Как анализировать звонки и создавать контент с помощью ИИ: кейс клиента Vitamin.tools

Компания Fix Group — клиент рекламной экосистемы Vitamin.tools, возвращающей до 18% от пополнения рекламы. Ребята занимаются лидогенерацией и внедряют нейросети в работу. В статье они расскажут, как увеличить выручку на 10 000 000 рублей за полгода, не расширяя штат и не меняя стратегию продаж.

Содержание:

Вводные

Связываем все сервисы с помощью платформы-прокладки Make

Обучаем нейропомощника продавать в мессенджере вместо людей, чтобы снизить издержки из-за человеческого фактора

Проверяем рекламу, чтобы она привлекала именно целевую аудиторию заказчика

Добавляем сценарий нейропродавца в Make и связываем его с другими сервисами

Создаём виртуальный отдел контроля качества звонков и сделок и учим его анализировать звонки вместо РОПа и ОКК

Контролируем и исправляем ошибки виртуального отдела продаж

Используем данные из анализа звонков в рекламных кампаниях

Результаты

Резюмируем

Время чтения: 11–13 минут.

Заказчик: юридическая компания по банкротству физических лиц. В России у заказчика 20 филиалов, а менеджеры каждый месяц обрабатывают около 10 000 лидов.

Проблемы на старте:

Цель сотрудничества: +1% к конверсии в сделку.

Решение №1: улучшать рабочие процессы отдела продаж. Этот вариант не подходил, так как наша специализация узкая — только лидогенерация.

Решение №2: повышать конверсию и оптимизировать отдел продаж с помощью ИИ.

Для этого на базе OpenAI мы разработали два продукта:

Стратегия:

Чтобы система работала, нужно связать все сервисы друг с другом. В России ChatGPT работает только через VPN, поэтому мы искали зарубежный сервис-прокладку, который одновременно бы работал с российскими и иностранными платформами. Из доступных вариантов остановились на Make.

Начинаем с того, что заводим аккаунты на всех сайтах:

Затем маркетолог и промпт-менеджер настраивают систему, разрабатывают промпты и обучают нейросеть, то есть объясняют, как отвечать на сообщения покупателей и анализировать звонки. Этот этап занимает 3-7 дней, если мы уже работали в этой нише. В незнакомых нишах подготовка занимает до 30 дней.

Основная проблема в нише банкротства — недозвоны. 70% покупателей не отвечают на звонки, но охотно общаются в мессенджерах. Они оставляют заявки в нерабочие часы, а днём не снимают трубки. Информацию предпочитают получать в переписке. Компании же важна скорость ответа: чем быстрее менеджер выйдет на связь с покупателем, тем выше шанс закрытия в сделку. Нейропомщик, отвечающий сразу же, решал эту проблему.

Нейропомощника создаём с помощью модели GPT-4-Turbo. Пишем промпты, загружаем примеры диалогов и прорабатываем стиль общения. И заодно решаем текущие проблемы.

Проблема 1: Как использовать ИИ, но не потерять доверие пользователей.

Через определение роли нейропомощника. Изначально мы тестировали два вариант�� подачи — робота и помощника юриста. Остановились на втором и прописали сценарий на случай, если покупатель задаст вопрос «А вы робот?».

Проблема 2: Как уменьшить количество нецелевых вопросов.

С помощью ограничивающих установок. Мы тестировали вариант, когда нейропомощник отвечал на все вопросы покупателей. Это не приводило к конверсиям. Вместо этого люди использовали чат в личных целях, как бесплатный ChatGPT.

Проблема 3: Как сделать нейронку эмпатичной.

Через эмодзи и уточняющие вопросы, например: «Как ваши дела?», «Как ситуация с коллекторами?» Такая нейросеть выполняет сразу несколько ролей: консультанта, юриста, психолога и друга.

В этом проекте заказчик вручную проверял отчёты по рекламе через Метрику. Он отслеживал стоимость конверсий, определял, какие лиды тёплые, а какие холодные. Затем передавал информацию. В какой-то момент мы задумались: а можно ли автоматизировать анализ? Или это та область, где нейросети пока не могут заменить человека? Обсудили это с нашим менеджером из Vitamin.tools — рекламной экосистемы, через которую запускаем проекты и получаем возврат до 18% от пополнения рекламы. И оказалось, что такой инструмент уже есть в самом Vitamin.tools — Рекомендатор.

Рекомендатор анализирует рекламные кампании через API Яндекса и оценивает их по 50 метрикам. Его отчёты проверяют не алгоритмы, а аналитики из Директа и специалисты Vitamin.tools. Поэтому клиенты получают не просто автоматические выводы, а рекомендации от экспертов. Хотя мы ещё не запускали Рекомендатор, это определённо то, с чем стоит познакомиться. Мы протестируем его в следующем проекте и тогда поделимся результатами.

