Как ИИ находит слитые сделки

Что такое слитая сделка

Слитая сделка — это не отказ клиента, а момент, где менеджер упустил его сам. Клиент спросил про рассрочку — менеджер не ответил и переключился на другое. Клиент написал вечером — ответ пришёл только утром, и человек уже купил у другого. Со стороны это выглядит как обычный отказ, а на самом деле деньги были на столе.

Проблема в том, что такие сливы не видны в отчётах CRM. Сделка просто помечается «отказ» или зависает в воронке без движения. Причина слива остаётся внутри разговора — в интонации, в паузе перед ответом, в том, что менеджер не задал нужный вопрос. Без разбора самого звонка или переписки эту причину не найти.

Почему вручную сливы находить трудно

Руководитель отдела продаж физически не может прослушать все звонки и прочитать все переписки. У него есть время выборочно проверить пять-десять диалогов в неделю, остальное проходит мимо. Если у менеджера сто разговоров в месяц, руководитель видит в лучшем случае десятую часть картины.

Ситуация усложняется тем, что заявки приходят не только в рабочее время. По действующему проекту GetGate 27% заявок приходит вечером и в выходные — раньше их ждали до утра. Пока менеджер не на месте, клиент либо ждёт, либо уходит к тому, кто ответил быстрее. Ручная проверка такие сливы почти не ловит, потому что разбор идёт постфактум и выборочно.

Ещё сложнее с переписками. Текстовый диалог можно пролистать быстро, но пропустить важную деталь — например, что клиент трижды спросил про сроки, а менеджер ни разу не ответил прямо. Человеку тяжело держать в голове чек-лист из десяти пунктов на каждый диалог. ИИ эту же работу делает по одному и тому же алгоритму, без усталости и без выборочности.

Как ИИ слушает звонки и читает переписки

ИИ разбирает каждый звонок и каждую переписку, а не выборку. Он переводит голос в текст, вычленяет вопросы клиента и ответы менеджера, отмечает паузы и повторные обращения. В переписках он видит всю историю диалога целиком, а не последнее сообщение.

Дальше каждый диалог сверяется с чек-листом: поздоровался ли менеджер, выяснил ли потребность, назвал ли цену и следующий шаг, предложил ли альтернативу при возражении. Это происходит по каждому обращению без исключений. Если менеджер пропустил вопрос клиента про сроки доставки, система это фиксирует так же, как зафиксировала бы внимательный слушатель звонка.

Такой разбор описан в разделе контроля качества. Здесь же скрыт второй эффект: ИИ можно поставить не только слушателем, но и участником диалога. Мы проверяли на реальной переписке, насколько ответы ассистента отличаются от ответов живого менеджера, и в 80% случаев при слепом сравнении ответ ассистента был не хуже. Это значит, что чек-лист, по которому оценивают менеджеров, применим и к самому роботу.

Чек-лист: по каким признакам ИИ находит слив

Первый признак — долгий ответ на горячий вопрос. Если клиент спросил про цену или наличие, а менеджер ответил через час, это уже потенциальный слив, даже если сделка формально не закрыта. Второй признак — вопрос без ответа. Клиент спросил про рассрочку, гарантию или сроки, а в переписке этот вопрос просто потерялся среди других тем.

Третий признак — отсутствие следующего шага. Разговор закончился без даты звонка, без отправленного счёта, без договорённости о встрече. Сделка зависает не потому, что клиент передумал, а потому что никто не назначил, что происходит дальше. Такие случаи разбираются подробнее в материалах про построение отдела продаж, где следующий шаг по каждому лиду — отдельная задача.

Четвёртый признак — тон разговора. Раздражение, равнодушный ответ, формальная фраза вместо живого диалога — всё это ИИ считывает по интонации в звонке и по формулировкам в переписке. Пятый признак — расхождение между тем, что менеджер написал в CRM, и тем, что реально было сказано клиенту. Иногда в карточке сделки стоит «клиент думает», хотя в разговоре клиент прямо сказал «беру».

