U-Speech Analytics
/
Демо
[01] Флагманский продукт · Речевая аналитика
В реестре российского ПО · №13131

U-Speech
Analytics.

—Речевая аналитика на базе собственных технологий

AI-аналитика 100 % диалогов: эмоции, намерение, темы, скрипты и триггеры — без ручного прослушивания. Превращает каждый звонок и чат в данные, на которых принимаются решения.

Запросить демо Как это работает ↓
AI слушает · разметка в реальном времени ASR · WER < 5% NLU · 40+ языков LLM · U-GPT
[02] Слепые зоны бизнеса

Вы слышите
4–5 % звонков.
Остальные 95 %
решают судьбу клиента
незаметно для бизнеса.

Жалобу формирует не статистика, а конкретный диалог, который никто не услышал. Уход клиента начинается не в момент закрытия счёта, а на третьей минуте предыдущего разговора. Возможность дополнительной продажи, причина возврата товара, повод для обновления продукта — всё это живёт в разговоре. И остаётся в нём, если разговор никто не услышал.

U-Speech Analytics слушает все диалоги — голосовые и текстовые — и превращает их в управляемые данные. Один контур для контроля качества, продаж, продукта и поддержки.

[03] Индустрии и функции

Какие задачи решает
U-Speech Analytics.

Рассмотрим вашу индустрию отдельно — и посчитаем экономику пилота Заполнить бриф →
[04] Архитектура платформы

Платформа полного цикла —
в одной системе.

Звонок попадает в систему, размечается, превращается в метрики, складывается в отчёт и подсвечивает то, на что нужно отреагировать. Без выгрузок, внешних ETL и BI поверх.

Поток данных Источник → ASR → Проект → Метрики → Вывод
[01]

Источники

Аудио, чаты, соцсети, email — без ограничений по каналам и форматам.

wav · mp3 · ogg REST · ссылка
[02]

ASR · U-SR

Собственный движок распознавания. Адаптация под отрасль и терминологию.

WER < 5% 40+ языков on-prem
[03]

Аналитические проекты

Сквозные настройки под задачу. Один контур данных — много проектов под разные команды.

КК маркетинг продукт
[04] · ЯДРО

Метрики

Любой критерий: от тишины более 5 секунд до семантики «клиент обещал подумать».

Мета VAD Speech Составные ML / GPT
[05]

Вывод

Уведомление в Telegram, строка в CRM, плашка на дашборде — где удобнее.

Отчёты Триггеры API
[ A ]

Один контур,
любая ширина задачи

На одной платформе одновременно работают и контроль качества, и аналитика маркетинга, и анализ оттока — каждая команда видит свои данные через свой аналитический проект.

[ B ]

Открытый API
в обе стороны

Загрузка через REST с метаданными, выгрузка результатов в CRM, BI или хранилище. Можно подгружать запись, можно ссылку на неё на стороне заказчика.

[ C ]

Без потери
контроля

Полностью разворачивается on-premise. При работе с внешними LLM — автоматическая очистка данных от персональных перед отправкой.

— Что в каждом блоке — разбираем ниже К типам метрик ↓
[05] Интерфейс продукта

Как это выглядит.
На самом деле.

Мы не показываем рендеры и mockup'ы. Это — реальные экраны платформы, на которых работают аналитики, контролёры и руководители прямо сейчас. Прокрути ниже — пять главных разделов продукта.

[ 01 ] / 05
Рабочий стол

Каждый видит то,
что нужно именно ему.

Одна платформа — но каждый пользователь настраивает рабочий стол под свои задачи. Контролёр качества видит оценки операторов, руководитель продаж — конверсии и негатив, аналитик — тренды и динамику.

Виджеты: гистограммы, круговые, тепловая карта, индивидуальные
Любая фильтрация: проект, дата, оператор, метрика, тематика
Несколько столов под разные сценарии (день / неделя / месяц)
Рабочий стол U-Speech Analytics
[ 02 ] / 05
Запись звонка

Звонок уже разобран
до того, как вы его откроете.

