Аналитический дашборд «Почему клиенты выбирают нас»: из звонков и переписок

Для B2B-компании в сфере услуг собрали единую систему анализа продаж из звонков, переписок и CRM-данных. Превратили разрозненные источники в инструмент, на который опирается команда при принятии решений.

Итоговый дашборд: три вкладки — успешные первичные, в работе, закрытые

Проблема. Много данных, но нужен единый взгляд

У компании накопился большой массив данных: записи звонков, переписки с клиентами в мессенджерах, CRM, Excel-выгрузки по регионам и продуктам, опрос менеджеров о причинах выбора.

Все источники существовали отдельно — и их потенциал был раскрыт не полностью:

Команда хотела точно понимать, за что клиенты выбирают компанию — опыт менеджеров давал гипотезы, которые было важно подтвердить данными
Записи звонков содержали ценную информацию, но не были переведены в текст — нельзя было использовать их для массового анализа
Не было единых метрик по скорости принятия решения
Мнения менеджеров и поведение клиентов нужно было сопоставить в одном инструменте

Суть задачи:

дополнить экспертизу команды проверяемыми данными и объединить всё в единый инструмент, на который можно опираться при решениях о скриптах, коммерческих предложениях и маркетинге.

Задача. Создать единый аналитический инструмент

На входе — большой массив разнородных данных: сотни звонков общей длительностью десятки часов, переписки в мессенджерах, выгрузки из CRM по трём группам сделок, опросные таблицы команды, Excel-файлы со срезами по регионам и продуктам. Всё это нужно было свести в один инструмент, который даст ответы, а не просто показатели.

Требования к результату:

Собрать недостающие данные — выгрузить все звонки и переписки из источников

Транскрибировать звонки и извлечь реальные слова клиентов

Построить дашборд с тремя разрезами: успешные сделки, сделки в работе, закрытые и нереализованные

Показать причины выбора компании — подтверждённые цитатами клиентов

Сопоставить взгляд команды и голос клиента — найти точки роста

Дать конкретные рекомендации, что можно усилить в продажах

Главный принцип:

выводы только из данных. Каждая причина выбора подкреплена цитатой клиента, каждая рекомендация — наблюдением в материале.

👆 Научиться автоматизировать бизнес-процессы с ИИ

Суть проекта. Трёхуровневая система анализа продаж

Уровень 1. Успешные первичные сделки — что работает: причины выбора, скорость принятия решения, цитаты клиентов
Уровень 2. Сделки в работе — голос текущего клиента и его сомнения
Уровень 3. Закрытые и нереализованные — зеркальный взгляд на причины потерь

Принципы решения:

Только клиентские цитаты — реальная речь клиентов из транскрипций
Триангуляция источников: опрос команды × цитаты клиентов × CRM
Статистическая проверка (включая методологию 6σ) для времени принятия решения
Actionable-рекомендации — не «вот так бывает», а «вот что можно сделать»

Решение. Этапы работы — от сбора данных до итогового инструмента

Роли в шагах: Человек — доступ, контекст, методология Claude Code — обработка, анализ, дашборд

Шаг 1 Человек

Сбор данных

Человек вручную выгрузил из источников все аудиозаписи звонков, переписки в мессенджерах и выборки из CRM по трём группам сделок. Этот этап требует доступа к системам и знания внутренних процессов — выполняется на стороне компании.

Шаг 2 Claude Code

Транскрипция звонков успешных сделок

Claude Code развернул локальную транскрипцию через whisper + ffmpeg — чтобы работать с записями внутри собственной инфраструктуры и не зависеть от облачных API. Автоматически обработал звонки, сохранил структурированный текст с таймкодами.

Шаг 3 Claude Code

Анализ транскрипций и первый вариант дашборда

Claude Code извлёк из транскрипций реальные формулировки клиентов, сгруппировал их по причинам выбора, сопоставил с опросом команды и построил первую версию дашборда с блоками причин и верифицированными цитатами.

Шаг 4 Человек

Ручной анализ скорости принятия решения

Человек просмотрел успешные сделки вручную, чтобы извлечь ключевой показатель — сколько времени проходит от первого контакта до принятия решения о покупке услуги. Интерпретация статусов и дат в CRM требует понимания бизнес-контекста.

Шаг 5 Человек Claude Code

Статистический анализ (6σ)

Человек задал методологию и выбрал подход 6σ для обработки времени принятия решения. Claude Code выполнил расчёты: медианы, выявление выбросов (например, сделок с паузами по инициативе клиента), очистку выборки. Получили репрезентативные показатели по каждому продукту и категории клиента.

