Бот LVMN: автоматизация ответов клиентам (кейс)

Ваш клиентский сервис ещё не умер? Тогда мы идём к вам!

Шучу, конечно, но если ваши менеджеры до сих пор тратят драгоценное время на однотипные вопросы вроде "Сколько стоит?" или "Как заказать?", вы теряете деньги и рискуете потерять клиентов. Они просто устанут ждать ответа. Представьте: 3-4 часа в день на рутину, которую можно автоматизировать!

В этой статье мы покажем, как LVMN решила эту проблему. Мы внедрили ИИ-агента, который сам отвечает клиентам, обрабатывает запросы и даже отправляет лиды в CRM. Вы узнаете о нашей внутренней кухне, получите готовые промпты и пошаговое объяснение работы системы. Приготовьтесь узнать, как превратить рутину в эффективную автоматизацию!

От рутины к автоматизации: почему мы перешли к ИИ-агентам

Помните, как пару лет назад все хвалили чат-ботов? Типа, вот оно, будущее! Но на практике большинство из них были тупыми, как пробка, и только раздражали клиентов. "Чат-боты путаются, менеджеры устают", — писали на vc.ru (Чат-боты путаются, менеджеры устают. Сравнили с ИИ-сотрудником — и вот сколько он экономит бизнесу). Это чистая правда. Они не могли мыслить за рамками заложенных скриптов, а любое отклонение от "идеального" пути превращало диалог в цирк.

Нам, как агентству, которое строит ИИ-продукты, было ясно: нужен совершенно другой подход. Не просто скрипты, а что-то, что сможет понимать контекст, вести осмысленный диалог и проявлять инициативу. Так мы пришли к ИИ-агентам. Это практически цифровые сотрудники, способные решать задачи, которые раньше требовали человеческого участия.

Основная идея проста: снять с живых менеджеров рутину, чтобы они могли сосредоточиться на сложных, творческих задачах, которые действительно приносят деньги. Наши клиенты, например, владелец небольшого онлайн-магазина, тратил по 3-4 часа в день, отвечая на одни и те же вопросы в Direct и мессенджерах. Это время он мог бы потратить на стратегию, поиск новых поставщиков или развитие бизнеса. В итоге, его бизнес буксовал.

Как ИИ-агент LVMN обрабатывает запросы: пошаговый разбор нашей системы

Мы строим наши ИИ-агенты на базе Telegram, потому что это популярная платформа для общения с клиентами. Плюс, Telegram-боты с ИИ позволяют очень быстро запускать MVP и тестировать гипотезы. Далее мы подробно разберем, как это работает на примере нашего собственного ИИ-агента, который сам обрабатывает запросы клиентов, приходящих к нам в LVMN.

Шаг 1: Приём входящего сообщения и анализ намерения пользователя

Когда клиент пишет нам в Telegram, сообщение сначала попадает к нашему ИИ-агенту. Первое, что он делает, — анализирует намерение пользователя. Что он хочет? Заказать бота? Узнать цены? Задать общий вопрос? Нам здесь помогает большая языковая модель (LLM), например, GPT-4 или Claude 3.

Промпт для анализа намерения примерно такой:

Ты — ассистент ИИ-агентства LVMN. Твоя задача — определить цель обращения пользователя.
Возможные цели:
1. Запрос на разработку Telegram-бота с AI
2. Запрос на автоматизацию бизнес-процессов (n8n-воркфлоу)
3. Запрос на разработку AI-сервиса (генерация контента, мультичаты, AI-ассистенты)
4. Вопрос о ценах/пакетах LVMN
5. Общий вопрос/консультация
6. Прочее (не соответствует ни одной из вышеперечисленных категорий)

Сообщение пользователя: "{user_message}"

Определи цель обращения и верни только номер категории. Если есть несколько подходящих целей, выбери наиболее приоритетную.

На основе этого ответа система понимает, куда дальше направить диалог. Это фундамент для дальнейшей автоматизации поддержки и эффективного взаимодействия с клиентом.

Шаг 2: Сбор необходимой информации для квалификации запроса

Если клиент хочет заказать ИИ-продукт, ИИ-агент начинает задавать уточняющие вопросы. Наша цель — собрать максимум информации. Так менеджер, если к нему дойдёт дело, уже будет иметь полное представление о запросе.

