Добавить в корзинуПозвонить
Найти в Дзене
Borevich Automation

Как два ИИ-агента забрали половину работы с заявками и перестали терять клиентов

Если у вас менторская, консалтинговая или экспертная программа, наверняка сталкивались с таким. Заявки идут, люди интересуются и даже доходят до созвона. А дальше всё как обычно: кто-то подумает и исчезает, кто-то надолго зависает в CRM, тёплые лиды превращаются в мёртвый груз, а команда тратит уйму времени на одно и то же – разбор входящих и попытки дожать. В какой-то момент стало ясно: просто добавлять людей в этот процесс бесполезно. Нужна система, которая ежедневно решает две задачи: - определяет, с кем стоит связаться в первую очередь и как лучше построить разговор;
- не даёт тёплым лидам затеряться в CRM. Так появился прототип на основе двух ИИ-агентов: Agent A – для новых заявок, и Agent B – для работы с тёплой базой. Суть проблемы: заявки есть, а система не справляется Когда детально проанализировали путь клиента, обнаружили две пробоины. Во-первых, заявки поступали из разных источников. Часть терялась, часть обрабатывалась с опозданием, а приоритет определялся интуитивно. Во
Оглавление


Если у вас менторская, консалтинговая или экспертная программа, наверняка сталкивались с таким.

Заявки идут, люди интересуются и даже доходят до созвона.

А дальше всё как обычно: кто-то подумает и исчезает, кто-то надолго зависает в CRM, тёплые лиды превращаются в мёртвый груз, а команда тратит уйму времени на одно и то же – разбор входящих и попытки дожать.

В какой-то момент стало ясно: просто добавлять людей в этот процесс бесполезно.

Нужна система, которая ежедневно решает две задачи:

- определяет, с кем стоит связаться в первую очередь и как лучше построить разговор;

- не даёт тёплым лидам затеряться в CRM.

Так появился прототип на основе двух ИИ-агентов: Agent A – для новых заявок, и Agent B – для работы с тёплой базой.

Суть проблемы: заявки есть, а система не справляется

Когда детально проанализировали путь клиента, обнаружили две пробоины.

Во-первых, заявки поступали из разных источников.

Часть терялась, часть обрабатывалась с опозданием, а приоритет определялся интуитивно.

Во-вторых, в тёплой базе находились те, кто раньше проявлял интерес, но:

- не дошёл до первого созвона;

- перенёс встречу и исчез;

- сказал не сейчас и так и остался в базе.

Не было чётких правил, кто, с кем и когда должен связаться.

Команда работала на энтузиазме и чутье, а это не масштабируется.

Индекс готовности: превращаем чутьё в цифры

Чтобы избавиться от работы на ощупь, мы разработали простой индекс готовности к программе – шкалу от 0 до 100.

Этот индекс учитывает пять факторов:

1) на каком этапе развития находится бизнес человека;

2) насколько срочно ему нужно решить проблему;

3) есть ли у него деньги;

4) есть ли команда или он всё делает в одиночку;

5) насколько сильно его беспокоит вопрос выручки.

По этому индексу все заявки делятся на три категории:

низкая готовность – требуется больше информации и времени на размышление;

средняя – есть ресурсы и смысл говорить о росте в перспективе нескольких месяцев;

высокая – можно сразу обсуждать деньги и сроки.

Важно: для каждого человека можно объяснить, почему он попал в ту или иную группу.

Это не решение ИИ, а понятная логика.

Agent A: встречает каждую новую заявку

это ИИ-агент, который обрабатывает все новые заявки.

Когда заявка поступает в систему, агент анализирует ответы, вычисляет индекс готовности и относит её к одной из трёх групп.

Все данные автоматически заносятся в таблицу: вместо хаотичного списка имён появляется очередь заявок с приоритетами.

Затем Agent A генерирует первое сообщение.
Он учитывает:
должность человека;
его группу по уровню готовности;
предлагаемую программу.


На основе этой информации агент формирует текст:

для низкой готовности – мягкое, информационное сообщение, без давления;

для средней – деловой разговор в стиле: Давайте посмотрим, где можно вырасти;

для высокой – прямое обсуждение выручки и ближайших шагов.

На этапе тестирования все сообщения от агента сначала отправлялись в рабочий чат.

Команда проверяла, насколько естественно звучит текст, и корректировала логику.

-2

В итоге команда перестала разбирать заявки как придётся.

Появилась чёткая очередь: вот люди, с которыми стоит связаться прямо сейчас, а вот те, кому пока достаточно просто напомнить о себе.

Agent B: не даёт тёплым лидам затеряться

Вторая проблема была в тёплой базе – людях, с которыми уже был контакт, но сделка не состоялась.

Мы выделили несколько типичных статусов:

  1. не дошёл до консультации;
  2. перенёс или пропустил звонок;
  3. сказал не сейчас;
  4. исчез после обсуждения условий.

Agent B ежедневно просматривает базу, как расписание.

Он выбирает тех, с кем пора связаться, и решает, как это сделать, учитывая статус и уровень готовности.

Одному стоит мягко напомнить о переносе консультации.

Другому – вернуться к разговору через пару месяцев после не сейчас.

Третьему – аккуратно закрыть сделку, если вопрос уже не актуален.

Тексты также генерируются ИИ, но звучат естественно.

Каждое взаимодействие фиксируется: кому писали, когда, что говорили и чем всё закончилось.

-3

Так дожим превращается из когда будет время в регулярный процесс, где ничего не забывается.

Это не волшебная таблетка, а система

Со стороны это может показаться ещё одним умным ботом.

Но на деле здесь три простых шага:

понятная логика разделения людей по степени готовности;

чёткий приоритет: с кем связаться в первую очередь;

регулярный дожим тёплой базы, который не зависит от настроения команды.

ИИ здесь не заменяет отдел продаж.

Он берёт на себя половину рутинной работы: обработку входящих заявок и напоминания тем, кто уже обращался.

Если тема откликается, сохраните этот пост себе. Когда в следующий раз поймаете себя на завале в заявках, вернитесь и посмотрите, какой из шагов у вас совсем без системы.