Метрики посчитаны, оценки расставлены, резюме написано, риски подсвечены. Контролёру не нужно слушать целиком — достаточно открыть карточку, чтобы понять: что произошло, как работал оператор, целевой ли это был звонок.

Аудиограмма с разделением на оператора и клиента — наглядно где спорят и молчат
Расшифровка диалога с таймкодами и переходом по клику на любую реплику
Метаданные, метрики, оценки мониторинга — всё рядом с диалогом
Запись звонка U-Speech Analytics
[ 03 ] / 05
Аналитические проекты

У каждой задачи —
свой проект.

В одной платформе — десятки самостоятельных аналитических сценариев: жалобы на ПО, фрод, тематики, оценка операторов, маркетинговые акции. У каждого свои фильтры, метрики, триггеры. Не нужно подменять настройки под текущую задачу — просто открываете нужный проект.

Разделение настроек аналитики под разные задачи
Группировка проектов по командам или направлениям бизнеса
Гибкие права доступа: кто видит проект, кто может править, кто отвечает
Аналитические проекты U-Speech Analytics
[ 04 ] / 05
Универсальный фильтр

Один инструмент
для любой выборки.

Дата, оператор, оценка клиента, проект, метрики, любые загруженные метаданные — фильтр отбирает записи по сколь угодно сложным условиям. Используется везде: в записях, отчётах, шаблонах пресетов и при первом наполнении проекта.

Вложенные условия со скобками и операторами «и / или»
Шаблоны пресетов: сохранил один раз — переиспользуешь во всех проектах
После применения сворачивается в строку — все условия видны компактно
[ Фрагмент · Универсальный фильтр ]
1148 × 744
Универсальный фильтр U-Speech Analytics
[ 05 ] / 05
Триггеры

Клиент сказал «суд» —
вы узнаёте об этом за минуту.

Триггер — это правило: «если в диалоге встретилось определённое условие, отправить уведомление ответственному». Проверка идёт постоянно — критичные события не теряются в общем потоке.

[ Фрагмент · Триггеры ]
1160 × 494
Триггеры U-Speech Analytics

— Здесь показано всего лишь пять разделов. В продукте их больше: отчёты, n-gram анализ, мониторинговые формы, апелляции, словари. Запросите демо, чтобы пройти всю платформу.

[06] Аналитический инструмент

5 типов метрик —
любая логика
внутри платформы.

Одна метрика — одно правило, по которому система оценивает диалог. Метрики комбинируются и связываются по условиям. От «тишины более 5 секунд» до «клиент обещал подумать, и оператор не назначил повторный контакт».

[01] Мета

Мета-метрики

Базовые параметры записи и метаданные, перенесённые в формат метрик: длительность, оператор, очередь, регион, продукт. Используются как фильтры и оси отчётов.

Пример «Все звонки оператора Иванова И.И. за прошлую неделю по очереди „Премиальные клиенты“».
[02] VAD

VAD-метрики

Количественно-временные показатели, рассчитываемые из аудиограммы без распознавания текста: длительность пауз, перебивания, скорость речи, длительность монологов, тишина, одновременная речь.

Пример «Звонки, где оператор молчал больше 30 секунд подряд».
[03] Speech

Speech-метрики

Лексический анализ диалога: поиск слов и фраз, словари по темам, проверка скриптов, орфография. Учитываются словоформы, дистанция между словами, порядок, канал поиска (оператор, клиент или любой).

Пример «Оператор сказал „гарантированный доход“ при продаже ИСЖ — комплаенс-нарушение».
[04] Composite

Составные метрики

Формулы поверх других метрик. Конструктор формул собирает уже рассчитанные значения в новые показатели по любой логике.

Пример Если «поздоровался» = да И «назвал имя клиента» = да И «проверил данные» = да — тогда «соблюдение скрипта приветствия» = 1, иначе 0.
[05] ML / GPT · флагман

ML- и GPT-метрики

Семантический анализ через ML-классификаторы и LLM: эмоции, темы диалога, намерения, инсайты, краткое саммари. Промпт пишет аналитик заказчика, валидация результата встроена. Модель не возвращает ничего вне допустимого формата — иначе метрика помечается как требующая ручной проверки.

