Как ИИ оценивает звонок администратора: алгоритм и критерии

Администратор поговорил с пациентом. Пациент уточнил стоимость имплантации, сказал «спасибо» и повесил трубку. Запись не состоялась. Руководитель узнает об этом в лучшем случае через несколько дней, если вообще дойдёт до прослушивания записи. К тому времени пациент уже записался в другую клинику.

Именно здесь речевая аналитика для стоматологий меняет привычную схему контроля. Система обрабатывает каждый завершённый звонок автоматически и без участия руководителя выдаёт оценку администратора, баллы по каждому этапу диалога и конкретные рекомендации. Никакого выборочного прослушивания.

Разберём, как именно работает этот процесс: от завершения звонка до появления результата в профиле сотрудника. Искусственный интеллект в стоматологии давно вышел за пределы диагностики, и контроль качества звонков один из самых зрелых его сценариев.

Шаг 1. Звонок завершился: что происходит в первые секунды

ИИ-аналитик звонков для стоматологии интегрируется с IP-телефонией клиники и медицинской информационной системой. Как только разговор завершился, запись автоматически поступает в систему без каких-либо действий со стороны персонала.

Загружаются все звонки подряд: входящие и исходящие. Это принципиально. Выборочный контроль создаёт слепые зоны, а полный охват даёт честную картину работы каждого администратора.

Данные звонка появляются еще до транскрипции

Вместе с аудиофайлом система получает метаданные звонка: идентификатор администратора, который принял вызов, длительность разговора, время суток, направление — входящий или исходящий. Для анализа этих данных речь распознавать не нужно, они уже доступны в первые секунды.

Длительность звонка сама по себе говорит о многом. Тридцатисекундный входящий звонок с последующим завершением без записи сигнал ещё до того, как система начала расшифровку. Короткие разговоры с пациентами, которые звонили впервые, концентрируются в профиле администратора отдельным паттерном и указывают на конкретную проблему: пациент не получил достаточно информации, чтобы остаться на линии.

Обогащение из МИС: контекст до начала анализа

Если номер телефона пациента уже есть в медицинской информационной системе клиники, система до начала анализа речи знает: это существующий пациент или новый лид, было ли у него лечение и в каком направлении.

Этот контекст напрямую влияет на последующую классификацию звонка. Звонок с незнакомого номера вероятное первичное обращение. Звонок от пациента, который лечился полгода назад и больше не появлялся, потенциально реактивация. Система учитывает это при выборе чек-листа оценки, не полагаясь только на содержание разговора.

Почему результаты появляются быстро, а не к следующему утру

Загрузка записи срабатывает по триггеру завершения звонка: IP-телефония отправляет событие в систему в момент, когда разговор закрылся. Это принципиальное отличие от схем, где записи собирают пакетом раз в сутки.

Благодаря этому руководитель получает Telegram-отчёт с итогами дня в конце рабочего дня, а не на следующее утро. Если сегодня было пятнадцать входящих звонков и семь из них закончились без записи, об этом станет известно сегодня, пока ещё есть время поговорить с администратором до его следующей смены.

Шаг 2. Транскрипция: аудио становится текстом

Первое, что делает система с поступившей записью, расшифровывает аудио в текст. Для этого используются алгоритмы автоматического распознавания речи (ASR), адаптированные под телефонный формат и медицинской лексику.

Как ИИ разделяет реплики администратора и пациента

Простая транскрипция даёт сплошной текст, и для анализа это бесполезно: нужно знать, кто именно что сказал. Поэтому система применяет диаризацию — разделение записи по говорящим. В итоге каждая реплика получает метку: «администратор» или «пациент».

Расшифровка в карточке звонка выглядит как диалог, где реплики визуально разделены и подписаны. Руководитель читает текст, как переписку, не слушая аудио. За несколько минут можно разобрать десяток звонков там, где раньше на это уходили часы.

Разделение спикеров влияет на точность всего последующего анализа. Если система не различает, кто именно произнёс слова о стоимости, пациент сам спросил или администратор рассказал по собственной инициативе, правильно оценить этап ориентирования по стоимости невозможно.

О том, как ИИ слушает разговоры на техническом уровне, подробно написано в материале про речевую аналитику для стоматологий.

Шаг 3. Классификация: какой это звонок и о чём он

После транскрипции система определяет два параметра: тип звонка и тему диалога. От этих параметров зависит, по каким критериям будет оцениваться разговор.

Шесть типов звонков

ИИ-аналитик разделяет все звонки на шесть категорий:

• первичное обращение — пациент звонит впервые и интересуется услугой или записью;
• сервисный звонок — уже записанный пациент уточняет детали предстоящего визита;
• маркетинговый звонок — исходящий обзвон базы с приглашением или акцией;
• звонок от контрагента;
• звонок от сотрудника;
• ошибочный звонок.

