Четвёртый кейс из серии про AI-агентов — снова про аккаунт-менеджеров, но с другого конца. Здесь проблема была не в сборе информации, а в том, что с клиентской базой в принципе работали хаотично.
- Сигналов риска не было. CRM настроена неправильно — оперативно понять, кто под риском, из неё невозможно.
- Плейбуков не было. Менеджеры не знали, что делать с рискованными клиентами.
- Портфели жили в Excel. Там же работал и руководитель: к таблицам привыкли, чинить Битрикс никто не собирался.
- Компетенций на стратегию не хватало. Аккаунты не умели выстраивать работу с клиентом, а бизнес не давал им понятных инструментов.
- Клиентов много — работать по всем руками было физически сложно.
Знакомая картина для больших компаний. При этом важная деталь: базовые данные, чтобы начать разбираться с клиентами, в Битриксе были. Хаос был не в данных, а в работе с ними.
Задача
Снизить отток, увеличить удержание и вырастить выручку по базе. Не «переучить менеджеров» и не «переехать на новую CRM» — а сделать так, чтобы правильные действия происходили при текущей команде и текущих системах.
Что сделали
Внедрили агента, который работает по принципу подсвечивания клиентов с высоким риском. По каждому клиенту он ежедневно считает health score — сводную оценку состояния. Рискованные клиенты каждый день уходят менеджеру в работу — в виде поставленной задачи, где уже написано:
- почему этот клиент требует внимания;
- какой следующий шаг с ним нужно сделать.
Агент учитывает предыдущую историю коммуникаций и корректирует рекомендацию: как идти к этому клиенту и что именно делать. Внутри зашит оркестратор и плейбуки — из них собираются правильные задачи для менеджеров.
Три категории клиентов
| Категория | Что с ней делает система |
|---|---|
| Нормальные | Периодические касания: частота и способы взаимодействия — в рамках существующего процесса |
| Под риском | Менеджер подключается и работает по конкретным рискам, которые нашёл агент |
| Максимально лояльные | Высокий индекс — по ним формируются задачи на апсейл |
По сути была построена модель предиктивного анализа по клиентам плюс постановка задач менеджерам, которые их выполняют.
Результаты
Эффект замеряли на тестовых группах — агент был подключён на часть тарифов.
Помимо количества выросло и качество взаимодействий: каждое касание стало предметным — по конкретному риску или конкретной возможности, а не «как у вас дела».
Вывод
Хаос в аккаунтинге редко чинится дисциплиной — «ведите CRM правильно» не работает годами. Здесь сработал другой ход: не заставлять людей анализировать базу, а забрать анализ у людей совсем. Данные для этого почти всегда уже есть — даже в неухоженном Битриксе. Сегодня это отдельный слой цифрового помощника менеджера — он сам приходит каждый день и говорит, кто под риском и что с этими клиентами делать сегодня.
Остальные кейсы серии: агент-сводка «Состояние клиента», AI-агент на первой линии поддержки и как AI-агенты заменяют менеджеров.