Заявка с сайта попадает не сразу к менеджеру, а сначала на нейросеть для продаж, которая успевает прочитать сообщение, сверить его с историей клиента, оценить платёжеспособность контакта и решить, кому из отдела передать диалог. За последние пару лет я собирал такие связки на разных стеках: форма на Tilda, вебхук в n8n, классификация текста через Claude API, запись результата в amoCRM или Bitrix24. Разница с обычной формой обратной связи ощутима сразу: менеджер получает не сырое «хочу узнать цену», а карточку с готовым резюме, приоритетом и предполагаемым бюджетом.
По теме статьи
Готовое решение
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Подключу к вашему сайту чат-бота на Claude API. Бот отвечает на вопросы клиентов голосом вашего бренда, знает каталог и условия доставки, забирает лиды в CRM или Telegram.
от25 000 ₽
AI / Claude API
Искусственный интеллект для бизнеса
AI-чатбот на сайт с базой знаний, автообработка заявок, генерация контента, умный парсинг. Claude API, OpenAI, RAG.
от50 000 ₽
Что делает ИИ-ассистент с заявкой в первые минуты
Пока клиент закрывает вкладку браузера, с текстом заявки уже работает несколько шагов автоматической обработки. Я обычно строю цепочку так:
- нормализация текста и извлечение сущностей: имя, телефон, город, интересующий товар или услугу;
- сверка с базой CRM на предмет повторного обращения того же клиента;
- определение намерения: купить сейчас, сравнить цены, задать технический вопрос, пожаловаться;
- черновой ответ клиенту с подтверждением и уточняющим вопросом, если данных не хватает.
На связке Tilda-форма плюс n8n плюс Claude API этот блок отрабатывает за 3-8 секунд. Для сравнения: живой менеджер открывает заявку в среднем через 15-40 минут после отправки, если она не с горячего канала вроде звонка.
| Этап | Без нейросети | С нейросетью на входе |
|---|---|---|
| Первая реакция на заявку | 15-40 минут, зависит от загрузки менеджера | 3-8 секунд, автоответ и разбор текста |
| Отсев спама и нецелевых обращений | вручную, менеджер тратит время на каждую | автоматически по правилам и модели классификации |
| Что видит менеджер при открытии | сырой текст из формы | карточка с резюме, бюджетом и приоритетом |
| Повторные обращения | часто заводятся как новый лид | склеиваются с историей клиента в CRM |
Квалификация лида: как нейросеть отсеивает нецелевые заявки
Квалификация, то есть отсев заявок, которые не дойдут до сделки, экономит менеджеру больше всего времени. Модель работает по набору сигналов, а не по одному ключевому слову: упоминание конкретной суммы или диапазона бюджета, срочность («нужно на этой неделе»), совпадение региона с зоной обслуживания, повторный визит на сайт по данным из CRM, странные паттерны в тексте, характерные для парсинг-ботов или конкурентов.
На одном проекте с формой заявок на монтаж оборудования такая связка снизила число заявок, доходящих до звонка менеджера, с 220 до 140 в месяц, при этом конверсия из звонка в сделку выросла почти вдвое, потому что отсеялись обращения без бюджета и не из региона обслуживания. Отдельно полезна модель с базой знаний по товару или услуге: она не просто отсекает мусор, а отвечает на типовые вопросы клиента ещё до менеджера, если ответ есть в базе. У себя такие сценарии я собираю как чат-бот с базой знаний на RAG, когда объём номенклатуры или условий работы большой и держать всё в голове у менеджера нереально.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
Маршрутизация и приоритезация: кому из менеджеров попадёт заявка
После квалификации заявку нужно не просто сохранить, а отправить нужному человеку и в нужном порядке. Тут в дело идут правила маршрутизации: по региону, по типу товара, по загрузке менеджера, по тому, что клиент уже писал раньше и с кем разговаривал. На практике проще всего это собирать в n8n: он забирает вебхук из формы, проверяет условия и раскидывает заявки либо в разные чаты Telegram, либо на разных ответственных в CRM.
Telegram-бот на aiogram в этой цепочке чаще всего играет роль уведомителя и первого фильтра: присылает менеджеру карточку заявки с кнопками «взять в работу» или «передать другому», а не просто дублирует письмо на почту, которое можно не заметить. Приоритет внутри очереди нейросеть считает по совокупности признаков: горячий лид с явным намерением купить получает метку «срочно», обращение с типовым вопросом уходит в общий список, а подозрение на спам вообще не долетает до менеджера, оседая в отдельной папке для ручной проверки раз в день.
