Если у компании падают продажи, то маркетологи и сейлзы начинают обвинять друг друга. Сейлзы говорят, что им дают плохой продукт и плохие лиды. Маркетологи говорят про высокую конкуренцию и некачественную обработку лидов. Тут еще на сцену выходят продакты и валят на тех и других. В этом лонгриде опишу рабочее решение и разберу наш кейс.
Проблема поиска виноватых
Треугольник взаимных обвинений «маркетинг‑сейлзы‑продакты» разрубить сложно, потому что мало действительно объективных данных. У каждого отдела есть своя аналитика, которая что‑то да и доказывает. Всегда можно найти такие цифры, которые можно интерпретировать в нужную сторону.
Решить проблему получится только, если руководитель в неё полностью погрузится. Самый достоверный источник информации — это записи разговоров и встреч с клиентами.
Что можно по ним оценить:
-
Реальные запросы клиентов — целевые или нет
-
Упоминания продуктов конкурентов
-
Возражения по стоимости, качеству продукта и сервиса
-
Качество работы менеджеров: навыки квалификации, выявления реальных потребностей, глубину знаний типичных проблемных ситуаций клиентов, знание продукта, ответы на возражения, навык сравнения с конкурентами, навыки назначения встреч
-
Дополнительные метрики, например, задавал ли менеджер определенные вопросы, сообщил ли про акции, о каких следующих шагах договорился, предлагал ли провести демо и так далее.
Можно прослушивать звонки самостоятельно и просматривать записи встреч. Можно отдельно собирать транскрибации и прогонять их через нейросетку. Но всё это полуручные варианты. От них быстро устаёшь и перестаёшь ими заниматься системно.
Каким может быть решение
Наше решение сейчас выглядит так:
-
Берем все записи звонков из CRM
-
Сервис ИИ‑аналитики транскрибирует и анализирует их по заданным промптам
-
Возвращает выводы по звонку в карточку клиента в CRM
-
Дополнительно сервис готовит отдельный отчет по качеству работы менеджеров и считает метрики
-
Формирует ежедневно сводный отчет для руководителя, в котором подсвечивает самое интересное и выделяет звонки, требующие внимания
-
Руководитель читает отчет и переходит к конкретным звонкам, изучает их подробно
В результате ему не нужно самому слушать звонки. Он получает один отчет, который уже дает верхнеуровневую картину. А при необходимости можно перейти и погрузиться в детали.
Что нужно для технической реализации
По звонкам: входные данные берутся из CRM. Нужно настроить, чтобы записи звонков привязывались к конкретным сделкам или карточкам внутри CRM.
По встречам: можно использовать сетевой диск, куда менеджеры будут складывать записи, или настроить автоматическое сохранение записей в один почтовый ящик, откуда их будет забирать агент.
По ИИ-аналитике: нужен сервис ИИ-аналитики с интеграцией с вашей CRM-системой и хорошая IP-телефония для записи звонков.
Сервисов ИИ-аналитики много, в том числе российских. Не буду кого-то конкретно рекламировать. Важное требование к таким сервисам — возможность выбирать разные модели для разных задач.
Например, для сбора содержания звонков подойдут дешёвые модели, а вот для оценки качества работы менеджеров нужны более продвинутые.
Также у вас должна быть возможность писать свои промпты для анализа транскрибаций и формировать кастомные отчёты. В противном случае вы не сможете делать глубокую аналитику.
Реальный кейс внедрения в ИТ-компании
Ситуация «ДО»
Продукт: сложная ИТ-платформа для B2B-сектора. Основная ЦА – корпораты и крупный бизнес. Маркетинг генерирует до 100 лидов MQL в месяц по низкой цене — до 3 000 рублей. Около 80% из них переходят в квалифицированные (SQL). Лиды нормальные, это видно по записям первичных разговоров из CRM.
Проблема
Несмотря на большое количество квалифицированных лидов, конверсия в пилоты и контракты остаётся низкой. При этом конверсия во встречи, на которых проводятся первичные демонстрации, неплохая. Но дальше воронка встает.
Конфликт
Отдел продаж говорит:
-
Лиды некачественные, у них нет реального запроса. Но это выясняется почему-то непосредственно на демонстрации.
-
Продукт не подходит по функциональным требованиям.
Аргументы продаж: высокий процент отказов после демо.
Маркетинг говорит, что менеджеры слабо квалифицируют лиды, собирают мало информации на старте, не выявляют реальную потребность. А на самой демонстрации почти не подстраиваются под контекст клиента и показывают продукт по одному линейному сценарию. Аргументы маркетинга строятся на основе прослушивания ими звонков и просмотра демозаписей.
Продакты заявляют, что продукт у компании конкурентный. Есть недостатки, но не критичные. Кроме того, в независимых обзорах продукт стабильно входит в топ-5. То есть проблема не у них.
Кому верить? Кто в реальности прав?
