Проблемът
Компания за B2B SaaS с екип по продажби от 5 души получава ежедневно 50 входящи запитвания през различни канали (контактна форма, имейл, LinkedIn). Всяко запитване се чете, оценява и категоризира ръчно — само за това служител по продажбите отделя ежедневно 2–3 часа.
Основният проблем: 30% от запитванията са спам или очевидно нетърговски. Още 40% са лийдове с ниско качество (грешен размер на фирмата, грешен бюджет, неподходящ use case). Само 30% от запитванията са истински А-лийдове — но екипът по продажби ги вижда едва след като обработи всички останали.
- 50 запитвания/ден — от които само 15 (30%) са истински А-лийдове
- 3ч дневно на служител за ръчна квалификация
- 30% спам/нетърговски — чиста загуба на време
- Време за отговор за А-лийдове: средно 4–8 часа (защото потъват в опашката)
Решението
Внедряване на система за скоринг на лийдове с ИИ, която оценява входящите запитвания по BANT-рамката (Budget, Authority, Need, Timing):
- Агент за разпознаване на намерение: Анализира имейла на запитването за сигнали за покупка, размер на фирмата, бранш и конкретно описание на проблема. Генерира оценка на намерението (0–100).
- BANT-скоринг агент: Оценява наличната информация по бюджетни сигнали, статус на вземащия решение, конкретна нужда и индикатори за времеви момент. Създава скоринг матрица с обосновка.
- Агент за маршрутизиране: А-лийдовете (скор >70) се ескалират незабавно към продажбите с пълен контекстен брифинг. Б-лийдовете влизат в стандартната опашка. В-лийдовете и спамът се филтрират.
Стек: Claude API за анализ на намерението и скоринг, Python webhook за имейл интеграция, CRM връзка чрез REST API за автоматично създаване на лийдове.
Резултати
| Метрика | Преди | След | Подобрение |
|---|---|---|---|
| Ръчни усилия за квалификация | 3ч/ден | 0,5ч/ден | −83% |
| Време за отговор А-лийдове | 4–8 часа | 20 минути | 95% по-бързо |
| Процент филтриран спам | ръчно | 95% автоматично | напълно |
| Процент сключени сделки | 22% | 30% | +35% (относително) |
| Авто-квалифицирани лийдове | 0% | 60% | +60пп |
Времева линия на внедряването
- Седмица 1Анализ на входящите запитвания от последните 3 месеца. Дефиниране на модели за А/Б/В-лийдове. Изготвяне на специфични BANT критерии за компанията.
- Седмица 2Разработване на агента за разпознаване на намерение и тестване с исторически данни. Оптимизиране на прецизност/пълнота — цел: А-лийдовете никога да не бъдат класифицирани като В.
- Седмица 3Настройка на CRM интеграцията, логиката за маршрутизиране и имейл webhook-а. Мек старт: системата работи паралелно с ръчната квалификация.
- Седмица 4Сравнение на ИИ скоринга спрямо човешката преценка. Калибриране на праговете на оценката. Пълно внедряване.
Поуки и добри практики
- Избягване на фалшиво отрицателни резултати: По-добре Б-лийд да бъде класифициран като А, отколкото обратното. При съмнение: по-висок скор, продажбите виждат повече — но не губят нито един истински лийд.
- Контекстният брифинг е решаващ: Агентът за маршрутизиране не дава на продажбите само приоритет, а брифинг от 3 изречения: Кой? Какво? Защо сега? Това спестява още 10 минути на А-лийд.
- Хигиена на CRM: Автоматичното създаване на лийдове с поле за оценка в CRM позволява по-късен анализ: корелира ли ИИ оценката с вероятността за сключване на сделка? След 8 седмици: да, с корелация 0.73.
Екипът по продажби първоначално беше скептичен. След две седмици паралелна работа цифрите убедиха: ИИ оценката корелираше на 85% с човешката преценка — при нулево усилие.
Този казус е илюстративен. Показаните метрики се базират на типичен опит от внедрявания и средни стойности за бранша. Не става дума за реален клиентски проект или реални клиентски данни.