Czytaj książkę: «Продажи+ИИ»
ПРОДАЖИ + ИИ
Как использовать искусственный интеллект для увеличения конверсии, автоматизации продаж и построения новой системы работы с клиентами
Продажи + ИИ: как использовать искусственный интеллект для увеличения конверсии, автоматизации продаж и построения новой системы работы с клиентами. Практическое руководство для отдела продаж, маркетинга и CRM. Сценарные примеры и практические шаблоны актуальны на сентябрь 2026 года.
Все права защищены. Любое использование материалов книги
без письменного разрешения правообладателя запрещено.
АННОТАЦИЯ
Книга «Продажи + ИИ» — практическое руководство для руководителей отдела продаж, коммерческих директоров, владельцев бизнеса и менеджеров по продажам, которые хотят встроить искусственный интеллект в свою систему работы с клиентами. Книга показывает, как ИИ меняет продажи — от первого контакта до сделки, повторной покупки и удержания клиента. Центральная тема — конверсия: реклама приводит клиента, контент формирует интерес, но бизнес зарабатывает тогда, когда интерес превращается в действие.
Книга построена по авторской модели AI Sales Loop, в которой ИИ усиливает каждый этап воронки: от квалификации лида до прогнозирования и удержания. Читатель получит работающую систему, в которой ИИ встроен в CRM, помогает менеджерам, контролирует качество звонков и переписок, формирует персональные коммерческие предложения и автоматизирует follow-up. В 18 главах — модели воронки, фреймворки квалификации, шаблоны анализа, архитектура AI Sales Agents и 30-дневный план внедрения.
Главный тезис: ИИ не создаёт спрос из ничего. Он делает существующую систему быстрее, точнее, масштабируемее и более персонализированной. Но если плохой продукт, плохой оффер или плохой процесс — ИИ лишь быстрее масштабирует проблему. Правильная последовательность: Продукт → Клиент → Оффер → Процесс → Данные → AI → Автоматизация → Масштабирование.
В приложениях собрано более 50 готовых промптов для работы с языковыми моделями, 17 практических матриц и шаблонов, 30-дневный план внедрения и финальный чек-лист готовности системы продаж к эпохе ИИ. Все упоминания конкретных нейросетей (GigaChat, DeepSeek, Qwen, YandexGPT, Z.ai/GLM и др.) приведены как обзор рынка на сентябрь 2026 года — не воспринимайте их как рекомендацию к покупке, тарифы и доступность меняются ежемесячно.
Книга адресована практикам: тем, кто хочет превратить продажи из набора действий отдельных менеджеров в управляемую систему, где CRM, данные, ИИ, люди и автоматизация вместе увеличивают эффективность воронки и помогают превращать больше качественных возможностей в реальные сделки.
Предисловие. Зачем ещё одна книга про ИИ и продажи
К моменту выхода этой книги прошло почти четыре года с момента массового распространения больших языковых моделей. За это время рынок прошёл несколько циклов хайпа и разочарования, многие инструменты исчезли, многие появились, а практическое использование ИИ в продажах из экзотики превратилось в стандарт работы грамотных команд. В сентябре 2026 года ситуация выглядит так: разговоры про «волшебный ИИ, который продаст за вас» закончились, и на первый план вышла скучная, но прибыльная работа — внедрение ИИ в конкретные этапы воронки продаж.
Эта книга написана не для того, чтобы впечатлить читателя модными терминами. Её задача — дать руководитель отдела продаж, коммерческий директор, владелец бизнеса или менеджер по продажам работающую систему, в которой ИИ встроен в каждый этап работы с клиентом: от первого касания до повторной покупки. Я сознательно избегаю обещаний про «удвоение выручки за месяц» или «замену отдела продаж нейросетью». Такие обещания в 2026 году уже никого не впечатляют — рынок научился отличать реальные кейсы от маркетинговых манипуляций.
Главный тезис книги прост: реклама приводит клиента, контент формирует интерес, но деньги бизнес зарабатывает тогда, когда интерес превращается в действие. Это превращение и называется конверсией. ИИ может усиливать каждый шаг этого превращения, но не может заменить правильно выстроенный процесс, честный оффер и рабочий продукт. Если что-то из этого сломано, ИИ лишь ускорит масштабирование проблемы.
