В крупных контакт-центрах компаний и организаций с постоянным массовым потоком обращений не редки случаи звонков клиентов и граждан в состоянии стресса, раздражительности, внезапных негативных ситуаций. Часто они не отрабатываются корректно, а пропущенный конфликт становится известен лишь из жалобы. При таком развитии событий на помощь приходит модуль сентимент-анализа, который в реальном времени присваивает каждой реплике одну из трех оценок — негатив, позитив или нейтрально, отдельно для клиента и для оператора.

Оценку дают два независимых классификатора. Акустическая нейросетевая модель анализирует, как сказано, — тон и интонацию, а лексический классификатор смотрит, что сказано, по словарю характерных фраз. Если они расходятся, итог определяют настраиваемые правила — например, «негатив + нейтраль → негатив». Правила вынесены в конфигурацию, поэтому логику можно калибровать без доработки модуля.

Результат анализа работает сразу в двух точках. В голосовом боте при негативе в речи клиента диалог не доводится до конца сценария, а сразу передается оператору выделенной скилл-группы, обученной работать со сложными обращениями. В речевой аналитике сентимент-метки помогают супервизору быстро найти диалоги с негативом и оценить, удалось ли оператору перевести разговор в позитив.

На повышение удовлетворенности клиента работает и «Суфлер оператора». В сущности — это коллектив ИИ-агентов, которые слушают диалог вместе с оператором в голосовом канале или чате. Система распознает речь или захватывает переписку, понимает запрос клиента и контекст разговора, находит нужное в корпоративной базе знаний и данные о клиенте в CRM и ERP. Затем сама или по запросу оператора выводит подсказку или заполняет форму.

Оператор получает готовые ответы на типовые вопросы, предупреждения об отклонениях от скрипта, формулировки для деэскалации и компенсационные сценарии для претензий. По контексту разговора «Суфлер» предлагает товары для cross-sell и upsell, в том числе маржинальные и акционные, а после звонка сам фиксирует причину обращения, упоминания конкурентов и удовлетворенность клиента.

Решение разворачивается полностью в контуре заказчика: распознавание речи и LLM входят в поставку, при желании можно подключить облачные сервисы. Для персонализации подсказок используется RAG + LLM, для скорости и экономии ресурсов — классический полнотекстовый поиск. «Суфлер» поддерживает протоколы MCP и A2A и «из коробки» интегрируется с чат-платформой, бот-платформой и базой знаний BSS.

Инструменты дополняют друг друга: сентимент-анализ показывает, как идет разговор, а «Суфлер» подсказывает, что сделать дальше. По оценкам BSS, «Суфлер» повышает конверсию из консультации в продажу до 20% и средний чек до 5%. Время обработки звонка сокращается на 5–10%, нагрузка на операторов текстового канала — на 5–20%, а новички выходят на план до двух раз быстрее. Повторных обращений становится на 5–20% меньше, а CSI/NPS растет на 2–5%.

Источник: BSS