Клиенты сами рассказывают, что не работает: как использовать причины обращений в контакт-центр

Контакт-центр обычно пытаются улучшать изнутри: быстрее отвечать, сокращать очередь, менять сценарии, контролировать работу операторов. Но часть нагрузки рождается совсем в другом месте.

Если сотни клиентов спрашивают, где находится заказ, стоит проверить информирование о доставке. Если люди постоянно звонят с вопросом, как совершить платёж, проблема может находиться в самом платёжном пути. Если одно и то же условие продукта приходится объяснять снова и снова, возможно, его плохо объяснили раньше.

Во Fromtech решили рассмотреть эту задачу отдельно. Разговоры клиентов можно использовать не только для оценки контакт-центра. Они дают материал для поиска проблем в продукте, сервисе и клиентском пути.

Иногда лучший способ снизить нагрузку на контакт-центр — убрать причину звонка.

Почему количество звонков само по себе мало что объясняет

Допустим, за месяц контакт-центр получил сто тысяч обращений.

Сама цифра почти ничего не говорит о том, что произошло с клиентами. Рост мог быть связан с сезонностью, увеличением бизнеса, сбоем на сайте, изменением условий продукта или новой схемой доставки.

Поэтому рядом с вопросом «сколько обращений поступило» нужен второй: почему люди вообще были вынуждены позвонить?

Для этого стоит разбирать реальные причины контакта, а не только общую нагрузку.

О чём могут говорить повторяющиеся вопросы

Эта логика не означает, что любой вопрос клиента автоматически доказывает конкретную проблему. Звонок даёт сигнал. Дальше этот сигнал нужно проверить по данным процесса.

Именно здесь контакт-центр перестаёт быть только линией обработки обращений и становится источником операционной информации.

Почему одного тега оператора недостаточно

Во многих контакт-центрах сотрудник после разговора выбирает одну причину обращения: доставка, оплата, личный кабинет, возврат. Для оперативного отчёта этого может быть достаточно. Для анализа клиентского пути часто мало.

В одном разговоре человек способен сначала спросить о доставке, затем сообщить о проблеме с оплатой и в конце попросить изменить адрес. Один тег неизбежно потеряет часть содержания.

McKinsey отдельно обращает внимание на эту проблему: один звонок может содержать несколько намерений, а данные клиентского сервиса полезны не только для контроля операторов, но и для улучшения продукта и сервиса. :chatgpt-content-reference{index=»4″}

Что здесь даёт речевая аналитика

На небольшой выборке разговоры можно прослушивать вручную. На большом потоке это уже не даёт целостной картины.

SpeechRadar Fromtech позволяет транскрибировать разговоры, формировать саммари, определять ключевые фразы и намерения клиента. Такой слой аналитики помогает разбирать не отдельные звонки, а структуру всего потока.

Практическая цепочка выглядит примерно так:

разговоры → темы и причины → частотность → динамика → процесс для проверки.

Само облако популярных слов здесь мало полезно. Управленческий результат появляется тогда, когда повторяющийся сигнал связан с конкретным процессом и его владельцем.

Как перейти от аналитики к изменению процесса

Предположим, система показывает заметный рост звонков по одной теме.

Дальше полезно пройти несколько шагов:

1. Определить частоту обращения.
2. Оценить, сколько операторского времени оно занимает.
3. Понять возможную первопричину.
4. Найти владельца процесса.
5. Внести изменение.
6. Проверить, сократилось ли число таких обращений.

Похожий подход мы разбирали в статье о слабых местах бизнес-процесса. Один звонок редко объясняет проблему полностью. Сквозная диагностика появляется, когда содержание разговора сопоставляется с данными CRM, результатами операций и повторными контактами.

Как выглядит широкий входящий поток на практике

Хороший пример разнообразия причин обращений — проект Fromtech для Boostra.

На одной входящей линии клиенты обращаются по вопросам оформления займа, платежей и задолженности, статуса заявки, личного кабинета, технических проблем и дополнительных продуктов.

AI принимает весь входящий поток, а 63% запросов закрываются без участия оператора. Это результат конкретного проекта, а не универсальный ориентир для контакт-центров. :chatgpt-content-reference{index=»5″}

Для этой статьи особенно важен другой вывод. Понятие «входящий звонок» скрывает множество совершенно разных причин контакта.

Управлять только общим количеством обращений слишком грубо.

Какие показатели смотреть после изменения

Если компания исправила процесс, не обязательно ждать заметного падения общего числа звонков.

Сначала нужно посмотреть именно на ту тему, с которой работали.

• Сократилось ли число обращений по этой причине?
• Стало ли меньше повторных звонков?
• Изменилось ли количество переводов?
• Чаще ли вопрос решается при первом обращении?
• Не появилась ли та же проблема в другом канале?

Для руководителя контакт-центра это уже другой уровень работы с аналитикой. Не просто «звонков стало больше или меньше», а понимание того, какие процессы создают нагрузку.

Контакт-центр может стать источником данных для других команд

Данные разговоров полезны не только службе качества.

Повторяющиеся причины могут быть важны продукту, IT, логистике, маркетингу, продажам и клиентскому сервису.

McKinsey ещё в анализе причин обращений показывала, что первопричина звонка нередко находится за пределами самого контакт-центра: в информации для клиента, внутреннем процессе или цифровом сервисе. :chatgpt-content-reference{index=»6″}

Контакт-центр видит проблему в тот момент, когда клиент уже не смог решить её самостоятельно. Именно поэтому причины обращений полезно анализировать как данные о всём клиентском пути.

На странице решений Fromtech для клиентского сервиса собраны примеры того, как AI используется на первой линии, в маршрутизации и в работе с типовыми запросами. Но следующий шаг автоматизации часто начинается именно с анализа: из чего на самом деле состоит поток обращений.