Книга построена по принципу: каждая глава — это законченный модуль, который можно внедрять независимо. Вы найдёте здесь модели воронки продаж, фреймворки квалификации лидов, шаблоны анализа звонков и переписок, принципы построения CRM-системы поверх ИИ, архитектуру AI Sales Agents и 30-дневный план внедрения. В приложениях собрано более 50 готовых промптов, 16 практических матриц и финальный чек-лист готовности системы продаж к эпохе ИИ.
Я использую сценарные примеры, а не реальные кейсы конкретных компаний. Это сознательное решение: реальные кейсы быстро устаревают, привязаны к конкретным тарифам и доступности сервисов, а главное — часто являются скрытой рекламой. Сценарные примеры позволяют показать принцип, который читатель адаптирует под свою нишу, продукт и команду.
Все упоминания конкретных нейросетей (GigaChat, DeepSeek, Qwen, YandexGPT, Z.ai / GLM, GPT-класса моделей, отечественных решений VK) приведены как обзор актуальных направлений рынка на сентябрь 2026. Не воспринимайте упоминание сервиса как рекомендацию к покупке — тарифы, доступность и лимиты меняются ежемесячно. Принципы, описанные в книге, работают с любой современной языковой моделью, имеющей контекстное окно хотя бы 32k токенов и способность к структурированному выводу.
Если вы читаете эту книгу последовательно — получите полную карту системы AI-продаж. Если выбираете отдельные главы — начните с главы 2 (конверсия), затем главы 4 (квалификация), затем главы 12 (CRM + ИИ) и приложения C (30-дневный план). Этого хватит для первого цикла внедрения.
Глава 1. Продажи изменились
Проблема: старая модель больше не работает
Ещё десять лет назад типичный сценарий B2B-продажи выглядел так: клиент оставляет заявку на сайте или звонит, менеджер перезванивает, в ходе разговора выясняет потребность, отправляет коммерческое предложение, ждёт ответа, перезванивает, договаривается о встрече, проводит встречу, готовит договор, закрывает сделку. Время от первого касания до подписания договора в среднем составляло от двух недель до трёх месяцев. Менеджер был главным источником информации о продукте — клиенту приходилось общаться с ним, чтобы узнать важные детали.
Сегодня этот сценарий сломался. Клиент, прежде чем заполнить форму заявки, изучает сайт компании, читает отзывы на маркетплейсах и агрегаторах, смотрит видео-обзоры продукта, сравнивает аналоги на сайтах-агрегаторах, проверяет компанию в реестрах юридических лиц, читает профиль компании в LinkedIn или профиль основателя в Telegram. К моменту первого разговора с менеджером клиент часто знает о продукте больше, чем сам менеджер — особенно если менеджер работает в компании недавно или продаёт широкий ассортимент.
Это создаёт фундаментальную проблему: клиент не хочет тратить время на вопросы, ответы на которые он уже знает. Менеджер, начинающий разговор с классического «Расскажите, что вас интересует», выглядит некомпетентно. И paradoxically — чем лучше клиент изучил продукт, тем выше его ожидания от менеджера. Он ждёт не презентации продукта, а экспертизы: что выбрать именно под его задачу, какие есть неочевидные подводные камни, какие кейсы были у похожих компаний.
Старая модель продаж теряла клиентов на простом: менеджер читал сценарий, клиент отвечал формально, оба делали вид, что работают, а сделка не закрывалась. Сегодня эта модель не работает ещё и потому, что клиенту есть с чем сравнивать. Если менеджер одной компании работает по сценарию, а менеджер конкурирующей компании задаёт осмысленные вопросы и предлагает решение — выбор клиента очевиден.
Новая реальность: клиент приходит подготовленным
Современный путь клиента (customer journey) в среднем включает от 7 до 13 точек касания с брендом до первого разговора с менеджером. Это не только сайт и реклама — это упоминания в Telegram-каналах, отзывы в Яндекс.Картах и 2GIS, обсуждения в профильных сообществах VK, видео в YouTube и Дзене, статьи в профильных СМИ, рекомендации коллег, рекламные ретаргетинги в соцсетях. К моменту заполнения формы заявки клиент уже принял предварительное решение — заявка часто означает не «расскажите мне про ваш продукт», а «я почти готов купить, остался последний шаг».
