Рассказали, как с помощью ИИ сократить расходы на рекламу, ускорить заключение сделок и возвращать ушедших клиентов.
21 сентября 2026
Как ИИ помогает повысить продажи
Что если бы в отделе продаж работал сотрудник, который никогда не спит, не забывает перезвонить и помнит историю каждого клиента? ИИ уже выполняет эту роль: отвечает на сайте ночью, сортирует заявки по готовности к покупке, ведет карточки в CRM.
В статье разобрали, какие задачи можно поручить ИИ на каждом этапе воронки, как его внедрить и посчитать, окупятся ли затраты.
ИИ в лидогенерации и воронке продаж
ИИ работает на каждом этапе воронки продаж: решает, кому показать рекламу, чьи контакты передать менеджеру для звонка и кому из клиентов напомнить что запас корма для собаки заканчиваются. Раньше эти задачи выполнял человек, теперь можно передать их ИИ.
Привлечение клиентов
На входе в воронку чаще всего возникают такие проблемы:
- Бюджет на привлечение тратится на случайных людей.
- Посетители уходят с сайта, потому что не находят подходящий товар.
- Коммерческое предложение не мотивирует на покупку, потому что написано по общему шаблону.
Для решения каждой проблемы есть инструмент:
ML-ретаргетинг для запуска рекламы на тех, кто готов купить. Обычный ретаргетинг догоняет рекламой всех, кто ушел с сайта без покупки. Среди них и те, кто заинтересован в товаре, и те, кто заглянул случайно. ИИ-алгоритмы умеют оценивать поведение посетителя на сайте и определять, с какой вероятностью он сделает заказ. На основе этого прогноза рекламу запускают только на тех, кто готов купить, а на остальных бюджет не тратят.
Befree использовал ML-ретаргетинг Mindbox, чтобы сократить расходы на рекламу в «Яндекс Директе». Модель следит за поведением людей на сайте — какие страницы смотрели, сколько провели времени в каталоге, добавили ли товар в корзину — и присваивает каждому вероятность покупки от 1 до 100. На основе предсказания модели клиентов делят на десять групп и для каждой назначают свою ставку в рекламном аукционе. Людям с высокой вероятностью покупки ставку повышают, с низкой — снижают, а не заинтересованным в товарах компании рекламу вообще не показывают.
Эффективность подхода подтвердили AB-тестом. Пользователей разделили на две группы. Контрольная получала рекламу без ML-сегментации и корректировки ставок. В тестовой ставки корректировали по прогнозу ML-модели.
Средняя стоимость заказа
Средняя конверсия в заказ
Тестовая группа
−7% к контрольной
+0,44 п. п.
Контрольная группа
базовый уровень
базовый уровень
Статистическая значимость теста — 95%.
AI-анализ отзывов для описаний, по которым покупатели ищут товары. ChatGPT или Claude разбирают обращения клиентов, записи звонков и выделяют свойства товара, которые люди упоминают чаще всего. В отличие от стандартных характеристик каталога, такие формулировки описывают то, что важно покупателю при выборе.
Например, магазин мебели с помощью ИИ извлек из отзывов параметры, по которым покупатели ищут диван: обивка, которую не испортят домашние животные, или размер для маленькой квартиры. Теперь на сайте есть фильтры по этим параметрам.
AI-ассистент на сайте для помощи покупателям в любое время суток. В агентстве Coffee Analytics собрали такого AI-коуча для магазинов одежды и обуви. На запрос вроде «подбери обувь для прогулок» ассистент уточняет пол, возраст и стиль покупателя — и только потом предлагает варианты. Например, женщине, которая предпочитает удобную повседневную обувь, коуч может посоветовать кеды из натуральной кожи.
Если человек выбирает подарок, ассистент уточняет повод, интересы получателя и бюджет, а потом предлагает 3–5 подходящих вариантов из ассортимента. Конверсия в покупку у бота — около 12%, что сопоставимо с результатами живых консультантов.
