Как провести кастдев минимальными затратами с помощью ИИ и сервисов речевой аналитики

В статье поговорим о чат-боте, который использует речевую аналитику — то есть умеет понимать речь, выявлять в ней паттерны и формировать выводы. Для удобства чтения «чат-бот для опросов» и «сервис речевой аналитики» будем писать как синонимы.

Почему стоит использовать сервис речевой аналитики для массовых опросов

Традиционные методы требуют времени и значительных расходов. Аналитики вручную обрабатывают данные и могут допускать ошибки — в то время сервисы на базе ИИ снижают риски человеческих ошибок.

В каких случаях нужен чат-бот для кастдева

— Если респондентов больше 1000, и нужно сэкономить 

— Если сроки на кастдев ограничены — например, есть только 24 часа 

— Если нужно сократить участие сотрудников в рутинных задачах

Как работает сервис речевой аналитики при опросах

1. Перед началом работы заказчик готовит список вопросов для опроса

Бот может задавать разные типы вопросов — открытые и закрытые.

Закрытый вопрос предлагает выбрать из готовых вариантов. Например: «Вы пользуетесь нашим приложением каждый день, раз в неделю или реже?».

Открытый вопрос позволяет отвечать свободно. Например: «Расскажите, что вам нравится в нашем приложении?».

Бот умеет подстраиваться под разговор. Если человек упомянул что-то важное для компании, бот может задать дополнительный вопрос об этом. Например, если участник сказал, что ему неудобно пользоваться меню, бот спросит: «А что именно вам неудобно в меню?» Сервис речевой аналитики вернётся к основным вопросам, если получит ответ, но запомнит полученную информацию.

2. Бот взаимодействует с респондентами

1. Респонденты получают вопросы и отвечают голосом или текстом
2. Бот поддерживает диалог, анализирует контекст ответов и задаёт уточняющие вопросы
3. ИИ-агент обрабатывает ответы пользователя с помощью промта, который фиксирует ключевые моменты
4. Алгоритм подключает обновлённые данные при каждом последующем ответе, включая предыдущие
5. Если респондент отвечает не по существу вопроса, бот возвращает его к теме и ведёт диалог

3. LLM обрабатывает информацию

LLM (Large Language Model) — это модель искусственного интеллекта для работы с текстом, способная понимать и генерировать человеческий язык.

В случае с кастдевами она решает несколько задач:

1. Автоматически распознаёт и систематизирует данные
2. Формирует структурированные выводы и замечает пересечения в ответах респондентов
3. Автоматически заполняет таблицу матричных данных и экспортирует результаты в удобный формат — например, Excel, XML или CSV.

Пример LLM — Whisper. Это нейросеть с открытым кодом для распознавания и расшифровки речи. Получить доступ к ней можно через сервис речевой аналитики Infercom. Он применяет доработанную версию Whisper, которая распознаёт речь на более чем десяти языках. Модель поддерживает множество аудиоформатов: OGG, OGA, WAV, MP3, MP4 и даже видеозаписи.

После опроса сервис речевой аналитики готовит матричную таблицу с результатами

Матричная таблица — это таблица, в которой по строкам идут участники опроса, по столбцам вопросы, а на пересечении — результаты. Такая таблица нужна, чтобы анализировать результаты опросов и готовить аналитические отчёты, которые не нужно обрабатывать вручную.

Как правило, в матричную таблицу входят следующие параметры:

• ID пользователя — уникальный идентификатор, который нужен, чтобы анонимно хранить данные после опроса.
• Ответы на открытые вопросы — текстовые или голосовые сообщения, из которых сервис распознавания речи преобразует аудио в текст.
• Результаты закрытых вопросов — цифровые данные.
• Тезисы, выделенные AI-ботом — ключевые идеи, сформированные на основе ответов.
• Ссылка на аудиофайл — если респондент отвечал голосом, сервис прикрепляет аудиозапись в таблицу, чтобы расшифровать речь можно было позже.

Дальше покажем, как сервис речевой аналитики помог в конкретном случае.

Кейс: как бот помог образовательному центру банка опросить 3000 преподавателей вузов

Задача исследования — понять, как преподаватели вузов справляются с изменениями в образовании и адаптируются к новым реалиям.

Сложность заключалась в том, что традиционный подход к опросу 3000 человек требовал огромных затрат — минимум 10 миллионов рублей и несколько месяцев работы команды аналитиков.

Выход из ситуации нашелся в боте от Infercom. Благодаря автоматизации опроса удалось сократить расходы в 9 раз, но сохранить качество получаемых данных.

Как настраивали бота для опросов

Специалисты Infercom настроили бот не просто читать ответы, а задавать уточняющие вопросы для более глубокого исследования — создали 7 открытых и 5 закрытых вопросов. Бот умел работать с голосовыми и текстовыми сообщениями, понимал 15 языков и сам анализировал информацию.

‍

На всю подготовку к запуску ушло всего 2 недели. Чтобы привлечь участников, в рассылках подробно рассказывали о целях исследования. За полный прохождение опроса обещали бонус — подборку электронных книг из корпоративной библиотеки.

‍

Ключевые результаты

Письмо с приглашением открыли 3000 человек, из которых 1 600 согласились на опрос. 

Данные прошли через 10 этапов проверки с четырьмя уровнями валидации. Эксперты заказчика выявили 150 факторов, описывающих текущее положение образовательной среды и главные тренды.

‍

За время исследования собрали 113 000 слов — это в 15–20 раз больше, чем во время обычных опросов с закрытыми вопросами. Оказалось, что люди отвечают боту откровеннее и подробнее, чем живому оператору. Участники отметили, что бот от Infercom задаёт качественные уточняющие вопросы, хорошо улавливает ключевые мысли и способен бесконечно поддерживать диалог.

‍