в обычном звонке: «давно за вами слежу», «читал ваши разборы», «видел ваше выступление».
Никто его не пытал анкетой, он сказал это добровольно, и звонок записан, так что ответ, который вы реконструируете за отдельные деньги, уже лежит у вас в облаке.
Что тут вообще делает аналитика
Ничего гениального: она слышит, что человек сослался на бренд, и помечает это тегом — по всему потоку звонков, и тут уже не нужно активно задавать вопрос и надеяться на правдивый ответ.
Слышимое посчитать можно, но сам тег, разумеется, ещё не деньги, которые принёс бренд. Во что эти разговоры превратились в деньгах, видно уже на следующих этапах — для этого речевую аналитику интегрируют с CRM, а всю историю общения с клиентом сводят в одно пространство. В imot.io оно называется «Сделки».
И заметьте, никто не просит машину судить, искренне человек это сказал или из вежливости: она считает произнесённое, а не пытается понять, что у человека на душе — это оставим любителям проводить «касдевы» с поводом и без.
Сухой остаток
«Неизмеримое» давно измерено — покупатель сказал это сам, вслух, а вы записали. Качественная часть исследования сделана, осталась количественная, и с ней как раз отлично справляется речевая аналитика.
Мерить нечего, надо открыть и посмотреть. Как делить бюджет — по-прежнему ваше решение, только теперь оно опирается на сказанное клиентами, а не на удобную отговорку, что бренд неизмерим. 🤝
Недавно готовили отчёт одному нашему клиенту, и в целом всё довольно обычно — их отдел маркетинга использует речевую аналитику под свои задачи, измеряет спрос, дополняет веб-аналитику. Но есть любопытное наблюдение, ради которого и пишем сей пост.
Ложь, на которую всё списывают
Про вклад бренда принято говорить с очень серьёзным лицом, что измерить его нельзя, и говорят так не случайно — под эту фразу удобно списать любые деньги.
С перформансом всё честно, там скидка, доставка и бонус привели клиента сегодня, вот и считаем. А бренд — это охват, узнаваемость, выступления и упоминания, проверить которые как бы невозможно, и до чего же кстати, что невозможно, ведь деньги уже давным-давно потрачены.
Индустрия предпочитает догадываться
Чтобы измерить это самое неизмеримое, отделы маркетинга обычно делают ровно то, чего вы от них ждёте: строят сложные модели атрибуции, заказывают опросы и реконструируют снаружи причину, по которой человек выбрал именно вас.
То есть честно действуют методом научных догадок, и стратегия эта настолько разумна, что родиться могла только там, где за сложность хорошо платят.
А клиент уже всё сказал
Потому что причину, за которой гоняются заказным опросом, покупатель давно произнёс вслух — сам, без всякого вопроса, в обычном звонке: «давно за вами слежу», «читал ваши разборы», «видел ваше выступление».
Никто его не пытал анкетой, он сказал это добровольно, и звонок записан, так что ответ, который вы реконструируете за отдельные деньги, уже лежит у вас в облаке.
Что тут вообще делает аналитика
Ничего гениального: она слышит, что человек сослался на бренд, и помечает это тегом — по всему потоку звонков, и тут уже не нужно активно задавать вопрос и надеяться на правдивый ответ.
Слышимое посчитать можно, но сам тег, разумеется, ещё не деньги, которые принёс бренд. Во что эти разговоры превратились в деньгах, видно уже на следующих этапах — для этого речевую аналитику интегрируют с CRM, а всю историю общения с клиентом сводят в одно пространство. В imot.io оно называется «Сделки».
И заметьте, никто не просит машину судить, искренне человек это сказал или из вежливости: она считает произнесённое, а не пытается понять, что у человека на душе — это оставим любителям проводить «касдевы» с поводом и без.
Сухой остаток
«Неизмеримое» давно измерено — покупатель сказал это сам, вслух, а вы записали. Качественная часть исследования сделана, осталась количественная, и с ней как раз отлично справляется речевая аналитика.
Мерить нечего, надо открыть и посмотреть. Как делить бюджет — по-прежнему ваше решение, только теперь оно опирается на сказанное клиентами, а не на удобную отговорку, что бренд неизмерим. 🤝
❤10👍9🔥7👏3
Тренинг от несуществующей болезни
Недавно разбирали звонки двум медцентрам, и от обоих руководителей пришёл один и тот же запрос слово в слово — поставить операторам отработку возражения «дорого».
