Реклама привела пациента, а колл-центр потерял

Сеть медицинских клиник ежемесячно обрабатывала около 80 тысяч минут телефонных разговоров, но вручную могла проверить только 5–7% звонков. Рассказываем, почему выборочный контроль не позволял понять реальные причины потери пациентов, как компания связала параметры разговора с записью и что пришлось изменить в работе операторов.

Маркетологи привыкли подробно анализировать путь клиента до обращения: источник трафика, стоимость лида, конверсию посадочной страницы, рекламную кампанию и объявление. Но после того, как потенциальный клиент берет телефон и звонит в компанию, воронка часто превращается в черный ящик.

Лид получен, деньги на его привлечение уже потрачены. Дальше менеджер или оператор либо превращает обращение в продажу, либо нет.

Для медицинской клиники эта часть воронки особенно чувствительна. Пациент может выбирать между несколькими клиниками одновременно, сомневаться в цене, задавать вопросы о враче или процедуре. И если оператор не смог грамотно провести разговор, дополнительные вложения в рекламу проблему не решат.

Именно с такой задачей столкнулась сеть медицинских клиник, с которой мы работали в Deeray. Компания хотела понять не только соблюдают ли операторы стандарты, но и какие элементы разговора действительно связаны с записью пациента на прием.

80 тысяч минут разговоров и контроль нескольких процентов

Контакт-центр сети обрабатывал около 80 тысяч минут разговоров каждый месяц.

Все звонки прослушать физически невозможно, поэтому отдел контроля качества работал классическим способом: сотрудники выбирали часть разговоров, слушали их вручную и заполняли таблицы.

В результате под контроль попадало только 5–7% звонков.

Но небольшой охват был не единственной проблемой.

Результаты проверки могли доходить до оператора через две-три недели. К этому моменту сотрудник уже плохо помнил конкретный разговор, а за прошедшее время мог повторить ту же ошибку десятки раз.

Около 80% рабочего времени контролеров уходило непосредственно на прослушивание записей и заполнение таблиц. На обучение операторов оставалось около 10%.

Получалось, что большая часть ресурсов отдела контроля расходовалась не на улучшение работы контакт-центра, а на сам процесс контроля.

Почему выборка в 5–7% не показывала полной картины

У выборочного контроля есть неочевидная проблема.

Допустим, руководитель обнаружил, что в десяти прослушанных разговорах операторы плохо работают с возражениями. Можно предположить, что это системная проблема.

Но насколько она распространена?

Она возникает у всей команды или у трех конкретных сотрудников? Зависит от направления клиники? Связана с определенным типом обращения? И главное — действительно ли именно эта ошибка влияет на вероятность записи?

По нескольким процентам разговоров ответить на эти вопросы сложно.

Кроме того, в классических чек-листах контроля качества со временем накапливается множество критериев, происхождение которых уже никто не помнит.

Так произошло и здесь.

Наряду с понятными параметрами использовались субъективные оценки вроде «внутренней улыбки» оператора.

Звучит красиво, но появляется вопрос: если оператор получил высокую оценку за «внутреннюю улыбку», увеличивает ли это вероятность записи пациента?

Раньше такого ответа не было.

Поэтому задачу сформулировали иначе: не искать абстрактно «хороший звонок», а определить характеристики разговора, которые имеют связь с реальным бизнес-результатом.

Вместо одного чек-листа — разные сценарии

Первое изменение касалось самого подхода к контролю.

Универсально оценивать все медицинские звонки по одной схеме оказалось неправильно.

Пациент, который звонит записаться на анализ крови, и человек, выбирающий дорогостоящую медицинскую процедуру, находятся в совершенно разных ситуациях. Отличается продолжительность принятия решения, количество вопросов, набор возражений и роль оператора.

Поэтому разговоры разделили по медицинским направлениям и сформировали для них отдельные сценарии оценки.

После этого к автоматическому анализу подключили весь массив разговоров — вместо 5–7% выборки система начала обрабатывать 100% звонков.

Результаты стали доступны уже на следующий день.

