Такой агент не должен просто пересказывать графики. Его задача - собрать данные, посчитать метрики кодом, показать доказательства и только потом сформулировать insight человеческим языком. Например: "конверсия из demo в proposal упала на 12%, основной вклад дали менеджеры A и B, 18 сделок без активности больше 7 дней".
Входные данные обычно включают deals, stages, activities, owners, targets, payments, lead sources, lost reasons, meeting notes, call summaries и исторические snapshots pipeline. Чем чище статусы и обязательные поля в CRM, тем полезнее агент.
Ключевые метрики: revenue, gross margin, pipeline value, weighted pipeline, win rate, conversion by stage, sales cycle, average deal size, forecast accuracy, stale deals, activity coverage, lost reasons и выполнение плана по менеджерам, командам и каналам.
Хороший sales-analytics-agent отделяет факты от гипотез. Факты он считает по данным, гипотезы помечает как предположения, а рискованные рекомендации отправляет на approval. Он не должен сам менять CRM, ставить задачи менеджерам или менять forecast без подтверждения руководителя.
Для production важны read-only доступ к CRM, словарь стадий, единая методика расчета метрик, audit log, scheduled reports, anomaly detection, проверка качества данных и feedback loop: руководитель подтверждает, полезен ли вывод, а агент учится лучше находить повторяющиеся проблемы.
Примеры
- Руководитель спрашивает, почему команда отстает от плана. Агент считает план-факт, смотрит pipeline, конверсии и активности, а затем показывает 3 главные причины с ссылками на сделки.
- Каждое утро агент находит stale deals: сделки без следующего шага, без активности больше 7 дней или с просроченной датой close. Итог отправляется руководителю на approval перед постановкой задач.
- После вебинара агент сравнивает лиды по источникам, считает конверсию в demo и показывает, какой сегмент дал больше качественных сделок.
- Перед еженедельной встречей агент готовит отчет: revenue, weighted pipeline, forecast risk, top lost reasons и список сделок, которые требуют внимания.
- Если CRM заполнена плохо, агент не делает уверенный вывод, а показывает data quality issues: пустые источники, неактуальные close dates, сделки без owner и дубли лидов.
Где используется
- ежедневный отчет по pipeline
- поиск stale deals и просроченных follow-up
- анализ win rate и конверсий по стадиям
- прогноз продаж и риск невыполнения плана
- анализ причин проигрыша сделок
- контроль активности менеджеров
- сравнение каналов лидогенерации
- подготовка weekly sales review
- контроль качества данных в CRM
- создание задач руководителю после approval
Связанные термины
Частые вопросы
Что делает ИИ-агент для аналитики продаж?
Он читает CRM, таблицы и BI-данные, считает sales-метрики, находит риски в pipeline, объясняет причины отклонений и готовит проверяемые выводы для руководителя.
Чем он отличается от BI-дашборда?
BI показывает графики и таблицы. ИИ-агент добавляет интерпретацию: что изменилось, почему это важно, какие сделки или менеджеры повлияли на метрику и какой следующий шаг стоит проверить.
Какие данные нужны для запуска?
Минимум нужны сделки, стадии, суммы, владельцы, источники лидов, даты создания и закрытия, активности, планы продаж и правила расчета метрик. Чем лучше заполнена CRM, тем точнее выводы.
Можно ли дать агенту право менять CRM?
На старте лучше использовать read-only режим. Создание задач, изменение forecast, массовые комментарии и правки сделок должны проходить через approval руководителя.
Какая первая автоматизация самая полезная?
Начните с ежедневного отчета по stale deals, план-факту, изменению pipeline и сделкам без следующего шага. Это быстро показывает пользу и не требует сложной модели прогнозирования.
