Кейс Дистрибуция: −41% ответа, ×1.6 к конверсии

B2B‑дистрибьютор (электротехника), Россия. За 8 недель подключили Sales‑агента к SberCRM, автоматизировали приоритезацию и ответы по заявкам. Итог: −41% к времени первого ответа, −23% к потерянным сделкам (без ответа >24ч) и ×1.6 к конверсии «лид → счёт». ROI ≈ 5.9×, окупаемость ≈ 1.2 недели. Данные анонимизированы и агрегированы (152‑ФЗ).

1) Клиент и исходная ситуация

Профиль. B2B‑дистрибьютор электротехнической продукции, 4 региона, 70 менеджеров. Каналы: сайт/формы, входящая почта, мессенджеры, телефон, маркетплейсы. Боль. Долгий первый ответ по лидам, «перекиды» между отделами, потеря части лидов без ответа, много ручной рутины (копипаст из регламентов/прайсов). Цель пилота (8 недель). Сократить FRT, уменьшить потери лидов, повысить конверсию до счёта, не нарушая политику обработки ПДн (152‑ФЗ).

2) KPI и целевые метрики

• FRT (First Response Time, медиана): было 94 мин → целевое ≤ 60 мин.
• Потеря лидов без ответа > 24ч: было 12% → целевое ≤ 9%.
• Конверсия «лид → счёт» (invoice): было 10% → целевое ≥ 16%.
• Операционные часы на рутину (сбор ответа, прайсы, регламенты): −6 мин/лид.

A/B‑дизайн. Группа A — стандартный процесс, B — с агентом. Распределение инцидентное по очередям, выравнивание по времени суток и каналам.

3) Решение: агент Sales + SberCRM + RAG

• Интеграция с SberCRM. Подключили API (read/write) для карточек лидов, этапов и шаблонов писем.
• RAG‑индекс знаний. Регламенты, прайсы, условия поставки/логистики и шаблоны писем — векторный индекс + связанная онтология (ролей/процессов/политик).
• Приоритезация и маршрутизация. Правила SLA, ключевые клиенты/категории, автоназначение ответственного, напоминания.
• Авто‑черновики ответов. Агент генерирует письмо «по регламенту» с цитатами и ссылками на источники (версии документов фиксируются).
• Оркестрация. n8n для уведомлений и синхронизации с почтой/телефонией.
• Безопасность/152‑ФЗ. Обезличивание полей, on‑prem хранилище документов, аудит‑лог, RBAC/ACL.

Схема потока (Mermaid)

4) Пилот: план на 8 недель

• Неделя 1: цели/KPI, выгрузки, онтология ролей/процессов, правила SLA.
• Неделя 2: инжест документов (регламенты, прайсы), индекс v1.
• Неделя 3: интеграция с SberCRM, авто‑черновики писем, закрытый тест.
• Неделя 4: A/B (20–30% трафика через агента), сбор фидбека.
• Неделя 5–6: тюнинг промптов/ретрива, приоритезация лидов, автоподсказки «следующий шаг».
• Неделя 7: масштаб до 50–60% трафика, контроль стабильности SLA.
• Неделя 8: финальные метрики, расчёт ROI, план масштабирования.

5) Результаты (8 недель)

Итоговые KPI

ROI (8 недель, оценка)

• Объём лидов: ~600 в неделю.
• Δ дохода от конверсии: (16%−10%) × 600 × 12 000 ₽ маржи × 8 недель = 3 456 000 ₽.
• Экономия времени: 6 мин × 600 / 60 × 1 100 ₽/час × 8 недель = 528 000 ₽.
• Снижение потерь лидов (CAC): восстановлено ~16.6 лидов/нед × 1 200 ₽ CAC × 8 = 158 976 ₽.
• Итого эффект: 4 142 976 ₽.
• Стоимость пилота: разработка/интеграция/инфра/LLM = 600 000 ₽.
• ROI: (4 142 976 − 600 000) / 600 000 ≈ 5.9× (≈ 590%).
• Окупаемость: ~1.2 недели.

Примечание: эффекты рассчитаны на агрегированных данных; цифры клиента обезличены, методология и формулы доступны в «ROI за 8 недель».

6) Что сработало лучше всего

• Приоритезация + напоминания → меньше «забытых» лидов и просрочек.
• Авто‑черновики по регламенту → менеджеры отвечают быстрее и ровнее.
• Короткий контекст (RAG) + версии документов → меньше уточняющих писем.
• A/B‑инструмент в SberCRM → быстро видны эффекты по очередям/каналам.

7) Что не сработало/ограничения

• Автогенерация счёта без ручного контроля — отложили (риск ошибок).
• Каналы‑мессенджеры дают шумные поля — потребовалась дополнительная нормализация.
• Часть «прайсов» без версии/источника — внедрили политику версионирования.

8) Как масштабируем решение

1. Расширяем на все регионы/линии, сохраняем A/B‑контроль на 10–20% трафика.
2. Добавляем сценарии: продление договоров, напоминания по оплатам, рекламации.
3. Интегрируем BI‑дашборды: FRT/AHT/конверсия/выручка по сегментам.
4. Оформляем политику ПДн: маскирование полей, on‑prem хранение, аудит‑лог.

9) Комплаенс (152‑ФЗ)

• Все персональные данные обезличены; доступ по ролям (RBAC/ACL).
• Документы и регламенты хранятся on‑prem; ведётся журнал доступа.
• Внешние модели вызываются через шлюз с маскированием PII‑полей и кэшированием промптов.

FAQ (коротко)

Можно ли запустить без смены CRM? Да, интеграция через API/вебхуки, SberCRM/другие поддерживаются. Как контролируете «галлюцинации»? RAG‑ответы с цитатами и версиями документов; без цитаты — ответ «нет данных». Что если трафик «проседает» сезонно? Используем A/B‑контроль с выравниванием по времени и каналам. Сколько стоит масштаб? Зависит от пользователей/каналов/инфры; в кейсе пилот обошёлся ~600 000 ₽.

Хотите такой же результат? Напишите нам — проведём 10‑минутный аудит и предложим сценарий пилота.

Связанные материалы

Методология:

• AI‑аудит бизнес‑процессов: полный разбор — как мы диагностировали процессы
• ROI чат-ботов за 8 недель: методика расчёта с шаблоном — расчёт окупаемости этого кейса

Технические детали:

• Как работает RAG на реальных документах SMB в РФ — схема интеграции с CRM
• Интеграция чат-ботов с SberCRM: схема и типовые сценарии — техническая реализация

Другие кейсы:

• Кейс производства: +8% выработки — автоматизация BI-процессов
• Кейс сервисной сети: −32% просроченных SLA — оптимизация поддержки