Как это работает технически: от формы на сайте до CRM
Типовая цепочка, которую я собираю чаще всего, выглядит так: форма на Tilda или на кастомном сайте отправляет вебхук в n8n, тот прогоняет текст через Claude API с промптом на извлечение сущностей и классификацию намерения, результат уходит в CRM (обычно amoCRM или Bitrix24) отдельными полями сделки, а менеджеру прилетает уведомление в Telegram с готовой карточкой. На стороне Tilda для этого нужен скрипт, который аккуратно передаёт данные формы дальше, а не просто складывает их в таблицу.
Важный момент, о который спотыкаются на старте: без нормализации номера телефона и без сверки по email дубли будут появляться постоянно, а нейросеть без доступа к истории клиента в CRM будет каждый раз считать его новым и ошибаться с приоритетом. Если у вас уже есть форма и CRM, но нет связки между ними, дешевле не переписывать всё с нуля, а настроить именно передачу и обработку заявок между системами, я делаю такую настройку автоматической обработки заявок под ключ поверх существующего сайта и CRM.
Где нейросеть в продажах ошибается и что оставить человеку
Модель хорошо справляется с рутинной классификацией и извлечением фактов из текста, но плохо чувствует контекст длинного диалога с возражениями и совсем не умеет договариваться о скидке или подстраиваться под настроение конкретного человека на созвоне. На практике я закладываю порог доверия: если уверенность классификации ниже определённого значения или в тексте есть признаки конфликтной ситуации, заявка уходит на ручную проверку, а не решается автоматически.
Ещё одна вещь, с которой сталкивался: если промпт и правила не обновлять, модель со временем начинает штамповать одинаковые формулировки в автоответах, и клиенты это замечают. Нейросеть в продажах хорошо закрывает первые 70-80% рутины: сбор, разбор, сортировку, типовые ответы. Финальное решение по сделке, работу с возражениями и звонок остаются на менеджере, и переносить туда автоматизацию смысла нет: конверсия от этого не растёт, а доверие клиента падает.
Сколько стоит внедрить нейросеть для отдела продаж
Цена зависит от того, что уже есть у вас: сайт с формой, CRM, мессенджер для уведомлений. Ниже мои базовые цены на компоненты такой связки:
| Компонент | Что входит | Цена |
|---|---|---|
| Автоматизация в n8n | вебхук, маршрутизация заявок, связка с CRM | от 25 000 ₽ |
| Telegram-бот на aiogram | уведомления менеджеру, карточка заявки, кнопки действий | от 30 000 ₽ |
| AI-интеграция (Claude API) | классификация текста, извлечение данных, автоответ | от 50 000 ₽ |
| Чат-бот с базой знаний (RAG) | ответы клиенту по товару или услуге до звонка менеджера | от 50 000 ₽ |
| Кастомный скрипт для Tilda | передача данных формы в вебхук | от 3 000 ₽ |
На рынке похожие связки под ключ у студий и фрилансеров встречаются в широком разбросе, от 80 000 до 400 000 ₽, разница обычно объясняется количеством интеграций и тем, пишут ли промпты с нуля под ваш продукт или берут шаблон. Я собираю связку из нужных вам компонентов, а не продаю готовый пакет, поэтому итоговая цена складывается из таблицы выше под конкретную задачу.
Частые вопросы
Нужна ли отдельная CRM, чтобы подключить нейросеть к заявкам?
Нет, но без CRM или хотя бы таблицы с историей клиентов теряется главный эффект: сверка повторных обращений и накопление контекста по клиенту. Если CRM пока нет, я обычно предлагаю начать с amoCRM или Bitrix24 и подключать нейросеть уже поверх неё.
Заменяет ли нейросеть менеджера по продажам?
Нет, она забирает рутину: разбор текста, сортировку, типовые ответы на частые вопросы. Переговоры, работу с возражениями и финальное закрытие сделки веду человеком, потому что здесь важны интонация и гибкость, которых у модели нет.
Сколько времени занимает внедрение такой связки?
Простая связка формы, вебхука и уведомления в Telegram собирается за 5-7 рабочих дней. Если добавляется классификация через Claude API и интеграция с CRM, срок растягивается до 3-4 недель в зависимости от того, сколько полей и правил нужно учесть.
Что делать, если нейросеть неправильно квалифицирует заявку?
Закладываю порог уверенности классификации: спорные случаи не решаются автоматически, а падают в очередь на ручную проверку. Плюс раз в 2-3 недели смотрю на реальные ошибки классификации и дорабатываю промпт и правила маршрутизации по факту, а не наугад.