Что такое речевая аналитика: три слоя между записью звонка и отчётом

Речевая аналитика — это счётчики поверх текста разговора

Отдел подключил платформу, и раз в неделю руководителю приходит письмо: средняя тональность 62 %, индекс вовлечённости вырос на четыре пункта, топ-5 тем обращений. Прочитать это интересно ровно один раз, потому что непонятно, что делать с этим в понедельник утром. Вопрос «что такое речевая аналитика» обычно и возникает в этот момент — уже после покупки, и звучит он не «как называется технология», а «откуда берутся эти цифры и какой из них верить».

Путаница начинается с того, что «речевой аналитикой» называют и всю конструкцию целиком, и любой отдельный её слой. Компания платит за три, смотрит на один, а когда цифры расходятся со здравым смыслом, спорить оказывается не о чем: непонятно, на каком этаже возникла ошибка. Дальше — по слоям, снизу вверх.

Слой первый: пока нет текста, считать нечего

Все метрики в конечном счёте вычисляются по строчкам расшифровки, а не по звуковой волне. Поэтому нижний этаж — это перевод записи в текст: слова, время каждой реплики и метка говорящего рядом с ней. Ровно эти три вещи и есть сырьё для всего остального.

Метка говорящего важнее, чем кажется на первый взгляд. Без неё нельзя посчитать ни долю речи, ни длину монолога, ни кто задал вопрос, а кто на него ответил. Задача эта отдельная от распознавания слов и ошибается по-своему: разделение спикеров способно слить двух похожих собеседников в одну метку или расщепить одного человека на двух, а почему так выходит — разговор на отдельную статью.

Слой второй: что на самом деле считают по тексту

Здесь и находится собственно аналитика. У разных платформ набор показателей называется по-разному, но по существу делится на три группы: время, слова и структура разговора. Ниже — что стоит за каждым числом и насколько ему стоит верить.

Метрики времени: их считает разметка, а не смысл

Доли речи, монологи и паузы — самые твёрдые числа во всём наборе, потому что это чистая арифметика поверх меток говорящих. Из-за этой твёрдости их и переоценивают: то, что менеджер занял 70 % разговора, — факт; то, что из-за этого сделка не пошла, — гипотеза, которую надо проверять отдельно и на массиве.

Отдельная ловушка — молчание. Тридцать секунд тишины посреди звонка означают и «оператор ищет данные в системе», и «клиент читает договор», и неловкую паузу после названной цены. В таблице это одна и та же строка; различить три ситуации можно, только открыв текст на этом таймкоде и послушав.

Метрики слов: маркеры, темы и этапы разговора

Второй куст — про то, что прозвучало. Самый простой вариант: список слов-маркеров и подсчёт, в скольких разговорах они встретились. «Дорого», «мы подумаем», «пришлите на почту», название конкурента, обещание скидки, упоминание сроков поставки. Это дёшево, считается мгновенно и уже даёт срез: в каком проценте звонков всплывает цена, а в каком — сроки.

Слабость подхода в том, что живая речь редко совпадает со списком. Клиент не говорит «это дорого» — он говорит «ну, бюджет у нас пока другой». Поиск по точной формулировке этого не увидит, поиск по смыслу — увидит, и разница между двумя способами больше, чем разница между платформами. Из тех же признаков собирается и проверка сценария разговора: как переписать пункты скрипта так, чтобы их вообще можно было засчитать, разобрано в статье про контроль соблюдения скрипта продаж.

Тональность: метрика, которой верят больше, чем следует

«Средняя тональность выросла на 6 %» — фраза, которая в отчёте выглядит убедительнее всех остальных и означает меньше всех остальных. Дело не в том, что алгоритм плохой. Дело в том, что у самой величины нет твёрдого эталона, с которым её можно было бы сверить.

Видно это по тому, как эмоции размечают люди в открытых исследовательских наборах. В наборе MELD три размётчика оценивали одни и те же реплики диалогов, видя и слыша сцену целиком, — согласие между ними составило 0,43 по каппе Флейсса. Когда те же реплики размечали только по тексту, без голоса, согласие падало до 0,34. Проще говоря, люди, слушая одну и ту же фразу, расходятся в оценке её эмоции очень часто, и алгоритм, обученный на таких метках, точнее самих меток быть не может.

Практический вывод не «выключить тональность», а «не принимать по ней решений». Как фильтр для отбора записей на прослушивание она годится: «покажи разговоры с самым резким финалом» — рабочий запрос. Как показатель качества работы отдела за неделю средняя тональность не годится совсем: она сдвигается от смены тематики обращений быстрее, чем от чего-либо, на что вы способны повлиять.

