Короткий ответ: ИИ-скоринг лидов читает заявку, переписку и историю клиента, сравнивает с профилем закрытых сделок и ставит оценку вероятности покупки с объяснением причин. Менеджеры начинают день с самых перспективных заявок, а не с хронологической свалки. Скоринг не заменяет менеджера и не отбрасывает «холодные» лиды: он меняет порядок работы. Для старта нужна история сделок в CRM с результатами и причинами отказов, пилот стоит от 100 000 ₽.
В отделе продаж часто работает правило «кто первый пришёл, того и обработали». При этом заявки неравноценны: одна с бюджетом и сроком «на этой неделе», другая «просто узнать цену». Скоринг помогает потратить лучшее внимание менеджеров на заявки с наибольшей вероятностью сделки. Ниже как это устроено и как проверить, что скоринг действительно помогает.
Как работает
- Модель собирает признаки: источник, текст заявки, бюджет, срок, поведение на сайте, история общения, данные клиента из CRM.
- Сравнивает с закрытыми сделками: кто, откуда, с какими параметрами покупал и кто отказывался.
- Выставляет оценку (например, горячий, тёплый, холодный) и кратко объясняет причины: «бюджет подходит, срок горит, повторное обращение».
- Оценка записывается в поле сделки в CRM, воронки сортируются штатными фильтрами.
- Менеджеры работают по приоритету, а результат (сделка или отказ) возвращается в модель для уточнения.
Два подхода к скорингу
| Подход | Как работает | Когда подходит |
|---|---|---|
| Правила | эксперты задают критерии и баллы: бюджет, срок, источник, размер компании | мало данных, понятная логика, быстрый старт |
| Модель на истории | алгоритм сам находит закономерности в закрытых сделках | есть сотни и тысячи сделок с результатами |
| Гибрид с ИИ-разбором текста | нейросеть извлекает из текста заявки признаки, а оценку делают правила или модель | заявки в свободной форме, письма, мессенджеры |
Нет истории — стартуем с правил и доучиваем на накопленных данных. Минимум для обучающей модели обычно несколько сотен закрытых и потерянных сделок с причинами.
Что нужно для запуска
- История сделок в CRM с исходами и причинами отказов. Чем лучше заполнена, тем точнее оценка.
- Определение «хорошего лида»: что для вас успешная сделка, какой срок и сумма считаются целевыми.
- Доступ к CRM и источникам заявок (сайт, мессенджеры, телефония).
- Готовность менеджеров работать по приоритету и вносить результат в CRM.
Как проверить, что скоринг работает
- Возьмите период, по которому есть известные исходы, и закройте их от модели.
- Посмотрите, насколько оценка совпала с реальными результатами: попали ли «горячие» в закрытые сделки чаще «холодных».
- Запустите пилот на части менеджеров или потока заявок, сравните конверсию и скорость обработки с контрольной группой.
- Следите за ошибками: «горячие» лиды, которые не купили, и «холодные», которые купили. Это материал для улучшения.
Точность определяется только на ваших данных, поэтому честный пилот заканчивается цифрами на истории и на живом потоке. Метод расчёта экономического эффекта: как посчитать окупаемость ИИ.
Чего скоринг не делает
- Не предсказывает будущее, а сортирует очередь по вероятности.
- Не выкидывает лиды: низкие оценки обрабатываются позже, а не удаляются.
- Не принимает решений за менеджера: финальное решение и продажа остаются за человеком.
- Не исправляет плохие данные: если CRM заполнена хаотично, сначала нужно навести порядок.
Связанные сценарии
Скоринг лучше работает в связке: заявки автоматически собираются и обогащаются (автоматизация обработки заявок), звонки расшифровываются (транскрибация звонков), менеджеры получают шаблоны ответов (промпты для продаж). Общий разбор для отдела продаж: ИИ для отдела продаж.
Стоимость и срок
Скоринг входит в пилот ИИ-агента для продаж: от 100 000 ₽ вместе с интеграцией в CRM и настройкой правил оценки, 2–4 недели. Дополнительные источники данных и доработки считаются по смете. Услуга описана на странице ИИ-агенты для бизнеса.
Часто задают вопросы
Работает ли это в amoCRM и Битрикс24?
Да, оценка записывается в поле сделки, воронки сортируются штатными фильтрами. Сравнение систем: Битрикс24 или amoCRM.
Сколько сделок нужно для обучения модели?
Для статистической модели желательны сотни закрытых и потерянных сделок. Если их меньше, начинаем с экспертных правил и улучшаем по ходу.
Как избежать «чёрного ящика»?
Каждая оценка сопровождается причинами. Менеджер видит, почему лид горячий, и может не согласиться. Это важно и для доверия, и для улучшения модели.
Что с персональными данными?
Данные обрабатываются в вашем контуре, в облако уходит обезличенный текст или используются локальные модели (ИИ и 152-ФЗ).
Хотите, чтобы менеджеры начинали день с горячих заявок? Опишите вашу CRM и поток заявок в чате, я оценю объём за 24 часа.