Это меняет работу менеджера коренным образом. Если раньше его задачей было информирование, то сегодня — диагностика. Менеджер должен за первые 5-7 минут разговора понять: что именно клиент уже знает, какие у него есть сомнения, какой сценарий использования он планирует, какие скрытые потребности не озвучены. Если менеджер этого не делает, а начинает презентовать продукт «с нуля», клиент закроет разговор с ощущением потери времени — и сделка уйдёт.
Параллельно изменился и канал коммуникации. Если в 2015 году основной канал заявки — телефонный звонок, то в 2026 году заявок из мессенджеров (Telegram, MAX, VK-сообщения) больше, чем звонков, в большинстве ниш. Это создаёт новую проблему: переписка идёт асинхронно, менеджер работает с 5-15 чатами одновременно, скорость ответа критична (если менеджер отвечает дольше 5 минут в рабочее время, вероятность квалифицировать лид падает на 60-80%), а контекст каждого диалога нужно держать в голове.
Именно здесь ИИ становится не «добавкой» к работе менеджера, а инфраструктурой, без которой современный отдел продаж не справляется с объёмом коммуникации. ИИ не заменяет менеджера — он помогает ему держать контекст десятков одновременных диалогов, не терять лиды из-за медленного ответа, готовить черновики ответов за секунды, не забывать про follow-up через неделю, замечать возражения, которые менеджер упустил.
Метод: переход от последовательной воронки к параллельной
Традиционная воронка продаж — последовательная: реклама → лид → звонок → встреча → КП → сделка. На каждом этапе клиент движется последовательно. Эта модель предполагает, что клиент проходит путь линейно: сначала узнаёт, потом интересуется, потом принимает решение.
Реальность 2026 года нелинейна. Клиент может прийти в CRM с заполненной формой заявки, уже просмотрев сайт конкурента, прочитав три отзыва и посмотрев видео-сравнение. Для него этап «осведомлённости» уже пройден — он сразу готов к квалификации. Другой клиент может прийти через месяц после первого касания, потому что у него изменились обстоятельства. Третий — может прийти с Telegram-канала эксперта с конкретным вопросом о применении продукта в его нише.
Параллельная воронка продаж работает иначе: каждый клиент движется по своему маршруту, но все маршруты сводятся к нескольким ключевым точкам — квалификация, предложение, принятие решения. Задача системы — не «двигать клиента по этапам», а определять, на каком этапе клиент находится, и подавать ему соответствующий сценарий коммуникации. ИИ делает именно это: по поведению и тексту заявки определяет этап и предлагает менеджеру соответствующий сценарий работы.
AI-инструменты для нового этапа
На этапе первого контакта ИИ решает три задачи: распознаёт намерение клиента по тексту заявки или переписке, подсказывает менеджеру приоритет обработки, формирует черновик ответа с учётом контекста. Конкретные инструменты, актуальные в сентябре 2026:
Сервисы AI-классификации заявок, которые по тексту определяют: B2B или B2C, срочность, продукт интереса, примерный бюджет. Большинство современных CRM (Bitrix24, amoCRM, Яндекс.Сайт и др.) имеют встроенную или подключаемую через API классификацию.
Telegram-боты с подключенной языковой моделью (GigaChat, YandexGPT, DeepSeek, Qwen, Z.ai/GLM), которые первично отвечают на типовые вопросы и собирают данные до передачи менеджеру. Важно: бот должен явно идентифицировать себя как ИИ и предлагать переключение на человека.
Сервисы транскрибации звонков (Speechkit, Yandex SpeechKit, SaluteSpeech, stt-сервисы VK) с последующим анализом через LLM — позволяют понимать, о чём говорили с клиентом, без прослушивания.
AI-ассистенты в CRM, которые по истории сделок и переписок формируют краткую сводку по клиенту перед звонком менеджера — экономят 5-10 минут на подготовку к каждому разговору.
