ИИ в продажах помогает собрать историю клиента, найти в разговорах его потребности и подготовить предложение на основе фактов. Для этого можно соединить разрешённые данные CRM, звонков, переписок и покупок с актуальными условиями компании. Менеджер получает контекст и черновик решения, а руководитель — материал для исследования аудитории, возражений и продуктовых гипотез.
Особенно ценны расшифровки реальных разговоров. В них остаются слова клиента: что он пытался решить, что сравнивал, чего опасался и почему согласился или отказался. Если связать эти записи с результатами сделок, можно исследовать продажи гораздо предметнее. Но важно сохранить связь выводов с источниками и проверять то, чего в разговоре не было.
Где ИИ помогает в отделе продаж
Практическое внедрение ИИ в продажи удобно начинать с повторяющейся работы, результат которой можно проверить. Например, подготовить менеджера к встрече по истории контактов или собрать черновик предложения после разговора.
Есть несколько связанных сценариев:
- Перед контактом: свести покупки, вопросы, прежние предложения и незавершённые договорённости в краткую справку.
- После разговора: выделить потребности, сроки, вопросы и следующий шаг; предложить обновления для CRM.
- При подготовке предложения: сопоставить задачу клиента с каталогом и действующими условиями.
- Для руководителя: исследовать повторяющиеся возражения, признаки разных сегментов и пробелы процесса.
- Для продукта и маркетинга: найти вопросы, за которыми может стоять спрос на новое предложение.
Эти возможности уже есть в коммерческих инструментах. Например, BitrixGPT расшифровывает отдельные звонки и помогает заполнять CRM. Microsoft Sales agent использует доступные сведения CRM и клиентских коммуникаций. Конкретный набор источников зависит от продукта, подключений и прав доступа.
Перед выбором сервиса полезно сделать аудит бизнес-процессов: определить задачу, данные, владельца результата и способ проверки.
Какие данные клиента можно использовать
В историю клиента могут входить сделки CRM, покупки, возвраты, предыдущие предложения, задачи менеджера, деловые письма, переписки и аудиозаписи разговоров. Для подготовки предложения к ним добавляются сведения компании: ассортимент, актуальные цены, наличие, сроки, правила скидок и ограничения.
Важно различать полную относящуюся к задаче историю и бесконтрольную выгрузку всех сведений. Для анализа причин отказа может хватить обезличенного разговора и результата сделки. Для расчёта индивидуального предложения нужны конкретные характеристики заказа. Паспортные сведения клиента в таком исследовании обычно не помогают.
Рабочая последовательность выглядит так:
- Определить цель: например, понять причины отказов по одной группе товаров.
- Выбрать необходимые источники и период.
- Проверить права и основание обработки, условия конфиденциальности.
- Убрать ненужные сведения и настроить доступ.
- Выбрать подходящую среду обработки и проверить её условия хранения и использования данных.
Деловой контакт также может содержать персональные данные. Статья 5 закона 152-ФЗ требует определённой цели и соответствующего ей объёма данных; статья 6 устанавливает условия обработки. Для записей, переписок и коммерческой информации нужно отдельно установить необходимые права, обязательства перед клиентами и допустимость передачи обработчику, включая передачу за рубеж.
Условия конкретного продукта имеют значение. Например, OpenAI API по умолчанию не использует переданные данные для обучения, но стандартные журналы контроля злоупотреблений могут сохраняться до 30 дней. Это не означает автоматического соответствия всей схемы обработки требованиям вашей компании или российского законодательства.
Как подготовить звонки и переписки к анализу
Транскрибация — преобразование аудио в текст. Для исследования продаж полезны запись, расшифровка с таймкодами, различение участников и связь разговора с конкретным контактом или сделкой.
Проверьте в исходном аудио фрагменты, от которых зависит решение: сумму, отрицание, артикул, срок и имя товара. Ошибка «не подходит» → «подходит» меняет смысл сильнее, чем пропущенное междометие. Если говорящих разделили неправильно, модель может принять предложение менеджера за пожелание клиента.
