Автоматизация · Продажи
Слепая зона, о которой все забывают
У клиента (онлайн-школа) заявки идут через чат-бота в мессенджере: человек кликает по рекламе, попадает в диалог, бот задаёт вопросы, рассказывает про курс, где-то в процессе зовёт на созвон или на оплату. Стандартная воронка для инфобизнеса.
И вот что интересно: все смотрят на цифры этой воронки — сколько диалогов начато, сколько дошло до заявки, сколько купило. Но почти никто не читает сами диалоги. А там, внутри переписки, есть то, чего нет ни в одной аналитике: реальные слова живых людей. Как они формулируют сомнения, на каком вопросе бота задумываются, после какой фразы просто перестают отвечать.
Это и есть слепая зона. Метрики говорят «отвал на шаге 4», но не говорят почему. А переписка — говорит, только её нужно прочитать.
Почему вручную это не работает
Диалогов — сотни. Открыть каждый и построчно прочитать физически можно, но это день работы ради инсайтов, которые потом ещё нужно как-то структурировать в голове. На практике так никто не делает: переписки копятся в конструкторе чат-бота и туда никто не заглядывает, кроме случаев, когда лид жалуется.
При этом сама фактура там уже есть. Не нужно проводить кастдев, звонить клиентам, придумывать гипотезы — люди уже написали, что их смущает, своими словами, в естественном контексте покупки. Задача была не собрать данные, а вытащить их и прочитать быстро.
Как я вытащил переписки: API конструктора чат-ботов
У конструктора чат-ботов, на котором собран бот клиента, оказался API с доступом по ключу. Я получил ключ и написал небольшой скрипт на Python, который обращается к API и выгружает переписки — историю сообщений по каждому диалогу, с разбивкой кто что написал: бот или лид.
Ничего сложного технически: обычные HTTP-запросы, пагинация по диалогам, сохранение в структурированном виде. Но именно этот шаг снимает главное ограничение — теперь переписки не заперты внутри интерфейса конструктора, их можно обрабатывать программно.
Инсайт
Ценность здесь не в самом скрипте выгрузки — это тривиальная задача. Ценность в том, что после выгрузки диалог перестаёт быть «текстом, который надо прочитать глазами», и становится данными, которые можно прогнать через нейросеть за одну команду.
Что делает нейросеть с сырыми диалогами
Дальше я отдаю выгруженные диалоги нейросети на анализ. Задача простая по формулировке: найти в массиве переписок повторяющиеся паттерны — но именно повторяемость и есть то, что человек, читая по одному диалогу за раз, не замечает.
Нейросеть вычленяет три типа сигналов:
- Частые возражения — конкретные формулировки сомнений, которые встречаются в разных диалогах у разных людей, а не единичный случай.
- Повторяющиеся вопросы — то, что люди спрашивают снова и снова, но чего явно нет в ответах бота или в FAQ на сайте.
- Точки отвала — конкретное сообщение бота, после которого диалог обрывается заметно чаще, чем в среднем, перед этапом оплаты или записи на созвон.
Дополнительно можно попросить нейросеть отдельно выделить формулировки, на которые люди реагируют хорошо — то есть после каких сообщений бота диалог, наоборот, продвигается дальше по воронке. Это не менее полезно, чем список проблем: хорошие формулировки можно тиражировать в других местах сценария.
Что дальше с этими находками
Находки идут не в отчёт для галочки, а напрямую в правки: в скрипт бота, в тексты офферов, в FAQ на сайте, в контент для рекламы. Если нейросеть показывает, что десятки людей спотыкаются на одном и том же вопросе про рассрочку, — значит, ответ на этот вопрос в сценарии бота либо отсутствует, либо сформулирован так, что не снимает сомнение. Правится конкретная реплика, а не абстрактный «маркетинг в целом».
То же с точками отвала: если видно, что после конкретного сообщения бота обрывается непропорционально много диалогов, это сообщение — кандидат номер один на переписывание или A/B-тест. Не нужно гадать, что не так с воронкой в целом — известно ровно, где именно теряются люди.
Разбор переписок — это не разовая акция, а источник, к которому можно возвращаться каждый раз, когда меняется оффер, добавляется новый продукт или просто копится новая партия диалогов.
Главный урок: переписки — недоиспользованный источник
Если у вашего бота или чата на сайте есть API — это готовый канал для получения честной обратной связи от клиентов, причём в масштабе, недоступном ручному прочтению. Схема простая:
API → выгрузка диалогов → анализ нейросетью → список возражений и точек отвала → правки в скрипты и офферы.
Ручной разбор такого объёма переписок занял бы дни, и на практике его просто никто не делает — переписки лежат мёртвым грузом. Нейросеть находит в них закономерности за минуты. Это один из самых дешёвых способов узнать, почему у вас не покупают, — причём узнать не из догадок маркетолога, а голосом самих клиентов, теми же словами, которые они использовали в реальном диалоге.
Если у вас есть хоть какой-то чат с лидами и хоть какой-то доступ к его данным — это стоит попробовать в первую очередь, до любых более сложных экспериментов с аналитикой.