Скоринг менеджеров: как считается

Каждый диалог получает оценку по чек-листу, а из оценок по всем диалогам складывается скоринг менеджера за период. Это не субъективное мнение руководителя, а сумма конкретных пунктов: поздоровался, выяснил потребность, назвал цену, закрыл на следующий шаг. Скоринг показывает не общее «хорошо или плохо», а то, какой именно этап проваливается чаще всего.

Если у менеджера стабильно низкий балл по пункту «предложил альтернативу при возражении», это конкретная точка для разбора на планёрке. Руководителю не нужно гадать, в чём проблема — чек-лист уже её назвал. Тот же скоринг помогает сравнивать смены, каналы и периоды: где чаще срываются сделки — в переписках или в звонках, вечером или днём.

Такой разбор без ИИ занял бы у руководителя часы прослушивания и субъективные пометки на бумаге. С автоматическим скорингом эта работа идёт фоном, а результат появляется в виде готового отчёта. Дальше остаётся решить, что делать с найденными пробелами — обучать менеджера, менять скрипт или пересматривать распределение заявок.

Что происходит после того, как слив найден

Найти слив — только половина дела. Дальше нужно понять, можно ли его исправить прямо сейчас, пока клиент ещё не ушёл окончательно. Если сделка зависла без ответа, руководитель видит это в отчёте и может вернуть лид в работу, пока он не остыл.

Если проблема системная — например, вечерние заявки регулярно остаются без ответа до утра — это повод подключить робота-продавца, который отвечает клиенту сразу в любое время суток. Тогда 27% заявок, приходящих вечером и в выходные, не будут ждать до утра, а получат ответ сразу. Это не устраняет все сливы, но убирает самый частый и самый обидный — потерю клиента из-за банальной паузы в ответе.

По действующему проекту GetGate внедрение подобной автоматизации освободило у менеджера примерно час рабочего времени в день. Это время уходит не на рутинные ответы, а на разбор сложных случаев и на звонки клиентам, которых стоит дожать лично. Контроль качества и автоматизация ответов работают вместе: одно находит проблему, другое убирает её самую частую причину.

Как контроль качества связан с CRM и аналитикой

Разбор звонков и переписок не имеет смысла без места, куда стекаются результаты. Все данные о сделках, диалогах и статусах хранятся в CRM, и именно там ИИ находит контекст для оценки — историю клиента, предыдущие обращения, этап воронки. Настройка такой системы описана в разделе внедрения CRM.

Дальше данные о сливах и скоринге менеджеров становятся частью общей картины продаж. В аналитике продаж видно не только план и факт по выручке, но и то, на каком этапе воронки чаще всего теряются заявки. Если разрез по менеджерам показывает, что у одного человека систематически низкий скоринг именно на этапе закрытия, это видно сразу, а не через квартал.

Такая связка превращает разбор отдельных диалогов в постоянный процесс, а не в разовую проверку. Руководитель не ищет проблему вручную раз в месяц — он видит её в отчёте каждый день, вместе с цифрами по выручке и конверсии. Это тот случай, когда контроль качества перестаёт быть отдельной задачей и становится частью обычной работы с воронкой.

С чего начать внедрение

Первый шаг — не покупка технологии, а разбор текущего отдела продаж: сколько звонков и переписок проходит в месяц, где именно теряются заявки, есть ли уже чек-лист для оценки менеджеров. Без этого разбора сложно понять, что именно должен искать ИИ в разговорах конкретной компании — у продажи мебели и у продажи консалтинга разные точки провала.

Дальше подключаются каналы связи — звонки, Telegram, WhatsApp, переписки с сайта — и настраивается чек-лист под реальный процесс клиента, а не универсальный шаблон. Постепенно становится видно, какие менеджеры справляются, а какие этапы воронки требуют разбора на планёрках. Подробнее о том, как выглядит этот процесс целиком, можно почитать в блоге или на странице контроля качества.

Слитая сделка редко видна сразу — она прячется в паузе перед ответом или в вопросе, на который никто не отреагировал. ИИ не заменяет разговор с клиентом, но показывает, где именно этот разговор сорвался. Это превращает контроль качества из редкой выборочной проверки в постоянную работу над каждой сделкой.