Разбор сценария
Если рекламные заявки сразу падают в CRM без разбора, отдел продаж получает шум: дубли, пустые формы, нерелевантные запросы и лиды без понятного следующего шага. AI здесь нужен не для “скоринга ради дашборда”, а для фильтрации и маршрутизации входящего потока до того, как он испортит воронку.
Краткий ответ
Чтобы настроить AI-анализ рекламных лидов до передачи в CRM, соберите единый входящий поток из форм и мессенджеров, нормализуйте поля, передайте в AI только нужный контекст, получите структурированный ответ с категорией, приоритетом и следующим шагом, а уже потом создавайте карточку и назначайте менеджера.
Кому подходит
Этот сценарий полезен, если:
- лиды идут из нескольких рекламных кабинетов и форм;
- менеджеры жалуются на мусорные заявки;
- CRM забита карточками без смысла и без приоритета;
- маркетинг и продажи спорят о качестве лидов;
- на одну и ту же заявку уходит слишком много ручных действий.
Что получится на выходе
После внедрения у вас появляется контур, где:
- каждая новая заявка проходит первичный автоматический разбор;
- мусор, тестовые формы и нерелевантные сообщения не создают шум в CRM;
- хорошие лиды получают категорию, приоритет и ответственного;
- руководитель видит не просто поток лидов, а структуру входящего спроса.
Схема решения
- Формы, квизы и мессенджеры отправляют лиды в единый endpoint.
- Сервис нормализует имя, телефон, текст, UTM и источник.
- AI определяет тип заявки, тему запроса, приоритет и следующий шаг.
- Система проверяет дубли и существующие сделки.
- CRM получает уже структурированную карточку или обновление существующей.
- Менеджер получает только те лиды, по которым есть действие.
Пошаговая инструкция
Шаг 1. Опишите, какие лиды вообще должны попадать в CRM
Если этого правила нет, AI будет просто автоматизировать хаос. Зафиксируйте:
- какие формы считаются продажными;
- какие каналы относятся к поддержке;
- какие запросы должны уходить в архив;
- какие заявки требуют ручной проверки.
Шаг 2. Нормализуйте входящие поля
До AI стоит привести к одному виду:
- источник;
- campaign / adset / creative;
- имя;
- телефон или email;
- текст заявки;
- страница или offer;
- время создания лида.
Шаг 3. Определите категории заявок
Для SMB обычно хватает 4-6 категорий:
- целевой лид;
- повторный интерес;
- партнерский запрос;
- поддержка;
- HR / вакансии;
- нерелевантный мусор.
Шаг 4. Соберите промпт под квалификацию
AI должен возвращать не эссе, а JSON:
Ты помогаешь маркетингу и продажам разбирать рекламные лиды до передачи в CRM.
Верни JSON без Markdown.
Контекст:
- source: {{source}}
- campaign: {{campaign}}
- page: {{page}}
- contact: {{contact}}
- text: {{text}}
Верни:
{
"lead_class": "",
"priority": "high|medium|low",
"topic": "",
"summary": "",
"next_step": "",
"should_create_crm_card": true
}
Если заявка нерелевантна, укажи should_create_crm_card=false.
Не выдумывай детали, которых нет в сообщении.
Шаг 5. Разведите автосоздание и ручную проверку
На старте лучше:
- автоматически создавать только явные целевые лиды;
- условные лиды отправлять в ручной review;
- мусор не пускать в CRM вообще.
Шаг 6. Проверьте дубли до создания карточки
Проверяйте:
- телефон;
- email;
- связку источник + контакт;
- недавние открытые сделки по тем же данным.
Шаг 7. Запустите аудит первых 100 лидов
Проверьте:
- сколько мусора реально отфильтровалось;
- не потерялись ли целевые лиды;
- насколько приоритет AI совпадает с оценкой sales team;
- сколько времени экономится на ручном разборе.
Варианты внедрения
| Вариант | Когда подходит | Что нужно | Риски |
|---|---|---|---|
| No-code | Один-два рекламных источника и быстрый тест | формы, automation tool, AI API, CRM | легко пропустить дубли и пограничные кейсы |
| Low-code | Нужна нормальная дедупликация и логика review | webhook endpoint, CRM API, AI JSON | нужен разработчик и простая поддержка |
| Custom | Много каналов, высокий поток и сложная атрибуция | сервис маршрутизации, логи, очереди, observability | выше стоимость и длиннее внедрение |
Пример интеграции
- Лид приходит из формы с лендинга.
- Форма отправляет payload в endpoint.
- Endpoint добавляет UTM и имя оффера.
- AI возвращает
целевой лид,priority=high,next_step=назначить inbound-менеджера. - CRM создает карточку с summary и источником.
- Менеджеру ставится задача на первый контакт.
Чек-лист запуска
- Источники лидов перечислены.
- Есть единая схема полей.
- Описаны категории лидов.
- Настроен JSON-ответ от AI.
- Есть fallback для неуверенных случаев.
- Есть проверка дублей.
- CRM получает следующий шаг, а не просто текст.
- Первые 100 лидов проверяются вручную.
Риски и тонкие места
AI начинает занижать хорошие лиды
Это бывает, если примеров для пограничных кейсов нет. Нужен аудит и корректировка правил.
В CRM все равно попадает мусор
Значит, или категории слишком грубые, или endpoint пускает все подряд без review.
Маркетинг спорит с продажами о качестве лидов
Тогда в логике должны быть видны причина маршрутизации и summary, а не просто opaque score.
Когда лучше не внедрять
Не начинайте с этого сценария, если:
- CRM не является рабочей системой для продаж;
- формы не стандартизированы;
- нет владельца процесса между marketing и sales;
- объем лидов слишком мал, чтобы окупать интеграцию.
Что автоматизировать дальше
После стабильной квалификации можно добавить:
- AI-черновики первого ответа;
- приоритизацию по продуктовой линейке;
- автоназначение по региону или офферу;
- аналитику потерь между рекламой и CRM.
FAQ
Можно ли сразу доверить AI фильтрацию без человека?
Нет. Сначала нужен ручной аудит, иначе вы рискуете выкинуть хорошие лиды.
Что важнее на старте: скоринг или category routing?
Category routing. Если неясно, кому и зачем уходит лид, score бесполезен.
Нужно ли анализировать креатив и UTM?
Да, если вы хотите понимать не только лид, но и качество источника.