Context

Клієнт - власник колл-центру з продажу продукції, де менеджери щодня обробляють приблизно 50–70 дзвінків, а керівнику потрібно бачити загальну якість комунікації, частку негативних дзвінків і точки втрати клієнтів. Поточний процес не давав такої аналітики, бо записи розмов накопичувалися без регулярного аналізу, а команда не мала часу вручну слухати, транскрибувати й розмічати кожен дзвінок.

Problem

Бізнес не мав системного способу швидко перетворювати записи розмов у керовані дані: не було автоматичної транскрибації, не визначався tone of voice дзвінка, не фіксувалась категорія звернення, а для отримання статистики по негативних дзвінках за період доводилося б робити ручний підрахунок. Через це керівник не бачив, скільки дзвінків були негативними, який це відсоток від загального обсягу і де саме просідає продаж або якість обробки заперечень.

Solution

Було побудовано зв’язку з чотирьох automation-блоків у n8n: перший workflow забирає необроблені дзвінки з Google Sheets, перевіряє посилання на запис і реєструє аудіо на транскрибацію в AssemblyAI; другий workflow опитує статус транскрипції, після завершення передає текст у LLM для класифікації tone, category і короткого summary, а потім записує результат назад у Google Sheets та в Data Table; третій workflow обчислює по діапазону дат загальну кількість дзвінків, кількість негативних і відсоток негативних; четвертий workflow - це chat agent, який із простого текстового запиту користувача формує звіт за вказаний період.

Process

• Prompt design: спочатку була продумана структура аналізу дзвінка - система мала не просто розшифрувати розмову, а й визначити тон, категорію звернення та сформувати короткий зміст у зручному для звітності форматі.
• API integration: записи дзвінків автоматично передавались у сервіс транскрибації, а після готовності результат повертався назад у загальну систему для подальшої обробки.
• n8n workflow: процес був спеціально розділений на два паралельні workflow. Перший workflow безперервно відправляє нові дзвінки на транскрибацію, а другий окремо обробляє вже готові результати - визначає тон, категорію, формує summary і зберігає дані для звітності. Така архітектура дозволила не чекати завершення транскрибації одного дзвінка, щоб перейти до наступного: нові записи ставляться в обробку паралельно, а готові розшифровки підхоплюються незалежно від попередніх, що помітно оптимізує час виконання всього процесу.

Results

• Обробка дзвінків стала масштабованою, тому замість ручного прослуховування 50–70 записів на день система автоматично формує структуровані дані по кожному дзвінку.
• Час керівника або супервайзера на первинний аналіз скорочується з годин ручної перевірки до отримання готової статистики по періоду через чат-запит.
• Бізнес отримує не просто transcript, а готові управлінські поля: тон дзвінка, категорію та короткий summary, які можна далі використовувати для контролю якості, навчання менеджерів і виявлення причин втрати клієнтів.
• У поточній реалізації система вже рахує кількість усіх дзвінків, кількість негативних дзвінків і відсоток негативних за заданий період, що закриває базову управлінську потребу власника колл-центру.

Tech Stack

• n8n
• Google Sheets
• n8n Data Table
• AssemblyAI API