Ульяна и Оля из Таунсенд: Мессенджеры|ИИ|CRM-маркетинг

Новинок пока нет. Скидку уже давали. Напоминание отправляли три дня назад. Что ещё написать клиентам?

Этот вопрос регулярно возникает, когда работа с базой сводится только к рассылкам. В октябре подробно расскажем и покажем на примерах, на что ещё способны мессенджеры. Если вы уже освоили рассылки и ищете новые способы вовлекать клиентов, обрабатывать обращения и упрощать сервис, этот месяц будет для вас полезным.

Вот какие механики разберём

1. Квизы, калькуляторы и подбор. Помогают человеку разобраться в вариантах и получить рекомендации или расчёт под свою задачу.

2. Проба продукта и персональная консультация. Дают небольшой полезный результат до покупки и помогают оценить, подходит ли человеку предложение.

3. Ивентные механики. Связывают регистрацию, активности на площадке и дальнейшую коммуникацию с участниками.

4. Посадочная воронка. Помогает подхватить входящее обращение, уточнить запрос и передать менеджеру контекст.

5. Геймификация. Вовлекает через игры и задания, которые знакомят человека с продуктом и дают повод вернуться.

6. Личный кабинет. Позволяет клиенту самостоятельно решать типовые вопросы после покупки.

В следующих публикациях разберём устройство этих механик: когда они полезны, как связать их с продажами и сервисом, что предусмотреть при запуске. Покажем и примеры реализации в MAX.

Не переключайтесь! 💫

В сентябре на канале говорили о том, как сделать автоматизацию действительно полезной для клиента и бизнеса: не добавлять лишние шаги, правильно подключать ИИ, сопровождать после покупки и использовать сервисные коммуникации как часть продаж.

→ Где нужен ИИ-ассистент, а где обычный чат-бот

Разобрали, чем ИИ-ассистент отличается от алгоритмического чат-бота и в каких задачах нужна гибкость диалога. А ещё рассказали, как тестировать ассистента перед запуском: на типовых, сложных, неполных и спорных запросах, а также на вопросах, где данных в базе знаний недостаточно.

→ Как не превратить автоматизацию в лишний слой

Поговорили о том, почему автоматизация должна сокращать путь клиента, а не заставлять его дольше выбирать пункты меню. Хороший сценарий учитывает клиентский путь, не запрашивает повторно уже известные данные, скрывает внутреннюю логику бизнеса и вовремя передаёт диалог сотруднику.

→ Как сопровождать клиента после покупки

Показали, какие сценарии можно запускать после оплаты: подтверждение заказа, инструкции, помощь с первым использованием, напоминания об уходе, расходниках или продлении. Такая коммуникация помогает клиенту быстрее получить ценность от продукта и создаёт естественные поводы для следующего контакта.

→ Когда клиенту пора предложить следующий продукт

Разобрали, почему хороший момент для следующей продажи появляется не «через 30 дней», а тогда, когда у клиента возникает новая задача. Это можно определить по жизненному циклу продукта: сроку замены, окончанию подписки, завершению курса, статусу заказа или другому событию в системе.

→ Как собирать обратную связь после покупки

Обсудили, почему оценки от 1 до 5 недостаточно, если бизнес не понимает, что именно оценивал клиент. Важно заранее выбрать механику сбора обратной связи и определить, какой сценарий запускает каждый тип ответа: отзыв, уточнение, обращение в поддержку, повторная продажа или доработка процесса.

→ Что такое сервисная коммуникация

Поговорили о подтверждениях, статусах, напоминаниях, инструкциях и сообщениях после покупки. Такая коммуникация не продаёт напрямую, но снижает неопределённость, помогает клиенту двигаться дальше и сохраняет отношения для следующих касаний.

Сервисная коммуникация — это сообщения, которые помогают клиенту двигаться дальше по своему пути: подтверждения, статусы, напоминания, инструкции и уведомления об изменениях.

Её часто путают с поддержкой. Но поддержка обычно подключается, когда у клиента уже появился вопрос или возникла проблема. Хорошая сервисная коммуникация во многих случаях не даёт этой проблеме возникнуть.

Она заранее объясняет, что происходит, подсказывает следующий шаг и помогает клиенту получить пользу от продукта.

