Кейс B2B: заявки → CRM и WhatsApp за 72 дня (до/после)
За 72 дня у B2B-сервиса (монтаж/сервис оборудования, ~18 человек в продажах и диспетчеризации) автоматизация «форма сайта + почта + WhatsApp → CRM →…
За 72 дня у B2B-сервиса (монтаж/сервис оборудования, ~18 человек в продажах и диспетчеризации) автоматизация «форма сайта + почта + WhatsApp → CRM → квалификация → слот» сократила median time-to-first-touch с 4,8 ч до 11 мин в рабочие часы и подняла долю заявок с заполненным next-step в CRM с 41% до 86% — но только после отказа от «умного бота на всё» и фиксации узкого scope. Ниже — композитный разбор одного production-контура (цифры округлены, отрасль и бренд обезличены). Это не демо «подключили GPT и выручка ×2», а то, что реально удержалось на 30-й и 90-й день.
Что было до: три канала, ноль владельца
Исходная картина типовая для сервисного B2B. Заявки приходили из трёх мест, и ни одно не было источником истины:
- Форма на сайте — письмо на общий ящик
info@. Смотрел тот, кто первым открыл почту. В отпуске менеджера — никто. - Почта — часть запросов приходила ответом на старую переписку, терялась в ветках. Поиск по ящику вёлся вручную.
- WhatsApp — на личном номере одного из продавцов и на «общем» телефоне, который переставляли с аппарата на аппарат.
Заявка считалась «принятой», когда менеджер отвечал. Дальше — как получится: у части сделок в CRM был следующий шаг и дата, у части — только комментарий «перезвонить». Отсюда и 41% заявок с заполненным next-step: остальные жили в голове и в переписке.
Ключевая проблема была не в скорости ответа как таковой. Проблема в том, что никто не отвечал за заявку целиком — от первого касания до назначенного слота. Скорость была симптомом.
Почему первая версия «бота на всё» не выжила
Первый подход — сделать ассистента, который «понимает всё»: отвечает на вопросы по прайсу, консультирует по монтажу, сам квалифицирует, сам назначает. Через две недели пилота стало видно, почему это не работает в production:
- Нет данных для квалификации. Модель не знает, что считать «целевым» клиентом — это знание живёт в голове руководителя продаж, а не в документах.
- Цена ошибки выше цены экономии. Неверный ответ по срокам монтажа или совместимости оборудования — это не «неловко», это переделка и рекламация. Продажи перестали доверять боту и начали дублировать его руками.
- Нет владельца ошибки. Когда бот отвечает не так, непонятно, кто правит промпт, кто проверяет и по какому критерию считается, что стало лучше.
Вывод, который стоил двух недель: автоматизировать надо не диалог, а маршрут заявки. Разговор с клиентом на первом этапе остаётся за человеком — бот только собирает вход и не даёт заявке потеряться.
Что зафиксировали в scope: пять шагов и ни одного лишнего
Контур сузили до одной функции — «ни одна заявка не остаётся без владельца и следующего шага». Внутри пять шагов:
| Шаг | Что делает система | Что осталось за человеком |
|---|---|---|
| Приём | Сводит форму, почту и WhatsApp в один поток | — |
| Дедупликация | Склеивает повторные обращения одного контакта | Спорные случаи — на разбор |
| Создание в CRM | Карточка с источником, текстом и вложениями | — |
| Квалификация | Проставляет признаки по формальным правилам (регион, тип оборудования, запрос на сервис или закупку) | Финальная оценка сделки |
| Слот | Предлагает 2–3 окна из календаря, фиксирует next-step и ответственного | Сам звонок и договорённости |
Что сознательно не делали: не генерировали ответы клиенту, не считали стоимость, не вели переписку, не трогали существующие сделки. Каждый пункт — потенциальный источник ошибок и споров, а пользы на этом этапе не добавлял.
Отдельно зафиксировали правило: если система не уверена — она не решает, а ставит задачу человеку с меткой «проверить». Лучше лишняя задача, чем молча потерянная заявка.
Как считали результат: две метрики, которые не врут
Мерили не «количество автоматизированных сообщений», а две вещи, которые видно в CRM без ручного сбора:
- Median time-to-first-touch — время от появления заявки в системе до первого ответа клиенту. Считается по логам, в рабочих часах. Было 4,8 ч, стало 11 мин. Разрыв объясняется просто: раньше заявка ждала, пока человек откроет канал; теперь она сразу падает ответственному с дедлайном.
