ИИ-аналитика продаж: что она умеет, где полезна и с чего начать

ИИ-аналитика продаж: какие задачи решает, чем отличается от обычных отчётов в CRM, какие данные нужны и как внедрять без лишних рисков.

ИИ-аналитика продаж — это использование нейросетей и языковых моделей, чтобы автоматически разбирать данные отдела продаж: звонки, переписку, сделки в CRM. Результат — не набор графиков, а выводы: где теряются клиенты, какие менеджеры нуждаются в помощи, что изменилось за неделю.

Тема популярна, и вокруг неё много обещаний. Здесь без маркетинговой шумихи: что ИИ действительно делает хорошо, где его выводам нельзя верить без проверки и как подойти к внедрению в компании с отделом продаж на 3–30 менеджеров.

Что такое ИИ-аналитика продаж

Классическая аналитика работает со структурированными данными: стадии сделок, суммы, даты. Она отвечает на вопрос «сколько». ИИ добавляет работу с неструктурированными данными: речью в звонках, текстом переписки, комментариями. Он отвечает на вопрос «почему и что с этим делать».

Типичные задачи:

Расшифровка звонков в текст.
Оценка разговора по чек-листу: был ли выявлен бюджет, назначен ли следующий шаг.
Выделение причин отказов из разговоров и комментариев.
Резюме для руководителя: короткий текст вместо десятка отчётов.
Поиск аномалий: просевшая конверсия, рост необработанных заявок, менеджер, у которого изменилось поведение.

Об отдельных частях этой темы подробнее на страницах про речевую аналитику и контроль звонков.

Чем ИИ-аналитика отличается от отчётов в CRM

Отчёты в CRM показывают, что произошло. Чтобы понять причину, руководитель сам открывает карточки, слушает записи, сопоставляет данные. ИИ берёт часть этой работы на себя:

прослушивает все звонки, а не выборку, потому что у него нет ограничения по времени;
оценивает их по единым критериям, поэтому оценки сопоставимы между менеджерами и периодами;
сводит цифры и содержание разговоров в один вывод.

Но у ИИ нет понимания вашего бизнеса «из воздуха». Он следует чек-листу и правилам, которые вы задали, и ошибается там, где разговор неоднозначен или запись плохого качества.

Какие данные нужны

Чтобы ИИ-аналитика приносила пользу, нужно минимум три вещи:

CRM с актуальными сделками: этапы, менеджеры, источники, причины отказа.
Записи звонков, привязанные к карточкам. Если телефония не интегрирована с CRM, часть ценности теряется.
Чек-лист оценки: критерии хорошего разговора для вашего продукта. Универсальный чек-лист работает хуже, чем свой.

Если CRM заполняется хаотично, ИИ не исправит это: он аккуратно посчитает неверные данные. Поэтому первый шаг — проверить состояние учёта, например в формате аудита отдела продаж.

Как внедрять ИИ-аналитику: пошагово

Сформулируйте задачу. «Хочу понимать, почему падает конверсия» или «хочу контролировать качество звонков без прослушивания руками».
Подготовьте данные. Проверьте CRM, подключите запись звонков.
Составьте чек-лист. Выберите 7–10 критериев, по которым вы сами оцениваете хороший разговор.
Запустите на ограниченном объёме. Один отдел или одна линия продуктов.
Сверьте с человеком. Возьмите десяток звонков, оцените вручную, сравните с оценкой ИИ. Если расхождения системные, поправьте формулировки критериев.
Договоритесь с командой. Объясните менеджерам, зачем это нужно: для обучения и поддержки, а не для поиска виноватых.
Встройте в ритм работы. Вывод должен попадать к руководителю туда, где он его заметит, иначе отчёты будут копиться.

Ограничения и риски

Ошибки распознавания. Плохая запись, акценты, перекрёстная речь снижают качество расшифровки.
Оценка по формальным признакам. ИИ может засчитать фразу «давайте созвонимся» как следующий шаг, хотя договорённости не было. Критерии нужно формулировать конкретно.
Нет контекста. Если вы заранее не объяснили специфику продукта, выводы будут общими.
Персональные данные. Записи звонков содержат данные клиентов. Уточните у юриста требования для вашей ситуации и условия хранения у выбранного сервиса.
Опасность слепого доверия. ИИ-вывод — повод проверить, а не приговор менеджеру. Решения о людях принимает человек.
Ожидание чуда. ИИ не заменяет РОПа и не исправляет слабый продукт или плохие рекламные каналы.

Условный пример пользы

Условный пример: в отделе 10 менеджеров, РОП успевает вручную послушать несколько звонков в неделю. Если автоматически оценивать все звонки по чек-листу, то через пару недель можно увидеть закономерность: например, что у части менеджеров нет вопроса о бюджете. РОП проводит короткий тренинг именно по этому пункту и через месяц сравнивает оценки. Без автоматизации такую закономерность пришлось бы искать вслепую. Пример иллюстративный и не описывает реального клиента.

ИИ-аналитика и показатели отдела

Выводы ИИ полезны, когда привязаны к цифрам. Оценка звонков связывается с конверсией: если у менеджера хорошие разговоры, но низкая конверсия, проблема не в беседе, а в чём-то другом, например, в качестве лидов или цене. Основы подсчёта — в материалах про KPI менеджера и конверсию воронки.

Как выбрать решение

Вопросы, которые стоит задать любому поставщику, в том числе нам:

Интегрируется ли решение с вашей CRM и телефонией.
Можно ли задать свой чек-лист или только готовый.
Как показано, на чём основана оценка: есть ли цитата из звонка.
Где хранятся записи и кто к ним имеет доступ.
Как выглядит результат: панель, которую надо открывать, или сообщение, которое приходит вам само.
Есть ли пробный период на ваших данных.

На рынке есть системы речевой аналитики и сквозной аналитики разных классов, например Calltouch или Roistat в части маркетинговой аналитики. Сравнивайте по задаче, а не по названию.

Для каких компаний это подходит

ИИ-аналитика окупается там, где есть поток звонков и сделок, который руководитель физически не успевает проверить сам. Чаще всего это отделы от трёх менеджеров, где есть CRM, телефония с записью и понятный процесс продаж. Если менеджеров один-два, а заявок мало, достаточно регулярно слушать звонки самому. Если же продажи идут в основном в мессенджерах или через личные встречи, значительная часть информации останется вне анализа, и выводы будут неполными.

Что проверить через месяц после запуска

Сравните оценки ИИ с вашей ручной оценкой на одних и тех же звонках. Посмотрите, стали ли выводы поводом для конкретных действий: тренинга, изменения скрипта, разговора с менеджером. Проверьте, что отчёты не копятся непрочитанными. И отдельно оцените, какие критерии чек-листа дают много спорных оценок: их стоит переформулировать или убрать.

Как это делает Маржай

Маржай — это ИИ-аналитика и ИИ-контроль отдела продаж. Он подключается к Битрикс24 (amoCRM и GetCourse планируются позже), расшифровывает записи звонков, оценивает каждый по вашему чек-листу, считает воронку и конверсию по менеджерам.

Главное отличие от панели с графиками: каждое утро владелец получает в Telegram короткий доклад. В нём написано, что сломалось, кто проседает и что сделать сегодня. Вам не нужно разбираться в отчётах, выводы приходят уже готовыми. Сейчас Маржай набирает компании в бесплатный пилот, чтобы настроить чек-лист под ваш бизнес и проверить результат на ваших данных.