Например, если цель определена как "Запрос на разработку Telegram-бота с AI", ИИ-агент может спросить:

• "Для какой сферы бизнеса вам нужен бот?"
• "Какие основные функции должен выполнять бот?"
• "Есть ли у вас уже какие-то идеи или примеры?"

Всё это происходит в режиме диалога. ИИ-агент не просто выдаёт список вопросов, а ведёт беседу, подстраиваясь под ответы пользователя. Для этого мы используем контекстное окно LLM, чтобы нейросеть "помнила" предыдущие реплики.

Шаг 3: Предоставление информации и ответы на вопросы из базы знаний

Параллельно со сбором информации, ИИ-агент готов ответить на часто задаваемые вопросы. Мы подключаем к нему базу знаний (например, Google Docs или Notion), где хранится вся актуальная информация о наших услугах, ценах и кейсах. Этот подход часто называют RAG (Retrieval-Augmented Generation). Он позволяет ИИ использовать свежие данные и говорить "голосом вашего бренда", как писали РБК Компании (Как заставить ИИ говорить голосом вашего бренда).

Пример промпта для ответа на вопросы из базы знаний:

Ты — ассистент ИИ-агентства LVMN. У тебя есть доступ к базе знаний об услугах, ценах и кейсах LVMN.
Ответь на вопрос пользователя, используя только информацию из базы знаний. Если информации нет, скажи, что не можешь ответить и предложи связаться с менеджером.
База знаний:
---
[Содержимое базы знаний: описание услуг, цены пакетов Старт, Рост, Трансформация, FAQ и т.д.]
---
Вопрос пользователя: "{user_question}"

Шаг 4: Квалификация лида и автоматическая отправка в CRM

Когда ИИ-агент собрал достаточно информации и ответил на основные вопросы, он квалифицирует лида. Это значит, что он определяет, насколько клиент готов к покупке или дальнейшему общению с менеджером. Если лид "горячий" (клиент проявил явный интерес, предоставил контакты, описал задачу), ИИ-агент автоматически создаёт заявку в нашей CRM-системе (например, Pipedrive или AmoCRM). При этом вся собранная информация аккуратно пакуется в нужные поля.

Именно этот шаг позволяет бизнесу получить до +30% выручки, как отмечали на vc.ru (Кейс: как 1 ИИ-менеджер (ИИ-бот) в Telegram может дать бизнесу до +30% выручки благодаря автоотправке лидов в CRM — amoCRM / Битрикс24 / YCLIENTS — ИИ на vc.ru). Менеджеры получают уже обработанных, заинтересованных клиентов, а не просто кучу спама.

Шаг 5: Передача менеджеру или дальнейшая автоматизация процесса

Если запрос сложный, нестандартный или ИИ-агент не смог полностью квалифицировать лида, диалог передаётся живому менеджеру. Но даже в этом случае менеджер получает не пустое сообщение, а всю историю переписки с ИИ-агентом и собранную информацию. Это экономит время и позволяет сразу погрузиться в суть вопроса, вместо того чтобы переспрашивать одно и то же.

Кстати, об автоматизации процессов, которая связывает людей, роботов и LLM-агентов. Подробнее об этом можно почитать в Цифровой конвейер в банке: как BPM связывает людей, роботов и LLM-агентов. Мы строим аналогичные "цифровые конвейеры" для малого и среднего бизнеса, обеспечивая бесшовное взаимодействие.

Как мы это решаем в LVMN: от идеи до деплоя за 3 дня

Мы не просто рассказываем о крутых технологиях, мы их строим. И строим быстро. Наш собственный ИИ-агент для обслуживания клиентов — яркий тому пример. Мы запустили его за 3 дня, используя связку Telegram + LLM (через API) + базу знаний в Google Sheets + n8n для оркестрации процессов.

Вот как выглядел наш путь:

Формулировка задачи и проектирование диалога

1. Формулировка задачи: Снизить нагрузку на менеджеров по обработке входящих запросов в Telegram, ускорить квалификацию лидов.
2. Проектирование диалога: Определили основные сценарии общения, которые чаще всего встречаются. Это как раз те самые "цели обращения", о которых мы говорили выше.

