Кастомный подход в Аихаб: почему мы настраиваем аналитику под каждого клиента
Аналитику продаж нельзя продать коробкой: у каждой компании свои источники данных, процессы и критерии хорошего разговора. В статье разбираем, откуда у нас взялась ставка на индивидуальную настройку, почему её не отменил ИИ и как устроено внедрение Аихаб.
Полезно почитать тем, кто сейчас выбирает систему аналитики и считает, сколько работы останется на их стороне после покупки.
Откуда взялся этот подход
Ставка на ручную настройку появилась ещё во времена раннего CallTouch. Простые клиентские задачи мы закрывали людьми: нанимали молодых перспективных ребят, быстро всё настраивали и запускали клиента в работу. Рынок в тот момент двигался в другую сторону – конкуренты строили селф-сервисы, рассчитывая, что клиент разберётся сам.
Наш вариант оказался жизнеспособнее по двум причинам. Руками мы делали простые вещи быстрее, чем их можно было заложить в продукт и выкатить релизом. И второе, что оказалось важнее: живые отношения с клиентом дают лояльность и обратную связь, а обратная связь превращается в развитие продукта – слыша конкретный запрос, мы понимаем, что ещё можем сделать под этого клиента и будет ли это полезно остальным.
Что изменилось с появлением ИИ
Разрыв между «настроить руками» и «сделать в продукте» сократился: с ИИ дашборд собирается за пару часов, а возможностей для самостоятельной настройки можно выкатить сколько угодно. Технологический барьер, который десять лет назад делал селф-сервис медленным, практически исчез.
Исчез он, однако, только для интерфейсов. Аналитика продаж и автоматизация CRM – сферы, где сложность лежит не в том, как отрисовать отчёт, а в том, что именно считать и на основании каких данных. Здесь нет решения, которое можно раскатать на всех и получить одинаково осмысленный результат.
Что и как мы настраиваем
Настройка начинается с контура систем. У клиента может быть amoCRM, может быть Битрикс, мессенджеры, отдельная база и выгрузки в BI – от этого зависит, откуда мы забираем данные, в каком виде их нормализуем и куда возвращаем результат обработки. Дальше идёт логика связывания: как сопоставить звонок со сделкой, переписку с клиентом, менеджера с этапом.
Следующий слой — чек-листы. Это набор параметров, по которым мы разбираем разговор: выявил ли менеджер потребность, назвал ли цену, зафиксировал ли следующий шаг, отработал ли конкретное возражение, которое встречается именно в этом бизнесе. Формулировки пунктов, их вес и границы допустимого руководители задают сами.
Как устроено внедрение Аихаб
Внедрение занимает до 14 дней и проходит в четыре этапа.
Начинаем с первичного звонка: знакомимся с компанией, воронкой продаж и текущими задачами, обсуждаем, как выстроены процессы, где команда теряет время и клиентов и какие показатели для руководителя ключевые.
Дальше подключаем систему под ключ: интеграции, калибровка аналитики, настройка чек-листов, отчётность, алерты и сценарии – с минимальным участием со стороны клиента.
После запуска остаёмся в постоянном контакте. Меняется процесс, появляется новый вопрос к данным, нужен другой отчёт – дорабатываем функции, сценарии и логику работы под текущие бизнес-процессы.
Что из этого следует при выборе системы ИИ-аналитики
Сравнивать стоит не количество функций в интерфейсе, а объём работы, который остаётся на вашей стороне после покупки. Настройка источников, описание чек-листов, сведение данных между системами – это работа, которую кто-то выполнит в любом случае. Вопрос только в том, ляжет она на ваш отдел или на команду внедрения.
Проверить это можно на своих данных: приходите на демо Аихаб – разберём 200 ваших звонков, покажем, как выглядит аналитика, собранная под ваш процесс, и где в нём точки роста.
Больше полезного контента – в Telegram-канале Аихаб. Там мы рассказываем, как с помощью нейросетей усилить продажи, разбираем реальные ошибки менеджеров и делимся наблюдениями из работы с клиентами.