- Доля заявок с заполненным next-step — есть ли в карточке дата и действие. Было 41%, стало 86%. Остальные 14% — заявки, закрытые как спам/нецелевые или ожидающие уточнения от клиента; они тоже видны, а не растворены.
Обе метрики проверяемы: их можно пересчитать по выгрузке CRM за любой период. Это важно — если результат нельзя пересчитать, его нельзя и оспорить, а значит, им нельзя управлять.
Что сломалось на 30-й и 90-й день
Удержалось не всё. Честный список:
- На 30-й день выяснилось, что часть писем от постоянных клиентов уходит в спам-фильтр на стороне почты — их не видел никто. Добавили ежедневную сверку «сколько писем пришло / сколько карточек создано».
- На 90-й день двое продавцов продолжали отвечать из личного WhatsApp, минуя контур. Пришлось не запрещать, а перенести номер на общий аккаунт с синхронизацией — запрет дал бы обратный эффект.
- Правила квалификации пришлось переписать дважды: первые версии были слишком строгими и отправляли в «нецелевые» нормальные запросы на сервис.
Ни один из этих пунктов не был виден на этапе пилота. Это нормальная цена выхода в production — её стоит закладывать заранее, а не считать сюрпризом.
Сколько это стоит и за какой срок
Ориентиры по деньгам и срокам для похожего контура:
- Пилот одного сценария (например, только форма сайта → CRM → задача) — 60–350 тыс ₽, прототип за 10–14 дней.
- Базовый агент поддержки — от 50 тыс ₽.
- Агент продаж (квалификация, слоты, next-step) — от 200 тыс ₽.
- Сложный контур (несколько каналов, интеграции, правила) — от 500 тыс ₽, полный контур 30–90 дней.
- Сопровождение — 15–50 тыс ₽/мес: правки правил, разбор ошибок, сверки.
Цифры выше — ориентиры, а не смета: итог зависит от того, насколько грязные данные в CRM и сколько каналов придётся сводить.
Если коротко
- Автоматизировать надо маршрут заявки, а не диалог с клиентом — по крайней мере на первом этапе.
- «Бот на всё» не выживает: нет данных для квалификации, высока цена ошибки, нет владельца.
- Узкий scope из пяти шагов дал измеримый результат: time-to-first-touch 4,8 ч → 11 мин, доля заявок с next-step 41% → 86%.
- Мерить надо то, что пересчитывается по выгрузке CRM, а не то, что красиво звучит в отчёте.
- Проблемы вылезут на 30-й и 90-й день — это часть работы, а не провал.
FAQ
Нужен ли GPT, чтобы это заработало? Нет. Основа контура — маршрутизация, дедупликация и правила. Языковая модель полезна точечно: разобрать текст письма, вытащить признаки. Но ядро работает и без неё.
Что делать, если клиенты пишут в личные мессенджеры продавцов? Не запрещать, а переводить номера на общий аккаунт с синхронизацией. Запрет приводит к тому, что переписка просто уходит в тень.
За 72 дня реально уложиться с нуля? Для одного узкого контура — да, при условии, что доступ к CRM и каналам есть сразу, а правила квалификации формулирует руководитель продаж, а не подрядчик. Сложный контур — 30–90 дней.
Как понять, что контур не развалится через месяц? Задать два вопроса: кто владелец ошибки и по какой метрике вы еженедельно проверяете работу. Если ответа нет — через месяц всё вернётся к ручному режиму.
С чего начать, если каналов три и все в разном состоянии? С одного канала с наибольшим потоком. Пилот на нём за 10–14 дней покажет, где узкое место, — и это дешевле, чем сводить всё сразу.
Читайте также
- Кейс B2B: заявки из WhatsApp в CRM за 72 дня — автоматизация, этапы и цифры
- Мультиканальные AI-коммуникации: как объединить Telegram, WhatsApp, VK и чат на сайте
- Кейс: автоматизация обработки КП в B2B за 55 дней — цифры
Обсудить задачу
Расскажите, что нужно автоматизировать. Александр Раисович ответит лично и предложит архитектуру решения.