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.
ИИ-бот рассчитывает предварительную стоимость, создаёт визуализацию и автоматически записывает клиента на замер.
Конверсия в замер выросла с 35% до 55%, конверсия в заказ — с 18% до 28%; заявлено восемь дополнительных заказов в месяц.
Бот проводит первичные консультации, передаёт мастеру подтверждённые замеры и автоматически формирует смету.
Количество заказов выросло с 6 до 10 в месяц, рабочий день мастера сократился с 12 до 8 часов, выручка выросла на 67%.
Комбинат запустил на Chatforma Telegram-бота для B2B-заявок HoReCa и автоматических рассылок актуального ассортимента и цен.
По данным статьи, доля прямых продаж HoReCa выросла с 20% до 31% структуры выручки.
Бот читает расписание боксов через API YClients, показывает свободные слоты, создаёт запись и отправляет подтверждение и два напоминания с возможностью переноса.
Через месяц доля неявок снизилась с 22% до 5–6%; 18–20% клиентов добавляли хотя бы одну дополнительную услугу, а общая выручка выросла на 80 000 ₽ в месяц.
ИИ-бот отвечает на типовые вопросы, квалифицирует входящие обращения и записывает клиентов на диагностику, передавая нестандартные ситуации менеджеру.
По данным статьи, бот обрабатывает 85% заявок без человека, доля потерянных заявок снизилась с 30% до 5%, а квартальная выручка выросла на 22%.
Система отслеживает цены конкурентов, дважды в день корректирует цены и отправляет уведомления об изменениях.
По данным кейса, средняя маржа стабилизировалась на 32%, продажи выросли на 25%, а потерянные продажи из-за завышенных цен сократились на 80%.
Компания внедрила бота для ответов клиентам, но он не сообщал даже ориентировочную стоимость заказа.
После внедрения такого бота конверсия снизилась на 18%.
Система отправляет три сообщения перед окончанием абонемента и еженедельно формирует управляющему список клиентов с риском ухода.
Конверсия в повторную покупку выросла с 48% до 68%, что соответствует относительному росту числа повторных клиентов на 42%.
Бот круглосуточно рассчитывает стоимость, показывает портфолио и записывает клиента на замер.
Доля потерянных лидов снизилась с 40% до 8%, число заказов выросло на 12 в месяц, менеджер экономит три часа в день.
Бот отвечает покупателям и продавцам по совместимости, характеристикам и установке товаров из каталога на 3 000 SKU.
Время консультации сократилось втрое, а конверсия из консультации в покупку выросла с 40% до 62%.
В октябре 2025 года банк запустил пилот помощника для сотрудников точек продаж и выездных менеджеров. Бот отвечает на рутинные вопросы, которые раньше направляли экспертам головного офиса.
Пилот охватил 25 сотрудников. Типовые вопросы оказались недостаточно полезным сценарием; банк уточняет задачи помощника. Достигнутая экономия времени не раскрыта.
ML-модель анализирует транзакции и характеристики клиента и передаёт рекомендации в операционную CRM. Сотрудник офиса или контакт-центра использует их, чтобы выбрать тему разговора и подходящий продукт.
Рекомендации встроены в обслуживание предпринимателей. Прирост продаж и влияние на отток не раскрыты.
Спортивный помощник обрабатывает жалобы, подбирает товар и размер, а также изменяет данные получателя в заказах самовывоза.
Автоматизировано 84% запросов клиентов.
Банк внедрил модели выбора канала и контактного номера, прогнозирования оттока и подбора продукта для кросс-продаж.
Количественный эффект отдельно не раскрыт.
Машинное обучение определяет релевантность карточек поисковым запросам с учётом ключевых слов и поведенческих сигналов.
Количественный эффект не раскрыт.
Предиктивные модели анализируют спрос, историю бронирований и конкурентную среду и автоматически корректируют цены на билеты.
Количественный результат не раскрыт.
