На одной из встреч руководитель девелопера спросил в лоб: «Окей, мы решили внедрять ИИ. С чего начинаем?» И тут же сам себе ответил — «наверное, с продаж, там же деньги». Пауза. «Или с аналитики рынка, это же самое сложное». Ещё пауза. «Или...»
Вот это «или» — и есть настоящая проблема. Не отсутствие технологий, не бюджет, не сопротивление команды. Проблема в том, что выбор первого процесса делается по ощущению важности, а не по критериям. И почти всегда это ощущение ведёт не туда.
Мы уже разбирали, какие инструменты уже работают в маркетинге застройщика — чат-боты, скоринг лидов, генерация креативов. Но там я сознательно обошёл вопрос «а как выбрать, с чего начать именно вам». Разбираю его отдельно, потому что он важнее, чем список инструментов.
Почему выбирают не тот процесс
Есть закономерность, которую вижу на пресейлах раз за разом. Компания выбирает для пилота либо самый заметный процесс (продажи, потому что там воронка и выручка), либо самый больной (то, на что все жалуются последние полгода). И то, и другое — плохие критерии.
Самый заметный процесс обычно и самый сложный: в нём много переменных, много людей, высокая цена ошибки. Ты берёшь пилот, у которого и так самая высокая планка, и удивляешься, почему он буксует.
Самый больной процесс обычно болит не из-за отсутствия ИИ, а из-за отсутствия порядка. Если отдел продаж не фиксирует причины отказов в CRM — их не начнёт фиксировать нейросеть. Она просто быстрее покажет пустоту там, где раньше её маскировала ручная работа.
Первый пилот должен быть скучным. Не тем, о котором расскажешь на конференции, а тем, где через месяц-два будет цифра, в которую все поверят.
Четыре критерия выбора первого процесса
Вот на что реально смотреть, когда выбираешь, с чего начинать.
1. Частота
Как часто процесс повторяется. Если задача происходит раз в квартал (например, разработка позиционирования нового ЖК) — ИИ там тоже может помочь, но эффект накапливается медленно, и ты полгода не поймёшь, сработало или нет.
Ищи то, что происходит каждый день или каждый час: обработка входящих заявок, ответы на типовые вопросы в чате, разбор звонков отдела продаж. Чем выше частота — тем быстрее набегает статистика, по которой можно судить о результате.
2. Измеримость
У процесса должна быть метрика, которая существовала до ИИ и не изменится в момент, когда ИИ туда зайдёт. Время обработки заявки, конверсия из обращения в показ, доля пропущенных звонков — что угодно, что уже считается сейчас.
Если метрики нет и придётся придумывать её одновременно с внедрением — ты не поймёшь, эффект от инструмента или эффект от того, что на процесс наконец обратили внимание. Это та же логика, что и в любой оценке маркетинга: сначала метрика, потом инструмент, а не наоборот.
3. Цена ошибки
Что случится, если ИИ на этом процессе ошибётся. Чат-бот, который неправильно ответил на вопрос про сроки сдачи — плохо, но поправимо: клиент уточнит у менеджера. Договор, который ИИ неправильно проверил на юридические риски — совсем другая история.
На старте выбирай процесс с низкой ценой ошибки и обратимыми последствиями. Не потому что ИИ обязательно ошибётся, а потому что ты ещё не знаешь, как часто и как сильно. Пилот — это ещё и период, когда ты сам учишься доверять или не доверять инструменту.
4. Наличие данных
Ключевой и часто игнорируемый пункт. ИИ, особенно в задачах вроде скоринга лидов или предиктивной аналитики, работает на истории. Нет истории — нет модели, есть только красивая презентация поставщика.
Спроси себя: есть ли за последние 6-12 месяцев чистые данные по этому процессу — в CRM, в аналитике сайта, в звонках. Если CRM ведётся через раз, а поля с причиной отказа никто не заполняет — данных нет, и это не задача для ИИ, а задача для наведения порядка. Мы писали, что без сквозной аналитики застройщик в принципе не видит, что происходит с лидом после первого касания — и это первым делом нужно чинить, а не автоматизировать поверх дыр.
