Каждый пятый звонок принимает робот, а не человек. Почему автообзвон не доходит до людей

Загрузили 10 000 номеров, поговорили с 1 000. Так выглядит автообзвон у всех, кто им занимался, и обычно на этом разговор заканчивается: считается, что остальные девять тысяч просто не взяли трубку.

Мы полезли смотреть, что там на самом деле, и нашли не то, что ожидали. Значительная часть звонков доходит до конца, на них отвечают, с ними даже разговаривают. Просто на том конце не человек.

Кто берёт трубку вместо человека

В одной из наших кампаний детектор опознал робота на стороне абонента в 21,7% случаев. Каждый пятый звонок. Мы разобрали расшифровки этих разговоров и разложили по типам того, что именно ответило.

• ИИ-секретарь, который расспрашивает звонящего и обещает передать сообщение: 28,4%
• Сообщение о недоступности абонента: 21,7%
• Сервис дозвона оператора («оставайтесь на линии»): 14,9%
• Классический автоответчик: 3,8%
• Прочее: 31,2%

Обратите внимание на последнюю строчку в этом списке. Классический автоответчик почти вымер. Вместо него трубку берёт голосовой ассистент оператора, и он не просто произносит заготовку, а ведёт диалог. Дословные реплики из наших расшифровок:

«Уточните, с какой целью звоните?» «Позвольте поинтересоваться, о чём вы хотите рассказать?» «Можете рассказать подробнее? Я всё передам абоненту»

Получается забавная картина: наш голосовой робот звонит человеку, а трубку берёт голосовой робот оператора, и они вежливо беседуют друг с другом. Человек об этом звонке не узнает вообще. В статистике это выглядит как недозвон, хотя технически соединение состоялось и разговор был.

У обычного колл-центра ровно то же самое

Важная деталь: голосовой ассистент оператора привязан к абоненту, а не к тому, кто звонит. Ему всё равно, робот на линии или живой менеджер. Он одинаково перехватит и то и другое.

Это значит, что проблема не в автообзвоне. Менеджер, обзванивающий холодную базу вручную, упирается в ту же стену: часть его звонков принимает секретарь оператора, вежливо спрашивает, по какому вопросу, и обещает передать.

И колл-центры про это прекрасно знают. Борются давно и всерьёз: детектор автоответчика (AMD) стоит в любом предиктивном диалере не первый десяток лет, номера покупают у операторов, за спам-метками следят, статистику по причинам недозвона ведут.

Сломалось другое. AMD писали под автоответчик, а трубку теперь берёт собеседник. Классический автоответчик устроен предсказуемо: сигнал, потом длинный монолог в пустоту, потом тишина. Детектор ровно на это и смотрел, на акустику и на то, что с той стороны говорят долго и не делают пауз под ответ.

ИИ-секретарь ведёт себя наоборот. Он коротко здоровается, задаёт встречный вопрос и замолкает, ожидая ответа. По всем признакам, на которые опирался классический AMD, это живой человек. Поэтому детектор, который годами работал нормально, на новом типе перехвата начинает молчать.

Отсюда и наш вывод: ловить такое надо не по акустике, а по смыслу сказанного. Об этом дальше.

Почему это не лечится увеличением числа звонков

Первая реакция на низкий дозвон обычно такая: раз доходит пятая часть, давайте звонить в пять раз больше. Логика понятная и неверная.

Секретарь оператора будет перехватывать звонки ровно так же на любом объёме, потому что он привязан к абоненту, а не к вашей кампании. Увеличив число попыток, вы увеличите и число разговоров с роботами, и нагрузку на свои номера, и вероятность получить спам-метку. Дозвон в процентах при этом не сдвинется.

Сдвинуть его можно двумя вещами: научиться отличать робота от человека и не тратить на него минуты, и грамотно распорядиться повторными попытками.

Как мы отличаем робота от человека

Основной слой у нас текстовый. Есть список фраз, которые живой человек про себя почти никогда не произносит: «передам абоненту», «абонент сейчас не может ответить», «оставьте сообщение после сигнала». Список собран с сильным креном в точность: двусмысленное вроде «перезвоните позже» мы туда сознательно не берём.

Причина простая. Цена ошибки несимметрична. Если робот примет живого человека за автоответчик и бросит трубку, вы потеряете лид и оставите о себе неприятное впечатление. Если наоборот, вы потеряете несколько секунд разговора с машиной. Поэтому во всех спорных случаях подключается LLM, которая смотрит на разговор целиком и выносит вердикт.

Параллельно мы строим банк голосов известных роботов. Система слушает звонок, усредняет голосовой отпечаток собеседника и, если фразовый слой подтвердил робота, складывает отпечаток в кандидаты. Их накопилось около девяти с половиной тысяч.