Ошибочный звонок — отдельная и важная категория. Сюда попадают ситуации, когда пациент говорит, что не оставлял заявку, запрашивает услугу, которой нет в клинике, или звонит из другого города. Система автоматически исключает такие звонки из статистики конверсии. Без этого фильтра один ошибочный лид с рекламы занижает реальные показатели работы администратора. Это особенно важно, когда обязанности администратора стоматологии напрямую влияют на его KPI и расчёт зарплаты.

Тема диалога: имплантация, кариес или брекеты

Параллельно с типом система определяет направление обращения: имплантация, протезирование, брекеты, лечение кариеса, каналы, отбеливание и другие. Для этого ИИ анализирует ключевые слова и контекст в расшифровке разговора.

Комбинация типа и темы определяет, какой стандарт оценки применять к конкретному звонку.

Шаг 4. Персонализированный чек-лист: с чем сравнивают звонок

Большинство систем контроля используют единый чек-лист для всех звонков. Это удобно при настройке, но создаёт серьёзную проблему: разговор о стоимости имплантации и разговор с пациентом, который уточняет время завтрашнего приёма, оцениваются по одним и тем же критериям.

ИИ-аналитик звонков admin.stomatology.ai формирует персонализированный чек-лист для каждого звонка. Первичное обращение по имплантации и первичное обращение по лечению кариеса — это два разных набора вопросов и критериев, хотя оба относятся к первичному обращению.

Как формируется эталонный стандарт оценки

Эталон строится на основе скрипта для администратора стоматологии. Система поставляется с готовыми скриптами для основных направлений, которые показывают конверсию до 75% с платного трафика, по данным разработчиков. Клиника также загружает собственные скрипты, и система адаптирует оценку под них.

Эталонный ответ — не точная фраза, которую администратор должен произнести дословно. Система оценивает, выполнен ли этап диалога: задан ли конкретный вопрос, сделано ли предложение о записи, обработано ли возражение. Форма подачи может быть свободной, содержание — нет.

Именно здесь персонализированная оценка выигрывает у универсальной. Для первичного звонка по имплантации высокий приоритет у ориентирования по стоимости и рассказа о враче. Для первичного звонка по кариесу важнее скорость предложения записи и снятие тревоги. ИИ применяет разный вес к одним и тем же этапам в зависимости от контекста.

Шаг 5. NLP-анализ: что ИИ ищет в тексте разговора

NLP, обработка естественного языка, — это набор алгоритмов, которые находят в тексте смысловые паттерны. Для каждого этапа чек-листа у системы есть набор сигналов, по которым она определяет, выполнен ли этот этап.

Что значит «ИИ нашёл приветствие»

Этап «приветствие» включает несколько критериев: администратор назвал клинику, представился по имени, поздоровался с пациентом. ИИ ищет в репликах администратора характерные паттерны для каждого критерия. Это не точное совпадение фраз, а семантический поиск: «Стоматология Смайл, добрый день, Анна слушает» и «Добрый день, клиника Смайл, меня зовут Анна» — оба варианта получают балл за приветствие.

Как система находит попытку записи

Попытка записи ключевой этап при работе с первичными пациентами. ИИ ищет в репликах администратора предложение конкретного времени («у нас есть свободное время в пятницу в 15:00»), вопрос об удобной дате («когда вам удобно подойти?»), уточнение контактов для записи.

Если ни одного такого паттерна в разговоре нет, этап «попытка записи» получает ноль баллов независимо от того, насколько вежливо прошёл разговор.

Работа с возражениями: самый сложный этап для анализа

Возражение пациента, «дорого», «подумаю», «позвоню позже», ИИ находит в репликах пациента. Затем система проверяет, что произошло в репликах администратора после этого: прозвучал ли аргумент или разговор просто завершился. Если ответ на «дорого» сводится к «хорошо, звоните», то этап «работа с возражениями» не засчитывается.

Шаг 6. Оценка в баллах: что означает число на экране

После анализа каждый этап получает балльную оценку. В демонстрации системы типичный результат выглядит так: 1 балл за приветствие, 1 балл за выяснение имени, 4 балла за уточняющие вопросы, 2 балла за ориентирование по стоимости и рассказ о рассрочке, 2 балла за попытку записи на консультацию. Итого 10 из 22 возможных баллов. Пациент не записался, и система объясняет почему: не отработаны возражения, не рассказано о преимуществах клиники, не предложен конкретный вариант визита.

Это не просто итоговая цифра. Для каждого этапа с низким баллом система генерирует текстовую рекомендацию: что именно стоило сказать и какой аргумент использовать в следующий раз. Понимать этот разрыв важно, потому что каждый пропущенный этап — это точка утечки в воронке продаж стоматологии, которую иначе сложно заметить.

Как оценка звонков превращается в зарплату администратора

Балльные оценки напрямую питают систему расчёта KPI. Система поддерживает четыре модели, которые руководитель выбирает или комбинирует:

• конверсия из качественных первичных обращений — ошибочные звонки исключаются автоматически, поэтому показатель честный;
• оплата за каждого записавшегося пациента;
• оплата за каждого дошедшего до приёма пациента;
• бонус за соблюдение чек-листа — фиксированная надбавка за высокий балл по стандарту.