В интернет-магазине внедрена предиктивная модель поведения пользователей.
Количество покупок увеличилось на 33%.
Интернет-магазин использует основанную на ИИ систему товарных рекомендаций.
Системе приписывается 5,5% дополнительной выручки интернет-магазина.
В краснодарском агентстве недвижимости ИИ-ассистент квалифицирует новые обращения, напоминает о компании заинтересованным клиентам и возвращает в работу прежние заявки. Сообщения учитывают бюджет, вопросы клиента и историю в CRM. Одновременно агентство объединило каналы общения и настроило работу менеджеров в amoCRM.
По данным внедренца, за шесть месяцев ежемесячная выручка агентства выросла с 17 до 46 млн рублей. Это результат всей программы изменений: настройки CRM, объединения каналов, обучения команды и ИИ-автоматизации. Отдельный вклад ИИ не раскрыт.
Пользователь описывает пожелания по блюдам или ресторанам, а нейросеть предлагает подходящие варианты, бронирует столики и оформляет доставку.
Функция работает в приложении с июня 2025 года; количественный эффект не раскрыт.
В приложение сети встроили нейробариста: гость описывает желаемый напиток и настроение, генеративные модели составляют рецепт из доступных в конкретной кофейне ингредиентов, после чего напиток добавляется в заказ.
Пилот проходит в трёх точках сети в Москве; эффект не раскрыт.
Система подбирает клиенту персональное предложение из более чем 10 000 вариантов.
На искусственный интеллект переведены 100% розничных сервисов банка.
ИИ используется для персонализации предложений клиентам.
Заявлен рост конверсии с 15% до 31,5%.
ИИ-ассистент подключён к работе с клиентами сети: ведёт диалог, подбирает туры по реальным ценам, консультирует и передаёт готовую заявку менеджеру.
Ассистент работает в реальной клиентской работе; отдельные метрики МГП не раскрыты.
В систему продаж интегрирован искусственный интеллект, анализирующий звонки и переписки, определяющий мотивацию покупателей по функциональному, эмоциональному и социальному уровням, сегментирующий клиентов и подсказывающий менеджерам следующий шаг.
Система помогает оптимизировать взаимодействие с клиентами и рекламу; количественный эффект не раскрыт.
Четыре канала коммуникации интегрированы с amoCRM через API; Telegram-бот с ИИ квалифицирует входящие обращения, заполняет карточки клиентов и направляет лиды профильным менеджерам.
Каждый новый контакт появляется в CRM за 30 секунд; создано более 80 сценариев, а ИИ-агент обрабатывает входящие круглосуточно.
Клиент загружает фото и выбирает причёску или цвет волос. Система создаёт варианты образа и визуальный референс для мастера; окончательный выбор делает человек.
Сервис работает в пилотном режиме в нескольких флагманских салонах.
ИИ-продавец через API отвечает покупателям на Авито, консультирует по заказу, разбирает фотографии, работает с возражениями, фиксирует данные и этапы сделки в amoCRM и передаёт менеджеру заказ после предоплаты.
Первый ответ сократился с 20–30 минут до 20–30 секунд; ИИ самостоятельно довёл до предоплаты около 380 из 3 800 обращений. Общая конверсия выросла с 13,5–14% до 15%.
В мобильное приложение внедрён ML-ассистент, который обрабатывает запросы клиентов, сообщает статус доставки, помогает с заказами, промокодами и программой лояльности, а также даёт персональные рекомендации.
Среднее время реакции сократилось в 3 раза и составляет 1–2 секунды; сложные обращения эскалируются оператору контакт-центра.
В мобильное приложение и личный кабинет внедрён чат-бот на основе ML-модели и сценарной логики; он обрабатывает свободные запросы, уточняет неоднозначные обращения и передаёт сложные диалоги оператору.
Среднее время первой реакции сокращено в три раза — до 1–2 секунд.