Аудит воронки продаж с помощью ИИ: где текут деньги

Бюджет на трафик вырос на треть, лидов стало больше, а выручка стоит на месте. В CRM всё аккуратно: этапы заполнены, сделки двигаются, менеджеры отчитываются о «клиент думает». Аудит воронки продаж с помощью ИИ вскрывает реальную причину — и объясняет, почему цифры из CRM без содержания диалогов почти всегда врут. ИИ помогает продавать ценность, а не скидку

Почему бизнес плохо растёт, если воронка выглядит здоровой

До любых экспериментов с рекламой сравните свою конверсию с рынком. В B2B нормальным считается диапазон 15–25%; если у вас ниже 10%, это прямо указывает либо на качество лидов, либо на работу менеджеров (Neuron Group). Искусственный интеллект может улучшить качество звонков Для услуг с длинным циклом сделки нормой чаще оказывается 10–20%.

Дальше начинается неприятное. Итоговая конверсия ничего не говорит о том, где вы теряете деньги. В B2B при аудите смотрят на время прохождения этапов, количество касаний до сделки и средний чек (amsales). Сделка, которая висит на этапе «отправили КП» шестую неделю, формально живая. По факту она умерла на втором звонке, и никто этого не заметил.

Считать нужно каждый этап отдельно и искать точку максимальных потерь: данные из CRM, сайта, звонков и переписок сводятся вместе, потом считается переход между шагами (keln.studio). Конверсия из входящих звонков считается просто: реальные клиенты делятся на количество позвонивших и умножаются на 100% (Контур). Формула элементарная. Сложность в том, что она показывает провал, но молчит о его причине.

3% против 100%: арифметика ручного контроля качества

Причина всегда лежит в диалогах. Ручной аудит упирается в чистую математику: супервайзер успевает прослушать лишь малую часть разговоров, тогда как ИИ-аналитика проверяет все 100% (Контур).

Что это означает на практике. Руководитель слушает выборку, которую сформировал случай или его собственное представление о «показательных» звонках. Он находит одну ошибку у одного менеджера, проводит разбор на планёрке, и все расходятся. Системный сбой, который повторяется в каждом втором разговоре по конкретному сегменту клиентов, остаётся невидимым, потому что просто не попал в выборку.

Российский рынок речевой аналитики заметно вырос в последние годы — вендоры и интеграторы фиксируют устойчивый спрос на инструменты анализа диалогов, особенно в компаниях с высоким объёмом входящих обращений.

Что показывает речевая аналитика звонков и анализ диалогов с клиентами

В отчётах по AI-анализу диалогов обычно выделяют темы, возражения, эмоции, соблюдение скрипта и сигналы риска (404ai). Плюс само содержание продажи: какие вопросы задают клиенты, где возникают возражения и к какому действию приходит разговор (Айко).

Читать отчёт стоит по логике «какой паттерн о чём говорит»:

Клиенты массово спрашивают про цену в первые 30 секунд. Проблема на уровне маркетинга: реклама или лендинг не отсекают тех, кому дорого. Отдел продаж тут ни при чём.

Менеджер задаёт меньше трёх уточняющих вопросов за разговор. Квалификации нет, идёт презентация в пустоту. Такие сделки уходят в «думает» и висят месяцами.

Одно и то же возражение встречается в 40% диалогов и нигде не закрывается. Дыра в оффере или в аргументации. Лечится не тренингом, а переписыванием одного блока скрипта.

Разрыв между обращением и первым ответом больше часа в чатах. Потери происходят до того, как продажа началась.

Отдельно про переписки. Мессенджеры и чаты в большинстве компаний вообще не аудируются, хотя в услугах и e-commerce там проходит половина первых касаний. Звонки слушают, переписки не читает никто.

Причины отказов: связка CRM-данных и содержания разговоров

При аудите продаж критично фиксировать причины отказов и потерянных сделок, потому что именно они показывают, где проседает воронка (Salessphere). Проблема в том, как эти причины попадают в CRM. Менеджер закрывает сделку и выбирает из списка то, что снимает с него ответственность. «Дорого», «не наш клиент», «выбрал конкурента». Проверить это невозможно, потому что запись разговора никто не откроет.

ИИ-аналитика ломает эту схему. Причина отказа берётся из текста диалога, а не из выпадающего списка. Дальше её можно разложить по источникам лидов, менеджерам и этапам. И обнаружить, например, что «дорого» из одного рекламного канала встречается в четыре раза чаще, чем из остальных: с этим каналом надо работать на уровне таргетинга, а не давать скидки.

