Контроль звонков отдела продаж: 7 ставок ради охвата в 10% разговоров. Расчет для 20 менеджеров

Исходные допущения для расчёта (подставьте свои значения):

• в отделе 20 менеджеров, каждый проводит 40 разговоров с клиентами в день;

• средняя длительность разговора — 4 минуты, в месяце 22 рабочих дня;

• контролёр качества получает 70 000 ₽ на руки, с учётом страховых взносов (30%) компания тратит на него 91 000 ₽ в месяц;

• рабочий месяц контролёра — 168 часов, один час обходится в 542 ₽.

Отдел проводит 800 разговоров в день и 17 600 в месяц. Это 70 400 минут, или 1 173 часа записей. Чтобы прослушать их все, компании потребуется около 7 ставок контролёров, то есть примерно 636 000 ₽ в месяц.

Поэтому на практике слушают 5–10%. Выборка в 10% занимает 117 часов (0,7 ставки) и стоит около 64 000 ₽ в месяц. На такой выборке руководитель принимает решения по скрипту и обучению, хотя 90% разговоров остаются за кадром.

Ручной контроль теряет деньги в четырёх местах:

• Охват. Значимые фразы клиентов и нерешённые возражения остаются вне выборки.

• Разброс оценок. Один звонок разные проверяющие оценивают по тону, структуре или результату. Менеджер получает противоречивые замечания, и обучение не даёт отдачи.

• Запаздывание. Если замечание приходит через неделю, менеджер успевает провести ещё 200 разговоров (5 дней по 40) с той же ошибкой.

• Рост затрат вместе с командой. Каждый новый менеджер требует дополнительных часов проверки. Единый стандарт оценки в большом отделе почти не удержать.

Готовый сценарий строится на общей практике и подходит любой отрасли. Он не учитывает специфику вашей аудитории, новые возражения рынка и манеру каждого менеджера. Когда клиент выдаёт нестандартное возражение, менеджер остаётся без подсказки и отвечает по ситуации.

Править скрипт по ощущениям дорого. Каждая неудачная версия снижает долю разговоров, которые заканчиваются оплатой, и это видно в выручке.

Система на базе искусственного интеллекта и обработки естественного языка (NLP) работает с записями в четыре шага. Она расшифровывает все разговоры в текст, классифицирует их по темам, сценариям и эмоциям, находит удачные и неудачные фразы и формирует отчёт с предложениями по правке скрипта. Решения по скрипту принимает руководитель, а система готовит для него данные по 100% звонков.

Цены на такие сервисы зависят от поставщика и тарифа. В расчёте возьмём 2 000 ₽ в месяц за пользователя. Если лицензии нужны всем 20 менеджерам, это 40 000 ₽ в месяц. Для сравнения: полное прослушивание людьми обходится в 636 000 ₽, а выборка в 10% — в 64 000 ₽.

1. Поиск фраз, которые двигают клиента по воронке. Система сравнивает успешные звонки и находит в них общие формулировки. Допустим, после вопроса «Как вы видите решение этой задачи?» клиент переходит на следующий этап в 80% разговоров, а после вопроса «Нужна ли вам наша услуга?» заметно реже. Руководитель вносит удачную формулировку в скрипт для всей команды.

2. Разбор возражений по реальным данным. Аналитика группирует возражения: «дорого», «нет бюджета», «я подумаю». Руководитель слушает только звонки, где менеджер снял возражение «дорого», и берёт найденные приёмы в обучение. Поиск таких записей занимает часы вместо недель.

3. Контроль обязательных фраз. Система отслеживает, упоминает ли менеджер акцию или важное условие договора, и показывает тех, кто их пропускает. Дообучение затрагивает только этих сотрудников, остальные не отрываются от продаж.

4. Оценка эмоционального фона. Инструмент определяет окраску разговора: позитивную, негативную или нейтральную. Успешные менеджеры звучат энергичнее и дружелюбнее, у менее успешных подача вялая и заученная. Руководитель видит, где править не текст, а манеру разговора.

Возьмём ещё два допущения: 1,5% разговоров заканчиваются оплатой, средний чек — 30 000 ₽. Тогда отдел закрывает 264 сделки в месяц (17 600 × 1,5%) и получает 7,92 млн ₽ выручки. На одного менеджера приходится 396 000 ₽.

Допустим, доработка скрипта повышает долю оплат на 10% от текущего уровня, с 1,5% до 1,65%. Отдел закрывает около 26 дополнительных сделок и получает на 792 000 ₽ выручки больше. Выручка на менеджера растёт на 39 600 ₽ при прежнем ФОТ.

Чтобы окупить лицензии за 40 000 ₽ в месяц, отделу хватит двух дополнительных сделок по чеку 30 000 ₽. Это меньше 1% от 264 сделок. Расчёт ведётся по выручке. С поправкой на вашу маржинальность порог окупаемости будет выше, поэтому посчитайте его на своих цифрах.

Новичок получает базу реальных звонков, где коллеги успешно снимают возражения. Раньше он полагался на устные советы наставника. Чем быстрее он выходит на рабочую норму, тем меньше компания недополучает выручки.

Посчитаем потери от выхода одного менеджера. Прямые расходы на подбор и обучение возьмём в размере 70 000 ₽: 50 000 ₽ на поиск и 20 000 ₽ за 40 часов наставника по 500 ₽. Если новичок два месяца работает вполовину нормы, компания недополучает 396 000 ₽ выручки (2 × 0,5 × 396 000 ₽). Сокращение адаптации на две недели возвращает около 99 000 ₽ выручки на одного новичка.

Обратная связь тоже меняется. Менеджер получает замечание с привязкой к конкретным фразам, а не недельный пересказ чужого впечатления. Влияние на текучесть проверьте на своей статистике: сравните, сколько новичков уходит в первые три месяца до внедрения и после.

1. Определите целевые показатели: долю оплат, средний чек или уровень дозваниваемости.

2. Настройте запись разговоров с клиентами.

3. Найдите связь между фразами, сценариями и целевыми метриками. Здесь работает речевая аналитика.

4. Сформулируйте гипотезу и проверьте её. Например: «если чаще использовать фразу X, доля оплат вырастет». Обновите скрипт для одной группы менеджеров и сравните результат с контрольной группой.

5. Масштабируйте результат. Если гипотеза подтвердилась, внедрите изменения во всей команде и обучите сотрудников.

Цикл повторяют регулярно. Для каждого витка речевая аналитика даёт данные по 100% диалогов.