А вот в рабочий банк они попадают руками, и это осознанное решение. Вот цифра, которая объясняет почему:

Порог совпадения голосов стоит на 0,90. Один и тот же живой человек в разных звонках даёт 0,92-0,94.

То есть если по ошибке залить в банк голос живого человека, он будет совпадать сам с собой всегда и робот начнёт бросать трубку живым людям. Поэтому правило жёсткое: в банк идёт только то, что подтверждено вручную, а голос считается машинным, если встретился на трёх и более разных номерах. Пока сам голосовой слой работает в режиме калибровки и решений не принимает, а первым подтверждённым жителем банка стал ИИ-секретарь МегаФона.

Звучит как медленный путь, и это он и есть. Но альтернатива, автоматически пополняемый банк, однажды тихо начнёт вырезать вам живых клиентов, и вы заметите это далеко не сразу.

Номера

Отдельная часть дозвона это качество самих номеров, с которых вы звоните. Тут мы придерживаемся скучных правил, и они работают лучше любых хитростей:

• номера берём у оператора, а не на сомнительных площадках;
• не выжигаем номер плохой базой: обзвон списка без согласий быстро приводит к жалобам и метке;
• держим окно звонков в рабочем времени по часовому поясу абонента;
• следим за отказами и исключаем из обзвона тех, кто попросил больше не звонить.

Смысл в том, что спам-метка это следствие поведения, а не невезения. Подробнее про требования к базе и согласиям мы писали в разборе легальности автообзвона.

Перезвоны

Самая недооценённая часть. Одна попытка на контакт это примерно половина того результата, который можно получить с той же базы. По нашим кампаниям накопительный охват выглядит так:

• после первой попытки поговорили с 16,0% контактов;
• после второй: 24,3%;
• после третьей: 26,6%;
• после четвёртой: 28,3%.

Вторая попытка добавляет больше восьми процентных пунктов, третья и четвёртая заметно меньше. Кривая выходит на плато, и дальше каждая новая попытка стоит дороже, чем приносит.

Но важнее не сколько раз звонить, а через сколько. Мы сравнивали разные паузы между попытками, и разброс дозвона между удачным и неудачным интервалом оказался больше, чем между второй и третьей попыткой вообще. Конкретные окна мы не публикуем, это та часть настройки, в которую вложено больше всего работы. Зато скажем про две ошибки, которые совершают почти все.

Первая: перезванивать сразу. Если человек не взял трубку, он обычно занят, и через час он занят примерно так же. Половина всех перезвонов в наших кампаниях уходила именно в это окно, и работало оно ощутимо хуже, чем нам хотелось.

Вторая: откладывать надолго. Перезвон через несколько дней в наших данных оказался худшим вариантом из всех, хуже даже немедленного. Контакт остывает, а вместе с ним падает и вероятность разговора.

Правильный ответ лежит между этими крайностями, и найти его можно только измерением на своей базе. Время суток тоже влияет, но слабее, чем принято думать: у нас разброс по часам составил от 21,6% до 28,7%, то есть около семи пунктов между худшим и лучшим часом.

Что получилось

На одной из кампаний до перечисленных изменений дозвон был 20,4%, после стал 43,4%. Больше чем вдвое. Но интереснее другая пара цифр.

Доля лидов среди тех, с кем поговорили, не изменилась: 3,47% до и 3,48% после. Это важно, потому что первое подозрение при росте дозвона такое: наверное, добрали мусор, людей, которые всё равно ничего не купят. Данные говорят, что нет. Добранные люди оказались ровно такими же, как те, до кого дозванивались раньше.

В пересчёте на исходную базу это выглядит так: было 7,0 лида с каждой тысячи загруженных номеров, стало 15,1. С той же базы, тем же сценарием, за те же деньги.

Оговорка, без которой цифры читать нельзя: это данные наших кампаний, и львиная доля приходится на одну крупную. В другой нише и на другой базе пропорции будут свои. Мы не утверждаем, что 43% это норма отрасли, мы показываем, что цифра двигается, и куда смотреть, чтобы её двинуть.

Что с этим делать

Если вы уже запускали автообзвон и разочаровались в результате, скорее всего проблема была не в сценарии и не в голосе. Проверьте три вещи: считаете ли вы разговоры с автоответчиками и секретарями как дозвон, сколько попыток делаете на контакт и через какие интервалы перезваниваете.

У нас всё перечисленное встроено в платформу и работает из коробки. Голосовой робот Axiomate сам определяет робота на том конце и не тратит на него минуты, сам ведёт расписание перезвонов и показывает воронку от загруженных контактов до лидов, чтобы вы видели, где именно теряются люди. Первые 50 номеров вашей базы обзвоним бесплатно, на них и увидите свои реальные цифры. Как это запускается, разобрано пошагово.