🕊️ Контроль качества звонков менеджеров по продажам. Позволить себе такое могли только достаточно крупные компании и расходы на ОКК составляли миллионы рублей ежемесячно — для этого привлекали десятки «специалистов», которые тупо по чек-листу слушали всего лишь 10% (!) диалогов (больше было тупо дорого).
🕊️ Проводить исследования аудитории (кастдевы, глубинные интервью и проч). Это очень нужно, чтобы дорабатывать свой продукт, формулировать маркетинговые офферы, лучше понимать запросы аудитории и проч. Но это всегда было узким местом — горящие проекты всегда натягивали на себя внимание и для такого не оставалось пространства. Большие компании нанимали целые отдельные (и дорогие) команды продактов или заказывали ресерчи на аутсорсе.
Список можно продолжать очень долго — это всего лишь несколько примеров.
Но с развитием AI все очень сильно поменялось — за счет невероятного роста качества транскрибации + анализа диалогов, в компаниях буквально появился новый (недооцененный!) источник данных.
То есть в любой компании можно настроить супер дешевый и супер простой механизм:
🕊️ все телефонные диалоги с каждым клиентом транскрибируются
🕊️ далее все переписки + все транскрибации по каждому клиенту сгружаются в ИИшку
3️⃣ далее с помощью несложных промптов происходит обработка всего массива диалогов
4️⃣ во время обработки выделяются важные (для конкретной компании) признаки — например, «упомянул ли менеджер, что мы выдаем государственный диплом», «в какой сфере работает потенциальный клиент», «что самое важно останавливает клиента от покупки», «какой основной страх клиента», «что самое важное для клиента при выборе» и т.д.
Естественно, это делается не вручную, а настраивается автоматически, с помощью несложных Python-скриптов.
По сути, если немного повозиться, на выходе мы можем получить размеченную базу данных с такой информацией:
— номер сделки
— купил / не купил
— упомянул ли менеджер ...
— в какой сфере ...
— другие признаки ...
То есть мы взяли месиво из неструктурированной информации (а кучу транскрибаций диалогов иначе и не назовешь) и построили 2 стандартных ETL-пайплайна:
🕊️ забираем из API нашей CRM-ки (например, AmoCRM) записи звонок (буквально mp3-файлы) с помощью несложного скрипта на Python → закидываем каждый звонок с помощью этого же скрипта по API в Whisper / ChatGPT / еще какую-то AI-приблуду, которая может превратить наш звонок в текст за не очень дорого → загружаем полученные транскрибации в базу/хранилище/озеро данных (да хоть в файлики, по сути не так важно)
🕊️ берем полученные записи → закидываем их новым Python-скриптом по API в тот же ChatGPT / еще куда-то для выделения признаков с помощью промптов (писал выше) → получаем уже структурированный набор данных (пример выше) и записываем его в классическую базу данных
А дальше — работаем с этими данными, потому что это бесконечный источник полезной информации или аналитических исследований! Вот несколько примеров, что можно делать:
— Провести анализ — какие боли/страхи клиентов чаще всего мешают покупке и приводят к неуспешным сделкам
— Провести анализ трендов — как от месяца к месяцу меняется упоминание возражения «не хочу учиться долго, хочу максимально быстро освоить профессию»
— Выявить паттерн изменения болей клиентов — по каждой боли построить динамику изменения за каждый месяц и посмотреть: какая боль убывает, а какая наоборот набирает обороты
И чем дальше мы в это будем погружаться, тем больше нам захочется копать глубже! Только раньше у нас таких возможностей не было, а теперь появились!
Здесь хочется подчеркнуть важную мысль, про которую я говорю каждый раз. Аналитика — это сфера, в которой аппетит приходит во время еды.
Как только компания получает в руки отчет, который раньше она делать не могла — в ту же секунду такой уровень отчетов становится для них нормой и они сразу же начинают хотеть смотреть глубже.
Это всегда так работает — именно поэтому аналитики обеспечены работой гарантированно навсегда 😄 Развитие ИИ нам на руку — чем больше он прогрессирует, тем больше у нас задач и пищи для анализа.
Кроме того, сама ценность аналитики кратно повышается. Раньше очень много было ретроспективной аналитики — мы анализировали и считали метрики по историческим данным. Теперь все больше мы можем строить прогнозы в формате «мы видим вот такой паттерн у наших клиентов, давайте попробуем изменить наш продукт».
И такие штуки применимы не только в поиске новых продуктовых фич — вы можете строить похожие пайплайны в анализе обращений в саппорт, в анализе новостного поля, в анализе ваших конкурентов и много-много всего.
Что еще прикольно — я тут вот вроде описал какие-то сложные, на первый взгляд, вещи (API, питон-скрипты, пайплайны, автоматизация и проч). А на деле это парочка несложных Python-скриптов, которые отправляют запросы в API нескольких сервисов и складывают данные в базу. Любой студент, который прошел ключевые модули нашего курса, обладает достаточным уровнем технических знаний, чтобы решить эту задачу. А с учетом того, что часть кода вам сама ИИшка и поможет написать, задача еще сильней облегчается)
Это я к чему — это все не какая-то алхимия, это очень простые вещи, которые вы можете делать уже прямо сегодня, даже если только начинаете свой путь в аналитике. И этот путь стал еще занимательней: вы сами видите, буквально на наших глазах появляются новые крутейшие и интереснейшие задачи, которые раньше могли себе решать только бигтехи с огромными командами. А теперь такое могут делать все и спрос на это будет расти и расти)
Мы, кстати, и сами активно такими штуками пользуемся. Например, последнее время мы проводили глубокое исследование и решили кардинально пересобрать наш флагманский продукт — курс «Аналитик данных». Уже через 1 день, с 1 июля, старая версия будет недоступна для новых студентов.
Мы очень сильно его переосмыслили — про причины и изменения напишу отдельный пост: что увидели, как считали и почему приняли именно такие решения.
Отчасти эти изменения были неизбежны. Глупо отрицать, что мир не изменился. Он изменился очень сильно и продолжит меняться дальше. Сейчас есть короткое окно возможностей, и мы хотим, чтобы наши студенты стали бенефициарами этих изменений.
Поэтому приглашаю вас пройти путь «с нуля до крутой карьеры в аналитике» вместе с нами.
Сегодня и завтра — последние 2 дня, когда вы можете вписаться в программу «Аналитик данных» по старым, самым выгодным условиям. Уже послезавтра, 1 июля, мы анонсируем новый продукт — условия уже будут другие, но если вы оплатили раньше — мы переведем вас без доплат.
Если вы готовы доверить свое обучение в наши руки — просто переходите в ботика и оставляйте заявку. И можете быть уверены — мы вас не подведем!
P.S. Кто уже учится у нас и читает этот пост — не переживайте, в ближайшие пару дней мы подробно опишем вам процесс перехода на новый формат.
P.P.S. Пока писал пост, общался с одним из наших студентов и прям в моменте придумали классную штуку — мы добавим в курс мастер-класс от меня лично, где я покажу, как строить эти самые пайплайны с ИИшками, API и прочими штуками, которые описывал в этом посте. И каждый студент сможет себе в портфолио положить такое — это вообще бомба будет!)