Такие сообщения не продают напрямую, но снижают потери на клиентском пути, сохраняют отношения с компанией и создают естественные возможности для повторных продаж.

В карточках показываем на конкретных примерах, как может выглядеть хорошая сервисная коммуникация ➡

«Оцените наш продукт или услугу от 1 до 5».

Клиент выбирает цифру, и вроде бы обратная связь собрана. Но что на самом деле означает оценка «3» — проблема с продуктом, доставкой, сервисом или работой менеджера?

Обратная связь становится полезной, только если бизнес понимает, что именно хочет узнать и какой сценарий запустит каждый тип ответа.

В карточках показываем, как выбрать механику опроса, подходящий момент и дальнейшие действия.

Бывало такое: вы заходите в чат за простым ответом, а через пять минут всё ещё выбираете пункты меню? Или пытаетесь решить проблему, но бот снова и снова возвращает вас к началу? 😡

В такие моменты автоматизация становится ещё одним барьером между клиентом и бизнесом. Хотя её задача ровно обратная: сокращать путь, ускорять решение вопроса и снимать лишние действия и с клиента, и с команды.

В карточках показываем, что важно учесть, чтобы автоматизация действительно упрощала путь клиента. ➡

Хороший момент для следующей продажи наступает не тогда, когда после покупки прошло 30 дней. А тогда, когда у клиента появляется новая задача.

И часто этот момент можно предсказать заранее, если понимать жизненный цикл продукта 💫

Например, фильтр для оборудования постепенно расходует ресурс и требует замены. У ученика заканчивается базовый курс, и появляется выбор следующего уровня. Клиент закончил внедрение одного решения, и теперь ему может понадобиться сопровождение или развитие системы.

Получается, у каждого продукта есть свои точки, в которых возникает естественный повод для следующей коммуникации.

Чтобы их найти, стоит понять:

🔹 Как долго клиент обычно пользуется продуктом?
Есть ли прогнозируемый срок замены, окончания курса, подписки или услуги?

🔹 Что говорит о том, что текущая задача уже решена?
Например, клиент прошёл программу, получил результат, завершил настройку или воспользовался основной функцией продукта.

🔹 Какая потребность возникает после этого?
Продлить, пополнить запас, перейти на следующий уровень, добавить новую функцию, подключить сопутствующую услугу.

🔹 Какой сигнал можно зафиксировать в системе?
Это может быть дата покупки, окончание подписки, количество использований, статус заказа, прохождение этапа или конкретное действие клиента.

На такие события можно завязывать автоматические сценарии: напоминание, полезную рекомендацию или релевантный оффер.
Так коммуникация становится логичным продолжением клиентского пути и появляется именно тогда, когда у человека возникает новая задача.

После оплаты взаимодействие с клиентом не заканчивается 💯
Ему ещё предстоит получить заказ, разобраться с продуктом, настроить его и решить вопросы, которые могут возникнуть в процессе использования.

Часть этого пути можно автоматизировать.

На примере покупки кофемашины в карточках показываем, какие сообщения могут сопровождать клиента после заказа: от подтверждения доставки и помощи с первым запуском до напоминания об обслуживании и предложения подходящих расходников.

Чтобы такая коммуникация работала как единый сценарий, сначала нужно определить основные этапы клиентского пути после покупки. Для каждого этапа понять, какое событие запускает сообщение, какую информацию должен получить клиент, как система реагирует на его ответ и когда необходимо подключить специалиста.

Триггером может стать оплата, доставка, покупка определённой модели, ответ клиента или наступление заданного срока. Данные для запуска сценария можно получать из CRM, интернет-магазина или другой связанной системы.

В результате клиент получает помощь именно тогда, когда она ему нужна, а бизнес автоматизирует значительную часть сопровождения, не превращая коммуникацию в поток случайных рассылок.

Такие сценарии можно реализовать в MAX и последовательно сопровождать клиента после покупки.

Как сделать так, чтобы чат-бот не просто отвечал на вопросы, а реально помогал бизнесу продавать?

На вебинаре вместе с Wahelp поговорим о двух сторонах этой задачи: как привлекать новых клиентов через полезную механику внутри бота и как выстраивать дальнейшую коммуникацию, чтобы доводить до покупки и возвращать снова.

