ИИ помогает анализировать отказы, когда у отдела есть массив комментариев, переписок или расшифровок и единые критерии обработки. Вместо нескольких десятков формулировок «дорого», «подумают», «не сейчас» можно получить группы причин и увидеть, на каком этапе сделки они возникают.
Поле причины отказа в CRM часто отражает только краткую отметку менеджера. Полную картину дают несколько источников. Поэтому более качественный анализ строится на нескольких источниках: статус сделки, комментарий, ключевые сообщения и при необходимости обезличенная расшифровка разговора.
Как выстроить работу
Сначала попросите ИИ классифицировать причины без рекомендаций. Затем проверить, какие категории повторяются по сегментам, продуктам, этапам и менеджерам. Отдельно сформируйте список ситуаций, где данных недостаточно для вывода. Только после этого переходите к гипотезам изменений.
Например, «дорого» может означать отсутствие бюджета, сравнение с конкретным конкурентом, непонятную ценность или слишком раннее предложение цены. Эти случаи требуют разных действий. Нейросеть помогает разнести массив по контексту, но РОП определяет, какие категории действительно значимы.
Что проверить
Не используйте анализ как автоматическую оценку сотрудников. Сначала проверьте выборку, полноту данных и единообразие заполнения CRM. Если половина менеджеров не фиксирует причины, красивые проценты будут вводить в заблуждение.
После нескольких циклов можно изменить поля CRM или инструкцию менеджеру так, чтобы данные становились пригоднее для анализа. Тогда ИИ помогает и с разовым отчётом, и с регулярной аналитикой.
Практика «Цифровых трансформаций с ИИ»
В программе для отделов продаж мы разбираем причины отказов, коммуникации и подготовку вопросов для РОПа как отдельные рабочие сценарии.
Практический вывод: сначала улучшите данные об отказах, затем используйте ИИ для классификации и поиска закономерностей, а управленческие решения принимайте после проверки выборки.
