Примеры применения искусственного интеллекта в отделе продаж: обработка обращений, анализ звонков и рекомендации менеджерам. Кейсы российских компаний показывают, как меняется работа с клиентами и какие результаты опубликованы.
Кейсов внедрения: 274.
AI-менеджер проверяет данные заказа, рассчитывает цену и срок, создаёт заказ в CRM и отправляет клиенту подтверждение.
Время оформления заказа сократилось с 8–12 до 2 минут; за две недели теста ошибок в расчётах не зафиксировано.
В витрине «Спешл» ИИ-агент анализирует модные показы, коллекции и материалы брендов, определяет тренды и генерирует образы одежды, обуви и аксессуаров с товарами из ассортимента.
Пользователь может выбрать образ, виртуально примерить вещи в карточке товара и перейти к покупке.
Голосовой помощник объясняет порядок подачи заявок, использования ЭЦП, внесения задатков и сроки договоров; сложные вопросы переводятся оператору.
Обработано около 230 консультаций.
ИИ-оператор Jivo стал первой линией чата: отвечает по корпоративной базе знаний, отделяет технические вопросы, распознаёт коммерческие лиды и передаёт нужные диалоги менеджерам.
Заявлено высвобождение двух часов в день у каждого менеджера.
ИИ взял на себя первые два ответа «нет», после чего менеджеры подключались к уже прогретому контакту.
Текучесть снизилась с 70% до 20%, конверсия во встречу выросла с 3% до 5,2%; заявлена годовая экономия около 2,5 млн ₽.
ИИ-агент взял на себя первую линию обзвона, а менеджер стал работать только с квалифицированными лидами.
Объём обзвона вырос с 50 до 150 контактов в день; через три месяца выручка выросла в 1,7 раза без найма сотрудников.
Покупатель загружает фотографию в карточку товара, а нейросеть накладывает на неё серьги, колье или другие украшения с учётом расположения объекта.
Виртуальная примерка доступна всем пользователям мобильного приложения.
Единый ассистент, настроенный на корпоративных стандартах и базе знаний, обрабатывает обращения с сайта и из мессенджеров, квалифицирует клиентов и передаёт их в соответствующий офис.
В материале заявлены обработка 100% обращений по единому скрипту, рост конверсии в показ с 14% до 23%, экономия 2,1 млн рублей в год и рост NPS с 54 до 72 пунктов.
Внедрён интеллектуальный поиск на GPU-инфраструктуре VK Cloud, использующий локальную языковую модель и векторный поиск.
Поиск позволяет находить релевантные товары по нетипичным запросам.
Корпоративный Telegram-бот предлагает риелтору варианты ответа на возражения, транскрибирует записи звонков, выделяет возражения и оценивает качество ответов.
В материале заявлены сокращение выхода новичка на плановые показатели с трёх месяцев до шести недель, снижение текучки с 60% до 35%, рост конверсии в показ на 28% и экономия около 180 000 рублей в год.
Telegram-бот на базе GPT-4 задаёт квалификационные вопросы, подбирает объекты из базы и передаёт готовое резюме диалога менеджеру.
В материале заявлены сокращение первого ответа с 2,5 часа до 40 секунд, рост конверсии в показ с 12% до 21%, снижение рутинной нагрузки на 55% и рост числа обработанных заявок в 2,3 раза.
Помощник встроен в отчёты об эксплуатации: сокращает многостраничную историю и предлагает, на что обратить внимание при осмотре и разговоре с продавцом.
Покупатель получает краткий разбор истории автомобиля. Влияние на покупки и время выбора отдельно не раскрыто.
Сервис заменил часть сложных фильтров разговором: помощник уточняет потребности, ищет объявления и объясняет выбор на основе каталога, отзывов и цен.
Подбором пользуются около 200 тыс. уникальных посетителей в месяц. Средний ответ занимает 2–5 секунд.
В дилерской группе параллельно запустили кол-центр и ИИ-агента для привлечения клиентов на постановку автомобилей на комиссию; ИИ также проанализировал записи разговоров и выявил потери лидов менеджерами.
ИИ-агент совершил 1360 звонков, получил 125 согласий на консультацию, 34 визита и 9 автомобилей на складе; стоимость лида составила 1440 рублей против 2097 рублей у операторов.
ИИ-робот подключается через API к чатам на Авито, ЦИАН и Домклик, отвечает покупателям, квалифицирует лиды, собирает контакты, создаёт карточки в CRM и передаёт сложные диалоги оператору.
