ИИ-бот, звонки и реклама в одной системе: как это работает в мебельной компании

Раньше я уже рассказывал об анализе звонков с помощью ИИ. Сегодня покажу другой проект, в котором звонки — одна из частей общей системы обработки заявок.

В колл-центре мебельной компании работают 9 менеджеров. ИИ-бот обрабатывает более 700 переписок в месяц. Для этой компании я связал работу бота, распределение заявок, контроль звонков и рекламную аналитику с Bitrix24. Покажу, как устроена эта система и кто ей пользуется.

Допустим, потенциальный покупатель написал компании и оставил телефон. Для рекламы это уже результат. Для отдела продаж работа продолжается: обращение нужно передать менеджеру, связаться с человеком и договориться о следующем шаге. Руководителю нужно видеть, что происходит на каждом из этих участков.

Именно вокруг этого пути построены основные части системы.

У бота есть отдельный мониторинг. В нём можно смотреть переписки, получение телефона, слишком длинные диалоги и обращения, которые требуют внимания.

Этот раздел использует руководитель отдела продаж. Он помогает находить проблемные сценарии и дорабатывать скрипты общения.

Здесь полезно разделять несколько результатов. Человек ответил боту. Оставил номер. Его обращение передано менеджеру. Менеджер связался с ним. Каждый из этих шагов отвечает на свой вопрос. Сам факт полученного телефона ещё ничего не говорит о состоявшейся продаже.

Поэтому работу бота я рассматриваю вместе с дальнейшей обработкой обращения. Иначе можно улучшать диалог и не замечать, что следующий участок процесса требует внимания.

В компании внедрено автоматическое умное распределение лидов и заявок. Система учитывает расписание менеджеров, назначает ответственного в Bitrix24 и проверяет, что назначение сохранилось. Для недозвонов предусмотрен отдельный сценарий.

В такой задаче существенны детали: кто сегодня работает, какие правила назначения действуют и что должно произойти, если с покупателем не удалось связаться.

Эти правила нужно согласовывать с конкретным отделом продаж. При переносе системы в другую компанию потребуется проверить её расписания, поля CRM и порядок работы с обращениями. Готовая основа помогает начать, но настройки одного бизнеса нельзя автоматически считать подходящими другому.

Другой раздел объединяет записи звонков, расшифровки, краткие резюме и оценку разговора с помощью ИИ. Есть фильтры, в том числе по источнику обращения.

Руководитель продаж использует эти данные, чтобы отбирать разговоры для разбора и находить ошибки в работе менеджеров. Данные также используются в обсуждениях работы сотрудников с финансовым директором.

При этом оценка ИИ требует проверки человеком. Она помогает выбрать разговор, на который стоит обратить внимание. Решения о сотруднике, его обучении или мотивации принимают руководители с учётом самого разговора и обстоятельств сделки.

Например, если система пометила звонок как проблемный, следующий полезный шаг — открыть его и понять причину. Одной цветной отметки для вывода недостаточно.

В системе собраны источники обращений, рекламные расходы и данные о дальнейшей обработке заявок. Можно рассматривать результаты до уровня рекламных материалов. Подрядчикам предоставляется доступ к предназначенным для них разделам.

Этим пользуются руководитель трафика и специалисты по рекламе: оценивают источники и обсуждают, какие кампании оптимизировать, масштабировать или перезапускать.

Для такого отчёта нужно договориться о значении показателей. Что считается заявкой? Что означает квалификация? Как учитывается замер? Какое событие подтверждает оплату?

Особенно легко ошибиться с деньгами. Сумма, записанная в сделке CRM, и фактическое поступление — разные показатели. Если отчёт показывает сумму сделок, именно так его и нужно называть. Вывод об окупаемости требует отдельно проверенных данных о расходах и полученных деньгах.

По моей оценке, после внедрения ИИ-бота конверсия из обращения в получение номера телефона выросла примерно с 30% до 45%. Это около 15 процентных пунктов. Здесь мы считаем обращения, в которых удалось получить телефон для дальнейшей работы менеджера.

У каждого раздела есть конкретный пользователь и действие, которое он выполняет по данным системы. Для меня это важный критерий: ещё при обсуждении отчёта должно быть понятно, кто его откроет и что сделает после просмотра.

Система используется и после передачи контакта: руководитель продаж разбирает звонки и следит за обработкой обращений, специалисты по рекламе оценивают источники. Следующий вопрос — сколько полученных контактов доходят до замера, заказа и оплаты. Для оценки этого участка нужны отдельные показатели; рост получения телефонов сам по себе ещё не показывает прирост продаж.

С одного обращения и его пути через компанию. Откуда оно пришло, кто общался с человеком, как назначили ответственного и где зафиксировали следующий шаг.

Затем выбрал бы участок, на котором руководитель видит конкретную трудность. Это может быть распределение заявок, разбор звонков, работа бота или связь рекламы с результатом. Для него нужно определить исходное состояние и критерий улучшения: например, долю обращений без ответственного или время, которое занимает подготовка определённого отчёта.

Так появляется понятный первый объём работы. Следующие части системы можно добавлять, когда ясно, какую задачу они решают и кто будет ими пользоваться.

А на каком участке пути заявки вам сейчас сложнее всего понять, что происходит: в переписке, при передаче менеджеру, после звонка или в отчёте по рекламе?

Для связи: Telegram — @alexey_target_pro.