Контекст
Федеральный retail, горячая линия 15 операторов, ~2200 звонков/день: статус заказа, возвраты, жалобы. QA team 3 человека — sample 3%.
Retail-сеть оценивала 2–5% звонков вручную — картина качества была шумом. Lumen.studio: 100% автoscoring по скрипту, рейтинг операторов — средний балл 6,2→8,1, окупаемость 2,1 мес.
Проект под NDA: название компании, домен и персональные данные не разглашаем. Описание обезличено.
Федеральный retail, горячая линия 15 операторов, ~2200 звонков/день: статус заказа, возвраты, жалобы. QA team 3 человека — sample 3%.
C-level mandate: поднять NPS линии без удвоения QA. Script обновлялся quarterly — manual оценки отставали.
Lumen.studio — full auto QA: script adherence, empathy markers (rule-based + LLM), compliance phrases для возвратов.
Каждый звонок оценивается за ~2 минуты обработки. Power BI: рейтинг операторов, тренд по версии скрипта, детекция аномалий (оператор резко просел). Обязательные фразы для возвратов — rule-based match + LLM: «право на отказ», «14 дней» — must-have в скрипте v3.
При обновлении script analytics tag version на каждый звонок — сравнение v2 vs v3 без смешения данных. Просадка empathy на v3 выявлена за 48 часов, rollback формулировок. Материалы по версиям скрипта — HR проводит тренинги без подрядчика.
Нижний квартиль — целевой тренинг 2 ч/нед. Лучшие скрипты клонировали как эталонные примеры. Текучка колл-центра −15% — люди видят честные метрики. Золотые примеры звонков в базе знаний — операторы учатся на записях top quartile.
Средний QA score 6,2→8,1. NPS линии +6 пунктов. Окупаемость 2,1 мес против стоимости аутсорсинга QA. Сравнивали «до/после» при том же трафике и штате — эффект связан с проектом, а не с сезонностью.
Соблюдение скрипта
Против 3% ручного
Результат зафиксирован после запуска решения.
Результат зафиксирован после запуска решения.
Не будем натягивать этот кейс на вашу ситуацию. Сначала посмотрим на процесс и данные, которые есть именно у вас.