Интегрировали в CRM нейросеть, настроив автоматическую расшифровку звонков, определение целевых клиентов и почти мгновенное сообщение РОПу о менеджерских ошибках.
Девелопмент — сфера повышенных рисков. Всего одна ошибка менеджера, который неправильно обработал заявку (случайно закрыл сделку/не перезвонил/неверно квалифицировал), ведёт к потере миллионов рублей. Благо, с приходом искусственного интеллекта (ИИ) у бизнеса появилась возможность застраховать себя от подобных человеческих промахов.
Клиент: девелопер премиальной недвижимости
- 10 лет на рынке
- 50 инвестиционных проектов в роли генерального подрядчика
- Более 30 отраслевых наград
- 7 менеджеров в отделе продаж
Проблема: привлечение клиента стоит слишком дорого, есть подозрения на "слив" сделок
Наш клиент тратил достаточно большие средства на рекламу, стоимость привлечения одного клиента доходила до 15000 рублей. Возникли подозрения, что есть определённые потери при обработке новых клиентов.
При этом между данными двух отделов — маркетинга и продаж — наблюдалось несоответствие: маркетинг привлекал приемлемое число целевых лидов, но у отдела продаж эта цифра уже была в несколько раз ниже.
Продажники объясняли разницу тем, что лиды зачастую оказывались нецелевыми. Доказать или опровергнуть это предположение было проблематично: статистика считалась один раз в месяц, найти в общей массе отдельные записи разговоров с «тем самым» клиентом спустя одну-две-три недели было нереально.
Впрочем, даже когда такие звонки удавалось найти, клиент к этому времени был безвозвратно утерян.
Плотно контролировать обзвоны руководитель отдела продаж не мог: его времени хватало на прослушку 5−7% случайно выбранных разговоров. Вероятность, что в эту крохотную выборку попадёт неверно отработанный лид, была минимальна.
Внедряя решение с ChatGPT, мы поставили цель: выявлять ошибки менеджеров за 10 минут.
Внедрение
Чтобы система работала, нам нужно было научить ИИ определять два показателя сделок:
— сделка с квалифицированным лидом,
— сделка закрыта ошибочно.
Для этого мы совместно с клиентом разработали промпты, ориентируясь на такие вопросы:
- клиента устраивает срока сдачи объекта?
- клиента удовлетворяет расположение объекта?
- у клиента уже есть бюджет в размере 30% от стоимости квартиры?
Если ответ на все три вопроса был "да", сделка считалась целевой.
Но после дополнительного анализа мы поняли, что квалифицировать саму сделку мало — нужно также отслеживать, насколько хорошо и грамотно её отработал менеджер.
~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~
Больше кейсов, а также статей и обзоров нейросетей - в нашем Telegram-канале "мAIржинальность":
~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~
Поэтому мы существенно расширили список вопросов:
- менеджер приветствовал клиента согласно скрипту?
- обращался ли менеджер к клиенту по имени?
- проявлял ли менеджер инициативу в разговоре?
- ответил ли на все возражения?
- презентовал ли менеджер преимущества объекта?
- выяснил ли менеджер бюджет клиента и способы оплаты?
- рассказал ли менеджер про акции и специальные предложения?
- была ли сформирована договорённость о дальнейших шагах (созвон, визит в офис, сообщение в мессенджер)?
- попрощался ли менеджер с клиентом?
Этот список позволил собирать данные по всем звонкам в сводную таблицу. Таблица, в свою очередь, формировалась в разбивке по менеджерам по системе CQR. Это дало возможность РОПу наглядно видеть ошибки в звонках и оперативно их корректировать.
А чтобы руководитель ничего не пропустил, мы донастроили и саму amoCRM: если звонок определялся как целевой, то сделка в amoCRM автоматически получала соответствующий тег. Если менеджер по продажам закрывал сделку с таким тегом, то руководителю автоматически отправлялось сообщение, и работу над ошибками можно было проводить прямо по горячим следам.
Результаты
- более 300 звонков за 1,5 месяца проанализированы нейросетью
- 95% - точность расшифровки звонков
- 16% закрытых сделок классифицированы как ошибочно закрытые и возвращены в воронку продаж, это принесло 45 млн рублей
- 1 млрд рублей в год - оценка дополнительного оборота, который принесёт клиенту масштабирование решения.
~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~
Больше кейсов, а также статей и обзоров нейросетей - в нашем Telegram-канале "мAIржинальность":