Целый день без единого «дорого»
В первом за тестовый день мы разобрали 142 разговора, и слово «дорого» не прозвучало ни разу — ни «дорого», ни «у других дешевле».
Например, счёт на 22 930 рублей за набор анализов пациент принял, не задав про цену ни одного вопроса.
«Дорого», которое остаётся без ответа
Во втором медцентре за неделю на 2 581 звонок возражение «дорого» встретилось в 24 разговорах, и почти каждый раз оператор ценность не обосновывал — назвал сумму, и на этом разговор заканчивался. Вот здесь отработка возражения и правда узкое место, только отдельно клиника про это как раз не просила.
Одна программа на две противоположные ситуации
Возражение — не константа продаж, которую лечат базовым тренингом раз и навсегда. Мы в imot.io говорим так: возражение — это свойство сегмента и момента.
Пациент, который уже выбрал клинику и собирает обследование, торговаться не собирается, ему нужен быстрый точный ответ. Тот же скрипт отработки «дорого», поставленный для обеих клиник, в первой промахивается мимо цели целиком, во второй попадает, но почти случайно.
Что тут считает аналитика?
Ничего хитрого — она помечает тегом каждое «дорого» по всему потоку звонков и рядом фиксирует, прозвучало ли следом обоснование цены. Сколько раз возражение вообще случилось и чем закончилось — это счёт по записям, это не должно происходить по памяти оператора или быть общим ощущением на планёрке.
Что с этим делать, решает руководитель, аналитика лишь показывает, куда именно смотреть, в какой части воронки или конкретного диалога/скрипта может быть неэффективность.
И что в итоге?
А в итоге мы когда-то пришли к мысли, которой придерживаемся до сих пор: программа развития отдела собирается не из того, что предлагают коучи на рынке, а из фактуры собственных звонков — и у двух похожих клиник она окажется противоположной.
Прежде чем лечить возражение, стоит один раз послушать, болеет ли на самом деле им ваш отдел. В imot.io именно это мы и ставим своей целью — дать ясные данные для точных решений. 🤝
Недавно разбирали звонки двум медцентрам, и от обоих руководителей пришёл один и тот же запрос слово в слово — поставить операторам отработку возражения «дорого».
Сразу обратим внимание: клиники разные, но «боль» названа одинаково — это ключевое в этом кейсе. Однако в ходе проекта эти два медцентра оказались полными противоположностями.
Целый день без единого «дорого»
В первом за тестовый день мы разобрали 142 разговора, и слово «дорого» не прозвучало ни разу — ни «дорого», ни «у других дешевле».
Например, счёт на 22 930 рублей за набор анализов пациент принял, не задав про цену ни одного вопроса.
Кстати, проблему нашли в другом месте, это была вовсе не цена, а сквозная конверсия из звонка в покупку.
Она действительно была ниже среднего и руководитель контакт-центра связывал это с ценой — логичный шаг, если в разговоре четко звучал вопрос про цену, а сделки не состоялось.
Но для этого и нужна речевая аналитика — чтобы разобраться наверняка. Об этом кейсе расскажем в следующем посте отдельно.
«Дорого», которое остаётся без ответа
Во втором медцентре за неделю на 2 581 звонок возражение «дорого» встретилось в 24 разговорах, и почти каждый раз оператор ценность не обосновывал — назвал сумму, и на этом разговор заканчивался. Вот здесь отработка возражения и правда узкое место, только отдельно клиника про это как раз не просила.
Одна программа на две противоположные ситуации
Возражение — не константа продаж, которую лечат базовым тренингом раз и навсегда. Мы в imot.io говорим так: возражение — это свойство сегмента и момента.
Пациент, который уже выбрал клинику и собирает обследование, торговаться не собирается, ему нужен быстрый точный ответ. Тот же скрипт отработки «дорого», поставленный для обеих клиник, в первой промахивается мимо цели целиком, во второй попадает, но почти случайно.
Что тут считает аналитика?
Ничего хитрого — она помечает тегом каждое «дорого» по всему потоку звонков и рядом фиксирует, прозвучало ли следом обоснование цены. Сколько раз возражение вообще случилось и чем закончилось — это счёт по записям, это не должно происходить по памяти оператора или быть общим ощущением на планёрке.
Что с этим делать, решает руководитель, аналитика лишь показывает, куда именно смотреть, в какой части воронки или конкретного диалога/скрипта может быть неэффективность.
И что в итоге?
А в итоге мы когда-то пришли к мысли, которой придерживаемся до сих пор: программа развития отдела собирается не из того, что предлагают коучи на рынке, а из фактуры собственных звонков — и у двух похожих клиник она окажется противоположной.
