Корпоративний університет менеджерів для e-commerce: онбординг за 15 днів

Власник e-commerce наймає нового менеджера з продажів і вже наперед знає, що наступні 2-3 місяці будуть болючими. Новачок не знає товарів, не знає скриптів, не знає типових заперечень. Старший менеджер витрачає половину свого часу на «пояснити втретє те саме». Кожен наступний найм починається з нуля, бо «знання» живе у голові досвідчених і йде разом з ними при звільненні.

Збираємо систему, яка закриває це питання один раз. Жива база знань у Notion, де є все: від процесу замовлення і політики доставки до карток топових товарів зі скриптами та готовими відповідями на заперечення. Локальна LLM на власному сервері, яка вчиться на цій базі і грає роль клієнта для тренувань новачка. Атестація по гейтах, які новачок проходить за 15 робочих днів і виходить на самостійні продажі.

Статус проєкту

Кейс у активній розробці. Реалізовано: каркас бази знань, операційні модулі бізнес-процесу й доставки, перші 3 категорії карток топ-товарів. У роботі: скрипти комунікацій, атестаційні квізи, AI-шар на локальній LLM. Конкретні метрики ефекту фіксуються після першого циклу онбордингу новачка.

Що болить

Інтернет-магазин з кількома тисячами SKU. Менеджери продають по телефону і в месенджерах, кожен новий товар чи акція - новий шар знань для команди. Реальна картина до системи:

📉 До системи

Новачок виходить на нормальну продуктивність за 2-3 місяці
Знання про товари живе у головах старших менеджерів
Якість консультації залежить від того, на кого попав клієнт
Тренер витрачає до половини часу на повтори одних і тих самих пояснень
При звільненні досвідченого менеджера експертиза йде разом з ним

✅ Після впровадження

Структурована програма на 15 робочих днів з 3 гейтами атестації
База знань як єдине джерело правди про товари, процеси і політики
Скрипти і шаблони, готові до зачитування на «Ви» без імпровізації
Симулятор клієнта на локальній LLM для тренування реальних заперечень
Знання залишається у системі, а не йде з людьми при ротації

Ключові цифри

15 днів

цільовий онбординг новачка

9 модулів

М0-М9 повна програма

6 БД

атомарна структура знань у Notion

Як працює конвеєр

Як товар з каталогу стає компетенцією менеджера

CRM + каталог → Python pandas → Топ-12 на категорію → Notion бази даних → Менеджер вчиться → Локальна LLM симулятор → Атестація

Дані продажів за період підіймаються з CRM, Python формує рейтинг товарів за виручкою і вибирає топ-12 у кожній категорії. На ці 12 позицій будуються повноцінні картки в Notion з усім, що менеджер має сказати клієнту. Решту асортименту менеджер закриває за принципом «знаю де подивитись», не «знаю напам’ять». Локальна LLM поверх цієї бази працює і як довідник у RAG-режимі, і як симулятор клієнта для тренувань.

Шари системи

ДаніВивантаження з CRM за період, експорт асортименту з e-commerce платформи з аліасами URL, цінами, фото

АналітикаPython (pandas) формує рейтинг товарів за виручкою, рахує частку у категорії, виявляє топ-12 для глибокого вивчення

База знаньNotion як єдине джерело правди: 6 БД (Категорії, Картки товарів, Скрипти і шаблони, Прогрес новачків, Модулі і тести, Матриця крос-селу)

Програма9 модулів М0-М9: компанія і команда, продукт по категоріях, бізнес-процес замовлення, доставка і оплата, скрипти, робота з запереченнями, атестація

AI-шар у роботіЛокальна LLM (Qwen 3) на власному сервері з RTX 5090. RAG по базі Notion для відповідей менеджеру, симулятор клієнта для відпрацювання заперечень

Анатомія картки топ-товару

Це не просто картка товару - це повноцінний міні-тренінг із продажу саме цієї позиції. Не PDF-довідник на 300 сторінок, а атомарна одиниця знань: окрема сторінка в Notion з 34 полями метаданих і 13 блоками контенту. Менеджер відкриває картку і за 30 секунд має все, щоб не просто розповісти про товар, а продати його.

