Как подойти к задаче без лишней магии
Что бы я делал, если бы менеджер попросил: «Пусть AI сам определяет, хороший лид или нет». Я бы не давал модели кнопку «решить судьбу заявки»: модель достаёт факты, а итоговый балл считается обычным правилом.
Ошибка, которую я бы сразу убрал: Если ответ на вопрос ни на что не влияет, это не данные, а допрос. Клиент бросает диалог, а команда получает ещё одну таблицу, которую никто не открывает.
Что подготовить и какой результат ждать
- На выходе: Лид получает понятный статус, менеджер видит причины приоритета, а клиент не повторяет одну и ту же информацию в разных каналах.
- Составьте таблицу маршрутов: тип запроса, обязательные вопросы, приоритет, кому передать и что считать сложным случаем.
- Сохраните исходные данные и права доступа отдельно от результата, чтобы можно было проверить, что сделал квалификация входящего лида.
- Проверьте короткий, неполный и конфликтный ответы. Бот должен задать один следующий вопрос или передать диалог человеку, а не придумать данные.
Настройте квалификацию без навязчивого допроса
- Выберите только вопросы, меняющие маршрут
Выпишите 3–5 вопросов и напротив каждого укажите, какое действие он запускает. Если ответ ни на что не влияет, уберите вопрос.
Проверьте: Менеджер может объяснить, зачем нужен каждый вопрос.
Если не сработало: Оставьте задачу и контакт, а остальные вопросы задавайте после передачи человеку.
- Сделайте ветвление явным
В workflow добавьте Router/Branch: готов к расчёту, нужно уточнение, срочно к человеку, не наш профиль. Не просите AI самому придумывать новый маршрут.
Проверьте: Для каждого статуса есть следующий шаг и владелец.
Если не сработало: Сначала зафиксируйте список допустимых статусов в таблице.
- Запретите угадывать
В инструкции напишите: «Если значение не сказано явно, верни null и задай один короткий вопрос». Сохраняйте оригинальный ответ клиента рядом с извлечённым полем.
Проверьте: Пустое поле остаётся null, а не заменяется догадкой.
Если не сработало: Отправьте карточку на ручную проверку при конфликте ответов.
- Передайте результат менеджеру
В уведомлении показывайте статус, ответы, неизвестные поля, ссылку на диалог и рекомендуемый следующий контакт. Не отправляйте клиенту цену, если её не подтвердил человек.
Проверьте: Менеджер понимает, что делать дальше за 30 секунд.
Если не сработало: Сделайте AI-ответ черновиком и добавьте кнопку approve.
Сначала выпишите четыре маршрута
В таблице создайте status: ready_for_quote, needs_info, human_now и not_a_fit. Напротив каждого укажите следующее действие и владельца. Например, бюджет не назван — needs_info; претензия или юридический вопрос — human_now; запрос подходит по региону и сроку — ready_for_quote.
Попросите бота извлекать только явно сказанное. Если человек написал «примерно как у конкурента», это не бюджет. Верните null и один короткий вопрос, а не догадку.
- Показывайте клиенту кнопку «Позвать сотрудника» на каждом шаге.
- Не ставьте высокий приоритет по восклицательным знакам и грубому тону.
Минимальный сценарий диалога
Первое сообщение: «Помогу понять, кому передать запрос. Что нужно сделать?» Второе — только после ответа: «К какому сроку?» Третий вопрос — «Как удобнее связаться?» Бюджет спрашивайте только если от него зависит продукт или маршрут.
В карточку CRM пишите question_count, status, missing_fields и transcript_url. Это позволит увидеть, на каком вопросе люди уходят, и убрать лишнее, а не переписывать промпт вслепую.
Разделите fit и intent
В n8n цепочка выглядит так: `Webhook → Normalize → OpenAI Extract Evidence → Structured Output Parser → Code → IF → Switch → CRM Update`. Модель возвращает только факты и короткие цитаты. `Code` считает `fit_score`, `intent_score`, `data_completeness` и `total_score` по опубликованным весам.
Пример: fit 0–40, intent 0–40, completeness 0–20. Введите `score_version`, чтобы изменение формулы не переписало историю старых лидов.
total_score = fit_score + intent_score + data_completeness
if total_score >= 70: status = 'sales_queue'
elif total_score >= 45: status = 'manual_review'
else: status = 'nurture'JSON только с доказательствами
В structured output обязательны `industry_match`, `use_case_match`, `timeline`, `budget_signal`, `evidence` и `missing_fields`. Если бюджет не назван, он должен быть `null`. Не используйте `confidence` модели как замену фактам: самоуверенный ответ не становится правдой.
{
"timeline": "этот месяц",
"budget_signal": null,
"evidence": ["Запуститься до конца месяца"],
"missing_fields": ["budget_range"]
}Что должно измениться после настройки
Лид получает понятный статус, менеджер видит причины приоритета, а клиент не повторяет одну и ту же информацию в разных каналах.
Из-за чего AI-квалификация отпугивает клиентов
Задавать десять вопросов до первого полезного ответа.
Присваивать высокий приоритет по эмоциональным словам клиента.
Считать отсутствие бюджета признаком плохого лида.
Не оставлять клиенту понятную кнопку «позвать человека».
Когда простого сценария вопросов уже недостаточно
Нужна отдельная настройка, если квалификация касается разных продуктов, регионов, ценовых правил или передачи персональных данных между каналами.
Что проверить перед запуском бота
Кому подходит этот способ работы с квалификация входящего лида?
Хорошая AI-квалификация не устраивает клиенту допрос. Она задаёт несколько вопросов, которые реально влияют на маршрут: задача, срок, бюджетный диапазон и способ связи.
С чего начать, если всё пока делается вручную?
Составьте таблицу маршрутов: тип запроса, обязательные вопросы, приоритет, кому передать и что считать сложным случаем.
Как проверить, что настройка не навредит?
Проверьте короткий, неполный и конфликтный ответы. Бот должен задать один следующий вопрос или передать диалог человеку, а не придумать данные.
Что делать при непонятном результате?
Сохраните диалог и поставьте needs_human; не продолжайте задавать вопросы, если клиент явно просит сотрудника.