Такая связка отвечает на главный вопрос владельца: где деньги, в лидах или в людях. Если один и тот же сегмент лидов у одного менеджера закрывается в 25%, а у другого в 8%, вопрос к менеджеру. Если у всех одинаково плохо, вопрос к маркетингу и офферу.

Считать это руками на объёме от нескольких сотен обращений в месяц нереалистично. Нужна разметка диалогов по единой методике, сопоставление с этапами CRM и стабильное качество распознавания речи. Собрать такой контур с нуля силами внутренней команды получается редко: обычно проект застревает на этапе «транскрибация есть, что с ней делать, непонятно».

Отработка возражений менеджерами: где именно теряется конверсия воронки продаж

Матрица возражений собирается из реальных диалогов, а не из головы руководителя отдела. Берёте все разговоры за квартал, группируете возражения по частоте, к каждому добавляете две цифры: сколько раз оно прозвучало и в каком проценте случаев сделка после него дошла до оплаты.

Распределение оказывается неочевидным. Самое частое возражение обычно закрывается неплохо, потому что менеджеры натренировались. Убивает конверсию другое: возражение средней частоты, на которое ни у кого нет внятного ответа. Оно звучит в 15% диалогов и в 90% из них заканчивает разговор.

Использование машинного обучения для анализа коммуникаций и скоринга лидов может заметно влиять на конверсию в квалифицированные сделки — но эффект сильно зависит от базы. При конверсии 8% рост до 10% даёт те же 25% прироста, и добиться его несложно. При 22% каждый пункт стоит дорого.

С чего начать и что пойдёт не так

Порядок действий рабочий такой. Считаете конверсию по каждому этапу и находите шаг с максимальным падением. Выгружаете диалоги именно по этому шагу. Размечаете их по темам, возражениям и соблюдению сценария. Сопоставляете с причинами отказов из CRM и источниками лидов. Получаете список из трёх-пяти проблем и приоритизируете по деньгам, а не по громкости.

Теперь про ограничения, о которых продавцы платформ говорят неохотно. Распознавание речи ошибается: плохая линия, акцент, отраслевые термины. Если система размечает диалоги по кривой транскрипции, вы получите уверенные выводы на мусорных данных, и это хуже, чем отсутствие аналитики. Второе: смещение выборки. Анализ только успешных сделок покажет, как выглядит успех, но не объяснит потери. Третье: категории возражений надо настраивать под свою отрасль, потому что универсальные шаблоны в B2B-услугах и в e-commerce работают по-разному.

Именно на этих трёх пунктах самостоятельные внедрения обычно и рассыпаются. Технология доступна; методика интерпретации требует отдельной настройки под контекст.

Мы уже слушаем звонки выборочно и всё про свои проблемы знаем. Зачем платить за ИИ? Выборочная прослушка находит ошибки конкретного человека. Она не показывает частоту. Разница между «менеджер иногда не отрабатывает возражение» и «возражение звучит в 200 диалогах в месяц и закрывается в 12% случаев» — это разница между мнением и управленческим решением с расчётом.

У нас мало обращений, статистики не наберётся? При десятках обращений в месяц ИИ даёт меньше пользы в статистике, но больше в качестве: каждый диалог разбирается целиком, а средний чек в таких моделях обычно высокий, и потеря одной сделки заметна в отчёте о прибыли.

Что если аналитика покажет, что проблема в моём продукте, а не в продажах? Это лучший из возможных результатов. Некорректный ICP, слабая сегментация и оффер, который не бьёт в потребность, стоят дороже любых ошибок менеджеров. Только узнать об этом из отчёта по рекламе невозможно, а из текста диалогов видно сразу.

Что делать в понедельник

Итоговая конверсия говорит, что у вас проблема. Диалоги говорят, какая именно. Пока вы разбираете малую часть разговоров, вы управляете отделом продаж по случайной выборке и собственным впечатлениям.

Посчитайте конверсию по этапам за последний квартал и найдите худший переход. Дальше нужен аудит воронки продаж с помощью ИИ на этом конкретном отрезке, с разметкой диалогов и связкой с CRM. Если хотите разобрать свою воронку и понять, где именно уходят деньги, напишите нам: посмотрим ваши цифры и диалоги, покажем точки потерь до начала любых работ.