Аналитика CallSense

На отдельном VPS-сервере развернули бэкенд, который агрегирует данные с нашего основного сервера транскрипции. Это позволило отделить «тяжёлую» обработку аудио от лёгкого и быстрого отображения аналитики. Архитектура: облачная БД ↔ локальная копия для тестирования + API для взаимодействия всех сервисов.

Портал активно тестируется в Тольятти — мы получаем обратную связь и оперативно дорабатываем. В ближайшее время добавим интеграцию статистики чатов, где уже работает наш ИИ-консультант. Всё в одном кабинете: звонки + чаты = полная картина клиентских взаимодействий.

Спроектировали удобный, современный UI/UX специально под десктоп и мобильные устройства. Руководители часто проверяют данные с телефона — поэтому адаптивность была приоритетом.

Минимализм, понятные графики, цветовая индикация (зелёный — хорошо, красный — зона внимания). Мы провели несколько итераций тестов с реальными пользователями, чтобы убрать всё лишнее и оставить только то, что помогает принимать решения за минуты.

Собрали основной дашборд: графики динамики успешных/отказных звонков, распределение по менеджерам, причины отказов, сравнение периодов (неделя к неделе, месяц к месяцу). Добавили фильтры по датам, сотрудникам, типам звонков. Всё агрегируется на бэкенде в реальном времени.

Мы начали с создания страницы регистрации и авторизации. Выбрали современный стек с JWT-токенами для безопасности. Пользователи (руководители, собственники) регистрируются по номеру организации — это упрощает процесс и сразу привязывает аккаунт к данным клиента. Почему не сложные роли сразу? На старте фокус был на простоте: главный пользователь получает полный доступ, позже добавим гранулярные права.

Портал стал настоящим «единым окном» для всей аналитики звонков (а позже и чатов). Мы понимали: руководители — не технические специалисты. Им нужен интуитивный интерфейс, где за пару кликов можно увидеть сравнение октября и ноября, статистику по конкретному менеджеру или общую картину по всему контакт-центру.

Почему именно ежедневная автоматическая выгрузка? Ручной контроль невозможен при сотнях звонков в день. Мы отказались от «выборки» в пользу 100 % охвата (или настраиваемого процента — от 25 % до 100 %, чтобы бизнес мог масштабироваться экономно). Оплата привязана только к проанализированным минутам — прозрачно и справедливо.

Первая итерация сервиса была простой, но мощной: автоматическая отправка ежедневного и ежемесячного отчётов в Telegram ответственным сотрудникам (руководителю отдела продаж, директору). Отчёты содержали не сырые данные, а выводы: «Конверсия в запись снизилась на 8 % из-за частых пропусков информации об акциях у 3 менеджеров». Это сразу дало клиентам возможность реагировать быстро, без ожидания конца месяца.

Ключевой вывод второго этапа: мы поняли, что одной аналитики «в Telegram» недостаточно. Руководителям нужно сравнивать периоды, смотреть динамику по каждому сотруднику, фильтровать данные и видеть всё в одном удобном интерфейсе. Так родилась идея Аналитического портала.

Когда параметры были готовы, мы перешли к технической реализации. Клиент предоставил доступ к своей АТС. Каждый день система автоматически выгружает все записанные разговоры (аудиофайлы) на наш сервер по защищённому каналу (SFTP). Там происходит:

1. Транскрибация аудио в текст с помощью современных нейросетей (речь в текст).
2. Разбивка разговора на этапы.
3. Анализ каждым ИИ-агентом по выбранным параметрам.
4. Формирование статистики: сколько успешных звонков, отказов, нецелевых обращений; причины отказов; KPI по каждому менеджеру.

Почему это было критично? Потому что каждый бизнес уникален. В медицине важно не только продать услугу, но и соблюдать этические нормы и требования регуляторов. В продажах — повысить конверсию в запись или сделку. Мы выбрали гибкий подход: до 10 персонализированных ИИ-агентов, каждый из которых «специализируется» на своём этапе разговора. Клиент загружает свои скрипты, а ИИ оценивает по шкале (от «не сделано» до «полностью по скрипту»). Это решение позволило избежать шаблонности и сделать аналитику по-настоящему ценной — не просто «текст разговора», а готовые выводы о потерях выручки, повторяющихся ошибках и зонах роста.

Результат этапа — утверждённый список критериев, который стал основой всей дальнейшей разработки. Мы потратили на это время осознанно: без точного понимания «что измеряем» любой ИИ-анализ превращается в красивую, но бесполезную статистику.

Всё началось с глубокого погружения в проблему клиента. Мы видели, что руководители отделов продаж тратят часы на выборочную прослушку звонков, но охватывают при этом менее 1–2 % разговоров. Статистики не было, выводы — субъективные. Решение: создать ИИ, который анализирует все звонки ежедневно.

Первым шагом стало совместное с клиентом определение ключевых параметров оценки. Мы не стали навязывать универсальную «коробку» — вместо этого провели серию рабочих сессий, где вместе с руководителями и менеджерами контакт-центра прописали, что именно важно именно для их бизнеса. Примеры параметров, которые вошли в основу:

• Соблюдение правил приветствия (тон, представление компании, этикет).
• Грамотная консультация по услугам (полнота ответа, отсутствие «воды», использование правильных формулировок).
• Предоставление информации об актуальных акциях и спецпредложениях.
• Обработка возражений клиента.
• Предложение дополнительных услуг.
• Завершение разговора (призыв к действию, запись на приём, подтверждение деталей).

CallSense автоматически собирает все звонки из системы телефонии (АТС — это автоматическая телефонная станция, или, проще говоря, «мозг» корпоративной телефонии: она принимает, распределяет, записывает и хранит звонки), расшифровывает их с помощью ИИ, анализирует по бизнес-правилам и выдаёт готовые insights. Как это работает: персональные ИИ-агенты оценивают каждый этап разговора (приветствие, выявление потребностей, обработка возражений, предложение допуслуг, закрытие сделки), формируют метрики качества обслуживания, динамику ошибок и даже рекомендации по обучению сотрудников. Сервис интегрируется с CRM, МИС (медицинскими информационными системами) и 1С, соответствует ФЗ-152 и требованиям Минздрава, а данные обрабатываются на российских серверах с GPU для скорости и безопасности. Сейчас он уже тестируется в крупном медицинском центре в Тольятти, а в ближайшее время мы завершаем интеграцию аналитики чатов с ИИ-консультантом — всё в одном окне.
Ниже — подробный девблог разработки. Мы рассказываем не только «что сделали», но и почему пришли именно к таким решениям, какие вызовы решали и как это помогло создать продукт, которым уже пользуются реальные бизнесы.

В современном бизнесе, особенно в сферах с большим потоком клиентских обращений (продажи, медицинские услуги, сервисы), телефонные звонки и чаты — это настоящий кладезь информации. Но часто она остаётся «мёртвым грузом». Руководители видят только крайние случаи: жалобы или редкие удачные сделки. А повседневные разговоры, где теряются клиенты, нарушаются скрипты или упускаются акции, остаются в тени. Именно эту проблему мы решили устранить, создав CallSense — сервис речевой аналитики, который превращает каждый разговор в понятные KPI, отчёты и конкретные рекомендации для роста бизнеса.

Загрузка данных

Транскрибация

Разбивка на этапы

Аналитика по параметрам

Формирование БД

Вывод в интерфейс