ИИ в CRM оправдывает себя в промышленной продаже тем, что правильно читает запрос, а не тем, что шлёт больше напоминаний

В этой фразе спрятаны два разных бизнеса. Капитальное оборудование — коллегиальная закупка с циклом девять-восемнадцать месяцев; механообработка по чертежам заказчика решается за дни, и проблема там не в длине цикла, а в потоке запросов. Всё сказанное ниже про запросы КП, квалификацию и документацию относится к обоим, про закупочный комитет и скоринг — только к капитальной продаже. То, что ИИ делает хорошо, узко: он переформатирует текст, который у вас уже есть.

Почему типовая автоматизация CRM не работает на длинном цикле B2B-продажи

Стандартный сценарий предполагает одного покупателя, короткую оценку, большой рынок и такой объём сделок, при котором скоринг вообще что-то значит. Не выполняется ни одно из условий. Капитальную закупку оценивают технолог, которому важно время цикла, инженер по качеству — воспроизводимость, главный механик — запчасти, снабженец — условия, и руководитель, отвечающий за строку инвестбюджета. Появляются они в разные моменты, поэтому цепочка писем, адресованная «лиду», не доходит ни до кого.

Рынок к тому же конечный. Круг реальных заказчиков настолько узок, что одни и те же фамилии всплывают годами и в разных компаниях — инженеры переходят с завода на завод, — и настолько узок, что ни одна поведенческая модель не наберёт обучающей выборки, достойной этого слова. Раздражающее автоматическое письмо здесь не статистическая погрешность. Его запоминают, поимённо.

Сделки редко проигрывают из-за того, что не отправлено ещё одно письмо с вопросом, успели ли вы посмотреть предложение. Их проигрывают потому, что вас не оказалось рядом с чем-то полезным, когда верстался инвестбюджет следующего года; потому что технический ответ пришёл слишком поздно; потому что требование так и не было записано в форме, с которой можно работать. Ни одна из этих причин не лечится частотой касаний.

Как разобрать запрос КП и вытащить из него требование

Запросы приходят в том виде, в каком заказчику захотелось их прислать: PDF, таблица Excel, комплект чертежей, три абзаца в письме, закупочный шаблон, в котором значимы шесть полей. Модель надёжно достаёт то, что присутствует как текст, — количества и порядок выборки партий, даты и условия поставки, перечень требуемых сертификатов, коммерческие условия, обозначения деталей, названные в теле письма, — за то время, что уходит на открытие файла.

То, что рождается на чертеже, — поля другого класса. Допуски формы и расположения, обозначения сварных швов, схема баз, шероховатость, характеристики, помеченные как критические: всё это читается ненадёжно, и любое значение, снятое с чертежа, приходит помеченным как непроверенное предложение для инженера, а не как цифра, которую можно ставить в КП. Обращаться с двумя классами одинаково — кратчайший путь от полезного разбора к ошибке в предложении.

Сначала закройте вопрос прав. Комплект чертежей заказчика — его интеллектуальная собственность, обычно под NDA, подписанным задолго до запроса, а в авиакосмосе, оборонке и части автопрома он может попадать под экспортный контроль — ITAR, EAR или регламент ЕС о товарах двойного назначения. Проверьте, что NDA разрешает по обработке и подрядчикам, прежде чем чертёж дойдёт до модели; держите контролируемые работы on-premise или в контуре без хранения и без обучения; заведите путь исключения, чтобы помеченные заказчики и семейства деталей вообще не попадали в конвейер.

Более ценная половина результата — то, чего нет. Вопросы, которые вы отправите обратно в первый час, — самый сильный сигнал компетентности, который вы вообще способны послать, и они не дают инженеру считать по допущению, которое никто не проверял.

Полезный разбор отличают от того, который инженер переделает руками, два правила. Каждый пункт ссылается на источник: лист и ячейка, если источник — таблица; страница и область на ней, если это скан. И модель оставляет поле пустым, а не угадывает, — а это доля, которую вы измеряете по каждому полю на своей тестовой выборке, а не поведение, которое получается от указания воздержаться. Отказ от ответа хуже всего работает там, где есть правдоподобное значение по умолчанию: на допуске или на стандартной шероховатости, — поэтому поле с низкой долей пропусков и высокой ошибкой вы отдаёте человеку.

Черновик первого технического ответа, который ещё ничего не обещает от лица компании

Первый ответ решает, попали вы в оценку или нет. Хороший называет задачу, а не благодарит за интерес, пересказывает требование так, как вы его поняли, задаёт два-три вопроса, от которых меняется ответ, и фиксирует следующий шаг с датой.

