Система для контроля качества продаж на основе ИИ: 700 сделок в месяц и 200 звонков в день

Первым этапом настроили сценарий, который автоматически отслеживает негатив в общении менеджеров с клиентами — как в звонках, так и в чатах. Искусственный интеллект анализирует текст и содержание разговора по заданному промпту и определяет негатив со стороны клиента или потенциальный конфликт.

Если система обнаружила негатив, отправляет уведомление в специальную группу в Telegram. В сообщении автоматически указывается комментарий ИИ с объяснением, почему ситуация была отмечена как негативная, ссылка на звонок или переписку, менеджер, который общался с клиентом, этап сделки и ее бюджет. Также прикрепляется ссылка на саму сделку в CRM.

РОП прослушивает звонок или просматривает переписку, отмечает в группе, что ситуация проверена. Дает менеджеру обратную связь — как правильно отработать клиента или избежать подобных ситуаций в будущем.

Вторым этапом настроили автоматический контроль SLA по сообщениям клиентов. Система работает на связке виджетов Триггеры и Процессы: как только в чат приходит новое сообщение от клиента, запускается сценарий проверки.

Если менеджер не отвечает в течение 3 часов в рабочее время, ИИ дополнительно анализирует сообщение и определяет, действительно ли клиенту нужен ответ. Это важно, потому что иногда клиент может написать «ок», «спасибо» или другую фразу, на которую отвечать не обязательно.

Если ИИ понимает, что клиент ждет ответа, система отправляет уведомление в Telegram. В рабочее время предупреждение приходит сразу после превышения SLA, а сообщения, оставшиеся без ответа вечером или ночью, автоматически собираются и направляются руководителю на следующий день в 9:00 утра.

При этом система учитывает реальные сценарии работы менеджеров. Например, если клиент написал в чат, а менеджер вместо ответа перезвонил и поговорил с клиентом более 10 секунд, сценарий не срабатывает — система понимает, что коммуникация состоялась и проблема фактически закрыта. Благодаря этому контроль работает корректно и не создает ложных уведомлений.

Третий сценарий системы контроля — автоматическая проверка того, как менеджеры обрабатывают возражения. Анализ запускается в двух воронках продаж: «Входные двери» и «Межкомнатные двери». Когда менеджер переводит сделку на этап «Отказ», система автоматически проверяет всю коммуникацию по этой сделке — звонки, чаты и данные в карточке CRM.

Для этого используется связка виджетов Триггеры+ Voice AI+Процессы. Сначала звонки и переписки анализируются искусственным интеллектом — он ищет ключевые возражения клиента, например, по стоимости. Результаты анализа сохраняются в дополнительные поля сделки. После перевода сделки в отказ система запускает финальную проверку: был ли у клиента ценовой барьер и предложил ли менеджер варианты его обработки, например рассрочку или альтернативное решение.

Если ИИ видит, что клиент прямо говорил о высокой цене, но менеджер не попытался отработать это возражение, система отправляет уведомление в Telegram. В сообщении приходит краткая выжимка анализа: где именно клиент обозначил проблему, какие фразы это подтверждают и почему система считает, что возражение было обработано неправильно или не было обработано вообще.

Четвертый сценарий системы — автоматическая фиксация и анализ позитивных сигналов от клиентов. На определенных этапах продаж система проверяет, были ли звонки или сообщения, в которых клиент выражает удовлетворение услугой или продуктом.

Когда менеджер завершает взаимодействие на этих этапах, ИИ анализирует коммуникацию — звонки, чаты и записи в amoCRM. Он ищет ключевые фразы, которые указывают на положительный опыт клиента: благодарности, похвалу, выражение готовности продолжать сотрудничество.

До корректировки этапов уведомления приходили на всех стадиях, и в день их было около пяти-семи. После уточнения, на каких этапах стоит отслеживать позитив, система стала присылать только наиболее значимые уведомления в Telegram.

На этом этапе система проверяет, насколько правильно менеджер указал причину закрытия сделки. Когда менеджер переводит сделку в статус «Отказ», искусственный интеллект анализирует всю коммуникацию по этой сделке — звонки, переписки, комментарии в amoCRM — и сопоставляет их с причиной, которую указал менеджер.

Например, если клиент действительно отказался из-за высокой цены, а менеджер указал причину «перестал выходить на связь», система видит несоответствие. В таком случае формируется уведомление в Telegram. В сообщении приходит краткая выжимка: что сказал клиент, где именно зафиксирован ключевой мотив отказа, и почему причина, указанная менеджером, не совпадает с реальной ситуацией.

Если с момента создания сделки прошло 24 часа, а менеджер не уточнил у клиента по дополнительным продуктам — например, межкомнатные двери при заказе входных — ИИ фиксирует это. После этого сотрудник получает уведомления о том, что стоит предложить клиенту дополнительные товары или услуги.

Система также проверяет, насколько менеджер соблюдает скрипт идеального звонка. Если звонок длится больше 3-х минут, запускается промпт, который анализирует разговор по заранее заданным критериям: что менеджер сделал хорошо, а где есть зоны роста. ИИ формирует общую оценку и аргументацию по каждому критерию, чтобы руководитель сразу видел, что сработало, а что нет.

Чтобы удобно вести статистику по большим текстам, данные дополнительно собираются в Google.Таблицах, но уведомления приходят в Telegram — чтобы руководитель оперативно видел результат и сразу направил сотрудника на корректировку.

Для удобства и наглядности все данные по автоматизации собираются в Google Sheets. Одна сделка может попадать сразу в несколько топиков: например, если менеджер закрыл ее без ответа, или причина отказа не соответствует, или клиент оставил негатив. В таблице фиксируются дата и время звонка, часто задаваемые вопросы, краткое резюме разговора и тон общения с обеих сторон — менеджера и клиента.

Каждый звонок и чат систематизируются в отдельные столбцы, что позволяет видеть полную картину взаимодействия. Сделка попадает не только в Telegram и тематические топики, но и в таблицу для аналитики. Система дополнительно анализирует топ-10 самых частых вопросов за месяц и помогает подготовить материалы для обучения, скриптов или роликов.