Диалог с AI-консультантом Coffee Analytics — панель с рассуждениями показывает, на основе каких данных модель выбрала конкретную пару обуви
ChatGPT или Claude для создания скрипта холодного звонка и коммерческих предложений. Менеджер описывает нейросети что продает компания, чем продукт полезен клиенту, какому человеку он собирается звонить и какие возражения звучат чаще всего. Нейросеть готовит документ, который потом дорабатывают — добавляют новые возражения или просят сделать текст убедительнее.
Отбор клиентов
Этап важен в нишах с длительным циклом покупки или с дорогими товарами: в недвижимости, автомобильной отрасли, B2B. В таких продажах нужно понимать, кто из клиентов уже готов к сделке, чтобы передать его менеджеру в первую очередь.
Помочь в отборе клиентов могут такие ИИ-инструменты:
AI-бот, который квалифицирует лида в диалоге. Обычно первичный отбор делает менеджер — звонит или пишет потенциальному клиенту, чтобы уточнить, насколько он готов к покупке. Такой подход работает, если лидов немного — до 100 в месяц — и цикл сделки длинный.
Когда потенциальных покупателей больше сотни в месяц, менеджеры не успевают обзвонить всех в первые же часы после заявки — а именно тогда интерес клиента выше всего. AI-бот берет этот разговор на себя: ведет диалог с клиентом и подстраивает следующий вопрос под его ответ.
Например, на сайте агентства недвижимости бот уточняет, какую квартиру ищут люди, в каком районе, с каким бюджетом и когда планируют покупку. Ответы автоматически попадают в карточку клиента в CRM-системе, и менеджер сразу видит, с кем стоит связаться сегодня, а кто пока просто присматривается.
ChatGPT или Claude, чтобы оценить заявки по готовности клиента к покупке. Для этого в нейросети создают проект и описывают портрет целевого клиента — набор параметров, которые важны для сделки. У агентства недвижимости в нем могут быть район, минимальный бюджет и срочность просмотра. Например: клиент ищет квартиру в пределах Садового кольца, бюджет — от 30 млн ₽, готов смотреть в ближайшее время.
Затем источник лидов — форму на сайте или бота в мессенджере — связывают с нейросетью через сервисы вроде Zapier, Make или n8n. Так каждая новая заявка будет попадать в проект, в котором ИИ сверит ее с портретом клиента и выставит балл от 1 до 10 с коротким объяснением. Десятку получит тот, кто ищет квартиру в нужном районе, укладывается в бюджет и готов смотреть завтра, единицу — тот, кто заполнил общую форму без бюджета и комментария. Готовый рейтинг менеджер может получать на свою почту.
Первая продажа
На этом этапе ИИ работает и в B2B-переговорах, и в интернет-магазине косметики или обуви. В переговорах он подсказывает менеджеру нужный аргумент во время разговора с клиентом, в интернет-магазине — персонализирует предложение для каждого покупателя.
Нейросуфлер, который помогает менеджеру во время продажи. ИИ слушает разговор с клиентом и выводит на экран нужную информацию — например, точный размер скидки для этого заказа. Держать в голове сложные расчеты или листать документацию не нужно: ответ уже на экране к моменту, когда клиент задал вопрос.
ИИ-агент «Суфлер» в «Билайне» распознает суть диалога и собирает профиль клиента из корпоративных баз — прошлые сделки, историю обращений, — а затем предлагает продукт, который, вероятнее всего, заинтересует человека. По данным компании, средний цикл сделки сократился с 29 до 21 дня, а конверсия в B2B-продажах выросла вдвое.
ML-алгоритм персонализирует цены: скидку получает не каждый, а только тот, кто без нее не купит. В Mindbox она встроена в CDP — платформу, которая собирает данные о клиентах из всех каналов, — и работает в рассылке, на сайте, в приложении и офлайн. Например, два покупателя могут отсканировать один и тот же QR-код и получить разные цены.
Повторные продажи и удержание
На этом этапе бывает сложно понять, кому и когда писать: слишком раннее напоминание о бренде раздражает, а с поздним можно упустить клиента, который купит в другом месте. ИИ помогает рассчитать верный момент для звонка или письма.
Прогноз повторной покупки. ML-модель анализирует историю заказов человека и его поведение — что покупал, как часто, сколько прошло времени с последнего заказа — и предсказывает, когда он, скорее всего, купит снова.
