Как B2B-компания перестала терять лиды: AI-менеджер квалифицирует заявки и передаёт в CRM

Как B2B-компания перестала терять лиды: AI-менеджер квалифицирует заявки и передаёт горячих клиентов в CRM

Четверг, 16:40. В отдел продаж IT-интегратора приходит заявка с сайта: директор логистической компании ищет решение для автоматизации склада. Бюджет — 2,5 млн ₽. Решение нужно через месяц.

Менеджер Алексей видит заявку только в пятницу утром — вчера он весь день был на встречах. Звонит клиенту в 10:15. Клиент: «Мы уже общаемся с другой компанией, они ответили через 5 минут. Спасибо, не актуально.»

2,5 млн ₽ ушли к конкуренту, потому что ответ задержался на 17 часов.

Компания SysIntegra* — IT-интегратор из Москвы, 35 сотрудников, средний чек проекта 1,2 млн ₽ — теряла так 6–8 сделок каждый месяц.

*Название изменено по просьбе клиента. Данные реальные.

---

Проблема: 60% лидов остывают, пока менеджер до них дозванивается

Отдел продаж SysIntegra — 4 менеджера. Каждый ведёт 15–20 активных сделок и параллельно обрабатывает новые заявки. Источники лидов:

• Форма на сайте — 50% заявок
• Telegram-бот компании — 35%
• Чат на сайте — 15%

Воронка продаж: где текло

• Заявка → Первый контакт: среднее время 2 часа 40 минут (в часы пик — до 6 часов)
• Первый контакт → Квалификация: ещё 1–2 дня (менеджер задаёт вопросы, клиент отвечает с задержкой)
• Квалификация → КП: 1–3 дня (менеджер готовит коммерческое предложение)
• Итого от заявки до КП: 3–7 дней

Проблемы в цифрах

• Время первого ответа: 2 ч 40 мин (среднее), 6+ ч (пиковое)
• Конверсия из заявки в квалифицированный лид: 34%
• Конверсия из лида в сделку: 18%
• Потерянные лиды (нет ответа / клиент ушёл): ~60%
• Время менеджера на первичную квалификацию: 25 мин на 1 лид

Исследование InsideSales показывает: если ответить на B2B-заявку в первые 5 минут, шанс квалификации в 21 раз выше, чем при ответе через 30 минут. SysIntegra отвечала в среднем через 160 минут.

Главная боль: менеджеры тратят время на «мусорные» лиды

Из 100 заявок в месяц:

• 30 — целевые (есть бюджет, потребность, сроки)
• 40 — «интересуются» (пока нет бюджета или не определились)
• 30 — нецелевые (студенты, конкуренты, спам)

Менеджеры тратили одинаковое время на все 100 заявок, хотя работать нужно было только с 30 горячими. 120 часов в месяц уходило на квалификацию, из них 84 часа — впустую.

---

Решение: AI-агент, который мгновенно отвечает, квалифицирует и передаёт горячих в CRM

В октябре 2024 SysIntegra подключила AI-агента AgentQ с шаблоном «AI-менеджер по продажам».

Шаг 1. Загрузка экспертизы компании (45 минут)

В базу знаний загрузили:

• Сайт компании — краулинг 32 страниц с описанием услуг, кейсов, технологий
• Каталог решений — 12 направлений: ERP-внедрение, автоматизация складов, CRM-интеграции, IT-аутсорсинг и др.
• Шаблоны КП — 5 типовых коммерческих предложений под разные направления (PDF)
• FAQ отдела продаж — 60 пар «вопрос-ответ» из реальных переговоров
• Матрица квалификации — критерии BANT, по которым менеджеры определяли качество лида

Шаг 2. Настройка модели квалификации (20 минут)

Ключевой элемент — промпт с чёткой логикой квалификации:

Роль: Ты — менеджер по продажам компании SysIntegra.
Цель: Квалифицировать входящий лид и при высоком потенциале — передать менеджеру.

Квалификация по BANT:
1. Budget (Бюджет): Какой бюджет выделен на проект? (>500K ₽ = горячий)
2. Authority (ЛПР): Кто принимает решение? (директор/собственник = горячий)
3. Need (Потребность): Какую задачу нужно решить? (конкретная задача = горячий)
4. Timeline (Сроки): Когда нужно решение? (<3 мес = горячий)

Действия по результатам:
- 3-4 критерия = ГОРЯЧИЙ → немедленно создать сделку в CRM, уведомить менеджера
- 2 критерия = ТЁПЛЫЙ → отправить релевантный кейс, предложить созвон
- 0-1 критерий = ХОЛОДНЫЙ → отправить общую презентацию, добавить в рассылку

