ИИ в отделе продаж: как увидеть то, что скрывается за хорошими отчётами

Автор: Егор Евдокимов — предприниматель, основатель ABC Industrial.

«У меня есть РОП, я вообще не хочу лезть в продажи».

Я понимаю собственника, который так говорит. Руководителя отдела продаж нанимают именно для того, чтобы перестать лично контролировать каждый звонок и каждое коммерческое предложение.

Но есть разница между делегированием работы и потерей понимания происходящего.

Менеджеры могут выполнять план, CRM — выглядеть аккуратно, а компания при этом терять прибыль и перспективных клиентов. Сегодня я вижу в искусственном интеллекте инструмент, который помогает руководителю глубже разбираться в таких ситуациях.

Я Егор Евдокимов, основатель ABC Industrial. Мой интерес к ИИ вырос из вопросов, с которыми сталкивается собственник производственного бизнеса: как оценивать работу команды, управлять продажами и понимать, где компания недополучает результат.

Менеджер продаёт то, за что ему платят

Однажды я увидел ситуацию: менеджер выполнял план по выручке, получал хороший процент, но его сделки приносили компании меньше, чем могли бы.

Он выбирал продукты, которые проще продать, активно давал скидки и не особенно держался за маржу.

Обвинять его было бы странно. Компания сама поощряла такое поведение.

Прежде чем менять сотрудников или повышать процент, я бы разобрал, что именно вознаграждает система мотивации. Здесь появляется полезная задача для ИИ: помочь сопоставить данные по сделкам, скидкам, продуктам и вознаграждениям.

Например, можно проверить:

— какие менеджеры чаще используют скидки;

— как скидки связаны с конверсией и маржинальностью;

— кто привлекает новых клиентов, а кто работает преимущественно с существующей базой;

— какие продукты продаются чаще и какой вклад они дают в результат;

— не поощряет ли компания быстрые сделки в ущерб более перспективным.

Но сначала нужно определить, что мы считаем прибылью по сделке. В производстве недостаточно вычесть из цены условную себестоимость изделия. Важно учитывать состав работ, доставку, монтаж и другие затраты по принятой в компании методике.

ИИ способен быстро обработать таблицу. Правильную экономическую модель ему должен задать человек.

Воронка может выглядеть большой, но не двигаться

В отчёте десятки сделок. Общая сумма внушительная. РОП говорит, что всё в работе.

А потом выясняется: по части клиентов давно не было контакта, по другим отправили КП и ждут, у третьих никто не уточнил, кто принимает решение.

Для меня важен следующий вопрос: какое действие приближает каждую сделку к результату?

Если в CRM есть история контактов, задачи и комментарии, ИИ можно использовать для предварительного разбора зависших сделок. Он может выделить те, где нет следующего шага, сроки постоянно переносятся или статус не подтверждается последними записями.

Собственнику нужен короткий список ситуаций, которые стоит обсудить с РОПом. Например: почему крупная сделка остаётся в прогнозе, если клиент месяц не отвечает?

При этом отсутствие записи в CRM ещё не доказывает, что менеджер ничего не делал. Возможно, он общался с клиентом, но не зафиксировал разговор. Это тоже проблема процесса, однако выводы будут другими.

Поэтому результат анализа ИИ — основание для проверки и разговора.

«Дорого» — ещё не объяснение проигранной сделки

Менеджер записал причину отказа: высокая цена.

Что это означает? Клиент сравнивал одинаковые предложения? У конкурента другой состав работ? Не подошли сроки? Не было бюджета? Или мы слишком рано отправили предложение, не разобравшись в задаче?

В ABC Industrial подобные различия принципиальны. Покупатель оценивает конструкцию, комплектацию, сроки и условия выполнения проекта. Одна итоговая сумма не раскрывает содержание предложения.

Здесь я вижу перспективу ИИ-анализа переговоров: находить повторяющиеся вопросы клиентов, неотработанные возражения и расхождения между запросом и предложением.

Но системе необходимо давать проверяемую задачу. Вместо «оцени, хороший ли это продавец» — «найди, выяснил ли менеджер сроки, критерии выбора и порядок принятия решения; покажи фрагменты разговора».