При этом задача заключалась не в том, чтобы создать максимально длинный электронный чек-лист вместо бумажного.

Наоборот — нужно было понять, что из этого чек-листа действительно имеет значение.

25+ параметров: что именно стали искать в разговорах

Для анализа настроили более 25 критериев коммуникации.

Среди них — выполнение этапов презентации, работа с вопросами и возражениями, фиксация договоренностей, завершение разговора и другие элементы коммуникации.

Но оценка звонков была только первым слоем.

Следующим шагом данные о разговорах сопоставили с тем, что происходило после звонка:

разговор → запись → доходимость пациента до приема.

Это принципиальное отличие от обычного контроля качества.

Если просто оценивать операторов по чек-листу, компания узнает, насколько сотрудники соблюдают установленный стандарт.

Если добавить бизнес-результат, появляется другой вопрос:

какие элементы стандарта связаны с записью, а какие мы контролируем просто потому, что исторически привыкли их контролировать?

Команда провела факторный и корреляционный анализ параметров разговоров и результатов.

Здесь важно сделать оговорку: корреляция сама по себе не доказывает причинно-следственную связь. Если определенный элемент разговора чаще встречается в успешных звонках, это еще не означает автоматически, что именно он стал причиной записи.

Но такой анализ позволяет сильно сузить поле для управленческих гипотез: определить параметры, на которые стоит обратить внимание, проверить их на практике и перестать тратить ресурсы на показатели, которые не дают полезного сигнала.

Что обнаружили в разговорах

После анализа выделились несколько этапов коммуникации, которым стоило уделить особое внимание.

Презентация

Важно было не просто назвать услугу или врача, а помочь пациенту понять предложение и следующий шаг.

Поэтому презентация стала одной из зон, которую усилили при дальнейшей работе с операторами.

Работа с возражениями

Этот этап также оказался среди значимых.

Пациенты сомневаются в цене, сроках, выборе специалиста, необходимости процедуры. Формально ответить на вопрос недостаточно — оператору нужно понимать сомнение пациента и помочь ему принять решение.

После анализа этот блок усилили и в скриптах, и в контроле качества.

Резюмирование разговора

Еще одной зоной внимания стало завершение коммуникации: подтверждение договоренностей и деталей записи.

Для бизнеса это важный момент. Даже хорошо проведенный разговор можно испортить, если в финале пациент не понимает, что именно произойдет дальше.

Почему «внутренняя улыбка» проиграла данным

Не менее полезным оказался обратный результат: выяснилось, что далеко не каждый традиционный критерий стоит использовать для управления качеством.

Один из примеров — та самая «внутренняя улыбка».

Проблема подобных показателей даже не в самом названии. Доброжелательность в медицинском контакт-центре, конечно, важна.

Проблема в другом: такой критерий сложно объективно измерить, сотрудники контроля могут трактовать его по-разному, а связь с конечным результатом остается неясной.

Поэтому субъективные показатели, которые не давали полезного сигнала для управления, начали убирать из системы оценки.

Принцип изменился с:

«Мы проверяем это, потому что так принято»

на:

«Мы проверяем то, что можем измерить и использовать для улучшения результата».

Для отдела контроля качества это довольно серьезная смена подхода.

Одной аналитики оказалось недостаточно

Найти проблему в разговоре — половина задачи.

Если после этого процессы остаются прежними, бизнес-эффект будет ограниченным.

Поэтому после анализа клиника внесла изменения сразу в несколько элементов работы контакт-центра.

Пересобрали чек-листы

Из них начали убирать лишние субъективные критерии и усиливать параметры, которые можно использовать для управления качеством.

Изменили скрипты

Сценарии разделили по медицинским направлениям, отдельно усилив презентацию, работу с возражениями и резюмирование.

Пересмотрели KPI

В системе оценки стало больше объективных параметров коммуникации и меньше субъективных оценок.

Ускорили обратную связь

Раньше ошибка могла попасть к оператору через две-три недели.

Теперь результаты анализа доступны на следующий день.

Это позволило обсуждать конкретный разговор, пока сотрудник еще помнит его контекст.