Правила общения:
- Задавай вопросы естественно, не как анкету
- Не задавай все 4 вопроса подряд — вплетай в диалог
- Если клиент называет задачу — покажи экспертизу (упомяни похожий кейс)
- Если клиент горячий — предложи слот для звонка с экспертом в ближайшие 2 часа

Шаг 3. Интеграция с AmoCRM (15 минут)

Подключили через OAuth прямо из админки AgentQ:

• Создание сделки — при квалификации «горячий» агент создаёт сделку в AmoCRM с заполненными полями (компания, контакт, бюджет, потребность, срочность)
• Назначение ответственного — сделка падает на менеджера, который сейчас меньше всех загружен (ротация)
• Уведомление — менеджер получает push в AmoCRM и Telegram: «Горячий лид: ООО "Логистик Про", автоматизация склада, бюджет 2.5 млн, нужно через месяц. Контакт: Иван Петров, директор.»
• Тёплые лиды — попадают в отдельную воронку для дальнейшего прогрева

Шаг 4. Настройка автоматической отправки КП (10 минут)

Когда в ходе диалога определяется направление интереса, агент:

1. Подбирает подходящий шаблон КП из 5 загруженных
2. Формирует персонализированное сопроводительное сообщение
3. Отправляет PDF прямо в чат
4. Предлагает обсудить детали со специалистом

Шаг 5. Подключение каналов (10 минут)

• Чат на сайте — виджет заменил форму «Оставить заявку»
• Telegram — бот компании теперь отвечает мгновенно

---

Как выглядит реальная квалификация

Клиент (чат на сайте, 17:23): Здравствуйте, мы ищем подрядчика для внедрения складской системы

AI-агент (17:23, через 3 секунды): Здравствуйте! Отлично, складская автоматизация — одно из наших ключевых направлений. Мы внедряли WMS-решения для 15+ компаний, включая логистические центры с оборотом 10 000+ SKU.

Расскажите, пожалуйста, что сейчас используете для управления складом и какие основные задачи хотите решить?

Клиент: Сейчас всё в Excel, 3 склада, около 5000 позиций. Основная боль — пересортица и долгая инвентаризация

AI-агент: Знакомая ситуация. У нас был похожий проект с компанией из FMCG-сектора — 4 склада, 8 000 SKU. После внедрения WMS пересортица снизилась на 94%, инвентаризация ускорилась с 3 дней до 4 часов.

Несколько вопросов, чтобы я мог предложить оптимальное решение: — Какой примерно бюджет рассматриваете на этот проект? — И есть ли понимание по срокам — когда система должна быть запущена?

Клиент: Бюджет в районе 2-3 млн, запуститься хотим к марту. Решение принимаю я, Сергей Волков, коммерческий директор ООО "ФудТрейд"

AI-агент: Сергей, спасибо за информацию. Проект полностью в нашем профиле.

Я подготовил для вас коммерческое предложение по автоматизации склада — там описаны этапы, сроки и ориентировочная стоимость для вашего масштаба. [Отправляет PDF]

Также хочу предложить: наш руководитель направления складских решений может провести 30-минутный созвон, разобрать вашу ситуацию детально и предложить архитектуру решения. Ближайшие слоты: сегодня в 18:30 или завтра в 10:00. Удобно?

Клиент: Давайте завтра в 10

AI-агент: Отлично! Зафиксировал: завтра в 10:00, созвон с нашим экспертом по складским решениям. Ссылку на звонок пришлю за 15 минут до начала.

Если появятся вопросы до завтра — пишите, я на связи 24/7. Хорошего вечера, Сергей!

Что произошло «за кулисами»:

В момент, когда клиент назвал бюджет, сроки и должность — агент внутренне квалифицировал лид как ГОРЯЧИЙ (4/4 BANT):

• Budget: 2–3 млн ₽ (> 500K)
• Authority: коммерческий директор (ЛПР)
• Need: конкретная задача (пересортица, инвентаризация)
• Timeline: к марту (~2 мес, < 3 мес)

В AmoCRM автоматически создалась сделка:

• Название: «ООО ФудТрейд — WMS / автоматизация склада»
• Бюджет: 2 500 000 ₽
• Этап: «Квалифицирован»
• Контакт: Сергей Волков, ком. директор
• Задача: «Созвон завтра 10:00»

Менеджер получил уведомление и пришёл на созвон подготовленным — он уже знал задачу, бюджет и боли клиента.

---

Первые 2 недели: калибровка

Что доработали

Проблема 1: Агент слишком рано спрашивал про бюджет. Некоторые клиенты замыкались: «Я пока просто узнаю».

