Контекст
Сеть частных клиник, ~90 inbound звонков в день на запись. Руководитель колл-центра знал среднюю конверсию, но не причины отказов: «дорого», «нет слота», «плохой скрипт» — гипотезы без данных.
Медсеть не понимала, почему конверсия записи по телефону застряла на 46%. Lumen.studio внедрил ИИ-аналитику звонков: 7 пунктов чек-листа, дашборд — конверсия 58%, оценка упущенной выручки −184k ₽/мес.
Проект под NDA: название компании, домен и персональные данные не разглашаем. Описание обезличено.
Сеть частных клиник, ~90 inbound звонков в день на запись. Руководитель колл-центра знал среднюю конверсию, но не причины отказов: «дорого», «нет слота», «плохой скрипт» — гипотезы без данных.
Выборочное прослушивание 5% звонков не масштабировалось; QA-специалист ушёл в декрет. Нужно было 100% покрытие с объективным скорингом.
Lumen.studio — пилот ИИ-аналитики: транскрипция SpeechKit, scoring YandexGPT по чек-листу ресепшена, дашборд для РОП и тренинги по топ-3 ошибкам.
7 критериев: приветствие по стандарту, уточнение услуги, предложение альтернативного слота, озвучивание цены «от», upsell профилактики, фиксация контакта, прощание с подтверждением. Каждый звонок — score 0–100 + теги причин non-conversion.
38% звонков без записи — «не предложили ближайший альтернативный слот». 22% — цена не озвучена до отказа. Эти два паттерна не были видны в CRM. Клиент получил инструкции по скрипту — рутинные правки может делать без разработчиков. Оценка упущенной выручки: 184k ₽/мес при среднем чеке первичного приёма — методика согласована с CFO, обезличена.
Два воркшопа по записям «до/после». Конверсия 46→58% за 6 недель. Alerts в Telegram при score < 50 для same-day coaching. Топ-3 ошибки первой недели стали программой тренинга — не абстрактное «будьте вежливее», а конкретные фразы для альтернативных слотов.
После пилота на одном филиале — rollout на остальные 11 точек сети с тем же чек-листом; benchmark филиалов в одном Metabase. Связка с AI-агентом Telegram (отдельный кейс med-network) — единые стандарты voice и chat.
6 недель после пилота
Оценка, обезличено
Против 5% ручного QA
Результат зафиксирован после запуска решения.
Не будем натягивать этот кейс на вашу ситуацию. Сначала посмотрим на процесс и данные, которые есть именно у вас.