Сервис MoneyMan отправляет SMS о повторном займе автоматически тем клиентам, которым ML-алгоритм присвоил высокий балл готовности к оформлению кредита. Так компания вдвое сократила траты на SMS, а конверсия в повторную заявку не упала.
В нишах, где сделки заключают продавцы, тот же прогноз получает не система, а менеджер, который звонит клиенту с новым предложением. Так повторная продажа не срывается из-за того, что о клиенте просто забыли.
ML-реактивация, чтобы вернуть уходящих клиентов. Обычно компания отправляет офферы всем, кто перестал покупать. Каждое такое сообщение стоит денег, а заказов от этих клиентов может не быть. ML-модель оценивает, у кого еще есть шанс вернуться, и предложение получают только они.
В сервисе доставки «Купер» модель считает для каждого уходящего клиента две вероятности заказа — со скидкой и без нее. Если человек вернется после напоминания, промокод ему не отправляют. Если без скидки не купит — получает акционное предложение. В четвертом квартале 2025 года такой подход вернул в 1,8 раза больше покупателей, чем в третьем, до запуска модели. Стоимость возврата снизилась на 25%.
Как внедрить ИИ в отдел продаж без ошибок: пошаговый план
Использовать ChatGPT для одного письма или коммерческого предложения может любой менеджер. Для всего отдела нужен другой масштаб: с проверкой данных, которые попадают в нейросеть, и правилами, которые не дадут боту ошибиться в переписке с клиентом.
1. Начать с простой задачи, результат которой можно оценить сразу. Так получится проверить подход, не тратя недели на настройку и интеграции с базами данных. Например, собрать аналитическую сводку по выгрузке продаж или подготовить массовую рассылку под сегмент клиентов. К более сложным задачам переходят постепенно.
2. Поставить измеримую цель внедрения ИИ. Например, для разгрузки поддержки — бот закрывает половину обращений без оператора, для роста продаж — средний чек растет на 3%.
В Mindbox мы используем бота для технической поддержки. Он отвечает на вопросы о работе платформы, помогает с интеграцией API, объясняет работу с мобильным SDK.
Главная метрика для нас — процент вопросов, которые бот закрывает самостоятельно. Сейчас это 45%, планируем увеличить до 50% за счет расширения базы знаний и улучшения алгоритмов. Не ставим цель довести этот показатель до 100%, потому что решение сложных вопросов все равно требует участия человека.
3. Установить правила работы с персональными данными. Если ИИ становится постоянным инструментом в работе, команде нужен единый регламент по его использованию. В нем обычно закрепляют, какие данные модели передавать допустимо, а какие нет.
Например, персональные данные клиентов — имя, контакты, номер карты и записи разговоров с покупателями — не стоит передавать сторонним сервисам. А вот обезличенные сегменты вроде «люди, которые не покупали три месяца» отдать модели чаще всего можно.
4. Протестировать использование ИИ на части клиентов. Например, AI-ассистента на сайте показывают одной группе пользователей, а остальные оформляют заказ через форму, как раньше. Так видно, выросли ли продажи благодаря ассистенту или из-за сезонного спроса.
5. Оценить результат пилота в сравнении с целью, которую поставили на старте. Если задачей был рост продаж, смотрят, вырос ли средний чек. Если задачей была разгрузка службы поддержки — какую долю обращений ассистент закрыл сам, без оператора. Если результат совпал с целью, ассистента включают на весь трафик и связывают с остальными системами — CRM, телефонией, мессенджерами.
6. Доработать инструмент, если пилот не дал результат. Причину ищут в той же задаче, ради которой запускали инструмент. Если он должен был разгрузить поддержку, но пересылал операторам почти все обращения, — дело может быть в неполной базе знаний. Чтобы исправить проблему, базу стоит дополнить и запустить пилот заново.
Сколько стоит ИИ в продажах и как считать ROI внедрения
Чтобы понять, окупится ли ИИ, считают ROI (return on investment) — коэффициент возврата инвестиций. Формула одна для любых вложений:
- затраты — цена подписки на ИИ, интеграция с CRM-системой и обучение команды;
- прибыль — дополнительный доход, который принес инструмент: новые сделки, рост среднего чека, заказы, которые без ИИ потерялись бы.
