Аудит отдела продаж с помощью ИИ: что он находит

Руководитель хочет понять, почему отдел не продаёт. Он открывает CRM, смотрит на воронку, слушает три звонка наугад и делает вывод. Через месяц выясняется, что вывод был про один плохой разговор, а не про систему.

Проблема в размере выборки. В отделе из четырёх человек набегает под тысячу разговоров в месяц и несколько сотен сделок. Чтобы отличить закономерность от случайности, нужно посмотреть их все, а это физически невозможно.

Отсюда интерес к разбору машиной. Разберём, что она находит на самом деле, где ошибается и что остаётся человеку.

Из чего состоит такой аудит

Три слоя данных, и каждый отвечает на свой вопрос.

Порядок обратный привычному: начинать надо с третьего слоя. Если половина сделок закрыта без причины отказа, а часть общения ушла в мессенджеры, то красивая воронка из первого слоя описывает не отдел продаж, а качество заполнения карточек.

Что машина делает лучше человека

Считает всё. В одном из разборов это 14 702 сделки и 27 636 звонков. Руками такой объём не берётся ни за какие сроки, а без него не видно распределений: например, что конверсия при одном разговоре со сделкой 2,2%, при трёх 10,5%, а при двенадцати и больше 33,3%.

Находит нули. Сделки, по которым не было ни одного разговора, в отчётах выглядят как обычные отказы. Машина их отделяет, и обычно это самая дорогая находка: в разборах доля таких доходила до 45% базы.

Ловит повторы. Один менеджер забыл спросить про сроки, это случайность. Четверо из четверых не спросили ни разу за месяц, это отсутствующий пункт в процессе. Разница видна только на полной выборке.

Не устаёт к сотому звонку. Человек, слушающий разговоры четвёртый час, оценивает мягче. Машина ставит одинаковые оценки первому и тысячному.

Чего она не может

Здесь стоит быть честным, потому что завышенные ожидания и есть главная причина разочарования.

Оценить то, о чём люди сами спорят. «Отработал возражение», «установил контакт», «был убедителен» это интерпретации. Два руководителя по одному звонку часто расходятся, и требовать от модели большей однозначности бессмысленно.

Понять, что происходило вне записи. Если половина переговоров ушла в мессенджер или прошла на встрече, разбор звонков покажет обрубок. В одном из разборов 19% карточек вообще не имели звонков: всё общение шло в мессенджере, и там не слышно ни цены, ни закрытия.

Отличить причину от следствия. Модель покажет, что на этапе КП конверсия просела. Почему именно: цена, сроки, конкурент или менеджер не перезвонил, придётся выяснять человеку.

Заменить решение. Отчёт не меняет процесс. Самая частая причина, по которой такие проекты не приживаются, простая: отчёт приходит, и его никто не открывает.

Как это выглядит на практике

Порядок работы, если делать по-честному.

Сначала проверка достоверности. Смотрим, совпадает ли то, что в CRM, с тем, что было. Типичные расхождения: текущий срез канбана теряет сделки, уехавшие в соседние воронки (в одном разборе срез показал 14 сделок на ключевом этапе, а история стадий 59), звонки привязаны к контакту, а не к сделке, причины отказа проставлены по памяти в конце дня.

Потом цифры. Конверсия по этапам считается методом «когда-либо достигал», а не по текущему положению карточки. Иначе воронка показывает не путь клиента, а расстановку на сегодня.

Потом разговоры. По 5–10 записей на менеджера, на разных этапах: первичка, повторный по КП, близкие к закрытию. Не подряд и не случайно: важно сравнить, как один и тот же человек ведёт себя в разных ситуациях.

В конце сборка. Три-шесть корневых причин, выстроенных причинно-следственно, у каждой цифра потерь в рублях. Не список из двадцати замечаний: длинный список гарантирует, что не сделают ничего.

Что обычно вскрывается

По нашим разборам повторяется одно и то же, независимо от ниши.

Сделки без единого касания. От 19 до 45% базы. Это не отказы, это необработанные заявки, за трафик по которым уже заплачено.

Разброс между людьми в полтора-два раза. По одному и тому же критерию у менеджеров одного отдела выходило от 31 до 49%. Стаж это не объясняет: у слабого он часто больше.

Один вопрос, к которому не готов никто. Половина разговоров упирается в одно и то же возражение, и в скрипте его нет.

Разговоры, которых не должно было быть. Часть звонков это заведомо не ваши клиенты. Если их треть, чинить надо рекламу, а не отдел продаж.

Где это ломается

Аудит без записи разговоров. Останется слой цифр, который покажет, где теряется, и не покажет почему. Это половина пользы за те же деньги.

Оценка как основание для штрафов. Как только по результатам наказывают, менеджеры начинают работать на оценку: произносят нужные фразы, не заботясь о смысле. Проценты растут, продажи нет.

Универсальный чек-лист. «Поздоровался, представился, выявил потребность» даёт красивые цифры и ноль пользы. Критерии должны быть про то, что в вашей продаже действительно решает исход.

Отчёт без разбора. Если результат не попадает в еженедельную планёрку, через два месяца всё возвращается к исходному состоянию.

Коротко

Искусственный интеллект в аудите отдела продаж закрывает одну задачу: объём. Он считает все сделки и слушает все разговоры, поэтому показывает распределения, а не единичные случаи. На проверяемых критериях ему можно верить, на оценочных его выводы это повод послушать запись.

Начинать стоит не с оценки менеджеров, а с проверки данных: пока непонятно, можно ли верить CRM, любые проценты описывают качество заполнения карточек, а не работу отдела.

Методика ручного разбора, если хотите сделать первый заход сами, собрана отдельно: аудит отдела продаж, что смотреть и как провести самому. Сроки, вилка стоимости и что получается на выходе, если делать с нами: сколько стоит аудит отдела продаж.