Ввели короткие разборы звонков

Супервайзеры начали проводить 15-минутные разборы разговоров, в которых система обнаружила слабые места на ключевых этапах.

Вместо абстрактного обучения «как лучше общаться с пациентами» сотрудник получает конкретный пример:

вот разговор;

вот этап, на котором возникла проблема;

вот что можно было сделать иначе.

Освободили отдел контроля от рутины

Это, пожалуй, одно из самых важных изменений.

Если раньше большая часть времени ОКК уходила на поиск и прослушивание разговоров, то автоматический анализ позволил сместить фокус на обучение и развитие операторов.

То есть автоматизация не устранила функцию контроля качества — она изменила то, чем занимаются специалисты внутри этой функции.

Что получилось

После внедрения изменений конверсия звонка в запись на прием выросла на 20%.

Соблюдение стандартов на этапах презентации и работы с возражениями увеличилось более чем на 40%.

Вместо проверки 5–7% разговоров клиника получила возможность анализировать весь массив звонков.

Еще один результат проявился при масштабировании бизнеса: новые филиалы удалось подключить к системе контроля без пропорционального увеличения штата ОКК.

Но наиболее интересный результат кейса, на наш взгляд, даже не в автоматизации.

Изменился сам объект управления.

До проекта компания в значительной степени отвечала на вопрос:

«Насколько разговор соответствует нашему представлению о хорошем разговоре?»

После:

«Какие характеристики коммуникации связаны с записью и что мы можем изменить, чтобы улучшить этот результат?»

Разница между этими вопросами гораздо существеннее, чем кажется.

Что из этого кейса может взять маркетолог

Речевая аналитика часто воспринимается как инструмент руководителя колл-центра или отдела контроля качества. Но для маркетолога разговор с клиентом — это часть той же воронки, за начало которой маркетинг уже заплатил.

Из этого проекта можно сделать несколько практических выводов.

Первое — не заканчивать анализ воронки на лиде.

Хорошая стоимость обращения еще не означает эффективный маркетинг. Если клиенты системно теряются между звонком и записью, увеличение рекламного бюджета может просто масштабировать потери.

Второе — связывать данные разных этапов.

Отдельно данные рекламы, CRM и разговоров дают только части картины.

Намного интереснее связка:

источник обращения → звонок → содержание разговора → запись → фактический визит.

Тогда можно искать не просто корреляцию между рекламным каналом и количеством лидов, а реальные точки потерь на пути к выручке.

Третье — проверять корпоративные стандарты данными.

Чек-лист не должен становиться священным документом.

Если компания годами контролирует определенный параметр, это еще не означает, что он полезен. Некоторые требования можно усилить, некоторые — изменить, а от некоторых отказаться.

Четвертое — использовать аналитику не только как инструмент наказания.

Самый простой сценарий контроля — найти плохой звонок и снизить сотруднику оценку.

Более полезный — использовать данные, чтобы быстро находить повторяющиеся ошибки и превращать конкретные разговоры в материал для обучения.

Пятое — считать эффективность всей цепочки, а не отдельных подразделений.

Маркетинг может выполнить KPI по лидам. Контакт-центр — по количеству обработанных звонков. Отдел контроля — по количеству проверок.

И при этом компания в целом продолжит терять пациентов.

Поэтому конечный вопрос должен звучать не «выполнило ли каждое подразделение свой показатель», а что происходит с человеком от рекламного контакта до реального визита в клинику.

Вместо вывода

В этом проекте мы начинали с задачи автоматизировать контроль большого объема звонков, но по ходу работы стало понятно: анализировать 100% разговоров недостаточно.

Можно автоматически измерять десятки параметров и получить очень красивый дашборд, который ничего не изменит в бизнесе.

Ценность появляется тогда, когда данные о коммуникации соединяются с конечным результатом, на их основе проверяются управленческие гипотезы, а затем меняются скрипты, KPI, обучение и ежедневная работа команды.

Поэтому главный вывод кейса простой: контролировать стоит не те элементы разговора, которые удобно оценивать, а те, которые помогают понять и улучшить путь клиента до результата.