Рассмотрим на примере онлайн-школы, которая подключает ИИ-инструмент для автозаполнения CRM-системы. С ним работают пять менеджеров.
Затраты в первый месяц:
- подписка на ИИ-инструмент — 30 000 ₽;
- интеграция с CRM (разово) — 100 000 ₽;
- обучение команды (разово) — 20 000 ₽.
Итого — 150 000 ₽. Со второго месяца в затратах остается только подписка —
30 000 ₽.
30 000 ₽.
Доход в месяц:
До внедрения ИИ каждый менеджер тратил на заполнение карточек 10 часов в неделю, с ИИ — два. Освободившиеся 8 часов менеджеры тратят на звонки клиентам, и это приносит в среднем 2 дополнительные сделки в месяц на человека по 15 000 ₽ каждая:
5 × 2 × 15 000 ₽ = 150 000 ₽
Допустим, маржинальность курсов — 50%. Тогда прибыль от дополнительных сделок:
150 000 ₽ × 50% = 75 000 ₽
Итого — 75 000 ₽ в месяц, начиная с первого.
ROI за первый месяц:
ROI = (75 000 − 150 000) / 150 000 × 100% = −50%
В первый месяц вложения не окупаются: разовые расходы на интеграцию и обучение больше, чем прибыль от новых сделок.
ROI со второго месяца (в затратах — только подписка):
ROI = (75 000 − 30 000) / 30 000 × 100% = +150%
Каждый вложенный рубль возвращается и приносит еще 1,5 рубля сверху. Скачок случился не потому, что инструмент стал работать лучше, а потому что пропали разовые расходы, а прибыль от допродаж каждый месяц остается той же.
Что будет дальше: тренды ИИ в продажах
ИИ-агенты вместо продавцов. По прогнозу Gartner — исследователя технологического рынка — к 2028 году в отделах продаж будет в 10 раз больше ИИ-агентов, чем живых менеджеров.
По данным Salesforce, разработчика CRM-систем, агенты уже справляются с частью работы продавцов. За четыре месяца они обработали 130 000 лидов и довели 3200 из них до этапа сделки.
Голосовые ассистенты, неотличимые от живого разговора. Раньше синтезированный голос выдавал робота с первой же фразы: между вопросом клиента и ответом бота висела пауза в несколько секунд, а сама речь звучала механически.
Разработчики голосовых моделей решили эту проблему. Например, Yandex Cloud выпустила Realtime API, где голосовой ассистент отвечает меньше чем за секунду и может вступить в разговор, не дожидаясь, пока человек договорит до конца, — как в обычной беседе. Такого ассистента подключают к CRM-системе или базе данных, поэтому он не просто поддерживает разговор, а решает задачу клиента — проверяет статус заказа, записывает на услугу, дает информацию о товаре.
ИИ-агенты, которые подбирают поставщиков. По прогнозу Gartner, к 2028 году 90% B2B-закупок будет проходить через ИИ-агентов.
Работать это может так:
- закупщик формулирует агенту задачу — например, найти поставщиков с нужными условиями и ценой;
- агент сам ищет варианты в открытых источниках и на сайтах компаний, сравнивает их между собой и составляет шорт-лист. Только после этого к отобранным поставщикам обращается менеджер по закупкам.
Для поставщиков это меняет саму логику продажи. Первым их будет оценивать не человек, а ИИ. А чтобы агент выбрал их вместо конкурентов, поставщик должен будет разместить на сайте данные, которые машина прочитает и сравнит. Это конкретика: цены, условия поставки, сроки, кейсы с цифрами вроде «сократили издержки заказчика на 20%». Красивое описание миссии и абстрактные обещания агент проигнорирует.
Частые вопросы об ИИ в продажах
Что такое ИИ в продажах простыми словами?
ИИ в продажах — это программы, которые берут на себя часть работы менеджера: разбирают заявки, оценивают, кто из клиентов готов купить, готовят черновики коммерческих предложений, подсказывают менеджеру нужные аргументы для закрытия сделки во время разговора с клиентом.
Какие задачи в продажах можно автоматизировать с помощью ИИ?
