Завод производит сэндвич-панели и ведёт продажи через 4 аккаунта на Авито — это сотни входящих сообщений каждый день. Особенность ниши: работать выгодно только с крупными заказами, всё остальное производству в минус.

Квалифицированная заявка («квал») на заводе — это заказ от 150 м² по каждой позиции. Например, 180 м² стеновых панелей — квал, заказ берут в работу. А 120 м² кровельных и 50 м² стеновых — уже не квал: слишком мелко для производства.

До обращения в Савви на заводе уже стоял бот, но он не справлялся с этой логикой. Звучит просто — квалифицировать лид по объёму, — но старый бот неверно считал математику: путался, когда клиент писал сразу несколько позиций, и иногда противоречил сам себе в одном диалоге.

Аудит переписок показал, где терялись деньги: до 70% рабочего времени менеджеров уходило на первичную фильтрацию входящих — вместо работы с реально крупными сделками. Узким местом оказалось отсутствие жёсткой математической логики в принятии решения «квал / не квал».

Задача интеграции AI-ассистента:

• научить бота безошибочно считать квадратуру по нескольким позициям одновременно
• автоматически квалифицировать лид по объёму заказа — от 150 м² по каждой позиции
• покрыть все 4 аккаунта Авито и обеспечить бесперебойную работу 24/7
• передавать в CRM только готовую, проверенную заявку
• освободить менеджеров от ручной фильтрации мелких заказов

Прежде чем подключать боевую систему, собрали демо-бота в Telegram — заказчик лично «пытал» его самыми заковыристыми запросами, проверяя, как ИИ считает квадратуру и разделяет типы панелей. Только когда бот доказал, что считает точнее прежней системы, стороны договорились о полноценном внедрении.

В основе решения — нейросеть Grok, выбранная за то, что она реже «фантазирует» с фактами и жёстче следует заданным правилам. Инструкция для квалификации предельно простая: видит меньше 150 м² — вежливо прощается, видит больше — берёт контакт. Grok выполняет её буквально.

Теперь AI-сотрудник:

• вычленяет цифры из свободного текста клиента и сопоставляет их с категориями — стены или кровля, а не считает «в среднем»
• оперирует техническими данными на уровне ведущего инженера завода: разбирается в плотности утеплителя (PIR, минвата, пенополистирол), типах замков и огнестойкости
• ориентируется в полном цифровом каталоге — сотнях комбинаций толщины (от 50 до 250 мм), типов покрытий и палитры RAL — и мгновенно выдаёт точные параметры по запросу
• сам квалифицирует лид и передвигает сделку на нужную стадию в Bitrix24
• работает одновременно на всех 4 аккаунтах Авито, без выходных

В основу базы знаний легли не шаблонные ответы, а вся разрозненная документация завода — от технических регламентов производства до ответов на самые сложные вопросы клиентов, собранная в единую структуру.

Первым шагом стал не новый промпт, а разбор того, почему старая система вообще путалась и врала клиентам. Анализ переписок показал: прежний бот работал по линейным скриптам, и как только клиент писал что-то вроде «мне нужно 100 метров стеновых и 200 кровельных», система впадала в ступор или считала среднее арифметическое вместо раздельного подсчёта по категориям.

Решить это одним промптом было нельзя — потребовалась пересборка логики с нуля: обучить ИИ вычленять цифры из текста и сопоставлять их с нужной категорией, а не просто «поддерживать диалог». Отдельной работой стало и оцифровка сложного прайса — сотен комбинаций толщины, покрытий и цвета, — чтобы бот безошибочно разделял позиции на стеновые и кровельные, даже если сам клиент путался в замерах.

1. 1 263 квалифицированных диалога обработаны на 4 аккаунтах Авито — от первого «Здравствуйте» до готовой квалификации.
2. 95% сообщений обрабатываются без участия человека. Менеджеры работают только с горячими заявками от 150 м².
3. Более 6 500 сообщений обработано из 6 966 поступивших.
4. 15 ₽ — стоимость одного квалифицированного диалога, в рамках которого ИИ выявил потребность, проверил объём и взял контакт клиента.

Завод перестал «захлёбываться» в сообщениях. Менеджер получает в CRM не «просто сообщение», а готовую карточку — с именем клиента, точным объёмом по позициям и телефоном. Отдел продаж занимается продажами, а не арифметикой, а масштабировать поток заявок теперь можно без роста нагрузки на персонал.