ИИ для отдела продаж: квалификация лидов, ответы клиентам и помощь менеджерам
- ИИ в продажах полезнее всего в первые минуты после заявки и в рутине менеджера: заполнение CRM, черновики писем, напоминания.
- Квалификацию лидов модель проводит по критериям, которые задали вы, и объясняет, почему поставила ту или иную оценку.
- Цены, скидки, сроки и условия договора ИИ берёт только из систем и документов, а решения по ним принимает менеджер.
- Отклонённые ИИ лиды нужно выборочно проверять: ошибка квалификации может стоить сделки.
- Начинают с описания идеального клиента и критериев квалификации — так, как их применяет лучший менеджер.
ИИ для отдела продаж полезнее всего в двух местах: в первые минуты после заявки, когда клиенту нужен быстрый и содержательный ответ, и в рутине менеджера — заполнении CRM, подготовке писем, напоминаниях о сделках. Квалификацию лидов модель может проводить сама по заданным критериям, но цены, скидки и договорённости остаются за людьми и учётной системой. Ниже — где ИИ даёт пользу, как устроена квалификация и где проходят границы.
Где отдел продаж теряет время и сделки
Заметная часть потерь в продажах связана не с навыками менеджеров, а с организационными пробелами:
- заявка пришла вечером или в выходные, а ответ — на следующий рабочий день, когда клиент уже нашёл другого поставщика;
- менеджеры тратят время на разговоры с теми, кто не подходит по объёму, региону или задаче;
- в CRM нет половины информации: что обсуждали, что обещали, какой следующий шаг;
- одни и те же вопросы о сроках, доставке и документах менеджеры отвечают вручную десятки раз;
- сделки «засыпают», потому что никто вовремя не напомнил написать клиенту.
ИИ закрывает именно эти пробелы. Он не ведёт переговоры за менеджера, но делает так, чтобы менеджер тратил время на тех клиентов и те задачи, где нужен человек.
ИИ для отдела продаж по этапам воронки
| Этап | Что делает ИИ | Что остаётся менеджеру |
|---|---|---|
| Входящая заявка | Сразу отвечает, уточняет потребность, задаёт вопросы квалификации | Получает подготовленного клиента и карточку с ответами |
| Квалификация | Оценивает лид по заданным критериям и объясняет оценку | Решения по спорным и крупным лидам |
| Консультация | Отвечает о характеристиках, сроках, условиях по базе знаний | Сложные конфигурации, расчёт цены, переговоры |
| Коммерческое предложение | Готовит черновик по шаблону и данным из CRM | Проверяет, согласует цену, отправляет |
| Ведение сделки | Напоминает о паузах, предлагает следующий шаг и черновик письма | Решает, писать ли клиенту и что предлагать |
| После разговора | Пишет краткое резюме переписки или звонка в CRM | Проверяет и дополняет |
Подготовка коммерческих предложений — отдельная большая тема, она разобрана в статье про КП с помощью ИИ.
Квалификация лидов с помощью ИИ
Квалификация — это ответ на вопрос «стоит ли менеджеру тратить на этот лид время прямо сейчас». У каждой компании свои критерии, и первая задача — записать их так, как их применяет лучший менеджер, а не так, как они выглядят в учебнике.
Обычно в критерии входят:
- задача клиента и совпадает ли она с тем, что вы делаете;
- объём или масштаб: партия, площадь, число пользователей;
- сроки: нужно сейчас или «на следующий год»;
- регион и условия доставки или выезда;
- кто принимает решение и на какой стадии клиент;
- ориентир по бюджету, если клиент готов его назвать.
ИИ собирает эти данные в разговоре — в чате на сайте, в мессенджере, в ответе на письмо — и не превращает его в анкету. Два-три уточняющих вопроса в естественной форме работают лучше, чем десять полей формы. Часть ответов модель берёт из того, что клиент уже написал, и не переспрашивает.
На выходе в CRM появляется карточка: краткое описание задачи, ответы по критериям, оценка — например «горячий», «тёплый», «не наш профиль» — и объяснение, почему модель так решила. Дальше работают простые правила: горячий лид сразу уходит менеджеру с уведомлением, тёплый получает материалы и задачу на звонок, лид «не наш профиль» — вежливый ответ и, если есть, контакты партнёров.
Условный пример. Посетитель сайта поставщика упаковки пишет: «Нужны коробки под нашу продукцию, сколько стоит?» ИИ уточняет размеры, примерный тираж и сроки. Клиент отвечает: около 20 тысяч штук в месяц, начать через три недели, доставка в Самару. ИИ отмечает лид как горячий: объём выше минимального, сроки реальные, регион обслуживается. Менеджер получает карточку с этими данными и звонит уже с готовым расчётом.
Объяснение оценки — не формальность. По нему менеджер быстро видит, с чем он не согласен, и исправляет оценку. Такие исправления раз в месяц разбирают и уточняют критерии.