Для каждого контакта сохраните устойчивый идентификатор, дату, продукт, источник и результат сделки. Уберите дубли: пять сообщений одного покупателя не являются пятью покупателями.
При большом архиве используйте одинаковую схему разбора для каждой беседы, затем объединяйте результаты. Перед агрегированием проверьте примеры из разных групп. Нужно понимать, сколько контактов было в исходном наборе, сколько обработано и где информация отсутствует.
CustDev по транскрибациям: кто купил и почему
CustDev, или Customer Development, — исследование клиентов и проверка гипотез о том, какую задачу решает продукт и почему его выбирают. Записи продаж дают для этого уже накопленный материал. ИИ помогает разметить и сопоставить беседы, а команда проверяет выводы и задаёт недостающие вопросы.
В методологии Стива Бланка разговоры с клиентами служат проверке предположений о проблеме и решении. Простого сбора пожеланий недостаточно. Поэтому обнаруженный вопрос о новой функции ещё не подтверждает готовность её покупать.
Для исследования нужны три разных вида сведений:
- Результат: заказ, оплата, отказ или незавершённая сделка. Критерий покупки определите заранее и одинаково для всех контактов. Фраза «интересно, пришлите» не равна покупке.
- Названная причина: что клиент прямо сказал о выборе. Сохраните цитату, источник и таймкод.
- Гипотеза: ваше объяснение, когда причина не названа или неоднозначна. Её нужно проверять отдельно.
Например, клиент сказал: «Выбрали вас, потому что подтвердили совместимость». Это свидетельство названного им критерия. Если менеджер лишь обсуждал совместимость, а покупатель затем оплатил заказ, утверждение «купил именно из-за совместимости» пока будет гипотезой.
Включайте покупателей, отказавшихся и тех, чья сделка ещё не завершилась. Иначе исследование покажет преимущественно тех, кого компания уже смогла заинтересовать. Сам архив обращений также не описывает весь рынок: в нём нет многих людей, которые никогда не связывались с вами.
Карточка разбора одного разговора
Используйте единый набор полей:
- задача клиента и ситуация, в которой она возникла;
- критерии выбора, ограничения и рассматриваемые альтернативы;
- что он делал раньше, чтобы решить задачу;
- явно названные возражения и вопросы;
- фактический результат сделки;
- подтверждающий фрагмент для каждого существенного вывода;
- что неизвестно и какие уточнения нужны.
Полезное задание ИИ: «Раздели подтверждённые факты, предположения и вопросы. Для фактов укажи источник. Неизвестное обозначь как отсутствие данных. Не определяй причину покупки только по её совпадению с темой разговора».
После автоматической разметки выборочно сравните результат с записью и CRM. Если ошибка повторяется, исправьте схему и обработку до подготовки общих выводов.
Как выделить аудитории, которые покупают и не покупают
Сегмент для продаж удобно описывать через задачу, обстоятельства покупки и критерии решения. Одной отрасли или возраста компании часто недостаточно для подходящего предложения.
Учебный пример поставщика оборудования: покупатели могут приходить за повторной закупкой известного артикула, срочной заменой вышедшего из строя узла или подбором первой системы. Это три разные ситуации даже внутри одной отрасли.
Для повторной закупки важны стабильность и удобство заказа. При срочной замене — наличие и совместимость. При первом запуске — подбор и помощь в использовании. Такие различия можно искать в историях коммуникаций, а затем проверять на новых контактах.
Для каждой группы сопоставьте задачу, продукт, критерии, результат и число уникальных сделок. Укажите период и долю контактов, где причина не выяснена. «Не купили» также стоит разделить: выбрали другого поставщика, отложили решение, не подошли условия или не получили ответа.
Если считаете долю покупок, используйте одинаковое окно наблюдения и сопоставимые сделки. Открытые сделки не превращайте в окончательные отказы. Небольшое число примеров и разное качество данных ограничивают выводы.
Как найти новые продукты в вопросах клиентов
В разговорах могут регулярно появляться задачи, которые бизнес пока решает частично. Это материал для продуктовых гипотез.