Модель выдаёт эту структуру за минуту, человек правит и отправляет. Отправка автоматом — это другая система, а не другая настройка той же самой; и ни один черновик не заявляет технических характеристик: любая цифра, способная дойти до КП, приходит от того, кто имеет право её обещать.

Сводка по истории клиента и поддержание карточки в CRM в актуальном виде

Сделка, которая идёт четырнадцать месяцев, размазана по сотне писем, трём визитам, двум пробным партиям и одному неудачному испытанию. История есть, и её никто не читает, поэтому, когда менеджер по работе с клиентом уходит, её практическая ценность равна нулю. Модель, которая прочитывает переписку и вводит в курс следующего человека, действительно полезна.

Она же теряет информацию, и выпадает из неё непропорционально часто именно та однострочная договорённость, что зарыта в середине: уступленный допуск, цена, зафиксированная на оговорённый срок, исключение, согласованное по телефону. Сводка, которая почти верна и молча опускает уступку, хуже, чем её отсутствие. Поэтому относитесь к ней как к входу в переписку, привязывайте каждое утверждение к письму, из которого оно взято, и выносите договорённости в отдельный список со ссылками.

Та же способность закрывает самую старую проблему CRM. Продавцы не обновляют карточки, потому что обновление — это ввод данных, который ничего не возвращает; и ответ здесь тот же, что и в цехе: предлагай, не требуй. После звонка ассистент готовит черновик записи и предлагает смену этапа сделки и следующее действие. Они остаются предложениями, потому что ассистент, который молча правит значения или даты закрытия, разрушает единственное, чем CRM обязана быть, — учётом, которому люди верят.

ИИ-CRM: заменить то, что уже работает, или сесть поверх

В основном садится поверх. Учёт контрагентов, сделок и заказов остаётся там, где он есть, — Salesforce, Dynamics, HubSpot, Odoo или CRM-модуль вашей ERP. Ассистент читает из этого учёта, из почты, из архива коммерческих предложений и из хранилища документов, а пишет обратно три вещи: запись, предлагаемое изменение поля и задачу с ответственным и датой — всё с авторством и всё отменяемо.

То есть проект — это интеграция, а не модель, и спотыкается обычно идентификатор, который должен пережить дорогу между CRM, ERP и системой документооборота, потому что ключ контрагента и номер клиента никогда не сводили друг с другом. Если CRM нет вообще, начинать надо с неё: ассистент не может поддерживать в актуальном виде учёт, которого не существует.

Чего ИИ не умеет и где это будет стоить денег

Он не знает ваших возможностей: что допуск достижим, но только на второй операции; что сплав налипает именно в вашем процессе; что заявленный годовой объём в несколько раз больше того, что этот сегмент когда-либо заказывал. У него нет чувства коммерческих последствий, и уверенную фразу про срок поставки он напишет так же охотно, как осторожную, — обе одинаково гладкие фразы. И он не знает, что изменилось после того, как вы отдали ему документы, из-за чего актуальность документации становится эксплуатационной обязанностью, а не задачей на этапе внедрения.

Квалификация лида, уважающая технического покупателя: почему скоринг — не квалификация

Скоринг присваивает число на основе поведения: просмотренные страницы, открытые письма, скачанные документы. На рынке, где реальных покупателей так мало, это в основном измеряет любопытство, и надёжнее всего он вознаграждает профиль инженера конкурента, читающего вашу документацию.

Квалификация отвечает на другие вопросы. Есть ли задача, под которую подходит наше оборудование, описанная достаточно конкретно, чтобы это проверить. Есть ли бюджет и в каком периоде. Кто принимает решение и у кого право вето. И что будет, если они не сделают ничего.

Ассистент помогает только тем, что задаёт вопросы, на которые технический покупатель хочет отвечать. Инженер охотно назовёт деталь, материал, объём и время цикла — и бросит форму, требующую диапазон численности компании и вилку бюджета. Самый недооценённый результат — быстрое «нет»: основная стоимость плохого запроса — это инженерная проработка, которую он съедает, прежде чем кто-нибудь установит, что он изначально не подходил.

ИИ-чат-бот, который отвечает по вашей документации, а не выдумывает

Задайте языковой модели вопрос по продукту — и она ответит из своего обучения, прозой, которая читается ровно как ваша документация, причём между её уверенностью и истинностью нет никакой связи. В технической продаже это худший из возможных сбоев, потому что неверный ответ скриншотят, пересылают и цитируют вам же на совещании.