От нашей команды выступит Ольга Дерышева, COO Townsend. Она расскажет, как превратить лид-магнит в пробную версию продукта. Покажет механику, где пользователь получает не очередной гайд, а персональную AI-консультацию, сразу видит ценность продукта и естественно переходит к следующему шагу.

Эксперты Wahelp разберут, как использовать MAX- и Telegram-ботов как постоянный канал продаж и удержания: собирать собственную клиентскую базу, автоматизировать коммуникации на всём пути клиента и работать с повторными продажами.

Будет много практики и конкретных механик, которые можно адаптировать под свои задачи.

👉Зарегистрироваться

Перед запуском ИИ-ассистента стоит проверить на десятках реальных клиентских запросов: простых, запутанных, неполных и тех, на которые в базе знаний вообще нет ответа.

Например, спросить цену, перепутать названия тарифов, описать задачу в нескольких абзацах или запросить услугу, которую компания не оказывает.

Тестовые вопросы лучше собирать из реальных обращений клиентов, вопросов менеджеров и потенциально спорных ситуаций. Чем шире этот набор до запуска, тем точнее можно настроить поведение ассистента в реальной коммуникации.

В карточках собрали основные направления, по которым стоит проверить ИИ-ассистента перед запуском ➡

Реклама дорожает, конкуренция усиливается, а привычные механики запусков перестают давать прежний ROI 👀
Что работает в e-commerce прямо сейчас, лучше всего показывают реальные цифры, а не теория.

10 сентября пройдёт онлайн-мероприятие «Живой разбор кейсов. Маркетинг и продажи в e-commerce».
Формат максимально прикладной: у каждого спикера 15 минут, чтобы показать задачу, выбранные инструменты и полученный результат.

От нашей команды выступит Ольга Дерышева, COO Townsend. Она расскажет, как чат-бот для интернет-магазина корейской косметики стал консультантом, помогал клиенту с выбором и доводил его до покупки.

Также своими кейсами поделятся эксперты Demis Group, Vitamin. Tools и TargetHunter.

📅 10 сентября
🕕 12:00 Мск
💻 Онлайн

Если хотите посмотреть, какие механики сегодня реально работают в e-commerce и что можно применить в своих проектах, присоединяйтесь.

 👉 Зарегистрироваться 👈

Обычный (алгоритмический) чат-бот работает по заранее спроектированной логике.

Например: «Выберите услугу» → «Укажите город» → «Оставьте телефон» → заявка передаётся менеджеру.

Мы заранее знаем возможные действия пользователя и определяем, что бот должен сделать на каждом шаге. Это хорошо работает там, где задача понятная и путь можно разложить на конкретные сценарии.

С ИИ-ассистентом логика другая. Пользователю не обязательно выбирать нужную кнопку или формулировать вопрос так, как предусмотрено сценарием. Он может написать: «Я хочу подключить ваш сервис, но пока не понимаю, какой тариф мне нужен. У нас пять менеджеров и около 300 обращений в месяц». ИИ-ассистент может понять такой запрос, выделить важный контекст, обратиться к базе знаний, задать уточняющий вопрос и сформировать ответ под конкретную ситуацию.

То есть главное отличие — в степени вариативности диалога.

Обычный бот ведёт человека по предусмотренным веткам. ИИ-ассистент может работать там, где заранее невозможно прописать все варианты вопросов и ответов.

Например, в онлайн-школе он может помочь подобрать программу под запрос ученика, в клинике — сориентировать по услуге и подготовке к приёму, а в B2B — разобраться в задаче клиента и предложить подходящий вариант решения.

При этом хороший ИИ-ассистент тоже не работает «как захочет». Для него нужно определить источники знаний, правила, ограничения, допустимые действия и ситуации, в которых диалог необходимо передать человеку. Об этом мы подробно говорили в одном из августовских постов.

Поэтому ещё на этапе проектирования важно понять, насколько вариативными будут запросы пользователей и какой уровень гибкости должен быть заложен в диалог. От этого и зависит, какой инструмент лучше подойдёт под конкретную задачу.

В августе на канале говорили о том, как проектировать сценарии вокруг задачи бизнеса и поведения клиента: что смотреть в аналитике, какие действия считать триггерами, какие данные передавать менеджеру и почему запуск бота — это только часть работы.

