AI-асистент допродажів у CRM: менеджеру лишається прочитати готову репліку

Клієнт уже на лінії. Менеджер уже витрачає на нього три хвилини, щоб підтвердити замовлення. І всередині цих трьох хвилин є момент, коли можна продати ще на пару сотень гривень - але майже ніхто цього не робить.

Не тому, що менеджери погані. Щоб допродати, треба на ходу згадати весь асортимент, придумати логічну пару до кошика і скласти живу фразу - поки клієнт мовчить у слухавку. Попрощатись завжди простіше.

Тепер менеджер відкриває картку замовлення і бачить там готовий абзац. Його треба просто прочитати вголос.

Проблема: допродаж - це робота, яку легше не робити

Допродаж не зривається через злий намір. Він зривається тому, що вимагає зусилля рівно в ту секунду, коли зусилля робити найважче.

І поки цього зусилля немає, економіка магазину тримається лише на новому трафіку - який щороку дорожчає.

Висновок простий: треба зробити так, щоб менеджеру було легше зробити допродаж, ніж не зробити. Не «подумай, що ще запропонувати», а одразу «прочитай ось цей абзац клієнту».

Як автоматизація це вирішує

Щойно в системі зʼявляється нове замовлення, сервіс читає кошик, підбирає два доречні товари і пише готову репліку українською прямо в картку замовлення.

Менеджер і так дзвонить клієнту з підтвердженням - це рутина, яка була завжди. Наприкінці розмови він просто зачитує те, що вже написано. Розумова робота нульова, опір нульовий.

Головна знахідка пілоту: це має бути репліка, а не порада

Перша версія писала менеджеру пораду. Виявилось, що це не знімає роботу, а лише перекладає її в інший бік: менеджер усе одно мусить перетворити пораду на живу фразу.

Друга версія почала писати текст, звернений одразу до клієнта. Саме після цієї зміни менеджери почали користуватися підказкою.

Що дістається людині

Людина робить рівно одну дію: читає. Вона не обирає товари, не згадує ціни, не вигадує аргумент і не тримає в голові, що клієнт брав минулого разу.

Все, що вимагало пам’яті й формулювання, поїхало в систему. Все, що вимагає голосу й контакту, лишилось людині.

Що це дало бізнесу

Сервіс працює в бойовому режимі. Що змінилось у щоденній роботі:

• на кожне замовлення менеджер отримує два конкретні товари і готову фразу, без жодних роздумів;
• підказка вже лежить у картці до того, як менеджер набрав номер;
• рекомендація ніколи не буває безглуздою: не пропонується те, що вже куплено, чого немає на складі або що суперечить дієті клієнта;
• жодних вигаданих товарів і цін - система обирає тільки з реального каталогу;
• підказка не залежить від того, чи є світло у власній серверній: генерація живе в хмарі, а не на GPU під столом.

Чесно про межі. Система не дзвонить і не продає замість менеджера - вона лише прибирає розумову роботу перед дзвінком. Вона поки не знає, чи менеджер справді зачитав скрипт і чи клієнт погодився: контур вимірювання будується наступним етапом. І вона не гарантує, що допродаж відбудеться - вона гарантує, що спроба буде підготовлена.

Як це влаштовано всередині

Уся конструкція тримається на одному принципі: LLM не вигадує, а обирає з перевіреного. Спершу детермінований алгоритм звужує весь каталог до топ-10 кандидатів, і лише потім модель обирає 2 з 10 та пише скрипти. Модель ніколи не бере SKU «з голови».

Як рахується скоринг кандидатів

На цей пул накладаються жорсткі фільтри, щоб рекомендація завжди була доречною.

Стек: власні Python-сервіси в Docker Compose

Спершу модель крутилась на власному GPU-сервері. В українських реаліях це означає просту річ: немає світла - немає підказки в картці, і менеджер лишається сам на сам із дзвінком.

Хмарна модель знімає цю залежність: сервіс живий, доки живий інтернет, а не доки живе електропостачання. Для щоденних операційних задач це питання безперервності роботи, а не економії.

Другий аргумент - передбачуваність. Модель не треба утримувати, оновлювати й тримати під неї залізо, а ціна генерації стала прогнозованим рядком у бюджеті.

Про дані чесно: у хмару йде тільки знеособлений мінімум, потрібний для генерації тексту - назви товарів, категорії й дієтичні теги. Ні імені, ні телефону, ні адреси клієнта модель не бачить.

Контур якості й самонавчання

Уся розмова відбувається по телефону, отже доступна для аналізу. Поточна автоматизація - фундамент, далі будуємо цикл, що сам себе вдосконалює.

Кому це підходить

Будь-якому інтернет-магазину, де замовлення підтверджують дзвінком або повідомленням, а в асортименті є товари, що логічно доповнюють одне одного: продукти, нутрицевтика, косметика, зоотовари, товари для дому.

Технічно кейс тиражується на будь-яку CRM, яка вміє повідомляти про нове замовлення і має вільне поле в картці.

Ознака, за якою легко перевірити, чи це про вас: якщо ви колись казали менеджерам «пропонуйте щось до кошика», а середній чек після цього не зрушив - так, це про вас.

Допродаж не потребує кращих менеджерів. Він потребує, щоб потрібна фраза вже лежала в картці до того, як менеджер узяв слухавку.