В этом проекте команда CyberBrain работала с дилерской сетью. Мы участвовали в разработке системы для анализа этапов продаж и формирования рекомендаций для продавцов и РОПов с помощью ИИ.

Смысл этой работы был в том, чтобы посмотреть на продажи не через итоговые цифры, а через последовательность шагов, из которых складывается результат. Наша задача в проекте была следующей: собрать данные в единую модель и встроить ИИ в разбор звонков, поиск закономерностей между коммуникацией и результатами и формирование рекомендаций с опорой на регламенты.

Руководителю важно понимать прикладные вещи:

• на каком этапе воронки центр теряет клиентов
• какие продавцы системно проваливают конкретный шаг
• чем отличаются сильные команды в сопоставимых условиях
• какие изменения в коммуникации реально поднимают конверсию

Именно под эти вопросы мы выстраивали систему. Она объединяет данные, позволяет корректно сравнивать центры и использует ИИ там, где без него начинается монотонный ручной труд и накапливаются ошибки.

Единый слой данных

Мы выстроили работу следующим образом. Дилерские центры регулярно передают нам данные по ключевым событиям продаж: заявки, звонки, визиты, тест-драйвы и сделки. Эти события фиксировались в разных системах и по разной логике, поэтому первым шагом мы привели их к единому набору этапов — от заявки и первого контакта до тест-драйва и сделки.

Для этого мы собираем выгрузки от дилерских центров, приводим поля к общей схеме и выстраиваем для каждого клиента последовательность действий. После этого показатели считаются одинаково для всех центров и продавцов: одно и то же событие всегда относится к одному и тому же этапу воронки, независимо от источника данных. Это необходимое условие для корректных сравнений и поиска отклонений в процессе.

Корректное сравнение

Если просто смотреть на общий объём продаж, выводы быстро начинают искажаться. Продажи в экономе и премиуме устроены по-разному. Клиенты принимают решения с разной скоростью, по-разному проходят этапы воронки, по-разному реагируют на коммуникацию. Сравнивать такие центры напрямую некорректно.

Поэтому эффективность оценивается только в сопоставимых условиях — внутри одной и той же выборки данных. Для этого в интерфейсе используются фильтры по периоду, марке, дилерскому центру, РОПу и сотрудникам. Руководитель сравнивает показатели в рамках заданных условий и видит отклонения без смешения разных контекстов работы.

Нормативы по воронке: 3 тест-драйва → 1 продажа

В одном из сегментов по исторической статистике проявился устойчивый ориентир: одна продажа на три тест-драйва. Этот показатель мы взяли за рабочий норматив для сегмента.

• Если показатель ниже нормы, руководитель отдела продаж идёт к конкретному продавцу и разбирается, на каком этапе возникает проблема: что происходит после визита, почему клиент не доходит до тест-драйва или не принимает решение о покупке.
• Если показатель выше нормы, это сильный результат. Такие продавцы становятся источником практик: их сценарии общения и подходы к работе с клиентом можно разбирать и использовать для обучения команды.

Норматив здесь не нужен для формального сравнения или рейтингов. Он используется как инструмент работы с процессом: чтобы понять, где требуется донастройка, а где есть решения, которые стоит масштабировать. Тот же подход применяется и к другим показателям: скорости первого контакта, доле отказов от визита и конверсиям между этапами воронки. Для каждого из них есть рабочие ориентиры, по которым видно, где процесс работает стабильно, а где требуется разбор и корректировка.

Как норматив применяется на уровне продавца, центра и дивизиона

• На уровне продавца норматив показывает, на каком шаге проседает конверсия и где клиент чаще всего выпадает из воронки.
• На уровне центра видно, является ли отклонение общей проблемой команды или связано с работой отдельных сотрудников.
• На уровне дивизиона можно определить, где снижение носит системный характер и требует управленческого вмешательства.

Сводка, структура сети и сотрудники: как руководитель проходит путь от общей картины к конкретным действиям

Сводка: зафиксировать отклонение

Работа с данными начинается со сводки. Это стартовый экран, на котором показатели собраны в динамике по неделям и сопоставлены с планом. Здесь видно, как меняются сделки, общая конверсия, доля отказов от встречи и время до первого контакта.

Сводка нужна не для анализа причин, а для фиксации факта: есть ли отклонение и есть ли оно сейчас. Если показатели выходят за плановые значения, следующим шагом становится поиск источника проблемы.

Статистика автоцентров: понять, где начинается отклонение

После сводки руководитель переходит в раздел со статистикой автоцентров. Здесь данные агрегированы по структуре сети и представлены в виде таблицы с возможностью раскрывать уровни — от дивизиона к локации, автоцентру и ниже.

