AI-кваліфікація лідів

AI оцінює та тегує заявки за потенціалом, ще до того як хтось почне передзвонювати. Команда починає з найкращих звернень, а не з найновіших.

• індивідуальноОбсяг
• AI та автоматизаціїОбласть
• 6 годин – 2 дніЗапуск

Кому це потрібно

Компанії з великим вхідним потоком та обмеженим часом команди.

Проблема

Команда витрачає час на контакти без потенціалу. Це про компанії з великою кількістю заявок і обмеженим часом на продажі: скринька повна, перезванюють із самого нового звернення, а найцінніше лежить на кілька позицій нижче і чекає до завтра. Ніхто не робить це погано — просто немає по чому зрозуміти, яке яке.

Що робимо

Налаштовуємо автоматичну оцінку і тегування лідів за потенціалом. Це не розмова з клієнтом: клієнт тут нічого не бачить, змінюється тільки порядок, у якому ваша команда бере звернення зі списку.

• Критерії оцінки узгоджуємо з тими, хто реально перезванює
• Кожне звернення отримує в CRM бали і теги разом з причиною такої оцінки
• Модель калібруємо на прикладах лідів, перш ніж вона почне вибудовувати чергу

Що входить

Три елементи; останній вирішує, чи буде оцінка вашою, чи загальною:

• Критерії якості ліда, узгоджені з продажами
• Модель балів, тегів і пріоритетів
• Інтеграція з CRM і калібрування на прикладах лідів

Терміни

Впровадження займає 6 годин – 2 дні. Етапи завжди однакові: критерії, модель оцінки, інтеграція, калібрування. Оцінка працює з першого дня, але спочатку її варто звіряти з тим, що кажуть продажі — калібрування для того і потрібна, щоб модель рахувала за вашим визначенням хорошого ліда, а не за загальним.

Вартість

Вартість виходить із трьох речей: скільки критеріїв насправді потрібно, щоб оцінка була точною, зі скількох джерел треба зібрати дані про заявку і наскільки глибоко вписати результат у вашу CRM. Це не робота на один раз — оцінка працює за кожної нової заявки і вчиться на тих, що закінчилися замовленням, тому живе стільки, скільки AURA веде у вас цю область.

Що ви отримуєте

Пріоритети: спочатку найкращі ліди. Та сама команда і та сама кількість дзвінків починають потрапляти в ті звернення, які вам найважливіші. Разом з тим база перестає бути списком прізвищ: раз кожне звернення має оцінку та тег, нарешті видно, які джерела приносять контакти, варті часу, а які — лише трафік.

Як порахувати, що дає сам порядок обробки контактів

Оцінка не розмовляє з клієнтом — вона лише змінює порядок, у якому команда береться за заявки. Цінність цієї зміни можна порахувати за власною CRM:

• Цінність тижня кращого порядку = кількість заявок за тиждень × різниця в частці закритих угод між заявками, опрацьованими в першу годину, і тими, що опрацьовані наступного дня (порахована на ваших історичних даних) × середня цінність однієї угоди

Різницю в середині формули берете зі своєї CRM, порівнюючи заявки, опрацьовані раніше і пізніше, — це єдине число, яке не можна прийняти заздалегідь, бо воно залежить від того, наскільки швидко відповідає конкуренція у вашій галузі.

Чим оцінка ШІ відрізняється від черги FIFO, ручного перегляду і простого умовного правила

Чотири способи вибудувати порядок заявок дають дуже різний результат, хоча ззовні всі виглядають як «список лідів»:

• Черга FIFO — хто звернувся першим, тому й телефонують першим, незалежно від того, скільки він вартий
• Ручний перегляд менеджером — працює, доки заявок мало; за більшого потоку хтось усе одно обирає на око
• Просте умовне правило — пріоритет за одним полем, наприклад бюджетом, але без урахування решти змісту заявки
• Оцінка ШІ — читає весь текст заявки, об'єднує кілька сигналів одразу і присвоює бали за критеріями, узгодженими з вами

Різниця зростає разом із кількістю заявок: за кількох на день будь-який спосіб дає схожий ефект, за кількох десятків лише останній продовжує працювати так само точно, як першого дня.

Де в оцінці лідів працює мовна модель, а де — звичайна арифметика

Це розрізнення впливає на те, скільки в цій послузі реального штучного інтелекту, а скільки арифметики.