Решение — внедрение ИИ-аналитики
Чтобы разобраться в ситуации, надо было объективно показать всем сторонам реальное содержание переговоров с клиентами. Поэтому мы внедрили технологию ИИ-аналитики. Начали транскрибировать и анализировать все входящие и исходящие звонки менеджеров отдела продаж, а также записи демонстраций с клиентами.
ИИ-аналитика звонков
Звонки из CRM отправляются в сервис. Там они транскрибируются и анализируются по подготовленным нами промптам. Далее данные возвращаются в CRM-систему и прикрепляются к каждому звонку в карточке сделки.
В результате можно:
-
узнать полное содержание звонка
-
выявить запрос клиента и квалифицировать его
-
проанализировать качество работы менеджера
-
получить отчёт по всем звонкам за день/неделю без необходимости прослушки и ручного сбора информации
У нас три основных отчета:
-
Формальный отчет для вставки в CRM, максимально нейтральный и составленный исключительно по фактам из транскрибации звонка.
-
Оценочный отчет для внутреннего использования руководством. Этот отчет анализирует качество работы менеджеров.
-
Отчет по продуктовым запросам и возражениям.
Все отчеты генерируются с помощью ИИ без участия сотрудников. Данные в отчете можно проверить, просто перейдя по ссылке на исходную карточку сделки. Сначала были ошибки и неточности, но со временем система обучилась и теперь количество расхождений с реальным содержанием звонков минимально.
1. Пример анализа звонка внутри карточки CRM:
По каждому разговору с клиентом формируется примерно такое содержание. Приведу текстом, потому что на скриншотах получается слишком мелко.
Пример выдержки из отчета
1. Роль клиента: Заказчик (застройщик)
2. Запрос клиента: Организовать презентацию программы и показать её возможности для сотрудников, генподрядчиков и службы заказчика.
3. Типы объектов: Не спросил
4. Названия объектов: Не спросил
5. Регионы: ХХХ, планируется выход в другие регионы
6. Цена/инвестиции: Ориентировочная стоимость подписки от оператора — «тридцать с чем‑то тысяч в месяц» (за минимальное число пользователей)
7. Текущие процессы: На этапе знакомства с ПО и выбора решения; координация презентации ведётся отделом кадров; цифровизация пока не внедрена
8. Проблемы с процессами: Нужны удалённый контроль и документооборот (отсутствие/недостаток этих процессов)
9. Взаимодействие: Взаимодействие планируется между застройщиком, генподрядчиками и службой заказчика; сейчас контакты и ответственные ещё не определены
10. Документооборот и ПО: Рассматривают разные программные решения; текущая форма документооборота: не спросил
11. Партнёры клиента: не спросил
12. Госзаказы: не спросил
13. Внутреннее/Внешнее использование: Внешнее (взаимодействие с генподрядчиками и службой заказчика, а также внутренними сотрудниками)
14. Необходимость доработок: не спросил
15. Актуальность: Высокая
16. Итоги звонка: Оператор отправит в течение нескольких минут презентацию, описание системы и опросный лист на почту; клиент рассмотрит и соберёт ответы и вопросы в течение дня, после чего запланируют презентацию с руководителями и сотрудниками.
17. Возражения: Клиент не является техническим решающим лицом и не сможет ответить на часть технических вопросов; требуется контактное лицо, ответственное за строительный процесс.
2. Пример анализа звонка в отчете для руководителя
Дополнительно в отчете для руководителя, помимо содержательной части разговора, оценивается качество работы менеджера отдела продаж.
Пример выдержки из отчета
6. Сбор полезной информации для дальнейшей продажи
Оператор узнал:
— роль компании (субподрядчик), тип объектов (жилые дома), направление (слаботочка);
— что интересует именно исполнительная документация;
— что обязательств по CDE перед заказчиком нет, инициатива внутренняя.
Но не собрал:
— текущие процессы работы с исполнительной документацией;
— объёмы документации (сколько объектов, сколько комплектов, сколько людей вовлечено);
— частоту проблем (переделки, запросы от заказчика, «возвраты» документов);
— кого нужно будет подключить к следующему созвону (руководитель ПТО, ИТ, директор);
— ключевые критерии выбора решения (стоимость, скорость внедрения, простота для монтажников/инженеров, интеграции и т.п.).
В результате для следующего шага у продажника очень мало конкретики. Разговор дальше легко уйдёт в общий «показ продукта», а не в решение задач клиента.
8. Итоговая оценка качества квалификации
Сильные стороны:
— корректный, вежливый, ненавязчивый тон;
— базовое понимание: кто клиент (субподрядчик по слаботочке в жилых домах), что хочет (оптимизация работы ПТО, исполнительная документация);
— уточнение про наличие/отсутствие регуляторных/договорных обязательств по цифровой передаче документации;
Зоны роста:
— не выяснена роль и уровень влияния клиента (должность, участие в принятии решения);
— почти не раскрыты боли, реальные проблемы и последствия текущей ситуации;
— нет оценки масштаба задач (объёмы, количество объектов, людей, документов);
— не затронута тема сроков, приоритетности и хотя бы ориентировочных бюджетных рамок;
— не проработаны критерии выбора решения и возможные возражения (например, по обучению персонала, интеграциям).