Прежде чем лечить возражение, стоит один раз послушать, болеет ли на самом деле им ваш отдел. В imot.io именно это мы и ставим своей целью — дать ясные данные для точных решений. 🤝
❤13🔥11👍7👏1
Считать отмены мало
Продолжаем рассказывать о своих наблюдениях, и сегодня поговорим про отмены записей на приём.
За полгода у нашего клиента (медцентры) мы насчитали 4 561 отмену. Ландшафт мы зафиксировали, цифру теперь знаем, однако сама по себе она не подсказывает, что с этим делать.
Более того, факт отмены в МИС клиники фиксируется всегда благодаря автоматизации — свободные слоты нужно «перезаписать». А вот почему отменили — такого поля в МИС нет, никто его не заполняет.
В итоге факт отмены есть у каждой из 4 561, а причина — ни у одной. А именно причина говорит, что делать дальше.
Каждая причина просит своего
Мы открыли записи и переслушали отмены подряд. Причину пациент почти всегда называет сам. Чаще всего причинами оказались: «заболел ребёнок», «неудобное время», «нашёл клинику ближе к дому», «где-то дешевле».
Заболел или не попал по времени — предложи другой слот, человек вернётся. Кстати, перенос в этой клинике и так предлагают почти всегда, в 87% отмен.
Вот только перенос выручает лишь там, где дело во времени.
Нашёл дешевле — другой слот ни при чём, тут надо объяснить, что входит в цену. Смущает дорога — слот снова не поможет, тут разговор про то, зачем вообще ехать именно к вам.
Одна причина просит переноса, другая — разговора о ценности, третья вообще повод посмотреть на свои цены и часы. А если свалить всё в общую цифру «4 561 отмена», то и о точности в своих действиях можно забыть.
Из причины вырастает правило
Как только причины размечены, из них складывается простой свод правил. Не подошёл слот — предложить другой. Далеко — объяснить, почему стоит приехать. Дорого — назвать, что за эту цену получаешь.
И это уже прямая экстраполяция собранных данных на рабочие процессы. На каждую причину заранее известен следующий шаг.
А раз есть правило, видно и его исполнение — по скольким отменам сделали верный шаг. Такая метрика и создаёт управляемость в процессах. Мы начинаем измерять не сколько у нас отмен, а по скольким из них сработали правильно.
Что делает речевая аналитика
Присваивает теги. Даже серию тегов, будет правильнее сказать. Сначала тег о том, была ли попытка отмены, далее тег причины, а далее тег отработки причины менеджером. То есть работает по принципу «попытка отмены — названа причина X — прозвучал шаг Y».
И что в итоге?
И наши наблюдения таковы, что причина звучит почти в каждом звонке, её надо начать размечать и строить на этом процесс работы с отменами.
Какими быть правилам и что делать с каждой причиной, решаете вы, аналитика покажет причину и то, предприняли ли по ней правильное действие, и эти данные уже гораздо ближе к бизнес-метрикам и целям компании. 🤝
Продолжаем рассказывать о своих наблюдениях, и сегодня поговорим про отмены записей на приём.
За полгода у нашего клиента (медцентры) мы насчитали 4 561 отмену. Ландшафт мы зафиксировали, цифру теперь знаем, однако сама по себе она не подсказывает, что с этим делать.
Более того, факт отмены в МИС клиники фиксируется всегда благодаря автоматизации — свободные слоты нужно «перезаписать». А вот почему отменили — такого поля в МИС нет, никто его не заполняет.
В итоге факт отмены есть у каждой из 4 561, а причина — ни у одной. А именно причина говорит, что делать дальше.
Каждая причина просит своего
Мы открыли записи и переслушали отмены подряд. Причину пациент почти всегда называет сам. Чаще всего причинами оказались: «заболел ребёнок», «неудобное время», «нашёл клинику ближе к дому», «где-то дешевле».
Но под каждую причину требуется предпринять своё действие, они не взаимозаменяемы.
Заболел или не попал по времени — предложи другой слот, человек вернётся. Кстати, перенос в этой клинике и так предлагают почти всегда, в 87% отмен.
Вот только перенос выручает лишь там, где дело во времени.
Нашёл дешевле — другой слот ни при чём, тут надо объяснить, что входит в цену. Смущает дорога — слот снова не поможет, тут разговор про то, зачем вообще ехать именно к вам.