ИИ может взять на себя рутинную работу человека — от первого касания с клиентом до повторной продажи:
- Разбирать звонки. Речевая аналитика расшифровывает разговоры, оценивает их качество и находит в них возражения клиентов, чтобы менеджер понимал, где теряет сделки.
- Квалифицировать и оценивать лидов. Чат-бот и ML-модели предсказывают, кто из клиентов готов купить, и передают менеджеру самых горячих, а остальных ведут дальше по воронке без помощи человека. Например, отправляют письма по заданным сценариям.
- Готовить черновики писем, скриптов для звонков и коммерческих предложений.
- Персонализировать рекламу. ML-ретаргетинг показывает объявления тем, кто готов к покупке, и не тратит бюджет на случайных посетителей.
- Прогнозировать повторные покупки и отток. ML-модель подсказывает, кому пора предложить товар снова.
Полностью заменить менеджера ИИ пока не может: сложные переговоры и работа с нестандартными ситуациями остаются за человеком.
Как ИИ помогает в лидогенерации и продвижении лида по воронке продаж?
ИИ сопровождает лида на каждом этапе воронки — от первого касания до повторной покупки.
- Для привлечения ML-ретаргетинг показывает рекламу тем, кто уже готов к покупке.
- На сайте потенциального покупателя встречает AI-ассистент: консультирует, отвечает на вопросы и оформляет заявку в любое время.
- Чат-бот уточняет у клиента бюджет и потребность, а ML-модель оценивает готовность к покупке по поведению — так менеджер получает теплого лида, а не разбирает все подряд.
- Во время разговора ИИ в онлайн-режиме подсказывает менеджеру нужную информацию, например размер возможной скидки для этого клиента или точную стоимость доставки.
- После сделки он же подсказывает, когда клиенту пора предложить товар снова и кто из клиентов вот-вот уйдет, чтобы связаться с ним вовремя.
С чего начать внедрение ИИ в отдел продаж?
Начать стоит с одной задачи — так проще довести дело до результата и понять, оправдал ли ИИ вложения. Путь от идеи до рабочего инструмента — несколько шагов.
- Определить, какой процесс хотелось бы улучшить. Например, обрабатывать больше заявок за день без увеличения штата менеджеров.
- Закрепить регламент работы с данными — определить, что модели передавать можно, а что нельзя. Обезличенный сегмент вроде «клиенты, которые не покупали три месяца» отдать безопасно, а список с именами и телефонами — уже нарушение 152-ФЗ.
- Запустить пилот на части аудитории — бота подключают не ко всему потоку обращений сразу, а к части чатов. В своей половине он сам отвечает на вопросы о товаре, доставке и оплате, а сложные случаи передает оператору. Так проще подстраховаться: если бот начнет ошибаться, это заденет часть клиентов, а не всех сразу.
- Сравнить результат с целью, которую ставили на старте. Если бот закрывает обещанную половину обращений без передачи менеджеру, его подключают ко всему потоку. Если нет — смотрят, на каких вопросах он спотыкается, дополняют базу знаний и запускают пилот заново.
Сколько стоит внедрение ИИ в продажи и когда оно окупается?
Стоимость зависит от задачи, размера компании и выбранного инструмента, поэтому единой суммы нет.
Чаще всего стоимость внедрения складывается из подписки на инструмент или оплаты за объем запросов к модели, интеграции с CRM-системой и обучения команды.
Окупаемость считают по формуле ROI:
ROI = (Прибыль − Затраты) / Затраты × 100%
В затраты включают подписку, интеграцию и обучение. В прибыль — доход от продаж, сэкономленное время менеджеров и заказы от клиентов, которые раньше терялись без ответа.
Чем проще инструмент, тем быстрее он окупается: готовое решение на базе существующей модели, как правило, выходит в плюс раньше, чем собственная разработка.
Заменит ли искусственный интеллект менеджеров по продажам?
Нет — ИИ меняет работу менеджера, но не заменяет его полностью. Он может взять на себя рутину: разбирать звонки, готовить черновики писем, оценивать готовность лидов к покупке, вносить данные в CRM-систему. Все это освобождает менеджеру время на то, что ИИ пока не умеет: сложные переговоры, работа с сомнениями клиента.
