01
Контекст
Региональный генподрядчик: частные дома, реконструкция коммерции, проектирование. Маркетинг лил трафик на лендинги ЖК и услуг «под ключ»; amoCRM — единая воронка для пяти менеджеров и двух инженеров сметного отдела.
Кейс · AI-агенты · Lumen.studioКвалификация заявок с сайта
Квалификация заявок с сайта
Строительная компания · CRM
Генподрядчик получал десятки заявок с лендинга, но менеджеры тратили по 20 минут на «холодных» без бюджета и объекта. Бот на сайте и в WhatsApp собирает параметры проекта и пишет в amoCRM только квалифицированные лиды — +52% целевых сделок.
+52%Квалифицированных лидов
−35%Время менеджера
−22%No-show на созвон
10 днейСрок запуска
В двух словах
Проект под NDA: название компании, домен и персональные данные не разглашаем. Описание обезличено.
01 · Исходная ситуация
Что происходило до проекта
02
Наблюдение 2
Боль: 45% лидов с формы «Получить смету» — без реального бюджета, «просто узнать цену за квадрат», или география вне зоны работы компании. Менеджер узнавал это только после созвона на 15–25 минут. РОП хотел фильтр до попадания в CRM, но боялся потерять «тёплых» из-за длинной формы.
03
Наблюдение 3
Lumen.studio предложил диалоговую квалификацию: короткий диалог на сайте и в WhatsApp после клика с рекламы. ИИ уточняет тип объекта, площадь, бюджет, срок, адрес — и только при совпадении с ICP создаёт сделку с заполненными полями и score.
02 · Ход работы · 01
Почему форма из восьми полей не работала
01
Что сделали
A/B-тест лендинга показал: расширенная форма снизила конверсию с 3,1% до 1,8%, но качество лидов не выросло — пользователи вводили случайные цифры. Диалоговый интерфейс дал 2,9% CR при более честных ответах: бот переспрашивает мягко («уточните, это бюджет на коробку или под ключ?»). Сегментация ICP: бюджет от X млн, радиус 120 км от базы, срок старта < 18 мес. Вне критериев — не спам, а nurture: PDF с кейсами и подписка на рассылку, без задачи менеджеру.
03 · Ход работы · 02
Сценарий + LLM для свободного текста
01
Что сделали
Каркас — finite-state machine: обязательные слоты (тип, площадь, бюджет, локация, срок). YandexGPT обрабатывает свободные реплики («хочу как у соседа, двухэтажный, но подешевле») и маппит в structured JSON для amoCRM. Галлюцинация по бюджету блокируется: если модель не уверена — явный вопрос с вариантами кнопками. Widget на Next.js-лендинге (static export); WhatsApp — тот же backend через Business API, UTM пробрасываются в custom fields сделки. Интеграция amoCRM: создание сделки, контакт, привязка к pipeline «Новые», теги utm_source/medium/campaign, задача менеджеру «перезвонить за 15 мин» только для score ≥ 70.
04 · Ход работы · 03
Scoring и прозрачность для отдела продаж
01
Что сделали
Score 0–100: бюджет (35%), география (25%), срок (20%), полнота данных (20%). Metabase-дашборд для РОП: воронка bot → CRM → созвон → КП. Менеджеры поначалу не доверяли «боту» — через две недели перестали спорить, когда увидели, что no-show на созвоны упал: клиент уже проговорил ожидания с ботом. Еженедельный digest РОП: топ-5 лидов по score и три «упущенных» nurture — marketing подкрутил креативы под ICP, который bot подтвердил данными.
05 · Ход работы · 04
Результаты за квартал
01
Что сделали
Доля квалифицированных лидов в CRM выросла с 38% до 58% (+52% relative). Время менеджера на первичный контакт сократилось с 22 до 14 минут в среднем — потому что карточка сделки уже структурирована. Два менеджера смогли обрабатывать на 30% больше входящих без найма. Стоимость лида из контекстной рекламы снизилась на 18% за счёт отсечения явного off-target до оплаты клика менеджерским временем — indirect effect, но CFO это понял.
06 · Результат
Что изменилось после запуска
+52%
Квалифицированных лидов
Relative, доля лидов с score ≥ 70
−35%
Время менеджера
Первичный контакт и заполнение CRM
−22%
No-show на созвон
Клиент уже прошёл диалог-квалификацию
10 дней
Срок запуска
Widget + WhatsApp + amoCRM
Следующий шаг
Разобрать похожую задачу.
Не будем натягивать этот кейс на вашу ситуацию. Сначала посмотрим на процесс и данные, которые есть именно у вас.
Владимир · вся Россия