Структура картки топ-товару у Notion

Ідентифікаціяартикули, бренд, фасовки з частками продажів, посилання на товар на сайті, фото

Аналітикасума продажів, замовлень, кількість продано, ранг товару у категорії

Хукпсихологічний хук в одному реченні: чому клієнт це купує

Контентопис продукту, БЖУ зі джерелом, аудиторія, маркери, переваги, способи використання, протипоказання

Скриптготовий питч на 30 секунд, FAQ клієнта, відповіді на типові заперечення, порада новачку

Звʼязкиself-relation на товари для крос-селу, прив'язка до сторінки категорії з усією логікою

Дорожня карта впровадження

01Каркас Notion

→

02Топ-3 категорії карток

→

03Зараз: скрипти і AI-шар

✅ Готово

Дім Notion розгорнуто: 6 БД зі схемою під продукт, процес і прогрес.
Структура М0-М9 на місці, операційні модулі бізнес-процесу та доставки і оплати наповнено з реального голосового брифа власника.
Розраховано рейтинг товарів і обрано топ-12 у кожній категорії за реальними даними CRM.
Перші 3 категорії повністю готові: 36 карток-тренінгів топ-товарів, усі перевірено власником. Це лише старт - попереду весь каталог: 20+ категорій і 2000+ товарів.

🔄 В роботі

Скрипти комунікацій по телефону і в месенджерах: чекаємо голосовий бриф власника, далі вносимо як готові тексти у БД «Скрипти».
Решта категорій каталогу: підхід відпрацьовано, далі повторюємо як шаблон.
AI-шар: розгортання Qwen 3 на сервері з RTX 5090, RAG поверх бази Notion, симулятор клієнта для тренування заперечень.

🛣 Далі

Атестаційні квізи в кінці кожного модуля з автоматичною оцінкою.
Трекер прогресу новачка з гейтами «можна продавати самостійно».
Автоматизації на n8n: тригери з CRM (новий статус, новий клієнт) піднімають релевантний скрипт у поле менеджера.

Чому Notion як ядро

База знань це не контент, це поведінка системи. Документ у Word після першого ж апдейту перестає бути актуальним, бо не існує процесу його синхронізації. Notion як платформа дає чотири речі, які роблять базу живою:

Атомарність. Кожен товар, кожен скрипт, кожен модуль це окрема сторінка з власною історією змін. Можна правити одну фразу в одній картці без переписування цілого документа.
Реляції. «Допродати з цим» це не текст «див. також», а живе посилання, по якому менеджер потрапляє на потрібну картку за один клік.
Версіонування. Правка скрипта оновлюється для всієї команди одночасно, без розсилки нової версії PDF.
API. Контент Notion стає прямим джерелом для RAG локальної LLM без проміжного експорту.

Зміна тексту скрипта одним менеджером миттєво доступна всім. Через 6 місяців система не «застаріває» сама собою.

Чому локальна LLM, а не хмарна

☁️ Хмарна LLM

База знань і запити менеджерів тікають у зовнішній сервіс
Помісячна плата за токени без верхньої межі
Залежність від політики провайдера і можливих змін умов
Питання комплаєнсу при роботі з персональними даними клієнтів

🖥 Локальна LLM

База знань і запити не покидають інфраструктуру бізнесу
Одноразові капітальні витрати на залізо, далі тільки електрика
Повний контроль над моделлю, можливість fine-tune під свою лексику
Persistent context: модель «памʼятає» специфіку асортименту

Qwen 3 27B на одній відеокарті NVIDIA RTX 5090 (32 ГБ GDDR7 VRAM) витягує реальне продакшн-навантаження команди продажів без витоку даних назовні. Інфраструктура розгорнута через Docker, доступ для менеджерів через HTTP-endpoint у внутрішній мережі.

Кому це підходить

E-commerce з асортиментом від 1 000 SKU і командою продажів від 3 осіб.
Бізнес з постійним наймом новачків, де собівартість «місяця простою» новачка вища за вартість впровадження системи.
Компанія, де знання критичне (медицина, фінанси, складна продуктова експертиза) і його втрата при звільненні досвідченого співробітника боляча.
Власник, який хоче масштабувати команду без падіння якості клієнтського сервісу.

Корпоративний університет це не курс. Курс закінчується випуском. Це інфраструктура, яка працює, поки бізнес росте.