Через фильтры задаётся единый контекст анализа: период, марка, дилерский центр, РОП, сотрудник. В этом разрезе можно сравнивать подразделения между собой и видеть, где отклонения носят не разовый, а системный характер.

Этот экран отвечает на вопрос: проблема локальная или затрагивает часть сети целиком, и в каких подразделениях она проявляется сильнее.

Сотрудники: перейти к конкретным продавцам

Когда понятно, в каком центре или подразделении есть отклонение, анализ продолжается в разделе «Сотрудники».

Здесь система показывает персональную воронку продавца — с конверсиями между этапами и сравнением со средними значениями по марке. На экране видно, как продавец проходит ключевые шаги процесса: от лида к контакту, от контакта к встрече, от встречи к тест-драйву и дальше к сделке. Так можно сразу понять, на каком этапе возникает провал и насколько он отличается от среднего показателя.

Отдельно отмечаются проблемные зоны — например, низкая результативность по звонкам или невыполнение плана.

Анализ звонков и рекомендации

Система работает со звонками — проверяет, шёл ли разговор по скрипту, и сопоставляет это с результатами по воронке. Если система видит устойчивые отклонения (например, снижение результативности звонков или провалы на следующих этапах), она формирует рекомендации.

Пример из практики: продавец рано озвучивает финальное предложение по телефону. Клиент получает всю информацию дистанционно и реже доезжает до салона. В системе это проявляется как снижение SR по звонкам и рост отказов от визита → формируется рекомендация сместить фокус разговора на приглашение в салон.

Рекомендации формируются с опорой на внутренние документы сети — скрипты, стандарты и инструкции, загруженные в систему. Модель обучается на этих материалах и использует их как основу для конкретных действий. В интерфейсе рекомендации отображаются как отдельные задачи со статусами: новая, на наблюдении, завершена или отклонена. Руководитель видит, какие рекомендации приняты в работу, какие дали эффект и где изменения привели к результату.

Так система связывает коммуникацию, цифры и управленческие действия в единый процесс, без ручного разбора звонков и субъективных оценок.

Автоматические уведомления

Чтобы не отслеживать показатели вручную, система фиксирует критичные изменения и формирует уведомления. Это, например, падение продаж или снижение результативности звонков. Уведомления показывают, где именно возникло отклонение, после чего руководитель может перейти к детализации — от структуры сети к сотрудникам и рекомендациям.

Зачем это нужно

Проблемы в крупных сетях обычно возникают локально. Если заметить их на раннем этапе, исправление требует меньше времени и ресурсов. Если увидеть отклонение в конце месяца, остаётся только зафиксировать результат.

Было

• отчёты показывают итоги
• причины разбираются вручную
• сравнение центров часто некорректно из-за сегментов и марок
• качество звонков оценивается выборочно
• рекомендации живут в переписках и на планёрках

Стало

• единая структура данных по всем центрам
• корректные сравнения внутри города, марки и сегмента
• нормативы по воронке, включая «3 тест-драйва → 1 продажа»
• ИИ-анализ звонков с проверкой ключевых шагов скрипта
• рекомендации, привязанные к регламентам и данным, со статусами и оценкой эффекта
• автоматические уведомления по критичным отклонениям

Где подход работает ещё: отрасли с длинной продажей

Мы разрабатывали эту систему для дилерской сети, но сам подход не привязан к автопродажам. Он работает везде, где сделка дорогая, цикл принятия решения длинный и результат напрямую зависит от качества очного взаимодействия. В таких продажах проблема обычно одна и та же: данные есть, отчёты есть, но управлять процессом сложно. Руководитель видит итог по месяцу, но не понимает, на каком шаге клиенты теряются и какие изменения в работе продавцов реально влияют на результат.

Наш подход решает именно эту задачу. Система связывает этапы продаж, коммуникацию и управленческие действия в единый процесс: показывает, где возникает отклонение, помогает разобраться в причине и даёт конкретные рекомендации, которые можно внедрять и контролировать.

Поэтому та же логика хорошо переносится в другие сферы, где продажи строятся вокруг встреч, консультаций и демонстраций, с высокой ценой ошибки на каждом этапе:

• недвижимость
• мебель и интерьер
• техника и оборудование
• медицина
• B2B-продажи

Хотите развернуть такую же систему у себя? Свяжитесь с нами через hello@cybrain.io — назначим встречу и обсудим проект, которой поможет вывести ваши продажи на новый уровень.