Перечисленные инструменты не зависят от конкретной нейросети. Принципиально важны две вещи: достаточный размер контекстного окна (минимум 32k токенов для анализа переписок и звонков) и поддержка структурированного вывода (JSON) для интеграции с CRM.
Сценарный пример: B2B-поставка оборудования
Рассмотрим сценарий. Компания продаёт промышленное оборудование. Менеджер в среднем обрабатывает 12 заявок в день. До внедрения ИИ каждая заявка обрабатывалась вручную: менеджер читал переписку, вспоминал контекст, искал историю в CRM, готовил ответ. На подготовку к ответу уходило 7-10 минут. С учётом количества заявок менеджер физически не успевал отвечать быстрее, чем через 30-40 минут после обращения — а в нише промышленного оборудования исследования показывают, что лиды, получившие ответ в первые 5 минут, квалифицируются в 9 раз чаще, чем лиды, получившие ответ через час.
После внедрения AI-ассистента в CRM менеджер получает при открытии карточки клиента краткую сводку: что клиент спрашивал, какие возражения озвучивал, какой продукт интересов, на каком этапе воронки находится, какой следующий шаг рекомендован. Подготовка к ответу занимает 1-2 минуты. Время ответа сокращается до 3-5 минут. Дополнительно ИИ формирует черновик ответа — менеджер редактирует и отправляет. Конверсия в квалифицированный лид вырастает на 25-40% в течение первого месяца.
Это сценарный пример — конкретные цифры зависят от ниши, продукта, качества внедрения. Но принцип работает: ИИ ускоряет не «продажу», а конкретный шаг — подготовку к коммуникации. И именно этот шаг в большинстве команд является узким местом.
Промпт для главы 1
Ты — аналитик отдела продаж. Изучи историю коммуникации с клиентом [вставить переписку/звонок] и подготовь краткую сводку для менеджера: 1) что клиент уже знает о продукте, 2) какие вопросы задавал, 3) какие сомнения или возражения озвучивал, 4) на каком этапе принятия решения находится, 5) какой следующий шаг рекомендуется. Объём сводки — не более 150 слов, без воды.
Чек-лист главы 1
Я знаю, через сколько каналов клиент обычно приходит ко мне до заявки
У меня есть карта точек касания клиента с брендом
Менеджеры обучены диагностическим вопросам, а не презентации
Время ответа на заявку в рабочее время — менее 5 минут
Менеджеры получают контекст по клиенту до звонка, а не выясняют его в разговоре
В CRM есть поле «этап принятия решения» — куда клиент себя относит
Практическое задание
Возьмите 10 последних заявок из CRM. По каждой определите: сколько точек касания было до заявки (по UTM-меткам, реферерам, истории cookie); через сколько минут после заявки менеджер дал первый ответ; был ли менеджер готов к разговору или начинал «с нуля». Если по 7+ заявкам из 10 время ответа больше 5 минут, а менеджер начинает разговор с общих вопросов — у вас есть точка роста, в которой ИИ даст быстрый эффект.
Глава 2. Конверсия — главный язык продаж
Проблема: непонимание, где именно теряются клиенты
Большинство руководителей продаж, когда их спрашивают про конверсию, называют одну цифру: «У нас конверсия из лида в сделку 8%» или «У нас конверсия 12%». Эта цифра почти бесполезна. Она говорит, что из 100 лидов 8 или 12 превратились в сделки, но не отвечает на главный вопрос: где именно потеряли остальных 88-92?
Между лидом и сделкой обычно 5-8 этапов. На каждом из них своя микроконверсия. Общая конверсия — это произведение микроконверсий. Если на одном этапе показатель упал, остальные тоже проседают. Без детального понимания, на каком этапе что происходит, руководитель не может управлять воронкой — он может только наблюдать финальную цифру и пытаться «давить на менеджеров», что почти никогда не работает.
Новая реальность: конверсия как цепочка
Современная модель — Conversion Map. Она разбивает путь клиента на этапы и измеряет конверсию на каждом. Минимальный набор этапов:
Конверсия в лид: из трафика, который пришёл на сайт или лендинг, сколько оставили заявку.
Конверсия в контакт: из заявок сколько реально дозвонились / получили ответ в мессенджере.
