Аналитика звонков в Bitrix24: AI-оценка 100% разговоров по методологии отдела продаж

TL;DR. Руководитель отдела продаж успевал прослушать 5-10% звонков — остальные никто не разбирал. Система оценивает 100%: транскрибация с разделением речи, скоринг 0-10 по методике самой компании, результат в карточке сделки Bitrix24 за минуты. Инференс локальный, записи разговоров остаются на серверах заказчика.

Ситуация: почему записи звонков не работают сами по себе

Записи звонков копились в CRM годами, но систематически их никто не слушал. Руководитель отдела продаж физически успевал разобрать 5-10% разговоров — на один звонок уходило 15-20 минут: прослушать, сопоставить со стадией сделки, сформулировать обратную связь менеджеру.

Контроль качества держался на выборочной проверке и на памяти о том, кто из менеджеров обычно работает хорошо. Отдельное ограничение — записи разговоров с клиентами относятся к чувствительным данным, отправлять их в облачный API было нельзя.

Задача

1. Оценивать каждый звонок отдела продаж, а не выборку.
2. Скорить по методике конкретного отдела: разные стадии сделки требуют разного поведения менеджера.
3. Держать записи и расшифровки внутри контура заказчика — без облачных API.
4. Отдавать результат туда, где менеджер и руководитель уже работают, — в карточку сделки Bitrix24.

Что сделали: пайплайн оценки звонка

Bitrix24 отправляет вебхук при появлении звонка в сделке. API валидирует запрос и передаёт задачу фоновому воркеру: тот скачивает запись, транскрибирует её и разделяет речь менеджера и клиента.

Расшифровка вместе с контекстом сделки уходит в локальную LLM на оценку от 0 до 10 против рубрики самого отдела продаж. Рубрика разбита на 7 стадий воронки; стадия берётся из позиции сделки в Bitrix24. Отдельно работают жёсткие ограничители: если менеджер не зафиксировал следующий шаг или вёл себя непрофессионально, оценка принудительно опускается независимо от остального разговора.

Оценка, резюме и следующий шаг возвращаются в сделку комментарием в таймлайне со ссылкой на накопительный PDF-отчёт по всем звонкам этой сделки. Низкие оценки уведомляют руководителя отдела, высокие помечаются как эталонные примеры для обучения новых менеджеров.

Транскрибация и LLM работают на GPU заказчика. Ни запись, ни расшифровка не уходят во внешние сервисы.

Результат

• Оценку получают 100% звонков вместо 5-10% при ручном разборе.
• Разбор одного звонка — с 15-20 минут ручной работы до примерно 40 секунд машинного времени.
• Записи разговоров и расшифровки не уходят во внешние API. Оплаты за токены нет в принципе: вместо счёта за облачный API — фиксированная стоимость GPU.
• Руководитель получает оценку по той стадии, на которой сделка реально находится в CRM, а не общее впечатление от разговора.

Ключевые технические решения

1. Методика скоринга — редактируемый YAML, а не код. Стадии, диапазоны оценок и ограничители лежат в структурированном файле, понятном непрограммисту. Поменять то, что считается хорошим звонком, — правка файла, а не деплой.
2. Стадия берётся из CRM, а не угадывается моделью. Каждая стадия воронки Bitrix24 сопоставлена со стадией скоринга через конфиг. Модель оценивает разговор против фактической стадии сделки. Стадии, которые оценивать не нужно, исключаются отдельным списком.
3. Детерминированная оценка с проверкой цитат. Итоговый балл не берётся из самоотчёта модели: он привязывается к диапазону, который модель назвала, и досчитывается в коде по ограничителям, подтверждённым цитатами из расшифровки. Это убрало разброс оценок между прогонами на одном и том же неизменном звонке.
4. Автоответчики и недозвоны отсеиваются до вызова LLM. Звонок, где почти нет речи клиента, пропускается — без оценки, без уведомления руководителю, без шума в сделке.
5. Калибровка до запуска в прод. Скрипт прогоняет пакет звонков и сравнивает оценки модели с оценками руководителя отдела на тех же разговорах. Второй скрипт измеряет точность расшифровки против эталонных транскриптов — это разные источники ошибки, и локализовать их надо раздельно.
6. Два сменных бэкенда для локальной LLM. Переключаются одной настройкой: железо на разработке и в проде различается.

Частые вопросы

Записи звонков уходят в OpenAI или другой облачный сервис?

Нет. Транскрибация и языковая модель работают на сервере заказчика. Запись разговора и расшифровка не покидают контур компании. Побочный эффект — отсутствие оплаты за токены: вместо переменного счёта за облачный API фиксированная стоимость GPU.

Можно ли поменять критерии оценки звонка без разработчика?

Да. Методика скоринга вынесена в YAML-файл: стадии воронки, диапазоны оценок, ограничители. Правка критериев не требует изменения кода и деплоя.

Что нужно на стороне компании, чтобы это заработало?

Bitrix24 с записью звонков и настроенным исходящим вебхуком, сервер с GPU и описанная методика оценки звонка — та, по которой руководитель отдела уже разбирает разговоры вручную. Если методики нет, её формализация входит в первый этап.

Сколько занимает внедрение аналитики звонков?

Один процесс end-to-end до продакшена — 1-2 месяца. Точный срок зависит от того, готова ли методика оценки и есть ли доступ к тестовым записям для калибровки.

Что было бы дальше

Естественное продолжение — агрегированная аналитика по отделу: какие возражения повторяются, на какой стадии чаще всего теряются сделки, как меняется оценка конкретного менеджера во времени. Дальше — подсказки менеджеру до звонка, а не разбор после.

Если у вас пишутся звонки, но их никто не слушает, — обсудим за 30 минут.