Получить полностью прозрачный процесс продаж и поднять конверсию в КЭВ: кейс девелопера ELEMENT

Нейросеть помогла анализировать источники лидгена, контролировать качество продаж и с нуля выстроить систему работы с отказами.

Клиент: девелопер ELEMENT

Застройщик, специализирующийся на премиальной недвижимости. С 2021 года реализует проекты на рынке Санкт-Петербурга. Летом 2024 года в рамках ПМЭФ заключил соглашение с банком ПСБ на 100 млрд рублей.

• реализует 106 260 м² площади
• 6 проектов в Москве и Санкт-Петербурге, один из которых реализован
• лауреат «Move Realty Awards» в номинации «Проект года: апартаменты Санкт-Петербург»
• 11 менеджеров в отделе продаж

Проблемы: классическая дилемма "нецелевые лиды vs слабые продажи" и замыкание на КЭВ

Основной запрос, с которым к нам пришёл ELEMENT – слишком мало лидов продвигаются по воронке и доходят до КЭВ (ключевой этап), хотя поток входящих заявок стабильный и нареканий не вызывает. В общем, классическая дилемма "кто виноват: маркетинг или продажи?".

Из этого вытекали два пожелания:

1. Наладить подсчёт статистики по источникам лидов
2. Выстроить систему прозрачной отчётности отдела продаж

Отдельно стояла задача контролировать, замкнул ли менеджер клиента на КЭВ. В случае ELEMENT это либо отправка КП, либо назначение встречи или просмотра недвижимости. Руководством уже было замечено, что иногда после контакта с клиентом не происходит ни того, ни другого.

Также требовалось наладить работу с отказами. Для этого была нужна корректная и беспристрастная оценка закрытых сделок: были ли у клиента причины отказа, на которые менеджер не может повлиять. Если да, то причину требовалось обязательно фиксировать в отчёте, но при этом не снижать оценку менеджера за диалог.

В дополнение заказчик хотел, чтобы нейросеть сама заполняла карточки сделок и писала к ним развёрнутые комментарии (на что у менеджеров времени особо не хватало).

~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~

Больше кейсов, а также статей и обзоров нейросетей - в нашем Telegram-канале "мAIржинальность":

~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~ ~~~

Внедрение

Часть запросов ELEMENT решалась стандартными средствами "bewise".

Так, для контроля качества продаж и действий менеджеров мы реализовали оценку этапа квалификации и дэшборд с получаемыми данными.

Для оценки мы научили нейросеть распознавать следующие уникальные критерии "строительных" диалогов:

• цель приобретения недвижимости (для себя, для детей, как инвестиция)
• ключевые аспекты выбора (инфраструктура района, планировка, метраж)
• упоминание менеджером как минимум пяти преимуществ ЖК
• упоминание менеджером преимуществ компании (готовность комплекса, возможность рассрочки, условия ипотеки, премиум-отделка в подарок)
• наличие сопутствующих квартире объектов (место в паркинге, кладовые помещения).

На дэшборде оценки представлены на трёх уровнях:

• отдел: количество всех лидов, процент целевых и процент дошедших до КЭВ (визуализация дана сразу в двух вариантах: таблица и составная столбчатая диаграмма)
• менеджер: общая оценка по каждому менеджеру за текущий и прошлый месяц
• персональная детализация: оценки по всем 23 критериям по каждому менеджеру.

Динамика отдельно взятого менеджера за прошлый и текущий месяцы.

Среди показателей дэшборда есть и оценка за фиксацию менеджером следующего шага при завершении разговора – это стандартный критерий "bewise". В данном случае он позволил РОПу выявлять случаи, когда менеджер после звонка не направил КП и не назначил встречу.

Для отслеживания источников лидов мы научили "bewise" получать данные из кастомных полей amoCRM и строить специальную диаграмму по источникам в разрезе продуктов (т.е. разных ЖК). Диаграмму можно фильтровать по любому временному периоду.

Диаграмма по источникам входящих лидов в разрезе по разным ЖК.

Для работы с отказами мы научили "bewise" заполнять соответствующее поле в CRM, а на дэшборд выводить две статистики-визуализации: таблицу-матрицу в разбивке по сегментам и круговую диаграмму с самыми частыми типами отказов.

Ещё одной особенностью проекта стал дэшборд Вопросы. Каждый вопрос, заданный клиентом, получает от нейросети категорию и саммари – и выводится в единый список с указанием сегмента. Дополнительно список сопровождается круговым графиком.

Также в рамках стандартного функционала "bewise" мы настроили нейросеть на заполнение ключевых полей в CRM и написание автокомментариев к сделкам. В комментариях ИИ кратко указывает данные квалификации и, при наличии, перечисляет возражения, отработанные менеджером.

Результаты

• 25% времени стали экономить менеджеры на заполнении CRM
• 100% диалогов проходят оценку и выводятся на дэшборд
• на 15% увеличилась конверсия в КЭВ
• 100% лидов попадают в аналитику в онлайн режиме.