Одна причина просит переноса, другая — разговора о ценности, третья вообще повод посмотреть на свои цены и часы. А если свалить всё в общую цифру «4 561 отмена», то и о точности в своих действиях можно забыть.
Никакое общее правило никогда не будет работать эффективнее, чем набор точечных правил под разные ситуации.
Из причины вырастает правило
Как только причины размечены, из них складывается простой свод правил. Не подошёл слот — предложить другой. Далеко — объяснить, почему стоит приехать. Дорого — назвать, что за эту цену получаешь.
И это уже прямая экстраполяция собранных данных на рабочие процессы. На каждую причину заранее известен следующий шаг.
А раз есть правило, видно и его исполнение — по скольким отменам сделали верный шаг. Такая метрика и создаёт управляемость в процессах. Мы начинаем измерять не сколько у нас отмен, а по скольким из них сработали правильно.
Что делает речевая аналитика
Присваивает теги. Даже серию тегов, будет правильнее сказать. Сначала тег о том, была ли попытка отмены, далее тег причины, а далее тег отработки причины менеджером. То есть работает по принципу «попытка отмены — названа причина X — прозвучал шаг Y».
И что в итоге?
Число отмен — это метрика. А вот фиксация причины отмен и действия менеджеров в соответствии с озвученной причиной — это процесс.
И наши наблюдения таковы, что причина звучит почти в каждом звонке, её надо начать размечать и строить на этом процесс работы с отменами.
Какими быть правилам и что делать с каждой причиной, решаете вы, аналитика покажет причину и то, предприняли ли по ней правильное действие, и эти данные уже гораздо ближе к бизнес-метрикам и целям компании. 🤝
🔥10❤6👍4
У одной клиники конверсия и 90,6%, и 23% — смотря от чего считать
Мы готовили очередной отчет для нашего клиента — сети стоматологических клиник — а получили цифру, которую хочется вынести на главную нашего сайта: 90,6% обращений закончились записью на приём.
Но есть нюанс!
По тем же звонкам можно насчитать 23%.
Такой пересчёт — это наша инициатива, мы просто поделили тот же числитель на другой знаменатель, клиника так не считает. Но цель тут понятна: показать, что в подсчёте метрики важно что и от чего мы считаем, иначе никакой точности можно не ждать.
Природа метрик
90,6% — это 1467 записей из 1620 целевых входящих. Те же 1467, механически поделённые на весь поток линии за девятнадцать дней июня — 6437 звонков вместе с техническими, сервисными и исходящими, — дают около 23%.
Первая цифра описывает работу колл-центра с живым спросом. Вторая не описывает ничего, просто такая дробь складывается сама там, где знаменатель никто не выбирал осознанно.
В шести наших разборах для клиента конверсия в запись посчитана четырьмя способами, и разбегается от 54,5 до 90,6 — поэтому рядом с каждым процентом подписано, что в числителе и что в знаменателе. На вопрос «какая конверсия нормальная» без этой подписи ответить невозможно.
Нужно держать в голове
Пока на дробь не завязано никакое управленческое решение, разночтения безобидны. Другой вопрос в том, нужно ли вообще это измерять, если после измерений ничего не происходит? 🙂
А вот почувствовать, что говорится, «кэшфлоу» физически, можно тогда, когда на метрику вешают KPI.
Состав знаменателя тогда выбирает тот, кого этим процентом меряют, и у плана по конверсии появляются два пути — записывать больше пациентов или строже помечать обращения нецелевыми.
Второй путь заметно дешевле первого. Конверсия в отчёте поднимается, премии и управленческие решения идут за ней, а новых пациентов за этим ростом нет ни одного.
Но аналитики не были бы аналитиками, если бы не ставили каждую цифру под сомнение. Так и здесь: замеряем значение и от общего и от частного — и показываем обе части дроби, чтобы не лишать менеджера контекста происходящего.
Дошёл ли записанный до кресла, увидит уже МИС. А кого не считать обращением, платформа за клинику решать не уполномочена.
И что в итоге?
Защита от развилки одна — письменное правило о составе дроби: что считается записью, какие обращения можно исключать и кто вправе это делать — лучше тот, чья премия от процента не зависит.
Составить такое правило — работа руководителя, платформа лишь подставит в него числа.
Поэтому, коллеги, главная мысль из этого поста сегодня такая: метрика, чей знаменатель выбирает тот, кого ею меряют, — это приглашение к манипуляции цифрами. 🤝
Мы готовили очередной отчет для нашего клиента — сети стоматологических клиник — а получили цифру, которую хочется вынести на главную нашего сайта: 90,6% обращений закончились записью на приём.
