AHT (Average Handling Time) — среднее время обработки звонка — едва ли не главная метрика любого контакт-центра. В крупном КЦ каждая минута AHT стоит сотни тысяч тенге в месяц. Сбросили 30 секунд? При 50 000 звонков в месяц получается 25 000 минут — это примерно 12 полных операторских смен. Реальные деньги и возможность обрабатывать больше звонков тем же составом.
Но с AHT легко перегнуть палку. Оператор начинает торопить, не дослушивать, отвечать поверхностно. На бумаге AHT падает, а в реальности клиенты перезванивают (FCR летит вниз), ставят единицы в опросах и уходят к конкурентам. Не оптимизация — а перекладывание проблемы на клиента.
Голосовой AI-помощник даёт шанс снизить AHT честно: не ценой сервиса, а за счёт автоматизации того, что и так не требует человека. Дальше — конкретные сценарии и расчёты, сколько это приносит в деньгах.
Из чего складывается AHT
Чтобы резать расходы, нужно сначала понять, из чего состоит типичный звонок. Разложим по полочкам.
Talk Time (время разговора)
- Приветствие и идентификация: 30-60 сек
- Выяснение сути обращения: 30-90 сек
- Поиск информации/решение: 60-180 сек
- Озвучивание ответа: 30-60 сек
- Прощание: 15-30 сек
After-Call Work (пост-обработка)
- Внесение данных в CRM: 30-90 сек
- Классификация обращения: 15-30 сек
- Создание задач/тикетов: 30-60 сек
- Заметки и комментарии: 15-30 сек
В казахстанских КЦ AHT обычно колеблется от 4 до 8 минут — в зависимости от продукта и выстроенных процессов. Приличный кусок этого времени уходит на рутину, которую спокойно можно отдать машине.
Сценарий 1: Идентификация клиента
Любой звонок начинается с вопроса «а вы кто?». Оператор просит имя, телефон, номер договора, последние цифры паспорта — зависит от уровня паранойи в компании. Клиент диктует, оператор вбивает, система ищет.
Без автоматизации
Оператор: «Здравствуйте, как вас зовут?»
Клиент: «Иванов Иван Иванович»
Оператор: «Продиктуйте, пожалуйста, ваш номер телефона»
Клиент: «8-701-123-45-67»
Оператор: (ищет в CRM) «Секунду... Иван Иванович, это вы обращались к нам в прошлом месяце по заказу 12345?»
Время: 45-90 секунд
С голосовым помощником
Бот: «Добрый день. Назовите, пожалуйста, ваш номер телефона для идентификации»
Клиент: «909-123-45-67»
Бот: «Иван Иванович, здравствуйте. Чем могу помочь?»
(Если бот не может решить — передаёт оператору с готовой карточкой клиента)
Время: 15-20 секунд
Экономия на звонок: 30-70 секунд. При 10 000 звонков/месяц — 5 000-12 000 минут, или 3-7 операторо-смен.
Сценарий 2: Маршрутизация
Классика жанра: клиент звонит, попадает не туда, объясняет проблему, его переключают, он объясняет заново. Иногда — по кругу несколько раз, пока не найдётся нужный человек.
Без автоматизации
Клиент объясняет проблему (60 сек)
Оператор: «Это не мой отдел, переключаю на коллег» (15 сек)
Ожидание переключения (30-60 сек)
Клиент объясняет снова (60 сек)
Потеря времени: 2-4 минуты
С голосовым помощником
Бот: «Опишите, пожалуйста, с чем вам нужна помощь»
Клиент: «У меня проблема с доставкой, заказ не приехал»
Бот определяет тему → маршрутизирует в логистику
Оператор получает контекст: «Клиент спрашивает о заказе 12345, доставка просрочена»
Время: 30-40 секунд, без повторных объяснений
Экономия на неправильную маршрутизацию: 2-3 минуты. Если 20% звонков маршрутизируются неверно — это огромная экономия.
Сценарий 3: Типовые справки
«Где мой заказ?», «Сколько на балансе?», «Когда платить?», «Вы по субботам работаете?». Такие вопросы съедают 30-50% входящего потока. Ответы давно лежат в базе — оператор просто их озвучивает.
Типовые сценарии для автоматизации
| Тип запроса | Доля звонков | Время с оператором | Время с ботом |
|---|---|---|---|
| Статус заказа/доставки | 15-25% | 3-4 мин | 1-1.5 мин |
| Баланс/задолженность | 10-15% | 2-3 мин | 0.5-1 мин |
| График работы/адреса | 5-10% | 1-2 мин | 0.5 мин |
| Подтверждение записи/брони | 10-15% | 2-3 мин | 1 мин |
И главное — бот не просто читает FAQ. Он лезет в реальные данные. Не «заказ обычно идёт 3-5 дней», а «ваш заказ 45678 сейчас в Шымкенте, завтра будет у вас». Для этого нужна интеграция с бэкендом, но зато сервис выходит на совершенно другой уровень.
«Думали, голосовой бот — способ сэкономить на людях. Оказалось — способ сэкономить время клиентов. Раньше человек ждал 2 минуты в очереди, потом 3 минуты объяснял ситуацию. Теперь получает ответ за 40 секунд. Клиенты довольны, операторы наконец разбираются со сложными кейсами вместо того, чтобы зачитывать статусы. AHT упал, но главное — вырос CSAT.»
