На одном из проектов смотрели дашборд с воронкой — и там был лид, у которого стадия «Показ» стояла третий месяц. Без даты следующего касания, без бюджета в карточке, с одним звонком на входе. Спросили менеджера: «А что с ним?» — «А, это же не лид, это я тестовую карточку не удалил». Вот и весь прогноз сделки, который на этой карточке строила бы любая модель.
Мы уже писали про ИИ в маркетинге застройщика — чат-боты, генерацию визуалов, скоринг лидов на входе. Но скоринг на входе — это только полдела. Дальше лид попадает в CRM, и там начинается настоящая история: карточка сделки живёт месяцами, обрастает звонками, комментариями менеджера, статусами. И вот тут ИИ работает совсем иначе — не квалифицирует новых людей, а разбирается в том бардаке, который уже накопился внутри.
Что ИИ реально делает с карточкой сделки
Три задачи, которые сейчас закрывают ИИ-надстройки над CRM (Bitrix24, amoCRM, кастомные решения):
- Автозаполнение карточки. Речевая аналитика слушает звонок, вытаскивает бюджет, желаемую планировку, срок принятия решения, возражения — и сама раскладывает это по полям карточки. Менеджеру не нужно после каждого звонка тратить пять минут на заметки, которые он всё равно забудет заполнить в пятницу вечером.
- Прогноз вероятности сделки. Модель смотрит на историю: сколько касаний было, как быстро отвечает клиент, что говорил на звонках, — и присваивает карточке процент. Не «горячий/тёплый/холодный» на глаз менеджера, а число, которое можно сравнивать между сотней сделок одновременно.
- Приоритизация очереди менеджера. Вместо списка «кто последний написал» — список «кто скорее купит». Руководитель отдела продаж видит не хронологию, а вероятность.
Звучит красиво. На практике модель ошибается ровно настолько, насколько грязная у тебя база. И это не оговорка для приличия — это единственное, что решает, заработает инструмент или превратится в дорогую игрушку.
Почему прогноз ломается на грязных данных
Модель предсказывает вероятность сделки на основе паттернов из прошлых сделок. Если в прошлых сделках половина карточек — как тот тестовый лид с показом три месяца назад, — модель учится не на реальном поведении покупателей, а на бардаке в CRM.
Несколько типичных источников грязи, которые видел в разных проектах:
→ Дубли карточек — один и тот же человек написал в WhatsApp, потом позвонил, потом оставил заявку на сайте, и это три разные сделки с тремя разными вероятностями → Просроченные стадии — карточка стоит на «Переговоры» полгода, потому что никто не закрыл её в «Отказ», хотя клиент давно купил у соседнего ЖК → Пустые обязательные поля — бюджет, источник, планировка не заполнены, потому что менеджер торопился и обещал себе заполнить потом → Разные форматы одного и того же — «трёшка», «3-комн.», «3к» — для человека это одно и то же, для модели, если её не подготовили, — три разные категории
Модель, обученная на такой базе, выдаёт красивый процент, который ничего не значит. Причём хуже всего — руководитель отдела продаж в это верит, потому что цифра выглядит объективно (в отличие от «мне кажется, он купит» от менеджера). ИИ здесь не столько помогает, сколько маскирует проблему цифрой с двумя знаками после запятой.
(Тут тот же принцип, что мы разбирали в статье про ИИ в маркетинге застройщика — данные важнее алгоритмов. Просто в CRM это ощущается больнее, потому что цена ошибки — не слитый рекламный бюджет, а сделка, которую менеджер не дожал, потому что модель сказала «низкая вероятность», хотя причина была в незаполненном поле.)
Что делать с базой, прежде чем звать ИИ
Порядок, который снимает большую часть проблем ещё до того, как ты подключил модель:
- Обязательные поля на входе. Источник, бюджет, планировка, срок принятия решения — карточка не должна создаваться без них. Это ограничение на уровне CRM, не просьба к менеджеру «пожалуйста, заполняй».
- Автоматическое закрытие просроченных стадий. Если карточка не двигалась дольше вашего среднего цикла сделки, она либо переводится в «Отказ» с уточнением причины, либо всплывает как задача для проверки.
- Дедупликация по номеру телефона. Один номер — одна карточка. Это решается на уровне интеграции CRM с телефонией и формой на сайте, а не постфактум ручной чисткой.
- Нормализация справочников. Планировки, источники, статусы — фиксированный список значений, а не свободный текст, куда каждый менеджер пишет как привык.
Это скучная работа, и она не про ИИ вообще. Но без неё речевая аналитика будет честно транскрибировать звонок, а вставлять данные будет некуда — в карточке просто нет структуры, куда их класть.
Как это связано со сквозной аналитикой
Прогноз сделки внутри CRM — это, по сути, ещё один источник данных для сквозной аналитики застройщика. Без сквозной аналитики прогноз варится сам в себе: модель видит поведение внутри CRM, но не видит, с какой рекламной кампании пришёл лид, сколько стоило его привести и сколько раз он касался бренда до того, как дошёл до карточки.
А без этой связки полезность прогноза резко падает. Модель может сказать «эта сделка с высокой вероятностью закроется», но не скажет, что она пришла с канала, который в среднем даёт самую низкую маржу, или что до звонка было пять касаний с разных источников, и последнее касание тут ни при чём.
Практически это значит: прогноз сделки в CRM и сквозная аналитика должны стоять на одних и тех же данных, а не жить в двух разных отчётах, которые никто не сверяет.
С чего начать, если решил внедрять
Коротко, без сценария на десять шагов:
- Проверь, сколько дублей и просроченных карточек в базе прямо сейчас — это займёт час выгрузки и фильтра, но покажет реальный масштаб грязи
- Наведи порядок в обязательных полях и справочниках — до, а не после подключения ИИ-инструмента
- Начни с речевой аналитики (автозаполнение карточки) — она сама начнёт подсвечивать, где менеджеры молчат про бюджет или сроки, и это тоже сигнал
- Прогноз вероятности сделки подключай последним, когда база уже хотя бы 2-3 месяца ведётся по нормализованным правилам
Мы этот путь прошли на себе: у Бюро своя CRM для внутрянки, и половина её ценности — не в полях, а в автоматизации вокруг них. Что характерно, автоматизация стала возможна ровно после того, как навели порядок в самих полях, а не наоборот. Никакой ИИ этот шаг не отменяет.
Кажется, главный вывод простой: ИИ в CRM — это не про то, чтобы модель угадала будущее. Это про то, чтобы наконец увидеть настоящее — без дублей, без забытых полей, без карточки, которая три месяца висит на «Показе» просто потому, что никто её не закрыл.