Пережить это позволяет только опора на собственные документы. Вопрос вытягивает фрагменты из ваших документов, модель отвечает только по ним и ссылается на них, и типичный сбой превращается в «этого я в документации не нашёл». Основная работа — на стороне документов: какие из них действующие, какие отменены и должны быть убраны из индекса, оставаясь в системе документооборота, как того требует ваша процедура СМК, но недосягаемыми для ассистента, и какие конфиденциальны.

Сбой это не устраняет. Поиск возвращает отменённую редакцию, потому что она лучше совпадает по тексту; возвращает нужный документ, а модель неправильно читает в нём таблицу; не находит ничего подходящего и всё равно отвечает из обучения. Ссылка делает каждый из этих случаев хуже, потому что неверному ответу с приложенным именем документа верят сильнее.

Поэтому ограничения задают в системе, а не в регламенте: отвечать только по опубликованным материалам, называть использованный документ и его редакцию, на вопросы о технических характеристиках отказывать, а не додумывать, никогда не называть цену и срок поставки. И логировать каждый вопрос, на который он не смог ответить, — этот лог и есть написанный вашими заказчиками список того, что вы не опубликовали.

Данные, которые у вас уже есть, и что нужно, чтобы ими можно было пользоваться

Их больше, чем вы думаете, и состояние хуже, чем вы думаете. В почте лежат годы запросов и технической переписки, в истории КП — что и по какой цене вы предлагали, а в причинах проигрыша — самый ценный набор данных в компании, если кто-то заполнял их честно. В ERP лежат ваши сроки изготовления и даты отгрузки, которые стоит проверить, прежде чем им доверять: план против факта и не переписывалась ли обещанная дата каждый раз, когда она уезжала.

Дальше — их состояние. Один и тот же заказчик заведён трижды в разных написаниях, а немецкая дочерняя компания — отдельный контрагент без связи с материнской, поэтому никто не видит, что группа уже купила две линии. И причина проигрыша на большинстве карточек — «цена», а это то, что выбирают, когда настоящей причиной был медленный ответ.

Работа неблагодарная, и она составляет основную часть проекта: свести дубли контрагентов, описать структуру групп, договориться об одном авторитетном месте хранения документации с явным полем редакции, заменить причину проигрыша в свободном тексте коротким списком, из которого продавец может выбрать честно. Модель, построенная на этих данных, унаследует каждую ошибку и выдаст её уверенно.

Передача человеку и почему плохая передача уничтожает всю ценность

Момент, когда ассистент останавливается и начинается человек, — это то место, по которому заказчик судит о системе целиком. Заказчик подробно рассказывает свою задачу, через два дня звонит продавец и задаёт те же вопросы с начала — и всё, что выиграла автоматизация, тратится за эту минуту.

Рабочая передача несёт с собой переписку, привязанную к сделке, вопрос, вызвавший эскалацию, конкретного ответственного с фамилией, а не общий ящик, и время ответа, за которое кто-то несёт персональную ответственность. Будьте честны в том, чем ассистент является, — технический покупатель разберётся за несколько реплик, — и эскалируйте автоматически на любое обязательство по техническим характеристикам, на любую цену, на любую претензию и всякий раз, когда заказчик спрашивает второй раз.

Как мерить это честно: время ответа и квалифицированная воронка, а не отправленные сообщения

Большинство отчётов по таким системам меряет их собственную активность: отправленные сообщения, обработанные диалоги, сэкономленные часы по коэффициенту, который дал поставщик системы. Всё это растёт независимо от того, стало лучше или нет. Начинайте вместо этого с времени от запроса до первого содержательного технического ответа, где содержательный означает, что он касался задачи, а не подтверждал получение. Затем время от запроса до КП по тем запросам, которые вы приняли как профильные, и доля тех из них, что дошли до КП, — она вскрывает запросы, застрявшие в очереди у инженера.

Отклонённые запросы мерьте по отдельной оси — за сколько дней вы их отклонили, потому что именно это число и призвано снижать быстрое «нет». Единая доля выставленных КП по обоим знаменателям говорит организации считать те запросы, которые вы только что велели ей отклонять. Дальше — квалифицированная воронка по определению того, что считается квалифицированным, записанному до начала проекта, и число вопросов, на которые ассистент не смог ответить: оно должно падать по мере того, как вы публикуете недостающее.

GDPR и то, чего ждёт европейский промышленный заказчик

Законное основание для B2B-рассылок в Европе неоднородно. Национальные реализации правил ePrivacy различаются, и в некоторых странах ЕС незапрошенное коммерческое письмо на рабочий адрес трактуется куда строже, чем следует из привычной формулировки про «законный интерес». Решайте это с юристом по каждому рынку и стройте систему так, чтобы правила могли различаться по странам без переписывания.

