Как нейросеть поймала отдел продаж на сливе лидов: кейс российской дилерской группы

Внедрение искусственного интеллекта в отделы продаж часто сводится к простому ожиданию: «ИИ будет звонить вместо людей, и мы отлично на этом сэкономим». Но реальные бизнес-кейсы показывают, что нейросети способны на большее. Они могут выступать в роли беспристрастного аудитора и находить скрытые дыры в воронке продаж. Так и произошло с дилерской группой в ЦФО, кейсом которой с Журналом Авто.ру поделился автоэксперт.

Это мой второй кейс, связанный с внедрением голосового ИИ в автобизнесе. Данные для анализа я взял у коллег из VOX Ai. Недавно дилерская группа в двух городах Центрального федерального округа (население каждого — менее 500 тыс. человек) провела эксперимент. Цель была классической для бизнеса по продаже автомобилей с пробегом: привлечь как можно больше клиентов на постановку автомобилей на комиссию.

Для чистоты эксперимента параллельно работали два фронта: классический кол-центр (операторы) и ИИ-агент. Результаты не только оказались интересными с точки зрения математики, но и преподнесли неожиданный инсайт о работе самих продавцов.

Операторы кол-центра:

• Совершено звонков: 1185
• Дозвонов: 775 (конверсия 65%)
• Согласились на консультацию/встречу: 62 клиента (конверсия 8%)
• Доехало до салона: 26 клиентов из 62 (конверсия 42%)
• Итог на складе: 7 автомобилей
• Стоимость лида: 2097 рублей

ИИ-агент:

• Совершено звонков: 1360
• Дозвонов: 724 (конверсия 53%)
• Согласились на консультацию/встречу: 125 клиентов (конверсия 17%)
• Доехало до салона: 34 клиента из 125 (конверсия ниже, чем у людей, но в абсолютных числах больше)
• Итог на складе: 9 автомобилей
• Стоимость лида: 1440 рублей

Но самые интересные выводы оказались вовсе не в плоскости сравнения «робот против человека». В процессе эксперимента ИИ-агент проанализировал огромный массив записей разговоров, которые происходили после передачи лида сотруднику автосалона.

Выяснилось, что сотрудники (менеджеры, которые перехватывали тёплых клиентов у ИИ или операторов) проявляли недостаточную заинтересованность. Лиды, сгенерированные нейросетью и операторами, банально сливались — менеджеры не дожимали их должным образом. Как будто участники процесса имели разные цели.

Клиенты это чувствовали, что негативно сказывалось на конечной конверсии в визит и сдачу автомобилей на комиссию. Фактически ИИ-агент выступил в роли независимого аудитора и подсветил главную проблему бизнеса: отдел приёма автомобилей на комиссию нуждался в срочном переобучении и смене мотивации. Руководству компании пришлось перестраивать работу менеджеров, заставив их серьёзно относиться к лидам, которые генерирует «отдел холодных звонков».

Эксперимент показал, что ИИ для автобизнеса — не просто автообзвонщик. Команда настройщиков ИИ-агента, опираясь на боли, выявленные в ходе кейса, расширила свою продуктовую линейку и предложила дилерам комплексную экосистему.

1. Отдел контроля качества на базе ИИ

Вместо того чтобы нанимать людей для контроля за качеством звонка, дилерам предложили решение, которое автоматически анализирует звонки менеджеров. ИИ оценивает, как сотрудники обрабатывают входящие лиды (в том числе сгенерированные самим ИИ), и подсвечивает эффективность их работы по чек-листу. Это позволяет точечно работать над ошибками конкретных менеджеров.

2. Омниканальность: дожим в чатах

Проблема недозвонов и жёстких отказов по телефону решается переходом в мессенджеры. Если клиент не взял трубку или сказал «нет», ИИ автоматически переходит в чаты и там, в более комфортной для клиента среде, происходит дожим до ключевого действия — записи на визит.

3. Умная обработка входящих звонков

Сейчас создаётся инструмент для обработки входящих звонков по конкретным объявлениям.

• ИИ обращается к CRM дилера, чтобы проверить наличие автомобиля.
• Забирает из CRM информацию о состоянии машины.
• Адаптирует скрипт под психотип клиента.

Яркий пример: если у автомобиля есть дефект (например, ржавое крыло), ИИ анализирует профиль клиента. Для одного покупателя это станет стоп-фактором, и ИИ честно об этом скажет, сэкономив время обоим. Для другого (например, человека «с руками», который смотрит на техническое состояние, а не на косметические дефекты) данный факт будет подан нейтрально или даже с акцентом на то, что за счёт незначительного изъяна машина продаётся по выгодной цене. Такая персонализированная коммуникация мощно стимулирует клиента на визит в салон. Пока это фантазия, но её реализация уже не за горами.

Кейс дилерской группы из ЦФО доказывает: внедрение ИИ в автобизнесе окупается не только за счёт экономии на фонде оплаты труда кол-центра. Главная ценность нейросетей сегодня — глубокая аналитика и аудит всей воронки продаж. ИИ не только генерирует лиды, но и вскрывает некомпетентность линейного персонала, давая руководству бизнес-инструменты для тотального контроля качества и дожима клиентов на любом этапе.