Предиктивный контроль в продажах: ИИ предсказывает срыв сделки

Предиктивный контроль в продажах: ИИ предсказывает срыв сделки

Предиктивный контроль в продажах – это автоматический мониторинг сигналов угрозы до того, как сделка потеряна. Система анализирует данные внутри 1С, выявляет комбинации признаков, исторически предшествовавших срыву, и поднимает флаг за 5-7 дней до дедлайна. Руководитель получает уведомление, когда ещё есть время вмешаться, а не констатировать потерю.

Почему обычный контроль опаздывает

Стандартный контроль в большинстве компаний выглядит так: планёрка в понедельник, отчёт по воронке в пятницу, разбор «упущенных» по итогу месяца. К моменту разбора клиент уже подписал с конкурентом.

Проблема не в дисциплине менеджеров. Проблема в том, что система фиксирует факты: сделка закрыта, сделка потеряна. Предупреждать о риске заранее её никто не настроил.

Предиктивный подход переворачивает это. Система не констатирует факты – она предупреждает о рисках, пока ещё есть время на действие.

Что именно читает ИИ в ваших данных

Модель не использует ничего, чего нет в 1С. Она читает то, что уже там хранится:

  • Дата последнего входящего контакта от клиента – когда, каким способом, была ли реакция.
  • Динамика ответов: раньше клиент отвечал за 3 часа, теперь за 3 дня – это уже сигнал.
  • История коммерческого предложения: выслали, открыли ли, скачивали ли повторно.
  • Изменение суммы сделки: снижение на 20% и более за последние 10 дней – тревожный признак.
  • Состав переговорной команды: если финдиректор перестал участвовать в звонках – решение, скорее всего, отложено.
  • Просроченные задачи по сделке: 2 и более просроченных задачи дают риск срыва около 58% по статистике CRM-внедрений.

Именно комбинация этих сигналов, а не один признак, даёт точность предсказания 70-80%. Один «молчащий» клиент – ещё не катастрофа. Молчащий клиент плюс сниженная сумма плюс зависшая стадия – уже красный флаг.

Чем подробнее менеджеры заполняют данные в 1С, тем точнее работает модель. Это прямая зависимость без исключений. Для начала достаточно фиксировать факт контакта, канал и результат – три поля. Подробнее о том, как правильно настроить скоринг работы менеджеров по клиентской базе, – в статье «Скоринг клиентов в 1С с помощью ИИ: приоритеты для дебиторов и горячих покупателей».

Рабочая формула – без ИИ, только 1С

Если внедрять полноценный ИИ пока рано, начните с простого порогового правила. Его можно поставить на поток в виде регламентного задания в 1С.

Индекс риска срыва = (Дней без контакта / Средний цикл сделки) × 100

При результате от 30 до 50% – жёлтый сигнал: нужен звонок сегодня. При более 50% – красный: руководитель подключается лично.

Пример: средний цикл сделки в вашей компании – 28 дней. Клиент молчит 10 дней. Индекс = 10 / 28 × 100 = 35,7%. Жёлтый сигнал. Менеджер звонит сегодня, а не ждёт планёрки в понедельник.

Регламентное задание в 1С пересчитывает каждую активную сделку раз в сутки и создаёт задачу менеджеру при превышении порога. Настройка занимает 40-60 минут для программиста 1С.

Типичная ошибка: реагировать на факт вместо сигнала

Разбор реального кейса. Компания поставляла торговое оборудование. Средний чек – 380 000 ₽, цикл сделки – 21 день.

Менеджер вёл переговоры 18 дней. На 15-й день клиент перестал отвечать. Менеджер не создал задачу, не пометил сделку как зависшую. На 20-й день написал «Жду ответа» в мессенджере. Ответа не было. На 22-й день директор узнал об этом на планёрке.

Позвонили. Клиент уже подписал контракт с конкурентом на 340 000 ₽.

Что сломалось: нет автоматического триггера «нет входящего контакта 3 дня по активной сделке». Такой триггер настраивается за один рабочий день. Стоимость его отсутствия в этом кейсе – 380 000 ₽.