Но есть нюанс!
По тем же звонкам можно насчитать 23%.
Такой пересчёт — это наша инициатива, мы просто поделили тот же числитель на другой знаменатель, клиника так не считает. Но цель тут понятна: показать, что в подсчёте метрики важно что и от чего мы считаем, иначе никакой точности можно не ждать.
Природа метрик
90,6% — это 1467 записей из 1620 целевых входящих. Те же 1467, механически поделённые на весь поток линии за девятнадцать дней июня — 6437 звонков вместе с техническими, сервисными и исходящими, — дают около 23%.
Первая цифра описывает работу колл-центра с живым спросом. Вторая не описывает ничего, просто такая дробь складывается сама там, где знаменатель никто не выбирал осознанно.
В шести наших разборах для клиента конверсия в запись посчитана четырьмя способами, и разбегается от 54,5 до 90,6 — поэтому рядом с каждым процентом подписано, что в числителе и что в знаменателе. На вопрос «какая конверсия нормальная» без этой подписи ответить невозможно.
Нужно держать в голове
Пока на дробь не завязано никакое управленческое решение, разночтения безобидны. Другой вопрос в том, нужно ли вообще это измерять, если после измерений ничего не происходит? 🙂
А вот почувствовать, что говорится, «кэшфлоу» физически, можно тогда, когда на метрику вешают KPI.
Состав знаменателя тогда выбирает тот, кого этим процентом меряют, и у плана по конверсии появляются два пути — записывать больше пациентов или строже помечать обращения нецелевыми.
Второй путь заметно дешевле первого. Конверсия в отчёте поднимается, премии и управленческие решения идут за ней, а новых пациентов за этим ростом нет ни одного.
Но аналитики не были бы аналитиками, если бы не ставили каждую цифру под сомнение. Так и здесь: замеряем значение и от общего и от частного — и показываем обе части дроби, чтобы не лишать менеджера контекста происходящего.
Дошёл ли записанный до кресла, увидит уже МИС. А кого не считать обращением, платформа за клинику решать не уполномочена.
И что в итоге?
Защита от развилки одна — письменное правило о составе дроби: что считается записью, какие обращения можно исключать и кто вправе это делать — лучше тот, чья премия от процента не зависит.
Составить такое правило — работа руководителя, платформа лишь подставит в него числа.
Поэтому, коллеги, главная мысль из этого поста сегодня такая: метрика, чей знаменатель выбирает тот, кого ею меряют, — это приглашение к манипуляции цифрами. 🤝
🔥9⚡5💯4👍1👏1
Отработка возражений — не совсем то.
Что происходит дальше?
Чаще всего менеджер смотрит, многозначительно молчит, а потом говорит что-то типа «хорошо, нужно скрипт по "дорого" актуализировать».
Мы задаем простой вопрос: а в скрипте ли дело? Вопрос курицы и яйца, но все же проанализировать предпоссылки отказа важнее, чем количественно оценить его повторяемость.
Почему рынок торгует скриптами
Совет «выучите отработку возражений» родился исходя из того, что возражение частотное, а ценовых возражений конечное число, и такой список удобно упаковать в тренинг и продать — на каждый ход клиента готовый приём.
А знание продукта в список не укладывается и галочкой никак не мерится. Его пакетом почти не продают, хотя именно с него всё и начинается — надо сесть и разобраться, что ты продаёшь.
Но правда, помогают ли скрипты?
В продаже чаще именно «разговор по душам» нежели забрёжка вопросов и подготовка ответов.
Да, коллеги, понимаем, что звонки бывают разные, продукты тоже, и добрая половина продаж может работать именно по скриптам и это оправданно, цели достигаются, все уже проверено на сто раз. Сейчас про классическую продажу, где клиент толком сам не понимает, что ему нужно, а менеджер пытается это непонимание прикрыть скриптом.
Так вот, возвращаемся к теме
Нужно обладать хорошим «боевым» опытом, чтобы разговор не ушел туда, где скрипта нет. На практике видим, что почти у всех менеджеров по продажам крепко держать инициативу и вести по скрипту не получается.
Клиент в какой-то момент начнет вести и сразу спросит «чем вы лучше тех, с которыми я только что говорил, и почему вам конкретно я вообще должен доверять?» — и заготовка ответа на билет «дорого» уже не спасёт.
Знание, и только знание держит менеджера стабильно ровно в любом повороте беседы.