→ Как аналитика помогает найти разрывы в воронке

Разобрали, что должна показывать аналитика в мессенджер-маркетинге: не только запуски бота, клики и заявки, но и качество обращений, скорость ответа, передачу данных менеджеру, продажи и выручку.

А ещё поговорили о точках выхода из сценария: если пользователи массово останавливаются на одном шаге, это не готовый диагноз, а повод проверить гипотезы и найти, где реальный путь клиента расходится с запланированным.

→ Какие вопросы задавать перед запуском чат-бота

Хорошая автоматизация начинается не с выбора платформы, а с вопроса: какую именно проблему мы хотим решить?
Если задача звучит слишком широко — «увеличить конверсию» или «разгрузить менеджеров» — сначала нужно понять, где именно возникает разрыв: на входе, после заявки, при передаче данных или на этапе повторного касания.

→ Как действия клиента должны запускать разные сценарии

Поведение пользователя уже может быть триггером для автоматизации: посмотрел стоимость, начал заявку и остановился, несколько раз вернулся к услуге, задал вопрос специалисту или совершил покупку.
Главное — не реагировать на все действия одинаково, а понимать, что изменилось в контексте клиента и какой следующий шаг будет уместен.

→ Что должен получить менеджер после диалога клиента с ботом

На примере онлайн-школы показали, почему имя и телефон — это ещё не полноценная заявка. Менеджеру нужен контекст: запрос клиента, причина интереса, сроки, выбранный сценарий, источник обращения и следующий шаг.
Если эти данные сохраняются в CRM, разговор можно продолжить без повторного опроса, а контекст не теряется после передачи заявки.

→ Почему ИИ-ассистенту нужна спроектированная база знаний

Больше информации не значит лучше. Чтобы ИИ-ассистент отвечал точнее, важно заранее определить его роль, реальные сценарии, источники знаний, границы ответственности и правила обновления базы.
Хороший ассистент не обязан знать всё — он должен понимать, где может ответить сам, а когда нужно уточнить информацию или передать диалог человеку.

→ Как игровой квест помогает вовлекать аудиторию

В кейсе бренда верхней одежды показали, как Телеграм-бот превратил знакомство с ассортиментом в игру: пользователь выбирал героя, проходил холодное путешествие и подбирал одежду под дождь, ветер и мороз.
Игровая механика помогла вовлечь аудиторию, объяснить разницу между моделями и привести пользователя к программе лояльности.

Если пользователи массово прекращают сценарий на одном и том же шаге, это повод присмотреться к нему внимательнее.
Например, человек изучает условия, выбирает подходящий вариант, переходит дальше — а после просьбы оставить номер телефона закрывает бот 👻

Можно решить, что пользователи просто не хотят делиться контактами. Но точка выхода показывает только место, где прервался путь, а не причину.
Возможно, номер запрашивают слишком рано. Пользователь не понимает, зачем его оставлять и что произойдёт дальше. Предыдущие шаги не сформировали достаточной ценности. Или на этом этапе возникла техническая проблема.

При этом не каждый выход нужно считать проблемным 💯 Если человек пришёл узнать стоимость, получил ответ и закрыл бот, сценарий мог выполнить свою задачу.

Поэтому важно сравнивать фактическое поведение с запланированным: какое действие пользователь должен был совершить на этом этапе и почему он его не совершил.
А затем проверять гипотезы с помощью других данных — источника трафика, сегмента пользователя, действий перед выходом, вопросов в диалоге и изменений конверсии после обновления сценария.

В карточках показываем, как анализировать точки выхода и находить элементы сценария, которые действительно стоит доработать.

Конференция WE ARE CRM закончилась, а улыбка осталась)

Было много полезных разговоров, новых замечательных знакомств и невероятной атмосферы.

Спасибо организаторам за это. И моё уже традиционное:

Было очень душевно!

Как и обещала на докладе, прикладываю презентацию по MAX 👇

Кстати, я получила много положительных отзывов о том, что доклад был полезным. Спасибо всем, кто пришёл послушать его в Рязани или смотрел онлайн!

Всем добра и до новых встреч ❤️

Кажется логичным: чем больше материалов дать ИИ-ассистенту, тем лучше он будет отвечать. Загрузить сайт, презентации, инструкции, регламенты, переписку, FAQ — и пусть использует всё, что знает компания.