Решение: Перестроили промпт — сначала агент показывает экспертизу (кейсы, цифры), потом аккуратно переходит к бюджету: «Чтобы предложить оптимальный вариант, подскажите — какой порядок цифр рассматриваете? Наши проекты обычно от 500K до 5 млн.»

Проблема 2: Агент создавал дубли контактов в AmoCRM (клиент писал с разных каналов).

Решение: Добавили проверку по email и телефону перед созданием контакта. Если контакт найден — сделка привязывается к существующему.

Проблема 3: На 12% вопросов агент не мог ответить (узкоспециальные технические вопросы).

Решение: Настроили передачу диалога живому менеджеру с полным контекстом: «Привет, тут клиент спрашивает про интеграцию SAP с 1С:WMS. Я передаю диалог — вот история переписки.»

---

Результаты за 3 месяца

Ключевые метрики

• Время первого ответа: 2 ч 40 мин → 3 сек — в 3 200 раз быстрее
• Конверсия из заявки в квалифицированный лид: 34% → 52% — +53%
• Конверсия из лида в сделку: 18% → 26.5% — +47%
• Время на квалификацию 1 лида: 25 мин (менеджер) → 4 мин (агент) — -84%
• Лиды, обработанные вне рабочего времени: 0 → 38% от всех лидов
• Передача менеджеру (сложные кейсы): 22% диалогов

Экономия времени менеджеров

• До AI-агента: 120 часов/мес на первичную квалификацию всех лидов
• После: 26 часов/мес (только на сложные кейсы и переданные диалоги)
• Высвобождено: 94 часа/мес — это время менеджеры потратили на работу с горячими сделками и допродажи текущим клиентам

Финансовый результат

• Дополнительные закрытые сделки: 4–6 в месяц (ранее терялись из-за задержки ответа)
• Средний чек сделки: 1 200 000 ₽
• Дополнительная выручка: 4 800 000–7 200 000 ₽/мес
• Стоимость AgentQ: тариф «Про» — 6 990 ₽/мес
• ROI: ~85 000%

Даже если считать консервативно (не все сделки закрылись бы без AI-агента), эффект превышает затраты в сотни раз.

---

Что изменилось в отделе продаж

До AI-агента

Менеджер утром открывал CRM, видел 8 новых заявок за вчерашний вечер и ночь. Начинал обзванивать по порядку. Половина не брала трубку. Четверть уже «решила вопрос». Оставшиеся требовали долгой квалификации.

После AI-агента

Менеджер утром открывает CRM и видит:

• 3 горячие сделки с полным досье (компания, задача, бюджет, ЛПР, запланированный созвон)
• 5 тёплых лидов, которые получили КП и думают
• 4 холодных контакта в воронке прогрева

Менеджер сразу работает с горячими. Не тратит время на выяснение «а вам вообще актуально?». Приходит на созвон подготовленным. Закрывает больше сделок при меньших усилиях.

---

Как повторить для своего B2B-бизнеса

Этот кейс применим к любой B2B-компании: IT-интеграторам, маркетинговым агентствам, производствам, оптовым поставщикам, консалтингу, аутсорсингу, SaaS-компаниям.

1. Подготовьте базу знаний

• Описание услуг/продуктов с ценовыми вилками
• 3–5 кейсов с результатами (агент будет использовать их в диалогах)
• Шаблоны коммерческих предложений (PDF)
• Критерии квалификации лидов (что делает лид горячим для вашего бизнеса)
• FAQ из реальных переговоров (30–50 вопросов)

2. Создайте AI-агента в AgentQ

• Зарегистрируйтесь на agentq.ru
• Выберите шаблон «AI-менеджер по продажам»
• Загрузите материалы и настройте модель квалификации
• Адаптируйте тон общения (формальный / деловой-неформальный)

3. Подключите CRM

Интегрируйте AmoCRM или Битрикс24 — агент будет автоматически создавать сделки и контакты с заполненными полями.

4. Настройте каналы

Подключите чат на сайте, Telegram и Max — покройте все точки входа лидов.

5. Определите правила передачи менеджеру

Настройте, в каких случаях агент передаёт диалог живому менеджеру: технические вопросы, нестандартные запросы, VIP-клиенты, запрос на встречу.

6. Запустите в тестовом режиме

Первую неделю пусть менеджеры видят все диалоги агента. Дополняйте базу знаний, корректируйте промпт. После стабилизации — масштабируйте.

---

Время на настройку: 2–3 часа

Первые квалифицированные лиды: в тот же день

Окупаемость: с первой закрытой сделки (обычно в первые 2 недели)

---

Сколько горячих лидов вы потеряли за последний месяц из-за долгого ответа? Подключите AI-менеджера бесплатно и начните обрабатывать заявки за 3 секунды — первые 500 сообщений без оплаты.