Полный пример отчета смотрите тут.
3. Пример анализа встреч с клиентами
Самый неожиданно позитивный эффект мы получили по итогам анализа встреч с клиентами, на которых менеджеры демонстрировали продукт.
Выяснилось, что ИИ может не только оценивать качество работы менеджеров, но и после определенного обучения начинает давать очень толковые советы, как дальше менеджеру продвинуться по сделке:
-
какие дополнительные вопросы задать
-
какие материалы запросить
-
какую и с кем встречу организовать и что на этой встрече обсудить
-
какие подготовить дополнительные обоснования
-
как лучше устроить пилотный проект и какие критерии нужно оценить
В результате диапазон средств «дожима» клиентов вырос в несколько раз, что быстро отразилось на показателях воронки.
Пример выдержки из анализа встреч
Общая оценка: 7,3/10.
Сильная демонстрация и нормальная обработка вопросов, но discovery мог быть глубже: меньше «показа вообще всего», больше кастомизации под текущий процесс клиента и внимания к способам снижения ручного ввода (интеграции, роли, регламенты).
Ниже описано, что сделать прямо сейчас и какой оффер предложить этому клиенту-генподрядчику с учётом его главных триггеров (данные/заполнение, Excel-ВОР вместо смет, МТО, мобильность, ИБ/on-prem).
Что сделать (план действий на 1 неделю)
-
Вернуть себе инициативу
Короткое письмо или сообщение: «Вижу три риска: а) кто и как наполняет систему; б) как использовать ваш ВОР/Excel вместо GFX-смет; в) как реализовать МТО, мобильное приложение и ИБ. Предлагаю провести встречу на 45 минут: разложим всё по этапам и подготовим план пилота». -
Провести «мини-воркшоп на 45 минут»
-
Отправить 3 артефакта до воркшопа
-
Видео и ссылку на демоверсию мобильного приложения для Android — у вас есть.
-
Презентацию по «Ресурсам/МТО» — у вас есть.
-
«Требования к серверу» — у вас есть.
Какой оффер предложить (самый сильный под их запрос)
Суть: вы за 3 недели доказываете, что система может давать ценность без отдельного человека-оператора и с их шаблоном Excel-ВОР.
Что входит в описание оффера:
-
Ролевая схема «кто что вводит»
-
Оцифровка одного из Excel-шаблонов клиента в нашем ГПР + связка «вид работ ↔ документ»
-
Демо-сценарий на их кейсе: «замечание по РД → исправленная версия → закрытие документом → обновление плана/факта»
-
Метрики пилота (что измеряем):
-
время согласования/передачи РД,
-
план/факт по 20–30 работам,
-
трудозатраты на ввод (часов в неделю)
Полные примеры анализа встреч с клиентом смотрите по ссылке.
Результаты
Что мы получили в результате внедрения ИИ-аналитики
1. Разрешение конфликта
Конфликт между отделами был исчерпан, так как появились объективные данные для анализа, которые превратились в совместные проекты изменений. Отделы перестали ругаться и начали совместно работать над улучшениями.
2. Проекты изменений
Был реализован ряд инициатив, например:
-
отменены некоторые маркетинговые мероприятия и запущены новые;
-
внедрены новые стандарты квалификации, в том числе обязательные вопросы;
-
добавлены новые фичи в продуктовый бэклог;
-
пересмотрены подходы к ценообразованию.
3. Бизнес-результаты
По сравнению с периодом до внедрения:
-
конверсия из обращения в демонстрацию выросла на 28%;
-
конверсия из демонстрации в пилот выросла на 36%;
-
стоимость получения одной демонстрации снизилась примерно на 22%;
-
стоимость получения одного пилота снизилась примерно на 43%.
Расчёты основаны на сравнении сопоставимых периодов. Абсолютные показатели не приводятся по условиям конфиденциальности.
Стоимость внедрения
При объёме звонков до 10 000 минут в месяц расходы на сервис ИИ-аналитики не превышали 60 000 рублей в ценах 2026 года. Трудозатраты на старте достаточно высокие в части создания промптов и координации всех участников процесса, объяснения им целей проекта и снятия страхов.
Выводы
ИИ-аналитика коммуникаций менеджеров позволяет понять:
-
Где узкое горлышко при снижении продаж;
-
Что можно улучшить прямо сейчас без изменения самого продукта;
-
Кого из сотрудников надо дообучить или переаттестовать;
-
Что клиенты говорят про вашу компанию и конкурентов;
-
Какие изменения в продукте, сервисе или ценовой политике надо реализовать в будущем.
ссылка на оригинал статьи https://habr.com/ru/articles/1059774/