В учебном примере клиент спрашивает: «Сможете подобрать всё совместимое?», «Есть помощь с первым запуском?», «Можно заранее согласовать набор для следующей замены?». Возможные направления — комплект под задачу, помощь в запуске или программа повторных поставок. Они подходят только компании, у которой есть соответствующая компетенция и возможность выполнить обещание.
Проверяйте идею по четырём вопросам:
- Какая реальная задача стоит за вопросом и как клиент решает её сейчас?
- Встречается ли она у разных клиентов или повторяется в переписке одного человека?
- Может ли бизнес выполнить решение с приемлемыми затратами и ответственностью?
- Есть ли подтверждение готовности платить: обсуждение условий, пилот, заказ?
Не превращайте каждый запрос в новый продукт. Сначала уточните проблему и подготовьте ограниченный проверяемый вариант. В реестре гипотез сохраните источники, сегмент, предполагаемое решение и статус проверки.
Какие возражения возникают и как отвечать лучше
Соберите повторяющиеся возражения вместе с контекстом. Фраза «дорого» может означать ограниченный бюджет, сравнение другого комплекта, непонятную ценность или неудобный порядок оплаты. Универсальная скидка не выясняет причину.
В карточке возражения полезно сохранить слова клиента, заданный уточняющий вопрос, ответ менеджера, доказательство в ответе и дальнейший результат.
Например, в учебной беседе клиент говорит: «У другого поставщика дешевле». Менеджер может уточнить, совпадают ли состав, сроки и условия, а затем показать проверяемые различия. Если сравнение действительно одинаковое, не стоит придумывать преимущества.
На основе таких разборов создайте библиотеку ответов:
- когда нужно уточнить причину;
- какие сведения о продукте можно подтвердить;
- какой ответ уже проверялся;
- что нельзя обещать;
- когда вопрос следует передать специалисту.
Успешная сделка после определённого ответа ещё не доказывает, что ответ вызвал покупку. Для оценки нового подхода нужен сопоставимый тест. Анализ звонков также может показывать нехватку информации или неудобные условия компании; индивидуальные оценки менеджеров проверяйте человеком.
Как собрать УТП на основе клиентских данных
Уникальное торговое предложение должно соединять важную задачу конкретного сегмента с возможностью компании и подтверждаемым отличием. Анализ разговоров помогает найти язык клиента и критерии, которые действительно обсуждаются.
Рабочая структура:
Для какого клиента → в какой ситуации → какую задачу решаем → что предлагаем → чем подтверждаем → какие условия действуют.
В учебном примере вместо «качественное оборудование по выгодной цене» можно проверить формулировку: «Подберём совместимый комплект для замены узла: согласуем характеристики, комплектность и срок поставки до оформления заказа». Использовать такое обещание вправе компания, которая действительно выполняет эти действия.
Если клиенты часто опасаются остановки оборудования, включите в предложение подтверждение совместимости и фактический срок. Если им сложно выбрать первую систему — объяснение подбора и доступной помощи. Слова из интервью помогают сделать смысл узнаваемым, но коммерческие обещания определяются реальными возможностями бизнеса.
Отдельно проверьте отличия от конкурентов. Фраза может быть понятной и полезной, но её уникальность нельзя установить только по своим разговорам. Затем проверяйте реакцию сегмента и реальные действия: уточнения, запрос предложения, заказ.
От истории клиента к персональному предложению
Предложение собирается из двух источников: подтверждённых потребностей клиента и действующих возможностей компании.
Учебный пример; данные и реплики придуманы для объяснения метода. В CRM есть предыдущая покупка клиента А. В новом звонке он обсуждает замену к началу следующего месяца. В письме спрашивает, подойдёт ли узел к существующей системе. Размер и модель пока не указаны.
Хороший результат анализа:
- подтверждена задача замены и ориентир по сроку;
- совместимость требует проверки;
- бюджет не установлен;
- нужно запросить характеристики;
- возможный вариант можно предложить после сверки с каталогом и поставкой.