Если подтверждения нет, правильный ответ — «в предоставленных материалах не найдено». Такой подход полезнее уверенной оценки, которую невозможно проверить.

На собеседовании важна конкретика

За годы в бизнесе я перестал рассчитывать на вопрос «Расскажите о себе». Сильная самопрезентация не всегда означает сильные продажи.

Мне интереснее, какой план человек выполнял, почему потерял последнюю крупную сделку, что делает после молчания клиента и как принимает решение о скидке.

ИИ может помочь подготовить такое интервью: составить вопросы под наш продукт и цикл сделки, предложить практическую ситуацию, структурировать ответы кандидата и отметить, какие утверждения требуют уточнения.

Например, кандидат говорит, что увеличил продажи. Следующие вопросы очевидны: за какой период, относительно какой базы, за счёт чего и как изменился финансовый результат?

Однако решение о найме я не стал бы отдавать системе. Она не должна определять честность человека по голосу или превращать впечатление от разговора в якобы объективный балл.

Её задача — помочь мне провести содержательное интервью и ничего существенного не упустить.

Как я подхожу к интеграции ИИ в ABC Industrial

Я рассматриваю внедрение через всю цепочку работы с заказчиком: обращение, уточнение требований, подготовку предложения, согласование и передачу проекта дальше.

На каждом участке нужно понять, где ИИ может быть полезен и кто отвечает за проверку его результата.

Начинать я считаю разумным с ограниченного сценария. Например, с подготовки сводки по сделкам без следующего действия. Это понятная задача, результат которой РОП может проверить.

Для такого теста необходимы несколько условий.

Первое — привести в порядок исходные данные. Если этапы продаж каждый понимает по-своему, анализ будет ненадёжным.

Второе — определить границы доступа. Сведения о клиентах, переговорах и условиях сделок нельзя бесконтрольно передавать любому сервису.

Третье — заранее выбрать критерии результата. Сколько времени занимал разбор раньше? Сколько занимает теперь с учётом проверки? Сколько ошибок и пропусков остаётся?

Четвёртое — назначить ответственного. Кто проверяет сводку, исправляет ошибки и решает, можно ли расширять применение инструмента?

И только после этого имеет смысл обсуждать масштабирование.

Мне важно делиться именно таким подходом к ИИ: через задачу, проверку и ответственность. Подтверждённые результаты внедрений требуют отдельного разбора, а красивые обещания их не заменяют.

ИИ не исправит систему, которая поощряет неправильный результат

Если компания платит только за выручку, ИИ не заставит менеджеров беречь маржу. Если собственник требует любой ценой закрыть месяц, сотрудники будут искать способы сделать именно это.

Технология может помочь увидеть последствия управленческих решений. Менять решения всё равно придётся руководителю.

В этом я вижу преимущество предпринимательского опыта при освоении ИИ. Ты знаешь, какие вопросы задавать данным, и понимаешь, что будет стоить компании ошибка.

При этом опыт управления не освобождает от изучения технологии. Нужно понимать ограничения инструментов, проверять их работу и привлекать специалистов там, где собственных знаний недостаточно.

Практическая экспертиза появляется, когда ты можешь объяснить, какую задачу решал, почему выбрал этот подход и как оценил результат.

Что это меняет для сервисных компаний

На мой взгляд, особенно внимательно к ИИ нужно относиться компаниям, которые продают обработку информации: аналитику, подготовку материалов, сопровождение и консультационные услуги.

Если конкурент сокращает подготовительную работу с помощью ИИ и сохраняет качество, он получает возможность быстрее отвечать клиенту и больше времени уделять сложным вопросам.

Это не означает, что исчезнут все, кто пока не внедрил ИИ. Но рассчитывать, что клиент бесконечно будет оплачивать привычный объём ручной работы, всё опаснее.

Придётся убедительно показывать свою ценность: качество решений, понимание задачи, ответственность и результат.

Поэтому я бы рекомендовал предпринимателю начать с простого упражнения: взять один регулярный отчёт и спросить себя, какие решения он помогает принимать.

Если ответ неочевиден, сначала нужно изменить сам отчёт. А уже потом проверять, какую часть работы с ним можно поручить ИИ.