Руководитель КЦ, интернет-магазин
Сценарий 4: Пост-обработка (ACW)
After-Call Work — тихий вор времени. После каждого звонка оператор заносит данные в CRM, выбирает категорию, пишет комментарий, создаёт задачу если нужно. Это 30-90 секунд, которых клиент не слышит, но компания оплачивает.
Как голосовой помощник сокращает ACW
- Автоматическая транскрипция: Разговор расшифровывается в текст, оператору не нужно писать вручную
- Автоклассификация: Система сама определяет тему обращения по содержанию разговора
- Генерация саммари: LLM создаёт краткое резюме разговора для карточки клиента
- Предзаполнение полей: Данные, озвученные в разговоре, автоматически попадают в CRM
Экономия ACW: 50-70%. Вместо 60 секунд — 15-20 секунд на проверку и подтверждение. При 10 000 звонков — 6 000-7 000 минут/месяц.
Расчёт экономии: конкретный пример
Хватит слов — давайте считать на цифрах для типичного контакт-центра.
Исходные данные
- Звонков в месяц: 30 000
- Текущий AHT: 5 минут (300 секунд)
- Стоимость минуты оператора: 3₸ (с учётом ФОТ, рабочего места, управления)
- Текущие затраты: 30 000 × 5 × 3₸ = 450 000₸/месяц
| Компонент экономии | Доля звонков | Экономия на звонок | Общая экономия |
|---|---|---|---|
| Автоматическая идентификация | 100% | 45 сек | 22 500 мин = 67 500₸ |
| Улучшенная маршрутизация | 20% (ошибочные) | 2 мин | 12 000 мин = 36 000₸ |
| Containment (бот решает сам) | 40% | 3 мин (экономия оператора) | 36 000 мин = 108 000₸ |
| Сокращение ACW | 60% (остальные с оператором) | 40 сек | 12 000 мин = 36 000₸ |
| Итого экономия | ~247 000₸/месяц | ||
Расчёт упрощённый. В жизни добавятся затраты на голосового помощника (подписка, интеграции, поддержка), а 40% containment rate — это скорее оптимизм на старте. Но даже при консервативном сценарии система окупается за 3-6 месяцев.
Где экономия не работает (или вредит)
Не всё стоит автоматизировать. Есть ситуации, где попытка срезать AHT через бота даст обратный эффект.
Эмоциональные обращения
Клиент зол, расстроен, хочет пожаловаться. Бот не сможет проявить эмпатию. Попытка «оптимизировать» такой звонок приведёт к эскалации. Эти звонки должны сразу идти к опытному оператору.
Сложные консультации
Выбор продукта, сравнение тарифов, нестандартные ситуации. Здесь нужна экспертиза и понимание контекста. Бот может собрать первичную информацию, но решение — за человеком.
VIP-клиенты
Клиенты с высоким LTV ожидают персонального подхода. Для них короткий AHT — не ценность. Ценность — внимание и забота. Автоматизация здесь может восприниматься как пренебрежение.
Продажи и upsell
Если звонок — возможность для допродажи, торопиться не нужно. Лучше потратить лишнюю минуту и увеличить чек, чем сэкономить на AHT и потерять выручку.
Правильная тактика — сегментировать поток. Рутинные справки → бот. Сложные случаи → опытный оператор. Жалобы → спец по работе с негативом. VIP → персональный менеджер. Автоматизация не вытесняет людей, а освобождает их для того, где люди реально нужны.
Метрики для мониторинга
Падение AHT — хорошо, но только если не тянет за собой другие показатели. За чем следить параллельно:
| Метрика | Что показывает | Красный флаг |
|---|---|---|
| FCR (First Call Resolution) | Решено ли с первого звонка | Падение FCR при снижении AHT = экономия на качестве |
| Repeat Call Rate | Сколько клиентов перезванивают | Рост повторных = бот не решает проблемы |
| CSAT / NPS | Удовлетворённость клиента | Падение = клиенты недовольны ботом |
| Containment Rate | Доля решённых ботом | Слишком низкий = бот не приносит ценности |
| Escalation Rate | Переводы на оператора | Слишком высокий = бот только раздражает |
Здоровая ситуация выглядит так: AHT снижается, FCR держится или растёт, CSAT идёт вверх, containment на целевом уровне. Если же AHT падает вместе с FCR — значит, экономите не там, где нужно.
Хотите снизить AHT без потери качества?
Проведём аудит вашего контакт-центра, найдём сценарии для автоматизации и рассчитаем потенциальную экономию. Покажем, какие звонки можно отдать боту, а какие — точно нет.
Обсудить проектAHT — метрика важная, но не святая. Снижать её нужно с головой: автоматизируя рутину, ускоряя доступ к информации, убирая лишние телодвижения. Не ценой клиентского опыта. Голосовой помощник даёт такую возможность — если понимаете, где он уместен.
Начните с простого анализа: какие звонки съедают больше всего времени? Что из них — чистая рутина, а что требует экспертизы? Первое автоматизируйте, второе — развивайте. Так и выглядит здоровая работа с AHT.
Полезные материалы
- Голосовой помощник vs IVR — сравнение технологий
- Speech analytics для контроля качества — как измерять объективно
- ROI голосового помощника — как считать экономию
- SLA, NPS, CSAT — какие метрики качества полезны