• Мовна модель читає зміст заявки, записаний вільним текстом, і витягує з нього сигнали, яких не видно в окремому полі форми, — це єдина частина, яку чесно можна назвати штучним інтелектом
• Ваги окремих сигналів і поріг, з якого лід вважається «гарячим», — це цифри, узгоджені з вашим відділом продажів, звичайна арифметика, а не рішення ШІ
• Запис балів і тегу в CRM — це автоматизація, а не міркування

Саме ваги і пороги з другого пункту вирішують, чи відповідає оцінка вашому визначенню хорошого ліда, чи якомусь усередненому.

Коли оцінка ШІ не окупається

Бувають ситуації, в яких бали нічого не змінять, і краще сказати про це прямо.

• Заявок кілька на день — команда і так перегляне кожну, перш ніж оцінка встигне щось впорядкувати
• У компанії ніхто не може однозначно описати, чим хороший лід відрізняється від слабкого, — без цього критерії оцінки стають вгадуванням
• Дані в CRM неповні або застарілі — модель оцінює на тому, що є, тому оцінка буде рівно такою хорошою, як вхідні дані
• Відділ продажів і так телефонує всім у порядку надходження заявки, незалежно від оцінки, — без зміни способу роботи бали лишаються просто додатковою колонкою

Що потрібно підготувати перед стартом

Модель калібрується на ваших даних, а не на загальних припущеннях:

• Доступ до CRM з історією заявок, включно з уже закритими — виграними і програними
• Приклади лідів з обох груп, на яких можна перевірити, чи збігається оцінка з тим, що знає відділ продажів
• Людину з продажів, яка реально сформулює критерії хорошого ліда, а не погодить їх нашвидкуруч
• Згоду команди на те, що порядок роботи змінюється за балами, а не за датою заявки

Як через місяць перевірити, чи окупилася оцінка

Показники рахуєте за власною CRM, без нашої участі:

• Частка закритих угод серед лідів з високими балами порівняно з низькими
• Час від заявки до першого контакту для лідів з найвищою оцінкою
• Кількість випадків, які продажі назвали помилковою оцінкою, — це сигнал до перекалібрування, а не привід відмовлятися
• Розподіл балів по всіх заявках — якщо майже всі отримують однакову оцінку, модель нічого не розрізняє

Чого оцінка ШІ не робить

Присвоює бали й теги, але не розмовляє з клієнтом і не вирішує сама, хто отримує спеціальну пропозицію чи знижку. Не замінює розмову з продавцем і не замінює оцінку, яку при нетиповій заявці має ухвалити людина. Низький бал не видаляє лід зі списку — лише змінює його місце в черзі, і будь-який результат може перевірити й змінити співробітник команди, перш ніж хтось зателефонує ліду або не зателефонує зовсім.

Найчастіша помилка при впровадженні оцінки ШІ і чиї дані лишаються у вас

Найдорожча помилка — не невдалий поріг на старті, а відсутність перекалібрування, коли змінюється пропозиція чи цільова аудиторія: модель продовжує рахувати за старим визначенням хорошого ліда, а ніхто цього не помічає, бо цифри виглядають звично. Друга помилка — повне ігнорування низько оцінених заявок: саме серед них іноді трапляється нетиповий, але цінний випадок, якого не передбачило жодне правило.

Уся оцінка, теги та історія заявок зберігаються у вашій CRM, а не в окремій системі — це ваші дані, доступні завжди, незалежно від того, чи триває співпраця з нами.

Що ви отримуєте

• Критерії якості ліда, узгоджені з відділом продажів
• Модель скорінгу, тегування та пріоритизації заявок
• Інтеграція з CRM та калібрування на прикладах лідів

Коли завдання лежить в іншому місці

Якщо завдання звучить інакше, поруч стоять сусідні області тієї самої системи — AURA пов’язує їх між собою, а не продає окремо:

• AI follow-up — Ланцюжки повідомлень тим, хто не відповів. Друге і третє нагадування йдуть самі, у заданий час і з умовою зупинки.
• CRM та автоматизації — Звернення, нагадування та дані клієнтів працюють самі, без переписування з папірки в календар.
• AI-звіти — Щотижнева зведення лідів, кампаній та продажів, написана простою мовою і доставлена сама. Замість панелі, в яку ніхто не заглядає.
• Інтеграції — Зв'язуємо те, чим ви вже користуєтеся: касу, календар, таблицю, склад, систему бронювання. Замість заміни на нове.