Зарплата рассчитывается автоматически на основе данных системы. Без ручного подсчёта звонков, без споров об оценках, без таблиц в Excel. Прозрачная система начислений упрощает управление персоналом стоматологии, когда каждый администратор понимает, за что получает деньги, споры о зарплате исчезают.

Шаг 7. Профиль администратора и динамика изменений

Оценки отдельных звонков складываются в профиль эффективности администратора. По каждому этапу диалога система показывает процент выполнения за выбранный период. Сразу видно слабое место: «ориентирование по стоимости — 0%" при высоких баллах за приветствие означает конкретную точку роста.

Ответственный видит цифру «13 упущенных пациентов» в ежедневном Telegram-отчёте, нажимает на неё и открывает именно эти 13 разговоров. Читает расшифровки, видит этапы с нулём и понимает, над чем работать. Не нужно прослушивать десятки записей.

Ежедневный отчёт показывает те же показатели в двух разрезах: общий по всем первичным обращениям и отдельно по высокочековым услугам, имплантации и протезированию All-on-4. Руководитель видит, сколько первичных пациентов по имплантации позвонили сегодня, сколько из них упущено и какова конверсия именно в этом сегменте. Упущенный пациент по имплантации и упущенный по лечению кариеса — разные потери, и отчёт это разделяет.

Динамика в профиле показывает изменения по каждому этапу во времени. Кривая идёт вверх — работа с администратором даёт результат. Плато или спад на третьей неделе, значит, нужен другой подход, а не продолжение того же тренинга.

Сравнение нескольких администраторов: кто тянет, кто нет

Если в клинике работают несколько администраторов, профили сравниваются. По каждому этапу диалога система показывает процент выполнения для каждого сотрудника за один и тот же период.

Один администратор уверенно работает с приветствием и уточняющими вопросами, но теряет пациентов на возражениях. Другой отрабатывает возражения, но ни разу за месяц не упомянул акцию. Картина видна сразу, без прослушивания записей и без субъективных оценок — только цифры в разрезе этапов по каждому сотруднику. Это базовый инструмент для управления стоматологией и оптимизации работы в клиниках с командой от двух администраторов.

Особенно полезен профиль при введении нового администратора в должность: система сразу показывает, какие этапы диалога даются легко, а над какими нужно работать с первых дней.

Что происходит после оценки: ИИ-тренер закрывает петлю

Оценка звонка показывает, где именно администратор теряет пациентов. Но диагноз без тренировки — это знание без результата. Для этого в систему встроен голосовой симулятор пациента.

Администратор нажимает «Начать тренировку» и проводит полноценный звонок с ИИ в роли пациента. Система воспроизводит реалистичные сценарии поведения: лояльный пациент, сомневающийся, тот, кто сравнивает цены с конкурентами, тот, кто говорит «дорого» на любую названную сумму. Задача администратора — записать «пациента» на приём.

По завершении тренировочного звонка ИИ выдаёт детальный разбор: сколько баллов набрано и за что, какие этапы пропущены, почему пациент в итоге не записался. Рекомендации привязаны к конкретным моментам разговора, а не даются в виде общих советов.

Для руководителя это решает практическую проблему: живые тренинги требуют времени специалиста, который проводит ролевые игры с командой. ИИ-тренер доступен в любое время без участия руководителя. После ста тренировочных звонков администратор выходит на принципиально другой уровень работы с возражениями и аргументацией. Особенно актуально для клиник, где подбор администратора происходит часто и новые сотрудники должны выйти на рабочий уровень быстро.

Почему персонализированная оценка точнее единообразной

Единообразный чек-лист оценивает администратора за одни и те же действия вне зависимости от контекста звонка. Сервисный звонок с уже записанным пациентом и первичное обращение по имплантации — принципиально разные разговоры с разными задачами.

Персонализированная оценка через комбинацию типа звонка и темы диалога даёт честный результат. Администратор не получает штраф за то, что не предложил консультацию про имплантацию человеку, который позвонил уточнить, нужно ли приходить натощак. Зато там, где запись обоснована и возможна, отсутствие попытки записи не останется незамеченным.

Такой подход превращает контроль качества из формального аудита в реальный инструмент роста: каждый администратор понимает, что именно от него ожидают в конкретном типе разговора.

Ключевые выводы

ИИ-оценка звонка строится на последовательном алгоритме: автоматическая загрузка из телефонии, транскрипция с разделением спикеров, классификация по типу и теме, выбор персонализированного чек-листа, NLP-анализ по этапам диалога, балльная оценка и генерация текстовых рекомендаций.

Главная ценность алгоритма в привязке стандарта к контексту. Система не сравнивает все звонки с единым шаблоном, а подбирает критерии под конкретную ситуацию. Рекомендации становятся рабочими: администратор получает не «работай лучше», а «в разговорах о протезировании ты пропускаешь вот этот этап».

ИИ-аналитик контролирует 100% звонков без участия руководителя. За счёт готовых интеграций с большинством МИС-систем и IP-телефоний полное внедрение занимает около двух недель.