Автоматическое распознавание речи для крупного российского банка
Компания столкнулась с проблемами: тысячи ежедневных звонков, субъективный анализ операторов, неполная картина клиентского опыта. Рассказываем, как помогли клиенту автоматизировать анализ звонков и повысить качество обслуживания

Задача проекта


Перед нашей командой стояла амбициозная цель: помочь крупному российскому банку автоматизировать анализ звонков, повысить качество обслуживания клиентов и оптимизировать работу колл-центра.

О ситуации


Наш клиент ежедневно обрабатывал тысячи звонков с самыми разными запросами: уточнение информации по счетам, подача заявок, жалобы и претензии. Руководство банка понимало, что качество обслуживания клиентов напрямую влияет на их лояльность, но сталкивалось с рядом серьёзных проблем:
  • Огромный объем данных — звонки анализировались выборочно, и большая часть важной информации оставалась вне поля зрения.
  • Человеческий фактор — вручную операторы могли ошибаться в оценке диалогов, терять важные детали и субъективно воспринимать разговоры.
  • Низкая точность автоматического анализа — существующие решения не справлялись с распознаванием сложных диалогов, особенно с терминологией и специфическими акцентами.
  • Информационная безопасность
  • — банк не мог передавать аудиозаписи на внешние сервисы для анализа, так как это нарушало строгие требования по защите данных.
  • Ограниченная интеграция — существующие системы не позволяли гибко работать с внутренней самописной CRM банка.

Решение


Мы развернули Речевую аналитику на стороне банка в формате on-premise, что обеспечило полную безопасность данных. Наше решение интегрировалось с коробочной версией Битрикс24, а также поддерживало работу с самописной CRM банка благодаря REST API.

В рамках проекта мы доработали систему под стереомикрофоны планшетов сотрудников банка для того, чтобы улучшить качество распознавания речи и минимизировать ошибки при анализе диалогов. В этом нам помогла кластерная диаризация на базе NeMo, обеспечивающая точность распознавания до 95% в условиях стандартных телефонных переговоров.
Результаты
  • С 15% до 90%
    Выросла доля автоматизированного анализа звонков
  • В 3 раза
    Увеличилась скорость обработки данных
  • На 30%
    Выросла точность распознавания аудиофайлов
  • На 40%
    Сократилось количество ошибок в распознавании ключевых фраз сократились
Отзыв клиента
«Раньше мы могли анализировать лишь небольшую часть звонков, а теперь имеем полную картину общения с клиентами. Точность распознавания выросла, скорость обработки данных увеличилась в разы, а главное — всё это работает внутри нашей инфраструктуры, без рисков для безопасности. Отличное решение, которое помогло нам вывести качество сервиса на новый уровень!»
— И. А. Громова, руководитель отдела клиентского сервиса

Понравился проект? Свяжитесь с нами!