Первый пилот выбирают не по важности процесса, а по скорости, с которой он даст честный ответ.
Как это выглядит на практике
Если наложить эти четыре критерия друг на друга, обычно наверх всплывают не самые «стратегические» процессы, а самые нудные:
- Первичная обработка входящих обращений (чат, звонки, формы на сайте)
- Квалификация лида по базовым параметрам — бюджет, сроки, район
- Разбор звонков отдела продаж на соответствие скрипту
- Ответы на типовые вопросы про ипотеку, планировки, сроки сдачи
Все четыре — высокочастотные, измеримые в деньгах или времени, с низкой ценой единичной ошибки. И почти всегда — с уже существующими данными, потому что звонки и обращения и так где-то фиксируются.
Позиционирование, бренд-стратегия, юридическая проверка договоров, ценообразование на проект — это тоже область, где ИИ полезен. Но не для пилота. Туда идут вторым и третьим шагом, когда команда уже понимает, как инструмент себя ведёт и где ему можно доверять.
Как считать эффект от пилота
Раз метрика выбрана заранее (см. пункт про измеримость), считать несложно. Но два момента, которые обычно упускают.
Считай до и после, а не «стало лучше». Возьми показатель за 1-2 месяца до запуска пилота и сравни с тем же показателем через 1-2 месяца после. Не за неделю — короткий период даёт шум, а не сигнал.
Считай стоимость внедрения целиком, а не только подписку на сервис. Время сотрудника, который настраивал и дообучал инструмент, доработка со стороны разработчика, стоимость интеграции с CRM — всё это часть цены, даже если не проходит отдельной строкой в бюджете.
Если через 2-3 месяца пилота метрика не сдвинулась и объяснить это нечем — не тяни. Останавливай, разбирай причину, пробуй другой процесс или другой инструмент. Затягивание пилота, который не показывает эффект, — самый частый способ незаметно перейти от «тестируем» к «просто платим за подписку».
Типичные способы слить бюджет на старте
Раз уж заговорили про деньги — вот где чаще всего теряют.
→ Внедряют всё сразу. Чат-бот, скоринг и генерацию контента запускают в один месяц. Через квартал непонятно, какой из трёх инструментов дал результат, а какой просто занял место в отчёте → Покупают инструмент под задачу, которой нет. Предиктивный скоринг лидов — мощная штука, но без пары тысяч лидов в базе модели банально не на чем учиться. Деньги ушли, модель не заработала → Не считают время команды. Инструмент стоит 30 тысяч в месяц, а сотрудник тратит на его настройку и правку промптов ещё 20 часов — и этого никто не вписывает в стоимость пилота → Меняют инструмент раньше, чем он успел показать результат. Через три недели после запуска решают, что «не взлетело», и переключаются на другой сервис. Три недели — это ещё не статистика, это шум → Отдают процесс ИИ и забывают про контроль. Даже на скучных процессах нужен человек, который раз в неделю смотрит, что отвечает бот и кому он передаёт заявки. Без этого несколько плохих ответов клиентам можно не заметить месяц
Бюджет на ИИ, кстати, стоит закладывать так же, как любой другой маркетинговый бюджет застройщика — с понятной вилкой на пилот и отдельно на масштабирование, а не одной строкой «на эксперименты».
Что я для себя вынес
Первый процесс для ИИ выбирают не по важности, а по способности быстро дать честный ответ — сработало или нет. Скучный, частый, измеримый процесс с низкой ценой ошибки — это не компромисс, это правильная стратегия для первого шага.
И да, звучит не так эффектно, как «мы внедрили ИИ в ценообразование и стратегию». Зато через два месяца у тебя есть цифра, а не ощущение.