Подготовка базы знаний и разработка n8n-воркфлоу

3. Подготовка базы знаний: Собрали всю информацию о наших услугах, ценах, кейсах, FAQ в удобный формат, доступный для LLM.
4. Разработка n8n-воркфлоу: Это сердце нашей автоматизации. n8n — инструмент для автоматизации без кода (low-code), который позволяет связывать разные сервисы. Здесь мы настроили логику:
   • Получение сообщения из Telegram.
   • Отправка сообщения в LLM для анализа намерения.
   • В зависимости от намерения, либо формирование ответа из базы знаний, либо генерация уточняющих вопросов, либо отправка данных в CRM.
   • Отправка ответа пользователю в Telegram.
   • Логирование всех диалогов.

Тестирование и доработка системы

5. Тестирование и доработка: Прогнали через бота десятки тестовых диалогов, чтобы отловить ошибки и улучшить качество ответов.

В итоге, наш ИИ-агент теперь обрабатывает до 70% входящих запросов без участия человека. Это не только экономит время, но и позволяет нам отвечать клиентам 24/7, не теряя ни одного лида. Кстати, подобные решения помогают сохранять сервис "человечным", автоматизируя рутину, а не личное общение, о чем писали РБК Компании (Как и почему ИИ помогает сохранять сервис человечным).

Не просто бот, а полноценный ИИ-сотрудник для вашего бизнеса

Что делает наших ИИ-агентов особенными? Это не просто скрипты. Мы даем им "личность" и "контекст". Каждый наш ИИ-агент обучен быть экспертом в конкретной области бизнеса клиента. Он знает всё о продукте, услугах, ценах, акциях. Он может не просто ответить на вопрос, но и предложить сопутствующие товары, записать на услугу или даже оформить предварительный заказ. Всё это — часть стратегии по автоматизации поддержки, когда рутинные задачи делегируются цифровому помощнику.

Например, для одного из клиентов, который занимается доставкой еды, мы сделали ИИ-агента, который не только принимает заказы, но и:

• Предлагает акционные комбо-наборы.
• Уточняет наличие ингредиентов.
• Отвечает на вопросы о времени доставки.
• Собирает обратную связь после заказа.

Это позволило им не просто сократить время обработки заказов, но и увеличить средний чек. Менеджеры занимаются только сложными кейсами и маркетингом, а рутину выполняет ИИ, который никогда не устает и не болеет.

Кому подойдут наши ИИ-агенты?

Наши ИИ-агенты идеально подходят для:

• Онлайн-магазинов и e-commerce: обработка заказов, ответы на вопросы о наличии, доставке, оплате.
• Сферы услуг: запись клиентов, консультации, сбор отзывов.
• Образовательных проектов: ответы на вопросы о курсах, расписании, регистрации.
• Компаний с большим объёмом входящих запросов: снижение нагрузки на техподдержку.

Любому бизнесу, где есть повторяющиеся коммуникации с клиентами, ИИ-агент принесёт пользу. Как мы писали в статье Telegram-бот: экономия 40 часов в месяц для ресторана, такие решения освобождают человеческие ресурсы для более стратегических задач.

Заглядывая в будущее ИИ-агентов: новые возможности для вашего бизнеса

Мы видим, как ИИ-агенты постоянно развиваются. Уже сейчас они способны не только отвечать на вопросы, но и проактивно взаимодействовать с клиентами, предвосхищая их потребности. Например, предлагать товары на основе истории покупок или напоминать о предстоящих событиях. Это новая реальность в обслуживании клиентов.

Мы в LVMN постоянно экспериментируем с новыми моделями, интегрируем их с различными системами (CRM, ERP, Google Sheets, Supabase) и ищем новые сценарии использования. Наша цель — строить не просто ботов, а полноценные цифровые экосистемы, которые помогают бизнесу расти и процветать.

Мы предлагаем различные тарифы и решения, которые адаптируются под ваши потребности и бюджет.

Если вы хотите узнать, как ИИ может помочь вашему бизнесу сократить рутину, увеличить продажи и улучшить клиентский сервис, не тратьте время на долгие раздумья.

Напишите «Аудит» в Telegram – разберём ваш бизнес и предложим конкретное решение уже сегодня!

Написать в Telegram