AI-екосистема продажів — чат-бот кваліфікації та аналітика продажів

Сценарій

Smakava Roasters — інтернет-магазин спешелті-кави (WordPress + WooCommerce) з роздрібним напрямком і оптовою лінійкою для кав’ярень та офісів. До впровадження системи: відвідувачі йшли із сайту, не залишивши сліду, питання про ціни чекали на менеджера, ніхто не кваліфікував оптові звернення — найцінніший сегмент — і ніхто не вимірював, наскільки якісно насправді проходять розмови з клієнтами.

Біль	Наслідок
Немає з ким поговорити 24/7	Втрачені ліди — особливо оптові
Звернення не кваліфікуються	Менеджери витрачають час на холодні ліди, поки гарячі чекають
Ціни озвучуються вручну	Бот зі статичними знаннями починає «брехати» одразу, як тільки змінюються ціни
Якість діалогів ніхто не аналізує	Помилки бота повторюються, а промпт ніколи не вдосконалюється
У власника немає картини воронки	Рішення ухвалюються наосліп

Що я побудував

Три workflow в n8n, пов’язані спільним session ID:

WF1 — «AI-бариста» з BANT-кваліфікацією на вітрині. Чат-віджет, вбудований у магазин, кваліфікує оптові ліди через природну розмову — включно з опрацюванням заперечень («бюджет ще не затверджено» запускає уточнювальні запитання, а не миттєву вимогу контактів). У агента дворівневий «мозок»: ціни та наявність товару беруться з живого WooCommerce REST-інструменту (нуль розбіжностей із реальним каталогом), тоді як знання про продукт — смакові профілі, заварювання, FAQ — живуть у RAG-базі на pgvector (Neon Postgres + ембединги OpenAI). Мінлива інформація свідомо ніколи не ембедиться. Кваліфіковані ліди потрапляють у Zoho CRM із резюме за BANT, AI-оцінкою 1–10 і session ID. Захист від зловживань — ліміти повідомлень на сесію та на день, обрізання вхідного тексту, ліміти витрат — спрацьовує до будь-якого виклику LLM.

WF2 — щоденний аналіз діалогів. Щоранку workflow зчитує вчорашні розмови за session ID і записує в таблицю: помилки бота, реальну проблему клієнта і патерни, які спрацювали. Мітка AI_Analyzed_At гарантує, що жоден діалог не аналізується (і не оплачується) двічі.

WF3 — щотижневий звіт для CEO. Щоп’ятниці метрики воронки обчислюються кодом — загальні цифри, нові ліди, розподіл за стадіями, середня оцінка, — а LLM лише інтерпретує їх: вузькі місця, завдання для кожного менеджера, рекомендації тижня. Звіт надходить у Telegram.

Цикл замикається: аналіз WF2 став основою для перегляду промпту, що підняв середню оцінку лідів із запереченнями з 4 до 7 — система сама збирає дані для власного вдосконалення.

Архітектура

Діаграма вище відповідає робочим workflow: чат на вітрині (веб + голос) → AI-агент із трьома інструментами (актуальні ціни, RAG-знання, створення ліда в CRM) → Zoho, а нічний цикл аналізу повертає оновлення в промпт.

Уроки, які сформували систему

• Правило в промпті не гарантує виклику інструменту. Під час тестування модель одного разу відповіла на питання про товар з пам’яті — вигадавши позиції з фейковими URL — попри пряму заборону. Виправлення складалося з трьох частин: модель, обрана саме за надійність у виклику інструментів, правило, що не можна називати нічого, чого немає у відповіді інструменту, і додатковий крок самоперевірки відповіді.
• Фразу «я передав це менеджеру» дозволено лише після реального виклику інструменту. Такі правила проти галюцинацій з’явилися з тестів, а не з теорії.
• Аналітичні агенти ніколи не рахують самі. Рахує код, LLM — лише інтерпретує. Кожна цифра у звіті для CEO обчислюється детерміновано.

Результати

Метрики виміряні в тестових прогонах на робочому стенді — це демо-білд, а не відгук клієнта.

Метрика	До	Після
Відповідь відвідувачу	немає (форма / email)	~5–10 с, 24/7
Кваліфікація оптових лідів	вручну, без критеріїв	автоматично за BANT + оцінка 1–10 у CRM
Точність цін у бота	статичний текст, застаріває	актуальні дані з магазину на кожен запит
Оцінка лідів із запереченнями	4 («порожній» лід)	7 (BANT завершено через уточнення) — +75%
Ліди без номера телефону	втрачалися	email fallback → лід все одно потрапляє в CRM
Аналіз якості діалогів	немає	щодня, в Sheets, без повторних витрат
Звітність для керівництва	немає	щотижневий звіт у Telegram: метрики + рекомендації

Спробуйте самі

Стенд працює за адресою shop.mahinko.com — чат працює в демо-режимі за тимчасовим кодом доступу (щоб краулери не спалювали бюджет LLM; код перевіряється на сервері із захистом від перебору). Напишіть мені в Telegram — надішлю свіжий код.