Конверсия в квалифицированный лид: из контактов сколько прошли квалификацию (подходят по нише, бюджету, потребности).
Конверсия во встречу/демо: из квалифицированных лидов сколько дошли до встречи или демо.
Конверсия в предложение: из встреч сколько получили коммерческое предложение.
Конверсия в сделку: из предложений сколько закрыли сделку.
Конверсия в повторную покупку: из закрытых сделок сколько вернулись в течение 3-6 месяцев.
Каждый этап — отдельная задача для оптимизации. На разных этапах работают разные инструменты: реклама влияет на первый этап, скорость работы менеджера — на второй, качество квалификации — на третий, экспертность менеджера — на четвёртый-пятый, ценность продукта и условия — на шестой, клиентский опыт — на седьмой. ИИ может усиливать каждый из этапов, но разными инструментами.
Метод: Conversion Map
Conversion Map — это таблица, в которой по строкам идут этапы воронки, а по столбцам — метрики: количество на входе, количество на выходе, конверсия этапа, среднее время этапа, основные причины потери, точка применения ИИ. Заполненная Conversion Map даёт руководителю продаж полную карту воронки и позволяет принимать решения на данных, а не на интуиции.
Рассмотрим пример. Компания B2B-услуг имеет следующую карту: 1000 трафика → 80 лидов (8%) → 56 контактов (70%) → 34 квалифицированных (61%) → 17 встреч (50%) → 12 предложений (71%) → 5 сделок (42%) → 2 повторные покупки (40%). Общая конверсия из лида в сделку — 6,25%, в повторную покупку — 2,5%.
Где главная точка потери? На этапе «контакт → квалификация» мы теряем 22 лида из 56 — это 39% от контактов. Причины: либо менеджеры не дозваниваются/не получают ответ в мессенджере, либо не задают квалификационных вопросов и не понимают, подходит ли клиент. Вторая точка потери — «встреча → предложение» (5 из 17 = 29%). Причины: либо встречи проходят плохо, либо предложения готовятся слишком долго, либо клиенты после встречи теряют интерес.
Без Conversion Map руководитель видит только «конверсия 6,25%» и пытается «улучшить работу менеджеров». С Conversion Map он видит конкретные точки и может внедрять конкретные решения: в первой точке — AI-бот для первичного контакта и структурированная квалификация, во второй — AI-генерация КП в течение часа после встречи.
AI-инструменты для измерения и роста конверсии
Коллтрекинг с AI-анализом звонков (Calltouch, CoMagic, UIS и др.) — позволяет отслеживать, из какого канала пришёл звонок, и анализировать содержание разговора без прослушивания.
AI-анализ формы заявки — по тексту определяет квалификационный лид или нет, ещё до звонка менеджера.
AI-боты в мессенджерах для первичного контакта — собирают данные, отвечают на типовые вопросы, передают менеджеру уже готовый контекст.
AI-анализ переписки — определяет, что мешает движению клиента по воронке: возражение, отсутствие ответа, длинный цикл решения.
AI-прогноз конверсии по сделке — оценивает вероятность закрытия сделки на основе похожих исторических сделок в CRM.
Сценарный пример: SaaS-платформа
Сценарный пример. SaaS-платформа для управления проектами имеет воронку: трафик на сайт → регистрация на демо → прохождение демо → старт триала → конверсия в платную подписку. На этапе «регистрация → прохождение демо» конверсия составляет 35%. Из 100 зарегистрировавшихся демо проходят только 35 — остальные не приходят на встречу или отменяют её. Это основная точка потери воронки.
AI-решение: перед демо ИИ присылает пользователю короткое письмо с рекомендациями: «Чтобы демо было полезным, подумайте над 3 вопросами — какие задачи вы хотите решить, сколько пользователей у вас будет, какие инструменты вы уже пробовали». После демо ИИ присылает follow-up с персональным разбором — как продукт решает конкретно те задачи, которые пользователь озвучил. Конверсия на этапе «регистрация → демо» вырастает с 35% до 52% за два месяца.
Главный эффект — не от самого ИИ, а от того, что команда наконец увидела эту точку потери и начала с ней работать. ИИ лишь ускорил реализацию решения.