Остальное — инженерные решения с последствиями для закупки. В опроснике заказчика спросят, где обрабатывается текст его запроса, покидает ли он ЕС, обучает ли он чью-нибудь модель и сколько хранится. Через первый фильтр проводят четыре коротких ответа: обработка в ЕС, обучения на данных клиентов нет, срок хранения определён, доступ логируется. За фильтром лежат подписанный DPA, перечень субобработчиков, ваши технические и организационные меры и, как правило, сертификат ISO 27001 или SOC 2. Соберите всё это до того, как придёт запрос.

Держите человека в контуре любого решения, которым запрос отклоняется, — это и правильная конструкция, и конец спору про автоматизированное принятие решений. Помимо закона, европейский промышленный заказчик рассчитывает, что с ним обойдутся как с профессионалом, а выдуманное «возвращаюсь к нашему разговору» на маленьком техническом рынке вредит сильнее, чем если бы вы не написали вовсе.

С чего начать: первый ИИ-проект в продажах

Один процесс, восемь-двенадцать недель, один названный по имени ответственный в продажах и один в инженерии, и написанное определение успеха до того, как что-то построено. Начинайте с входящих запросов КП: ценность сосредоточена там, а отказ виден в первую очередь вашим же людям.

Первые две недели потратьте на сбор пятидесяти реальных запросов за последние два года — с тем, что по ним посчитали, и с тем, чем всё кончилось. Эта выборка и есть тест; без неё вы оцениваете систему на демо, отобранных теми, кто её построил. Дальше стройте извлечение полей и список недостающей информации, который инженер по применению сверяет с тем, чем требование оказалось на самом деле. Ассистент, обращённый к заказчику, идёт последним, потому что только он общается с клиентами без присмотра.

Критерии приёмки напишите до старта: время первого ответа по названному сегменту, инженерные часы на запрос и извлечение, оценённое по той самой эталонной выборке, — точность по каждому полю и прежде всего полнота по полям, несущим риск для КП. Доля принятых подсказок модели — показатель приживаемости, а не критерий приёмки: как только инженеры узнают, что это и есть оценка, мелкие правки «на грани» делать перестают, а важные ошибки — это пропуски, которые рецензент, бегло просматривающий аккуратный список, не поймает. Заранее решите, от чего вы откажетесь: массовые исходящие рассылки, любая отправка без проверки, запуск там, где открыт вопрос законного основания или позиции по NDA.

Где здесь Meta Smart Factory

META CRM Bot от MSF — продукт на стороне продаж этой платформы; остальные модули на этом сайте — MES, APS, MRP, качество, обслуживание, склад — управляют заводом. Мы делаем обе половины, поэтому рассуждение выше про последовательность и качество данных, а не про функции.

Одну вещь стоит назвать, а не замазать: этот продукт описан здесь как многоязычная переписка в режиме 24/7, и в технической продаже включать первым нужно не это. Ограничения, о которых сказано выше, — это настройка, а не маркетинг: черновик пишет модель, отправляет человек; эскалация на любое обязательство по характеристикам, цене или сроку; никаких массовых рассылок на рынок, где повторяются одни и те же фамилии. Попросите их на пилоте.

Думать стоит о стыке. В промышленном запросе доминируют два вопроса — удержите ли вы эту характеристику на таком темпе и будет ли это у нас на 34-й неделе, — и ни на один из них ассистент отвечать не должен. Первый — это воспроизводимость процесса по конкретной характеристике, на конкретном станке и в конкретной оснастке, с исследованием измерительной системы, которое не съедает половину поля допуска; а на новой детали истории, из которой можно ответить, просто нет. Второй — вопрос о будущей загрузке мощностей относительно портфеля заказов, который меняется ежедневно. Статистика соблюдения сроков — это не мощность, а мощность сегодня — не мощность на 34-й неделе.

Что ассистент может — достать доказательства и положить их перед тем, кто отвечает. Замеренное время цикла и брак по ближайшей аналогичной детали скажут вашему инженеру, оправдывает ли запрос исследование воспроизводимости; портфель заказов в APS скажет вашему планировщику, правдоподобна ли 34-я неделя. Дату всё равно называет планировщик. Если данным производственного учёта нельзя верить, ИИ-надстройка над продажами всё равно будет считать по ним.

Поэтому более полезный первый разговор — это не демо. Это разбор ваших же недавних запросов и того, чем каждый закончился, потому что за полдня становится видно, где продажа теряет время, — и иногда ответ в том, что чинить это не софтом.