Это история про оптовую компанию во Владивостоке, которая торгует строительными материалами. До внедрения AI-агента у них работало три менеджера по продажам. Заявки приходили из трёх каналов: сайт, WhatsApp и звонки. Менеджеры не успевали обрабатывать всё, лиды терялись, время реакции на клиента достигало 4 часов. Кейс показателен тем, что не потребовал замены CRM или найма программистов.

Было: как работали до

  • Три менеджера на все каналы связи.
  • Заявка с сайта падала на почту - менеджер видел её, когда заходил в ящик.
  • WhatsApp - личные сообщения на телефоны менеджеров.
  • Звонки - если линия занята, клиент сбрасывал и уходил к конкурентам.
  • После обработки заявки менеджер вручную вносил данные в Excel и передавал кладовщику.
  • Потери лидов - около 30% (клиенты не дозвонились, не дождались ответа в WhatsApp).

Ключевая проблема

Нехватка рук. Нанять ещё менеджеров - дорого, и они тоже будут загружены бумажной работой. Нужно было не расширять отдел, а убрать рутину из текущей работы.

Внедрение: что сделали

Шаг 1. Аудит процессов. За два дня разобрали, кто, когда и зачем обрабатывает заявку. Выяснили: 60% времени менеджера уходит на типовые вопросы (цена, сроки, наличие) и ручное заполнение.

Шаг 2. Выбор пилота. Решили автоматизировать приём и первичную квалификацию входящих заявок. Не все продажи - только первый контакт с клиентом.

Шаг 3. Настройка. Поставили n8n на сервер компании. Через API подключили WhatsApp Business, форму заявки на сайте и CRM (Битрикс24). AI-агент на базе GPT-4o настроили на квалификацию: бюджет, сроки, тип товара, готовность к покупке.

Шаг 4. Правила передачи. Если клиент готов покупать сейчас - заявка мгновенно уходит менеджеру в Telegram с полным контекстом. Если «думает» - попадает в CRM с пометкой на дозвон через 3 дня. Если спрашивает цену на ходовой товар - агент отвечает сам.

Техническая архитектура решения

Разберём, из чего состояла система, чтобы вы понимали, что именно потребуется для аналогичного проекта:

  • Оркестратор: n8n (self-hosted на Ubuntu-сервере компании). Обрабатывает вебхуки от всех каналов, управляет логикой передачи данных между GPT-4o и API внешних систем.
  • Модель: GPT-4o через API OpenAI. Стоимость одного диалога с клиентом - в среднем 0,03 рубля. Средний диалог - 3-5 сообщений.
  • WhatsApp: WhatsApp Business API через Meta Cloud API. Настройка заняла 2 дня, включая верификацию бизнес-аккаунта.
  • Сайт: вебхук из HTML-формы отправляет данные напрямую в n8n. Без посредников.
  • CRM: Битрикс24. Агент создаёт лиды, заполняет поля (источник, бюджет, срочность, тип товара), назначает ответственного.
  • Телефония: Mango Office. Звонки маршрутизируются: если линия свободна - на менеджера, если занята - включается голосовой AI-агент, который принимает заказ и записывает контактные данные.

Ежемесячные затраты на работу системы: около 8 000-12 000 руб (API OpenAI - 3 000-5 000 руб, WhatsApp Business API - 1 500 руб, хостинг сервера - 2 500 руб, сопровождение - 3 000 руб).

Результаты через 2 месяца

Сравнивали с предыдущим месяцем по тем же каналам. Все цифры - из CRM и отчётов телефонии:

  • Количество обработанных заявок: было 80-100 в день (с потерями), стало 120-150 в день (без потерь). Агент не пропускает ни одного обращения.
  • Время реакции на лида: было 4 часа, стало 30 секунд (на горячих лидах, которые передаются менеджеру). Для холодных - агент отвечает мгновенно.
  • Обработка заявок: три менеджера стали справляться с тем объёмом, который раньше не осиливали вчетвером. Фактически производительность отдела выросла на 40% без расширения штата.
  • Потери лидов: снизились с 30% до 3%. Агент не даёт заявке «провиснуть» - если клиент написал, ответ будет в любом случае.
  • Конверсия в продажу: выросла на 22% (лиды перестали теряться на этапе первого контакта). Раньше из 100 заявок до сделки доходило 12-14. Стало 17-19.
  • Загрузка менеджеров: до внедрения продавцы тратили 60% времени на ответы на типовые вопросы. После - только 15%. Освободившееся время ушло на активные продажи и работу с «тёплыми» лидами.
  • Продажи: через 2 месяца выросли в 2 раза по сравнению с аналогичным периодом прошлого года (с учётом сезонности). Выручка за месяц: было 3,2 млн руб, стало 6,5 млн руб.

Калькулятор эффекта

Если ваша компания получает от 50 заявок в день, а средний чек составляет от 30 000 руб, то снижение потери лидов с 30% до 3% даёт дополнительно 13-14 сделок в месяц. При конверсии 15% это 2 дополнительных продажи ежемесячно. При среднем чеке 50 000 руб - плюс 100 000 руб выручки в месяц только за счёт удержания лидов, которые раньше терялись.

Что это значит для других компаний

Внедрение не потребовало замены софта. Компания продолжала работать в той же CRM, те же менеджеры общались с клиентами. Изменился только первый этап: вместо человека заявку принимал агент.

Стоимость внедрения окупилась за 3 месяца за счёт роста продаж. Компания не уволила ни одного менеджера - они перестали заниматься рутиной и начали реально продавать.

Ключевой вывод: AI-агент не заменяет продавцов. Он берёт на себя то, что отвлекает продавцов от продаж: приём заявок, квалификацию, ответы на типовые вопросы. Когда менеджер занимается только сделками - продажи растут.

Читайте также