Слой третий: отчёты и выборки — то, ради чего всё считалось

Метрики сами по себе бесполезны: колонка чисел по тремстам разговорам — это таблица, а не аналитика. Верхний слой превращает её в три типа ответов, и именно за них платят.

• Срез по массиву. «В 38 % разговоров цена прозвучала после третьей минуты», «у половины звонков в финале нет даты». Само число ничего не значит — смысл появляется в сравнении с прошлым месяцем или между группами.
• Выборка на разбор. Список конкретных записей, отобранных по условию: длинный монолог, упоминание конкурента, обрыв в первую минуту. Дальше это уже не аналитика, а обычное прослушивание — но пяти нужных записей, а не пяти случайных.
• Ответ по конкретной записи. «Что клиент сказал про сроки» — на это отвечает не сводная таблица, а текст разговора с цитатой и отметкой времени.

В Vibe2Text верхний слой выглядит так: поверх расшифровки собирается отчёт по записи — резюме или свой шаблон с вашими формулировками, — а по архиву работает поиск, который находит нужный разговор по содержанию, а не по имени файла. Для команд, где записей много и они разные, есть отдельный разбор сценариев: расшифровка для бизнеса.

1. Записьзвонок или встреча
2. Текстреплики, спикеры, таймкоды
3. Метрикидоли, паузы, слова, этапы
4. Решениесрез, выборка, разбор

Чем аналитика отличается от расшифровки и от прослушивания выборки

Три инструмента путают постоянно, а спор «нужна аналитика или хватит расшифровки» решается одним вопросом: на что вы хотите ответить.

Из таблицы следует неочевидное: аналитика не заменяет прослушивание, а меняет способ выбора того, что слушать. Число «у Петрова доля речи 74 %» не объясняет ничего — объяснение находится внутри конкретного разговора, и открыть его всё равно придётся. Как отбирать записи, когда их пятьсот в неделю, разобрано отдельно: как выбрать пять звонков из пятисот.

Верно и обратное. Расшифровка без метрик закрывает больше задач, чем принято думать: поиск по архиву, точная цитата, восстановление договорённости, документ по итогам разговора. Многим командам нужно именно это, а слово «аналитика» всплывает только потому, что так называется соседняя строчка в прайсе.

Где речевая аналитика окупается

Общее условие одно, и состоит оно из трёх частей. Как только отваливается любая, ценность падает быстро — а продают платформу одинаково всем.

• Колл-центр. Сотни однотипных обращений в день, у оператора есть регламент, а у руководителя — вопрос «что чаще всего ломается». Здесь срез по темам обращений окупается сам по себе: он показывает, какую страницу справки надо переписать, чтобы звонков стало меньше.
• Отдел продаж. Есть сценарий разговора и есть результат сделки, а значит, признаки можно сопоставить с исходом. Это единственная связка, ради которой стоит городить метрики: без исхода процент соблюдения ничего не измеряет.
• Поддержка и клиентский опыт. Не оценка операторов, а поиск повторяющихся формулировок: на чём именно люди спотыкаются в интерфейсе, какое слово в счёте вызывает вопросы. Такие вещи выпадают из опросов и живут только в разговорах.
• Исследования и интервью. Двадцать глубинных интервью — уже массив, в котором руками не удержать, кто что сказал. Ценны здесь не проценты, а сведение похожих высказываний в одно место со ссылками на источник.

В первых двух случаях речь идёт о потоке записей, и главный вопрос обычно не в метриках, а в том, откуда файлы берутся и куда складываются: маршрут записи и сроки хранения разобраны в статье про запись звонков в колл-центре. Готовые сценарии под поток — расшифровка для колл-центров и расшифровка звонков в продажах.

Пять случаев, когда анализ звонков переоценён

Ситуации, в которых деньги на метрики уходят, а решения остаются прежними. Первая встречается чаще остальных вместе взятых.