Пример «Был ли клиент готов к покупке, но передумал из-за поведения оператора? Если да — кратко опиши момент».
Воронки
любой глубины

Метрики связываются между собой по условиям: одна метрика срабатывает только если другая дала определённое значение. Это позволяет настраивать аналитические воронки любой глубины — без участия разработчика.

[07] Промышленный GPT в речевой аналитике NEW

Модуль U-GPT.
LLM-движок,
который не выходит
из-под контроля.

Промышленное использование GPT в речевой аналитике требует трёх вещей одновременно: контроля стоимости обработки, управляемости результатов и возможности использовать выводы в дальнейшей аналитике. U-GPT с самого начала спроектирован под эти требования и принципиально отличается от точечного или неконтролируемого применения LLM.

×3—5 [01] · ЭКОНОМИКА

Группировка
в один запрос

Несколько GPT-метрик объединяются в логические группы и рассчитываются в рамках одного запроса к LLM. Вместо пяти обращений по одному и тому же диалогу — одно. На больших объёмах это разница в 3–5 раз по стоимости.

[02] · ЗАВИСИМОСТИ

Последовательность
и ветвление

Внутри группы метрики могут выполняться в заданном порядке и использовать результаты предыдущих расчётов. «Если первая метрика показала, что разговор не про продажу — следующие пять метрик про продажу не запускаются».

[03] · УСЛОВИЯ

Условный запуск
метрик

Условия запуска можно задать как для отдельных метрик, так и для целых групп. Метрика срабатывает только когда диалог соответствует контексту, для которого она написана. Это снижает шум в результатах и стоимость расчёта.

[04] · ВАЛИДАЦИЯ

Строгая проверка
результатов LLM

Для каждой GPT-метрики задаются правила допустимых значений ответа. Если модель вернула что-то за пределами допустимого формата — результат не попадает в отчёт, а метрика помечается как требующая ручной проверки. Никаких «галлюцинаций», просочившихся в аналитику.

[05] · ОТЛАДКА

Тестирование промптов
внутри платформы

Промпт можно проверить на тестовом наборе диалогов прямо внутри платформы — увидеть, что вернёт модель, скорректировать формулировку, прогнать ещё раз. Без выгрузок в Jupyter, без отдельного стенда.

На практике

Аналитик заказчика пишет свои семантические метрики — «клиент эмоционально насыщен», «оператор использовал технику „эхо“», «обнаружено возражение по цене» — без участия разработчиков подрядчика. И запускает их на реальном объёме, не разоряясь на токенах.

Поддерживаются внешние LLM через OpenAI-совместимый API и локальные модели в инфраструктуре заказчика — на практике часто разворачивается Qwen для случаев, когда выход данных за периметр недопустим.

[08] QM — контроль качества как модуль платформы NEW

Модуль QM.
Полный контур контроля качества —
внутри той же системы.

Отделу контроля качества не нужен отдельный софт. Мониторинговые формы, апелляции, статистика по операторам и командам, рабочие столы для контролёров и руководителей КК — всё лежит на тех же метриках, которые считает Analytics. Контролёр работает с тем же диалогом, который аналитика уже разметила, и видит автооценку рядом с ручной.

[ A ] Для контролёра

Контролёр

  • Мониторинговые формы с любым набором критериев — ручная оценка, автооценка по метрике или их комбинация
  • Шкалы оценок по шаблону: простые баллы, взвешенные веса
  • Просмотр диалога с подсветкой сработавших метрик и аудиограммой
  • Подача апелляции с комментариями по конкретным критериям
[ B ] Для руководителя КК

Руководитель КК

  • Создание заданий на мониторинг с распределением по контролёрам
  • Управление командами: супервайзер плюс операторы
  • Обработка апелляций — принять, отклонить, отметить «ошибка контролёра» или «ошибка оператора»
  • Статистика по контролёрам, командам, периодам
[ C ] Для всей системы

Платформа

  • Любые виды критериев в мониторинговой форме
  • Продвинутый рабочий стол с готовой статистикой QM
  • Удобная детализация по операторам и командам
  • Шаблоны мониторинговых форм и шкал оценок — переиспользуются между проектами
Модуль QM
+ Analytics

Аналитик и контролёр работают
с одной разметкой.