Выстраиваем сценарий, при котором заявка с сайта автоматически попадает в CRM и Make, где мы парсим данные: имя, телефон, предпочитаемый способ связи. Далее связываем Make с мессенджерами, если выбран этот способ связи, и прописываем несколько сценариев общения. Контекст диалога передаём в Make и ChatGPT, а копию диалога подгружаем в Make и CRM. Вся цепочка автоматизирована.

Пример сценария, который мы использовали в этом проекте:

Такой сценарий закрывал диалог при обращении день в день, но не работал, если покупатель пропадал на какое-то время и возвращался, например, через день. В этом случае нейроменеджер не писал повторное сообщение, а мы теряли потенциальные лиды.

Проблему решили, добавив в Make сценарий автоматического напоминания, который активируется через час, четыре часа и на следующий день. Устранив баг, мы увеличили конверсию в назначенную встречу на 10%: с 20% до 30%.

Нейросеть не заменит хорошего руководителя, но снимет с него часть нагрузки и автоматизирует рутину. Например, ИИ за пару минут может проанализировать диалог с пользователем и определить, по какой причине не состоялся переход на следующий этап воронки — встреча или сделка. Чтобы поставить эту задачу на поток, мы настроили связку: звонок → транскрибатор → ChatGPT → база данных Excel.

В этом кейсе, чтобы получить точные данные, мы скормили нейросети около 1 000 диалогов:

После обучения запускаем такой сценарий в Make: звонок записываем в CRM-систему → данные передаём в Make → отправляем их в Транскрибатор → транскрибированный текст обратно в Make → текст звонка и промпт отправляем в ChatGPT → передаём анализ звонка в Make → проанализированный звонок отправляем в CRM-систему.

Всё это мы делаем, чтобы ИИ проанализировал звонок:

Искусственный интеллект, конечно, ошибается. Доля брака у него такая же, как у человека. Он тоже может что-то не понять и неверно интерпретировать. В среднем, в девяти из десяти случаев анализ ИИ корректный, а далее всё зависит от ниши. Например, в этом проекте мы сталкивались с тремя проблемами:

Проблема 1: Транскрибатор допускает ошибки. Проблему решали, добавляя в промпт инструкцию: «Если какой-то пункт из чек-листа непонятный или содержит ошибку, игнорируй этот пункт».

Проблема 2: ИИ не чувствует интонацию и настроение. В чек-листе заказчика было требование: менеджер должен быть эмпатичным и в хорошем настроении. В ходе работы мы поняли, что по транскрипции искусственный интеллект не видит улыбки, не распознаёт дружелюбный тон. Это приводило к некорректных оценкам. Мы избавились от этой ошибки, удалив из чек-листа пункты, связанные с эмоциональным восприятием.

Проблема 3: ИИ добавляет информацию от себя и включает в анализ данные, которых нет в диалоге. Чтобы избежать этого, мы прописывали строгие промпты: «Оценивай только по предоставленным материалам, ничего не добавляй и не фантазируй. Рекомендации выдавай на основе фактов из диалога».

Полученные от ИИ данные мы загружаем в ChatGPT и просим его построить маркетинговую стратегию. Параметры задаём в зависимости от задач проекта. Если не дать ИИ конкретные вводные о площадках и каналах продаж, он сгенерирует универсальную стратегию с планом, форматами контента, программами взаимодействия, стилем общения и метриками для оценки эффективности.

Самый полезный параметр, который определяет ИИ — это аватары покупателей. В них есть вся информация, необходимая для написания постов, контент-планов и сценариев видео.

По аватарам покупателей строим контент-планы и пишем посты. Например, берём аватар — финансово перегруженный работник. Загружаем описание в ChatGPT и добавляем промпт с запросом на генерацию плана. В ответ ИИ напишет темы для постов, которые затронут боли этой аудитории.

❌Мы не рекомендуем публиковать результат в исходном виде. Тексты могут быть с ошибками или слишком роботизированными.

✅Материалы ИИ должен проверять редактор. Он улучшит читабельность и скорректирует стиль.

Создаём ИИ-видео через HeyGen. В нише заказчика — банкротстве физических лиц — работает личный бренд. Поэтому в креативах мы отдаём предпочтение реальным фотографиям и видео. А в ситуациях, когда объём работы слишком большой, обращаемся к ИИ.

Например, при создании воронок для разных сегментов аудитории, нужно снять 100 видеороликов с участием юриста. Это непосильная задача, так как заказчики не могут уделить столько времени съёмкам. В таких случаях мы создаём ИИ-аватары.

❌Не стоит публиковать исключительно видео с ИИ. Покупатели могут воспринять их с недоверием, как очередную попытку обмана.

✅Создаём серию из десяти постов, где только одно-два видео с ИИ-аватаром.

Период сотрудничества: сентябрь 2024 года – февраль 2025 года.

Бюджет в месяц: 1 000 000 рублей за 1 000 лидов.

Результат:

Подробности рассказал эксперт по нейросетям — Артём Долгов, руководитель компании Fix Group. Бесплатная диагностика по внедрению нейросетей, и больше практических советов и кейсов в TG-канале.