На пилоте 95% ответов признаны корректными, конверсия чата в телефонный контакт выросла примерно на 20%, а база клиентов росла в полтора раза быстрее.
ИИ-ассистент отвечает на вопросы покупателей, подбирает объекты и формирует нейросетевые рекомендации.
С «Циан-помощником» взаимодействовали более 7 млн человек; около 70% пользователей просматривают все рекомендации, а 30% переходят по ним на объекты.
Компания тестирует ML-систему, которая прогнозирует вероятность ближайшей покупки и конкретные товары для каждого держателя карты лояльности, а также рассчитывает индивидуальную скидку.
В первых результатах тестирования точность персональных товарных рекомендаций превысила 30%.
Записи звонков дополняются автоматическими сводками, чтобы сотрудники могли восстановить договорённости без переслушивания разговора.
Сотрудники используют сводки для разбора переговоров. Экономия времени не раскрыта.
ИИ-ассистент подключён к мессенджерам и WMS: круглосуточно принимает и квалифицирует заказы и формирует черновики документов.
Скорость отгрузки выросла вдвое; запуск занял 12 дней.
Внедрена система на базе моделей OpenAI: она транскрибирует входящие и исходящие звонки, оценивает их по единому чек-листу и формирует статистику, связанную с премированием администраторов.
По словам спикера, конверсия из целевого звонка в запись за квартал выросла примерно вдвое, а контроль стал занимать менее получаса в месяц.
TL: Chat консультирует гостей по размещению, тарифам и услугам, снимает сомнения и переводит гостя в модуль бронирования.
ИИ-чат обработал 90% обращений: из 227 вопросов закрыл 207; команда сэкономила от 5 до 10 часов в неделю.
TL: Chat обрабатывает обращения гостей, отвечает на вопросы о размещении и помогает сопровождать путь к бронированию.
ИИ-чат обработал 90% обращений: из 227 вопросов закрыл 207; команда сэкономила от 5 до 10 часов в неделю.
Интегратор подключил ИИ, который сам начинает переписку с контактами из CRM, выявляет актуальную потребность, квалифицирует клиента и возвращает подходящих лидов в воронку для передачи менеджерам.
Обработано 10 000 контактов. Заявленная конверсия в квалифицированного лида составила 4,95%; ручную отправку 10–200 сообщений в день заменил автоматический процесс.
Заявки из разных каналов собраны в amoCRM. Ассистент «Пётр» отвечает на вопросы, уточняет бюджет, площадь, район и сроки и записывает данные в карточку сделки через API.
Первый ответ занимает 10 секунд. Заявлен рост конверсии в сделки на 18% и числа визитов в офис на 12%.
ИИ-ассистент квалифицирует обращения из разных каналов, заполняет карточки сделок в amoCRM и передаёт заявки менеджерам.
Обработка заявки сократилась с 1–2 часов до минуты. Объём рутины у менеджеров уменьшился примерно в 3,5 раза.
Агент принимает обращения из четырёх каналов, квалифицирует их, создаёт заполненный лид в amoCRM и передаёт сложные вопросы собственнику.
Квалифицированные заявки с Avito выросли с 1–2 в неделю до 3–4 в день; первый ответ занимает менее 15 секунд; 70–85% обработки идёт без человека.
Ассистент Nextbot консультирует по продукции на сайте и в мессенджерах, определяет готовность к покупке и передаёт менеджеру историю диалога и данные заявки в amoCRM.
Компания заявляет прирост выручки на 5 млн рублей за четыре месяца. Время ответа сократилось с 10–20 минут до менее минуты.
ИИ отвечает клиентам в чатах «Авито», «Циан» и «Домклик» вместо риелторов, сохраняя диалог в том же канале.
Количественный эффект не раскрыт.
Сеть внедрила единый квалификатор с централизованной CRM и голосовой обзвон базы из 18 тысяч контактов.
Через 60 дней время первого ответа сократилось с четырёх часов до 12 минут, конверсия в тест-драйв выросла на 28%, заявлены 94 дополнительные сделки за месяц.
В автосалоне внедрили квалификатор заявок, автоматическую запись на тест-драйв и реактивацию базы из 4500 контактов.
За 90 дней число тест-драйвов выросло с 50 до 110, а число сделок — с 25 до 43 в месяц; заявлена дополнительная маржа около 3,6 млн рублей за квартал.