Научить ИИ квалифицировать клиентов оказалось проще, чем живых людей. Как я это сделал. 🌟Этап сбора информации о клиентах Все новые обращения от клиентов автоматически фиксируем в Google.Таблицу. В обращениях должны быть указаны: — запрос клиента, — сфера деятельности, — регион. — Возможно еще какие-то важные для анализа данные. Оставляем. Пусть накопится 100-150 обращений. Этого достаточно, чтобы выборка стала репрезентативной. 🌟Этап маркировки заявок Вручную проходим по каждой записи в таблице и маркируем: берем в работу или не берем в работу. В отдельном поле указываем причину. Например: "Не решаем задачи по внедрению 1С". Причины должны быть конкретными. Чтобы постороннему человеку стало понятно почему заявка не взята, или наоборот, взята в работу. 🌟Промаркированный список скармливаем ИИ Со следующим промптом: "Проведи анализ, найти сходства и закономерности в отказах и причинах взятия в работу. Составь промпт для ИИ, чтобы он мог определять сам какие предложения подходят, а какие нет". Подправляем промпт по вкусу. 🌟Запускаем автоматическую квалификацию заявок при помощи ИИ Используем промпт, который получен на 3 шаге. Настраиваем ИИ в вашей CRM. Запускаем. Точность квалификации без докрутки ~75-80%. Что значительно выше, чем новый сотрудник, которого бы мы взяли на работу. Еще учить его надо. Ну его. 📌Если вам нужно такое настроить в Kommo или amoCRM, пишите в сообщения группы