За 21 день B2B-услугам выгоднее всего не «ещё 10 SEO-статей», а три связанных типа страниц — кейсы с цифрами, методология «как делаем», FAQ-сущности с прямыми ответами — плюс схема и внутренние связи, чтобы AI-ответы и Overviews могли цитировать вас как понятный источник. Это не про NAP/локальные карточки регионов и не про общий «FAQ + schema ради галочки». Угол другой: контентная тройка кейс → метод → сущность, заточенная под то, как модели и поисковые обзоры собирают ответ про услугу. Модель (и...
Александр Ахунов
Сопровождение после автоматизации: 15 / 35 / 70к retainer
После запуска автоматизации бизнес платит не «за часы подрядчика», а за предсказуемый контур сопровождения: три ступени retainer — 15к, 35к и 70к в месяц — с разным SLA, объёмом правок и порогом, когда работа уходит в отдельную доработку, а не размывается в «ещё чуть-чуть в рамках поддержки». Это не смета «сделать под ключ 25/45/90» и не разбор «как читать КП по часам». Здесь только жизнь после go-live: кто чинит, кто развивает, сколько стоит спокойствие и когда пора покупать новый scope. Почасовка после внедрения ломает обе стороны: Retainer фиксирует пакет ответственности...
Кейс: Telegram + MAX → Bitrix24 и SLA ответа за 45 дней
За 45 дней сервисный B2B-клиент с двумя мессенджерами (Telegram и MAX) сократил долю потерянных лидов примерно с 28% до 9%, медианное время первого ответа в рабочее окно — с ~3 часов до 20–35 минут, а долю диалогов без задачи в CRM — с ~40% открытых касаний до ~12%. Это не кейс «форма на сайте → напоминания» и не «входящие со всех каналов скопом». Фокус узкий: двуканал Telegram + MAX → сделка и статусы в Bitrix24 → задача с дедлайном → контроль SLA ответа. Менеджер остаётся владельцем диалога; автоматизация не подменяет продажу, а не даёт чату умереть без следующего шага...
Пилот AI-агента за 14 дней: success, SLA, цена и когда стоп
14-дневный пилот AI-агента имеет смысл только с заранее записанными критериями success, SLA сторон, вилкой «пилот vs production» и стоп-условиями — иначе это демо, которое все хвалят и никто не внедряет. Я не продаю «давайте попробуем нейросеть». Я продаю контролируемый эксперимент на одном узком контуре: вход → агент → CRM/ответ → разбор. Если за 14 дней нельзя измерить success — пилот спроектирован плохо, а не «AI не зашёл». 14 дней достаточно, чтобы: Месяц без рамок обычно размывает ответственность: «ещё подкрутим»...
AI-агент discovery: 12 вопросов, саммари в CRM и «готов к КП» за 21 день
AI-агент discovery за 21 день снимает с менеджера ручной сбор ТЗ: 12 фиксированных вопросов, саммари в карточке CRM и скоринг «готов к КП» — пустые брифы падают, win-rate растёт за счёт полного контекста до сметы. Я не путаю discovery со скриптом квалификации лида. Квалификация отвечает «наш клиент / не наш». Discovery отвечает «что именно внедряем, в каких границах, с какими системами и критериями done». Без этого КП либо раздувается, либо промахивается по scope. В B2B-автоматизации менеджер тратит 40–90 минут на созвон и ещё 20–40 минут на запись в CRM...
Observability AI-агентов: eval, логи, red-team и scorecard за 14 дней
Observability AI-агента за 14 дней — это не «логи ради логов», а связка eval-набор + логи диалогов + red-team промптов + rollback и еженедельный scorecard: без неё агент деградирует незаметно, а «вроде отвечает» маскирует рост ошибок. Я отделяю observability от production-механики очередей, retry и HITL. Очереди чинят доставку. Observability чинит качество ответов и регрессии после правок промпта/инструментов. Если правите system prompt «на глаз» — вы уже в минусе. Четыре артефакта, без которых я...