На практике объём базы сам по себе ничего не гарантирует. Если в ней смешаны устаревшие документы, противоречащие друг другу правила и информация, которая вообще не относится к задаче ассистента, ответы лучше не станут.

Поэтому базу знаний стоит проектировать определенным образом. Как? Отвечаем в карточках ➡

Клиент не всегда прямо говорит, что заинтересовался, сомневается или уже готов принять решение. Но это часто видно по его действиям: он изучает стоимость, возвращается к услуге, начинает оформлять заявку или задаёт уточняющий вопрос.

Каждое такое действие может стать триггером для отдельного сценария. Посмотрел цену — помочь разобраться в предложении. Не завершил заявку — вернуть к нужному шагу. Совершил покупку — перейти к сервисной коммуникации.
Главное — определить, какие действия действительно меняют контекст и какая коммуникация должна запускаться после каждого из них.

В карточках собрали модель триггерной коммуникации на примере фитнес-клуба: что сделал клиент и какой сценарий должен запуститься дальше. Листайте ➡

21–22 августа конференция WE ARE CRM в Рязани!

Мой доклад «MAX для бизнеса: первые результаты, живые кейсы и разбор ошибок первопроходцев» про то, что мы уже успели увидеть в реальных проектах: что работает, что не работает и где бизнесы чаще всего ошибаются.

А вообще на встречу с CRM-маркетологами всея Руси в Рязань еду уже в четвёртый раз и в третий раз как спикер.

За эти годы здесь было столько новых знакомств, полезных разговоров, знаний и идей. И всегда такая классная атмосфера, что я каждый раз после конференции пишу одно и то же:

«Было душевно»

И это, наверное, главная особенность WE ARE CRM. Совершенно невероятная забота организаторов и очень тёплое профессиональное сообщество.

Так что увидимся в Рязани ❤️

А если кто-то ещё не купил билет, переходите по ссылке: https://www.wearecrm.ru/#tickets

Что должен увидеть менеджер в тот момент, когда бот передаёт ему клиента?

Это один из вопросов, с которого стоит начинать проектирование сценария. Потому что от ответа зависит всё остальное: какие вопросы задавать, какие действия пользователя учитывать и какие данные сохранять.

На примере онлайн-школы разбираем весь путь: от проектирования сценария и сбора нужного контекста до передачи заявки менеджеру и сохранения информации в карточке клиента в CRM. Листайте карточки ➡

У чат-ботов становится всё больше возможностей. Они могут отвечать на вопросы, подбирать товары, собирать заявки, сопровождать клиентов, подключать ИИ и передавать данные в другие системы.

Но, как и любой инструмент, чат-бот полезен только тогда, когда применяется для конкретной задачи.

Поэтому первый вопрос, который мы задаём заказчику:

Что сейчас не работает или работает плохо?

Например, менеджеры долго отвечают на обращения. Клиентам сложно выбрать подходящую услугу. Заявки приходят без нужной информации. Пользователи начинают оформление, но не доходят до конца. Ответы вроде «хотим автоматизировать продажи», «нужно увеличить конверсию» или «хотим разгрузить сотрудников» слишком широкие. По ним невозможно понять ни будущий сценарий, ни объём работы, ни критерии успеха.

Здесь нужно идти глубже:

— на каком этапе возникает проблема;
— кого она затрагивает;
— что именно происходит сейчас;
— к каким потерям это приводит;
— что должно измениться после запуска.

При этом важно отделить симптом от причины.

Например, компании кажется, что ей не хватает заявок. Но анализ показывает, что обращений достаточно — просто на них поздно отвечают, менеджерам не передаётся контекст или после первого сообщения клиент не понимает, что делать дальше. Тогда задача чат-бота — не привлечь больше людей, а помочь не терять тех, кто уже проявил интерес.

Поэтому перед запуском мы сначала разбираем существующий процесс: смотрим путь клиента, ищем точки выхода, изучаем повторяющиеся действия команды и выясняем, где теряются время, обращения или данные. Иногда после такого анализа становится понятно, какой сценарий действительно нужен. А иногда — что проблема решается не чат-ботом или не только им.

Хорошая автоматизация начинается не с кнопок и возможностей платформы. Она начинается с правильно поставленного вопроса:

Какую именно проблему мы хотим решить?