Проблема, с которой бизнес годами работал почти вслепую — не в отсутствии данных, а в их разрозненности. Каждый звонок, сообщение в чате, письмо или диалог в мессенджере содержит подсказку: почему клиент заинтересовался товаром, но не купил, что его остановило, какой информации не хватило, где именно возникло недоверие или раздражение — в коммуникации, описании продукта, процессе приобретения или доставки. ИИ-аналитика позволяет охватить этот массив коммуникаций целиком и увидеть закономерности, которые крайне непросто выявить вручную.

Точной статистики по внедрению ИИ-аналитики еще нет, так как качественные инструменты появились не так давно, но дело не в цифрах. Бизнес получил инструмент, позволяющий увидеть то, что годами оставалось за кадром: реальные причины, по которым клиенты уходят, покупают или жалуются. Анализ коммуникационных каналов открывает те конкурентные преимущества, которые раньше были недоступны.

Слепая зона, которая стоит миллионы

Каждый день между компаниями и их клиентами проходят миллионы разговоров: звонки, переписки в мессенджерах, письма, сообщения в чатах. В этих диалогах спрятано почти все, что бизнесу важно знать о самом себе, о сервисе, о товаре: что нравится людям, что их раздражает, чего не хватает и в какой момент они разворачиваются к конкуренту.

Парадокс в том, что этот массив данных обычно остается необработанным. Руководитель отдела продаж физически не способен прослушать тысячи звонков, супервизор контакт-центра — разобрать каждую переписку. В лучшем случае выборочно анализируют несколько процентов разговоров, делают выводы и надеются на репрезентативность. Именно здесь бизнес годами терял самое ценное — возможность увидеть себя глазами клиента. И именно эту слепую зону позволяет увидеть ИИ-аналитика коммуникаций.

Работая с одним из ведущих маркетплейсов, наша команда столкнулась со спросом на гораздо более глубокую аналитику клиентского поведения, чем стандартные отчеты о количестве звонков и проценте дозвона. Компаниям было важно не просто выстраивать общение с клиентами, а извлекать из него смысл.

Команда МТС Exolve провела серьезное исследование, в результатах которого увидела, что нужно бизнесу в работе с разрозненными и, казалось бы, излишними данными, и собрала сервис, помогающий принимать решения не на интуиции и догадках, а на реальных данных из общения с клиентами.

Цифровая платформа МТС Exolve анализирует общение и переписку. Все обращения клиента собираются в единый контур — независимо от того, позвонил человек, написал в мессенджере, прислал SMS или письмо. Дальше включается ИИ: он определяет тему обращения, намерение клиента, эмоциональный тон, ключевые фразы, признаки проблемы. Система сопоставляет диалог не только с правилами компании, но и с трендами рынка, развитием продукта, действиями конкурентов. Отслеживает, задал ли менеджер нужные вопросы, корректно ли отработал возражение, не ушел ли от сценария.

Самое важное: ИИ группирует повторяющиеся проблемы и показывает руководителю не гору расшифровок, а готовую картину, ту самую причину, которая останавливает клиентов, какие темы чаще всего вызывают негатив, каким сотрудникам и сценариям стоит уделить время для доработки процессов.

ИИ анализирует не выборку, а весь массив коммуникаций сразу, и это ключевое отличие. Бизнес видит не отдельные жалобы, которые легко списать на случайность или трудного клиента, а повторяющиеся сценарии поведения.

По опыту МТС Exolve, компании регулярно обнаруживают, что теряют клиентов совсем не там, где привыкли думать.

Кажется, что люди уходят из-за высокой цены, а на деле выясняется, что им банально не хватает информации о товаре или услуге. Клиенты раз за разом задают одни и те же вопросы про условия доставки, наличие гарантии, рассрочки или страховки, про характеристики, которых нет в карточке товара. Для продукта это прямой сигнал: дело не в скидках, а в том, что нужно доработать карточку, добавить фильтр или переписать сценарий ответа.

На продажи зачастую влияет и человеческий фактор. Менеджер не спросил, неудачно отработал возражение, слишком рано или поздно передал клиента дальше, отклонился от скрипта в ответственный момент. Когда ИИ обрабатывает разговоры целиком, обнаруживается, например, что определенная категория сделок стабильно срывается на одном и том же этапе из-за одной и той же недоработки в диалоге.

Такие сервисы, как речевая аналитика и мониторинг запросов, по нашим наблюдениям, помогают бизнесу реагировать на проблемы примерно вдвое быстрее — вовремя заметить рост пропущенных звонков, снижение конверсии или всплеск жалоб, пока это не превратилось в отток.

Отдельно подчеркну, важно, чтобы телеком-инфраструктура, аналитика и ИИ работали в одном контуре. Любую задачу можно закрыть отдельными инструментами — вопрос в сроках, стоимости и сложности поддержки. Если телефония, мессенджеры, CRM, аналитика и модели ИИ - отдельные программы, то компания вместо удобной системы получает большой интеграционный проект, в котором нужно проектировать архитектуру, налаживать обмен данными и держать команду, которая за все это отвечает.

Почему важна единая среда? Ее ценность в том, что клиент может начать разговор в мессенджере, перейти на голосовую связь, продолжить в почте — и контекст при этом не теряется, вся история сразу транслируется в систему и анализируется. Для контакт-центров и отделов продаж это критично: любое расхождение между каналами немедленно бьет по конверсии и качеству обслуживания.

При этом мы сознательно сделали систему аналитики гибкой: компания может использовать встроенные ИИ-инструменты или подключить собственную модель. Интеграция с привычными системами вроде Битрикс24 и amoCRM закрывает типовые сценарии: автоматическое создание лидов, фиксация звонков и сообщений в карточке клиента, доступ к истории взаимодействий.  

Зона видимости

По данным исследования Wharton об уровне внедрения генеративного ИИ в компаниях, заметную отдачу в виде роста продуктивности фиксирует большинство организаций, но превратить эту продуктивность в измеримый рост выручки удается далеко не всем.

Причина, на мой взгляд, проста: технология часто появляется раньше стратегии. Компания выдает сотрудникам инструмент, но не до конца понимает, в какой бизнес-процесс его встроить и как измерять результат. В итоге ИИ помогает быстрее писать тексты и разгребать рутину, но на продажи влияет слабо. Очевидно, что применение ИИ без данных не поможет. Чтобы держать руку на пульсе, реагировать на изменения в качестве обслуживания, объективно оценивать продажи и свой продукт в целом, нужно учитывать весь массив данных, а не какую-то отдельную часть. 

Подытожим: ИИ-аналитика коммуникаций нужна не для того, чтобы заменить людей или собрать красивую отчетность, а чтобы бизнес обрел зрение лучшего качества. Сначала нужно увидеть, что именно в общении с клиентами мешает продаже и качественному сервису, и только потом менять скрипты, продукты и процессы.

ИИ-аналитика — это инструмент, выводящий слепую зону в поле зрения, с ним бизнес видит желания клиента, а также собственные процессы. Компании, которые используют аналитику не только для контроля, но и для переосмысления того, как они говорят о себе, получают возможность выстроить коммуникацию честно и точно: не так, как кажется правильным изнутри, а так, как это нужно человеку по ту сторону диалога.