1. Разговоров слишком мало. При сотне звонков на менеджера в месяц разница в конверсии 12 % против 18 % статистически неотличима от случайности: доверительные диапазоны двух оценок перекрываются. Проценты на таком объёме создают ощущение точности, которого нет.
2. Разговоры без сценария. Экспертная продажа, консультация врача, переговоры о партнёрстве — там, где каждый разговор идёт своим маршрутом, считать «соблюдение этапов» не по чему. Метрики времени работают и здесь, а вот структурные превращаются в измерение того, насколько разговор похож на воображаемый эталон.
3. Тональность как показатель качества. Разобрано выше: величина без эталона. Годится для сортировки записей, не годится для выводов и тем более для сравнения людей.
4. Отчёт, который никто не открывает. Самая дорогая ошибка. Если у цифры нет владельца и заранее описанного действия — «если доля разговоров без даты выше 30 %, на этой неделе разбираем именно это», — она превращается в еженедельное письмо, которое перестают читать на третий месяц.
5. Ожидание, что платформа найдёт причину. Аналитика показывает, где расходятся числа. Почему они расходятся, выясняется прослушиванием записей и разговором с людьми — этот шаг не автоматизируется.

Как проверить пользу до покупки платформы

Нижние два слоя проверяются за неделю и почти без затрат: нужны расшифровка всех разговоров за период и полтора часа вашего времени.

1. Расшифруйте всё за одну неделю. Не выборку, а весь поток: mp3 из телефонии, записи встреч, файлы с диктофона. Полнота — то, чем аналитика отличается от выборочного контроля.
2. Сформулируйте ровно три вопроса. Не «посмотрим, что интересного», а конкретно: в скольких разговорах в финале названа дата; в скольких звучало слово о цене раньше третьей минуты; в скольких упоминался конкурент. Три вопроса, на которые есть однозначный ответ «да» или «нет» по каждой записи.
3. Ответьте на них по текстам. Поиском по архиву и вопросами по записи — руками это тридцать-сорок разговоров за час. Если ответ не получается, метрика сформулирована плохо и на платформе сломается так же.
4. Посчитайте доли и сравните с ожиданием. Важна не цифра, а разрыв с вашим представлением. Если вы угадали все три — измерять пока нечего, вы и так знаете, что происходит.
5. Выберите одно изменение и повторите через месяц. Одно, а не пять: иначе через месяц не понять, что подействовало.
6. Только после этого считайте деньги. К этому моменту у вас есть три работающих вопроса и понимание, сколько времени уходит на ответ вручную, — разговор с поставщиком становится предметным.

Что спросить у поставщика речевой аналитики

Демонстрация всегда показывает верхний слой. Вопросы, которые возвращают разговор к нижним двум и заодно проверяют, кто перед вами.

• Покажите расшифровку нашей записи, а не вашей. Дайте типичный файл — с телефонным звуком, перебиваниями и жаргоном. Что неверно в тексте, будет неверно и в метриках.
• Как считается доля речи, если говорящих перепутали? Ответ «такого не бывает» означает, что про первый слой в компании не думали.
• Метрика ищет формулировку или смысл? Поиск по списку фраз и поиск по смыслу дают на живых разговорах разные числа, и разница здесь принципиальнее, чем в интерфейсе.
• Можно ли перепроверить любое число вручную? От процента в отчёте должен быть путь до списка конкретных записей и до реплики внутри записи. Без этого спорить о цифре бессмысленно, а спорить будут.
• Что происходит с тональностью на нашем материале? Попросите показать пять записей с самой негативной оценкой и послушайте их. Половину этой пятёрки вы, скорее всего, оцените иначе.
• Куда уезжают записи и на какой срок. Разговоры клиентов — персональные данные, и хранение обсуждают до подключения, а не после.

И вопрос, который к поставщику отношения не имеет, — про людей. Метрики по разговорам меняют поведение сотрудников быстрее, чем дают руководителю новую информацию: как только становится известно, по каким признакам считают, разговоры подстраиваются под признаки. Это не повод отказываться от измерений, но повод обсудить их с командой открыто.

Частые вопросы

Проверено 15 августа 2026. Согласие размётчиков при оценке эмоций — по статье «MELD: A Multimodal Multi-Party Dataset for Emotion Recognition in Conversations» (ACL 2019): каппа Флейсса 0,43 при разметке с видео и звуком против 0,34 при разметке только по тексту; сопоставимый разброс той же величины на других открытых наборах — по работе «Scaling Ambiguity: Augmenting Human Annotation in Speech Emotion Recognition with Audio-Language Models» (arXiv, январь 2026). Состав функций речевой аналитики — распознавание речи, поиск ключевых слов, категоризация тем, оценка тональности, анализ молчания — и заявленный охват «100 % обращений против выборочного контроля качества» сверены по открытым глоссариям поставщиков (NiCE, раздел Speech Analytics; Observe.AI, Contact Center Glossary). Порог различимости долей — стандартное сравнение двух долей: при сотне разговоров на человека разница около десяти процентных пунктов и меньше не отличается от случайной.