Где на самом деле здесь системное недопонимание
За ценовым возражением не всегда стоит незнание продукта — бывает и бюджет, и недожатое решение, а разложить, где тут что, — работа руководителя на «прослушке».
Мысль простая: цена — это целый домен более высокого уровня, под которым может скрываться бесконечное количество причин. И возражения может и не возникнуть, если есть хорошее знание продукта — диалог просто не зайдет в то русло, где оно возникает.
И что в итоге?
Сам по себе отчёт возражений причину называет, но «дорого» — это, может, и правда дорого, а может и что-то еще, что скрылось под более привычной и понятной формулировкой.
Про разность между ценой и ценностью вспоминать не будем — кажется, этот тезис уже набил оскомину даже тем, кто не работает в продажах.
Но наша рекомендация в том, чтобы смотреть не только на отчет по причинам отказов, а разбирать диалоги на вопросы клиентов и ответы менеджеров и уже там, внутри диалогов, искать настоящую причину и пробелы в знаниях менеджеров.
Попробуйте, и вы удивитесь, сколько взаимосвязей сможете увидеть, а в последствии сможете системно работать с источником, где берут начало возражения. 🤝
Ситуация: анализируем звонки наших клиентов, собираем отчет «возражение». В нём — возражения клиентов. Причины, проще говоря, по которым клиенты чаще всего не совершают покупку.
Наша платформа слушает все звонки, определяет и считает все возражения, делает красивый дашборд: 150 раз людям было дорого, 86 далеко ехать и еще 44 раза не устроили сроки (цифры взяты для примера).
Что происходит дальше?
Чаще всего менеджер смотрит, многозначительно молчит, а потом говорит что-то типа «хорошо, нужно скрипт по "дорого" актуализировать».
Мы задаем простой вопрос: а в скрипте ли дело? Вопрос курицы и яйца, но все же проанализировать предпоссылки отказа важнее, чем количественно оценить его повторяемость.
Почему рынок торгует скриптами
Совет «выучите отработку возражений» родился исходя из того, что возражение частотное, а ценовых возражений конечное число, и такой список удобно упаковать в тренинг и продать — на каждый ход клиента готовый приём.
А знание продукта в список не укладывается и галочкой никак не мерится. Его пакетом почти не продают, хотя именно с него всё и начинается — надо сесть и разобраться, что ты продаёшь.
Но правда, помогают ли скрипты?
Вспомните экзамен: можно вызубрить билеты и бойко их пересказать, но стоит преподавателю вызвать вас на диалог двух специалистов по душам — зубрёжка кончилась, а предмет так и не понят, что и видит преподаватель вместе со всеми присутствующими в аудитории.
В продаже чаще именно «разговор по душам» нежели забрёжка вопросов и подготовка ответов.
Так вот, возвращаемся к теме
Нужно обладать хорошим «боевым» опытом, чтобы разговор не ушел туда, где скрипта нет. На практике видим, что почти у всех менеджеров по продажам крепко держать инициативу и вести по скрипту не получается.
Клиент в какой-то момент начнет вести и сразу спросит «чем вы лучше тех, с которыми я только что говорил, и почему вам конкретно я вообще должен доверять?» — и заготовка ответа на билет «дорого» уже не спасёт.
Знание, и только знание держит менеджера стабильно ровно в любом повороте беседы.
Где на самом деле здесь системное недопонимание
За ценовым возражением не всегда стоит незнание продукта — бывает и бюджет, и недожатое решение, а разложить, где тут что, — работа руководителя на «прослушке».
Мысль простая: цена — это целый домен более высокого уровня, под которым может скрываться бесконечное количество причин. И возражения может и не возникнуть, если есть хорошее знание продукта — диалог просто не зайдет в то русло, где оно возникает.
И что в итоге?
Сам по себе отчёт возражений причину называет, но «дорого» — это, может, и правда дорого, а может и что-то еще, что скрылось под более привычной и понятной формулировкой.
Про разность между ценой и ценностью вспоминать не будем — кажется, этот тезис уже набил оскомину даже тем, кто не работает в продажах.
Но наша рекомендация в том, чтобы смотреть не только на отчет по причинам отказов, а разбирать диалоги на вопросы клиентов и ответы менеджеров и уже там, внутри диалогов, искать настоящую причину и пробелы в знаниях менеджеров.
Попробуйте, и вы удивитесь, сколько взаимосвязей сможете увидеть, а в последствии сможете системно работать с источником, где берут начало возражения. 🤝
❤14🔥5👏5