Это убирает рассинхрон, при котором контроль качества и продуктовая аналитика говорят про одни и те же диалоги — и приходят к разным выводам. У вас одна правда о разговоре, и она автоматическая.

[09] Принципиальные отличия

Почему
U-Speech Analytics.

— Не ещё одна обёртка над чужим LLM. Собственные ASR · NLU · U-GPT в одной платформе.
[01]

Контролируемая
и масштабируемая
AI-аналитика

Используете возможности LLM без риска «чёрного ящика». Объединяете несколько проверок в один запрос к модели, задаёте порядок выполнения и зависимости между метриками — система сама решит, какую считать раньше, и не будет тратить токены, если первая отсеяла звонок.

Предсказуемая логика, стабильное качество, ниже стоимость AI при масштабе.

[02]

Гибкая настройка
под бизнес-логику

Платформа адаптируется под ваши процессы, а не наоборот. Описываете любую логику анализа — от простых проверок скриптов «поздоровался — да/нет» до сложных сценариев с контекстом диалога «предложил альтернативу до того, как клиент назвал цену конкурента». Настройки делает аналитик заказчика, не разработчик подрядчика.

Новые требования бизнеса — без доработок со стороны разработчиков.

[03]

Инсайты
без внешних
BI-систем

Все ключевые показатели и аналитика — сразу внутри платформы. Гибкие дашборды, фильтрация и сегментация по любым метаданным, конструктор диаграмм. У каждого пользователя — свой настроенный «рабочий стол» с виджетами под его задачу: специалисту КК нужен один срез, руководителю продаж — совсем другой.

Готовая аналитика сразу после обработки звонков.

[04]

Готовность
к enterprise-нагрузкам

Решение для крупных компаний с высокими требованиями к безопасности и инфраструктуре. On-premise развёртывание в защищённом контуре заказчика, шифрование данных на уровне базы, ролевая модель доступа, открытый и документированный API для двусторонней интеграции.

Легко встраивается в существующий IT-контур.

[05]

Единая платформа
полного цикла

От загрузки записи до итогового отчёта — в одной системе. Распознавание речи, расчёт метрик, контроль качества, дашборды, триггеры, n-gram-анализ — без необходимости склеивать пайплайн из четырёх вендоров.

Меньше интеграций, быстрее результат.

[10] Эффект на бизнес

Цифры,
которые видит
CFO.

— Усреднённые эффекты по портфелю внедрений U-Speech Analytics за последние 3 года

−0%

Сокращение повторных звонков

За счёт аналитики причин и обогащения базы знаний

−0%

Снижение оттока клиентов

За счёт раннего распознавания триггеров ухода

+0%

Времени операторов

За счёт отказа от ручного прослушивания и автозаполнения CRM

Рост

до +0%

Конверсии в звонках

За счёт тиражирования продающих моделей разговора

Реальные внедрения

Два коротких кейса — как эти проценты превращаются в деньги

EdTech · 120 менеджеров

Образовательная платформа

Выявили диалоги с позитивной реакцией клиента, сформировали гипотезу продающего скрипта, протестировали её на всех завершившихся продажей звонках, изменили сценарий разговора менеджера.

Результат · 3 месяца
+2,8 % к конверсии в продажу
+15 млн дополнительная годовая выручка
Аутсорс-КЦ · 1 700 РМ

Контактный центр

На проблемном проекте (256 РМ) определили тематики с наибольшим количеством повторных звонков, проанализировали диалоги, выявили причины — технические проблемы и пробелы в базе знаний.

Результат · 2 месяца
−6,9 % повторных звонков
−1,4 млн / мес экономия бюджета проекта