Черновик ответа: «Чтобы проверить совместимость, пришлите модель и характеристики действующего узла. После сверки предложим подходящий вариант и подтвердим комплектность и срок поставки. Если есть ограничение бюджета, сообщите его — учтём при подборе».
В таком письме нет выдуманной цены, гарантии совместимости или срока. После уточнений ИИ может подготовить структуру предложения, а менеджер проверяет артикулы, стоимость, наличие, условия и обязательства перед отправкой.
Сохраните версию источников, по которым собран документ. Старый прайс и прошлогоднее письмо не должны становиться текущими условиями.
Примеры задач из проектов ИИ41
В проекте «УралОчки» работа с ИИ включала анализ CRM и клиентской базы, а также помощь продавцам. Это пример применения накопленных данных и поддержки команды.
В CNC66 среди задач были подготовка к встречам с ключевыми клиентами и персонализированные коммуникации. Здесь полезен контекст конкретного клиента и его вопроса.
Эти кейсы показывают направления применения. Они не доказывают результат описанного учебного сценария в другой компании. Для своей задачи потребуется отдельно проверить качество данных, ответы и эффект.
Как запустить пилот и измерить пользу
Выберите один результат: карточку потребностей, исследование причин отказов или черновик предложения. Назначьте сотрудника, который понимает исходные данные и может проверить ответ.
Зафиксируйте, как работа выполняется сейчас, затем сравните сопоставимые примеры с ИИ:
- время подготовки вместе с проверкой и исправлениями;
- долю фактических ошибок;
- пропущенные важные сведения;
- число и объём правок;
- пригодность результата для следующего действия.
Экономия времени без учёта проверки может оказаться мнимой. Если модель регулярно ошибается в существенных фактах, сначала исправьте источники и процесс.
Конверсию оценивайте отдельно: одинаковые критерии результата, сопоставимые группы, достаточный период и объём сделок. На продажи одновременно влияют цена, ассортимент, сезонность и качество входящих обращений.
Порядок внедрения описан в статье о начале работы с ИИ в бизнесе. Для практики с сотрудниками можно выбрать обучение команды, для разбора процесса и данных — консультацию.
Источники и границы примеров
Материал подготовлен Романом Исаевым с использованием первичных источников, проверенных 1 октября 2026 года:
- Битрикс24: расшифровка звонков и заполнение CRM.
- Microsoft Learn: использование данных продаж.
- Стив Бланк: проверка гипотез в Customer Development.
- 152-ФЗ: принципы обработки персональных данных и условия обработки.
- OpenAI API: использование и хранение данных.
Схемы объясняют метод и не показывают реальные показатели компании. Учебные реплики не являются цитатами клиентов ИИ41. Для конкретной схемы обработки данных требуется проверить условия вашей организации и выбранного сервиса.
Частые вопросы
Можно ли загрузить всю клиентскую базу и получить готовую стратегию?
Сначала определите задачу и необходимые данные. Даже большая база может содержать дубли, устаревшие сведения и непроверенные причины отказов. Стратегия требует проверки выводов, возможностей бизнеса и реакции клиентов.
Можно ли проводить CustDev только по записям продаж?
По ним можно исследовать выраженные потребности, вопросы и связь с результатами сделок. Неозвученные мотивы, люди вне архива и готовность покупать новый продукт потребуют дополнительных разговоров и экспериментов.
Как понять, какие аудитории не покупают?
Свяжите сегмент, задачу и коммуникации с результатом каждой уникальной сделки. Отделяйте завершённые отказы от открытых сделок, сохраняйте неизвестные причины и сравнивайте сопоставимые периоды.
Может ли ИИ придумать новый продукт и УТП?
Он может предложить гипотезы на основе вопросов клиентов. Компания проверяет спрос, компетенции, затраты, отличие от других предложений и возможность выполнить обещание.
С чего начать небольшой компании?
С одной регулярно возникающей задачи и разрешённых данных. Подготовьте эталон хорошего результата, назначьте проверяющего и измерьте время вместе с качеством. После полезного пилота расширяйте работу.