Ответы клиентам: что можно доверить модели
В первом контакте клиенту важно быстро получить содержательный ответ. ИИ может:
- рассказать о характеристиках, комплектациях, совместимости по каталогу;
- объяснить условия доставки, оплаты, гарантии, перечень документов;
- сравнить варианты из вашего ассортимента под задачу клиента;
- подготовить клиента к встрече: что взять, какие данные нужны для расчёта.
Чего ИИ делать не должен:
- называть цену, которой нет в прайсе или системе, и тем более обещать скидки;
- обещать сроки поставки, не сверившись с учётной системой;
- обсуждать условия договора и гарантийные обязательства сверх стандартных;
- давить на клиента: выдуманные «последние места» и «только сегодня» подрывают доверие.
Цены и наличие ИИ берёт через API из учётной системы или CRM. Если нужного там нет, правильный ответ — «менеджер подготовит расчёт» и передача сделки, а не правдоподобная цифра.
Помощник менеджера внутри CRM
Вторая часть пользы — внутри отдела. ИИ, подключённый к CRM, может:
- после переписки или звонка писать краткое резюме и предлагать следующий шаг;
- заполнять поля сделки из текста переписки: продукт, объём, сроки, контакт;
- готовить черновики писем — ответ на вопрос, напоминание, отправку материалов;
- раз в день показывать менеджеру сделки, по которым давно не было контакта;
- отвечать менеджеру на вопросы по продукту и условиям, как внутренний справочник.
Важно, где менеджер видит эти подсказки. Если ради них нужно открывать отдельное приложение, через пару недель ими перестанут пользоваться. Резюме, черновики и напоминания должны появляться там, где менеджер и так работает: в карточке сделки, в ленте задач, в уведомлениях. Каждое действие с последствиями — отправку письма клиенту, смену этапа сделки — подтверждает человек.
Как такие сценарии выглядят в конкретных системах, описано в статьях о нейросети в Битрикс24 и об ИИ в amoCRM.
Ограничения и риски
Ошибка квалификации. Модель может отклонить хороший лид, если клиент написал коротко или неудачно сформулировал задачу. Поэтому «не наш профиль» не значит «удалить»: такие лиды остаются в CRM, а их выборку регулярно просматривает менеджер.
Выдуманные условия. Если модель пообещает срок или скидку, которых нет, клиент сошлётся на это при сделке. Защита — данные только из систем, запрет на обещания по цене и проверка ответов на тестовом наборе.
Массовые рассылки. ИИ умеет писать персонализированные сообщения тысячами, но статья 18 закона «О рекламе» допускает рекламу по сетям электросвязи только с предварительного согласия адресата, а распространение рекламы с автоматическим набором номера или автоматической рассылкой без участия человека запрещает отдельно. К этому добавляются правила площадок и риск для репутации. Такие сценарии согласуют с юристом до запуска.
Персональные данные. В CRM и переписке — контакты и данные клиентов. Какая модель их видит и где они обрабатываются, решают с учётом 152-ФЗ.
Сопротивление команды. Если менеджеры не доверяют подсказкам ИИ, они их игнорируют, и проект не даёт эффекта. Помогает вовлечь лучших менеджеров в настройку критериев и шаблонов с самого начала.
ИИ мало что даст, если лидов немного и каждый ведёт опытный менеджер, если продажи сложные и индивидуальные, с долгими переговорами, — тогда он полезен разве что для резюме встреч, — или если CRM ведётся формально и данных в ней нет.
Как понять, что это работает
Сравнивайте показатели до и после запуска на одном и том же потоке заявок:
- время от заявки до первого содержательного ответа;
- сколько лидов приходит к менеджеру с заполненными критериями квалификации;
- конверсия квалифицированных лидов в сделки;
- время менеджеров на первичные разговоры и заполнение CRM;
- сколько хороших лидов нашлось при выборочной проверке отклонённых.
Условный пример расчёта. В отдел приходит 300 заявок в месяц, 120 из них оказываются нецелевыми. На первичный разговор с каждой менеджер тратит 10 минут. Только на нецелевые уходит 120 × 10 = 1 200 минут, то есть 20 часов в месяц. Если ИИ отсеет большую часть таких заявок до звонка, эти часы уйдут на клиентов, которые готовы покупать.
С чего начать
- Опишите идеального клиента и критерии квалификации — лучше всего вместе с самым сильным менеджером.
- Соберите частые вопросы клиентов и возражения с ответами, которые работают.
- Проверьте, есть ли у вашей CRM API и откуда брать цены и наличие.
- Выберите один канал для пилота: форму на сайте, чат или мессенджер.
- Запустите прототип на реальных заявках — обычно это 1–2 недели — и в первое время проверяйте каждую оценку ИИ силами менеджера.
Если главный канал — заявки с сайта, путь заявки до CRM и уведомления стоит настроить заранее, об этом — статья про автоматизацию обработки заявок. Чат-боты начинаются от 30 000 ₽, а решение с квалификацией и интеграцией в CRM оцениваем после бесплатного аудита — на нём же считаем прогнозную окупаемость. Подробнее — на странице разработки ИИ-ассистентов для бизнеса.