Если в компании 5 менеджеров и каждый теряет одну такую сделку в квартал, потери составляют 7,6 млн ₽ в год. При обороте 100 млн это 7,6% выручки, которая уходит не к конкуренту, а просто в никуда из-за отсутствия контроля в нужный момент.

Чек-лист: 8 триггеров срыва для автоматического контроля

Все восемь можно реализовать в 1С через регламентные задания и уведомления – без отдельной CRM и без ИИ. Автоматически проверять каждую сделку по этим критериям ежедневно можно через готовые модули контроля в 1С, но и своими силами это решаемо при наличии штатного программиста.

  • Нет входящего контакта от клиента более 3 рабочих дней по активной сделке – жёлтый сигнал.
  • Нет исходящего контакта от менеджера более 2 рабочих дней – жёлтый.
  • Сумма сделки снизилась более чем на 15% за последние 7 дней – красный.
  • КП выслано, но не открыто в течение 48 часов – задача «Уточнить получение».
  • Просроченных задач по сделке 2 и более – уведомление руководителю в день просрочки, не в конце недели.
  • Стадия сделки не менялась более 10 дней при плановом цикле 21-30 дней – красный.
  • Следующая задача не создана в день проведения встречи – жёлтый.
  • Слово «конкурент» упомянуто в комментариях к сделке – задача «Подготовить контрпредложение».

Первые три пункта, по практике внедрений в торговых компаниях с оборотом до 300 млн ₽, закрывают около 70-75% случаев срыва. Остальные пять добавляют точность в нестандартных ситуациях.

Когда нужен ИИ-слой поверх правил

Простые пороги работают хорошо. ИИ добавляет один важный слой: он учитывает комбинацию сигналов, а не проверяет каждый по отдельности.

«Нет контакта 3 дня» само по себе ещё не катастрофа – у клиента мог быть отпуск. Но «нет контакта 3 дня + сумма снизилась + стадия стоит 12 дней» – это уже 80-85% вероятность срыва по обученной модели.

Модель обучается на вашей же истории сделок: выигранных и проигранных. Компании с историей от 200 закрытых сделок получают рабочую модель за 4-6 недель. До 200 сделок – работайте с пороговыми правилами из чек-листа выше, это уже даёт результат.

Подробнее о том, как ИИ выявляет слабые места в воронке и где именно теряются деньги, – в статье «Нейросеть для анализа воронки продаж в 1С: где теряются деньги».

Это можно не делать руками. Виртуальные сотрудники внутри 1С проверяют 100% активных сделок по заданным триггерам каждый день, ставят задачи менеджерам при отклонении и перепроверяют исправления без участия руководителя в этой цепочке. Посмотрите, как работают виртуальные сотрудники контроля качества в 1С – сводка в Telegram вместо ручных проверок.

Частые вопросы

С какого количества сделок имеет смысл строить предиктивную модель?

От 200 закрытых сделок в истории – достаточно для первой рабочей модели с точностью 65-70%. При 500 и более сделках точность вырастает до 78-82%. До 200 сделок работайте с пороговыми правилами из чек-листа – это уже даёт измеримый результат.

Нужно ли менять CRM или можно работать на текущей 1С?

Для базовых пороговых правил хватает стандартной 1С:CRM или даже самописного учёта сделок. Для ИИ-слоя нужна выгрузка истории в JSON или CSV – это стандартная операция. Менять платформу не нужно.

Как убедить менеджеров фиксировать контакты в 1С?

Прямо связать с KPI. Не «просьба вносить данные», а «без записи контакта в 1С сделка не считается активной и не засчитывается в план». Переход занимает 2-3 недели дисциплины. Работает только если правило действует без исключений.

Предиктивный контроль заменяет менеджера или помогает руководителю?

Инструмент руководителя. Менеджер по-прежнему ведёт клиента. Система только поднимает флаг, когда что-то идёт не так. Решение, звонок, контрпредложение – за человеком. Система убирает слепые пятна, а не заменяет здравый смысл.

88447819