Шаг 6 Claude Code

Добавление результатов в дашборд

Claude Code интегрировал показатели скорости в дашборд: графики по продуктам, сравнение ЛПР и не-ЛПР, распределение по временным интервалам.

Шаг 7 Claude Code

Транскрипция звонков сделок в работе

Claude Code повторил пайплайн транскрипции для группы сделок «в работе». На выходе — голос текущего клиента: его сомнения, ожидания от компании, блокеры перед покупкой — в машиночитаемом виде.

Шаг 8 Claude Code

Анализ сделок в работе — вкладка «В работе»

Claude Code извлёк ключевые паттерны из транскрипций: сквозные ожидания, топ-сомнения, требования клиентов к формату работы.

Шаг 9 Claude Code

Анализ закрытых и нереализованных сделок

Зеркальный взгляд: почему клиенты НЕ купили. Claude Code построил воронку закрытых с категориями причин (шум, несовпадение продукта, отсутствие срочности, цена, выбор других), транскрибировал ключевые звонки закрытых сделок и добавил третью вкладку дашборда.

Шаг 10 Человек Claude Code

Итеративная доработка и сверка

Финальный этап оказался одним из самых ценных. Человек задавал вопросы и формулировал уточнения, Claude Code проводил сверки с источниками и вносил правки. Дашборд прошёл несколько раундов доработки, и каждый раунд повышал точность и готовность инструмента.

К шагу 3 — Причины выбора, каждая подкреплена реальными цитатами клиентов из транскрипций

К шагу 8 — Вкладка «В работе»: сквозные паттерны и голос текущего клиента

К шагу 9 — Вкладка «Закрытые»: воронка с разбивкой причин отказов

Результат. Инструмент, на который опирается команда

✓

Единая система анализа — три вкладки покрывают весь жизненный цикл сделки: успех, процесс, потеря

✓

Верифицированные причины выбора — каждая подкреплена реальными цитатами клиентов

✓

Статистические ориентиры по скорости принятия решения — по продуктам и категориям клиента

✓

Взгляд команды и голос клиента сопоставлены в одном инструменте и превращены в конкретные рекомендации

Главный аналитический продукт — сопоставление взгляда команды и голоса клиента

👆 Научиться автоматизировать бизнес-процессы с ИИ

Методологические находки

Две картины мира

У команды и у клиента — разный словарь. Команда формулирует продукт через свои сильные стороны, клиент — через свою задачу. Сопоставление этих картин даёт точки роста для скриптов и коммерческих предложений.

Невидимые преимущества

Есть условия работы, которые внутри компании воспринимаются как «стандарт» и не подсвечиваются в продажах. А для клиента это может быть решающим фактором выбора. Такие преимущества важно выводить на поверхность.

«Ушли» ≠ проиграли

Часть потерянных сделок — это не уход к конкурентам, а незрелость самого запроса или несовпадение продукта. Это меняет стратегию работы с такими лидами и расчёт реальной конкуренции.

Цитаты сильнее отчётов

Самое убедительное в продажах — реальная речь клиента в первом разговоре. Дашборд на цитатах работает сильнее, чем любые агрегированные графики: команда видит дословно то, что говорит клиент.

Оценка реализации

Выполнено полностью

✓Сбор всех необходимых данных
✓Транскрипция звонков по трём группам сделок
✓Анализ времени принятия решения по методологии 6σ
✓Построение дашборда с 3 вкладками
✓Причины выбора с клиентскими цитатами
✓Сопоставление взгляда команды и клиентов
✓Конкретные рекомендации по каждой точке роста
✓Несколько раундов сверки и доработки

Для следующей итерации

→Расширить охват: транскрибировать больше звонков — больше материала = больше верифицированных цитат и точнее паттерны

Выводы. Задача реализована полностью

Что показал проект в целом:

Дашборд — это инструмент, а не отчёт. Каждую метрику можно проверить, каждая рекомендация — из данных
Цитаты клиентов — сильнейший аргумент. Когда команда видит дословные формулировки клиентов, дискуссии о «что мы продаём» становятся конструктивнее и опираются на материал
Итеративная сверка делает инструмент рабочим. Несколько раундов проверки с источниками — не признак ошибок, а нормальная часть качественной аналитики

Универсальный подход к такой аналитике:

Сбор данных из первоисточников (не из агрегатов)

Транскрипция и извлечение цитат — вместо пересказов

Триангуляция: взгляд команды × цитаты клиентов × CRM

Actionable-рекомендация в конце каждого блока

Итеративная сверка перед передачей

Задача реализована полностью — дашборд передан команде и готов к использованию в ежедневной работе отдела продаж.

👆 Научиться автоматизировать

Аналитический дашборд «Почему клиенты выбирают нас»: из звонков и переписок – к стратегическим выводам