Как «Нетология» сократила цикл сделки и трансформировала отдел продаж с помощью ИИ
- Контекст: при сотнях менеджеров тимлиды могли вручную прослушивать лишь 10–15% звонков.
- Гипотеза и формат: тест внедрения Imot.io с подтверждением через A/B-тест.
- Дизайн: группа A — 30 менеджеров B2C с речевой аналитикой; группа B — контрольная с прежним выборочным контролем.
- Оценка качества: чек-листы фиксировали выполнение действий и показывали результат в баллах и процентах.
- Цикл сделки: в группе A — 72 часа против 84+ часов ранее.
- Дальнейшие шаги: после подтверждения эффективности решение распространили на весь отдел.
Почему это важно: кейс показывает, как речевая аналитика закрывает «узкое место» контроля качества, когда ручная выборка не даёт полной картины. При более полном охвате коммуникаций ошибки и удачные практики быстрее становятся видимыми и обсуждаемыми, а обратная связь опирается на данные. В тексте отдельно подчёркивается принцип оценивать структуру, а не слова, чтобы сохранить гибкость продаж.
На что обратить внимание: в описании проекта акцент на «гибких скриптах» и риске снижения эффективности, если система штрафует за нестандартные формулировки при хорошем результате. Также отмечено, что внедрение шло через эксперимент и последующее масштабирование, а роль тимлида смещалась от прослушивания к аналитике и наставничеству. Сигналом принятия инструмента названы запросы менеджеров на аналитику и доверие к объективной оценке при полном охвате звонков.
Коротко
- Главный риск в таких внедрениях — «сломать» сильных продавцов: в тексте критерии оценки привязывают к структуре диалога и результату, а не к формулировкам.
- Роль тимлида описана как смещение к аналитике и наставничеству: система подсвечивает проблемные зоны и лучшие диалоги, сокращая рутину контроля.
- Для онбординга упоминается база «эталонных» диалогов, отобранных автоматически; это задаёт единые ожидания и примеры качества без лишних встреч.
- Если результаты речевой аналитики используются в мотивации, обычно важны понятные правила оценки, доступ менеджера к своим метрикам и объяснимость выводов.
- Признаком принятия инструмента названы запросы менеджеров на аналитику; на практике это часто важнее формального запуска для регулярного использования.
FAQ
Зачем этот кейс важен компаниям с большим отделом продаж в онлайн-образовании, если менеджеры работают без жёстких скриптов и контроль качества трудно масштабировать?
В тексте показано, что при корректной настройке критериев речевая аналитика может оценивать диалоги без привязки к формулировкам и ускорять работу над ошибками.
Как в кейсе разделили команды для эксперимента и какую поддержку получали менеджеры и тимлиды в тестовой группе при использовании Imot.io?
Команду продаж разделили на тестовую группу A и контрольную группу B; в тестовой группе тимлиды получали автоматические отчёты, а менеджеры — обратную связь на основе данных.
Какие изменения в роли тимлида и обучении новичков описаны после внедрения речевой аналитики, и как это повлияло на поиск кейсов для разбора звонков?
Тимлиды перестали тратить часы на ручное прослушивание и стали больше заниматься аналитикой и наставничеством; для новичков описана база «эталонных» диалогов, а поиск кейсов для обучения автоматизирован.
Читайте также
ИИ для управления проектами. Для чего его на самом деле применяют российские организации
Рост в период неопределенности: какие решения будут принимать маркетологи в 2026 году- Расходы букмекеров на маркетинг уменьшились на 50%
- Правильное образование для маркетологов в 2025: каким оно должно быть
- Почти 90% молодежи использует ИИ в повседневной жизни
«Нетология» провела A/B-эксперимент с платформой речевой аналитики Imot.io, чтобы заменить выборочную ручную прослушку звонков автоматизированной оценкой. В кейсе заявлено сокращение цикла сделки и повышение прозрачности контроля качества продаж.