Скоринг лидов с AI: как перестать тратить время на холодных
Менеджеры тратят время на лидов, которые никогда не купят. Спам, студенты, конкуренты, «просто посмотреть» — всё это попадает в одну очередь с реальными клиентами. Продажи превращаются в фильтр, а не в двигатель выручки.
AI-скоринг решает эту проблему до того, как лид попадёт к менеджеру. Чат-бот задаёт вопросы, AI оценивает fit (подходит ли клиент) и intent (готов ли покупать), присваивает баллы и маршрутизирует: горячих — сразу в продажи, тёплых — в квалификацию, шум — в сторону.
В этой статье — как работает AI-скоринг в Битрикс24, что нужно настроить, какие данные важны и какие ошибки избежать. Если нужна настройка AI-квалификации под ваш бизнес — поможем.
Проблема шума
Больше лидов не значит больше выручки. Когда каждая заявка попадает в общую очередь, менеджеры становятся фильтрами, а не продавцами.
Откуда берётся шум
Спам и боты
Автоматические заявки, которые никогда не станут клиентами.
Не те, кто нужен
Соискатели, поставщики, студенты, конкуренты.
«Просто смотрю»
Низкий intent, нет бюджета, нет сроков.
Почему обычные методы не работают
Компании пытаются решить проблему, нанимая больше SDR или ужесточая SLA. Но это происходит после того, как шум уже попал в систему. Правильное решение — фильтровать до того, как лид дойдёт до менеджера.
Как работает скоринг
AI-квалификация — это не «магия». Это последовательный процесс из четырёх шагов.
| Шаг | Что происходит | Результат |
|---|---|---|
| Захват | Все заявки попадают в один поток: формы, чат, лендинги | Единый вход независимо от источника |
| Квалификация | AI-бот задаёт вопросы в реальном времени | Неструктурированный запрос превращается в данные |
| Оценка | Fit и intent оцениваются по правилам | Приоритет становится понятным и обоснованным |
| Маршрутизация | Лид идёт по определённому пути на основе баллов | Горячие — быстро, шум — в сторону |
Это создаёт «ворота» между входящим трафиком и отделом продаж. Лид не просто попадает в воронку — он её заслуживает.
Fit и Intent
Две оси, по которым оценивается лид. Если оценивать только одну — модель будет ошибаться.
Fit: подходит ли клиент
Отрасль, размер компании, регион, use case.
- Целевая отрасль — +15
- Размер в диапазоне — +10
- Сильное совпадение use case — +10
- Вне целевого региона — −15
Intent: готов ли покупать
Сроки, интерес к цене, статус ЛПР.
- Запрос демо/консультации — +25
- Интерес к цене — +15
- Сроки «ASAP» — +20
- Подтверждённый ЛПР — +10
Почему обе оси важны
Лид может идеально подходить по fit, но не иметь intent — «хорошая компания, но не сейчас». Или иметь высокий intent, но не подходить по fit — «хочу купить, но не наш клиент». Без второй оси модель будет ошибаться.
Негативный скоринг
Одна из самых недооценённых частей. Негативные баллы не дают низкокачественным лидам проскочить на одном позитивном сигнале.
| Сигнал | Баллы |
|---|---|
| Бизнес-почта (не gmail) | +10 |
| Пустое или бессмысленное сообщение | −25 |
| Паттерны спама | −50 |
Негативный скоринг особенно важен для фильтрации «случайных» заявок: соискателей, поставщиков, конкурентов. Без него модель может пропустить шум, если у лида совпал один критерий.
Маршрутизация
Баллы бесполезны, если лид не движется дальше. Маршрутизация отвечает на вопрос: кто обрабатывает лид и как быстро?
| Сигналы | Действие |
|---|---|
| Запрос демо, цена + срочность, вопросы по внедрению | Назначить менеджеру немедленно, уведомить, создать задачу с SLA |
| Хороший fit, но неясные сроки или не хватает данных | Направить на квалификацию / SDR |
| Раннее исследование, длинные сроки, неясный бюджет | В nurture-поток, запланировать будущий контакт |
| Вопросы поддержки, вакансии, предложения от поставщиков | Перенаправить сразу, не назначать продажам |
Автоматическая маршрутизация важна, потому что ручное назначение приводит к потерям. Лид «зависает» в почте, пока кто-то не заметит. Автоматизация создаёт задачу, обновляет стадию и отправляет уведомление сразу.
Калибровка
Модель скоринга не работает «из коробки» идеально. Её нужно настраивать на основе реальных данных.
Обратная связь от продаж
Продажи сообщают качество лидов: принят, отклонён, конвертирован. Маркетинг или ответственный за скоринг использует эту информацию для пересмотра весов и критериев.
Без этой связи модель становится статичной и теряет точность. Рынок меняется, профиль клиента меняется, то, что было горячим полгода назад, сегодня может быть холодным.
Тестирование и калибровка
В первые недели стоит параллельно вести ручную проверку: не отсеивает ли AI ценных лидов? Модель оптимизируется на основе специфики отрасли.
💡 Важно
AI-скоринг не заменяет понимание бизнеса. Без чёткого профиля идеального клиента (ICP) AI не будет знать, кого фильтровать.
Типичные ошибки
1. Слишком сложная модель
Десятки правил, которые никто не может объяснить. Модель должна быть понятной продажам, иначе ей не доверяют.
2. Только intent
Оценка только готовности купить без fit. Лид может хотеть купить, но не быть вашим клиентом.
3. Нет негативного скоринга
Шум проскакивает на одном позитивном сигнале. Нужны отрицательные баллы за спам, пустые сообщения, нерелевантность.
4. Нет обратной связи
Модель не калибруется. Продажи не сообщают, какие лиды оказались качественными, а какие нет.
5. Грязные данные
AI оценивает на основе того, что есть в CRM. Если поля пустые или заполнены мусором — скоринг будет ошибаться.
6. Нет прозрачности
Продажи не понимают, почему лид получил высокий или низкий балл. Без объяснения они не доверяют системе.
Наши рекомендации
Что вы получаете, заказывая настройку скоринга у нас
- Определение ICP — кого фильтровать
- Модель Fit + Intent — с весами и негативным скорингом
- Маршрутизацию — куда и как быстро
- Калибровку — с обратной связью
- Прозрачность — объяснение баллов
📌 Итоговый вывод
AI-скоринг не заменяет продажи — он возвращает им время на реальных клиентов.
Что нужно знать:
- Проблема: шум в общем потоке превращает менеджеров в фильтры;
- Как работает: захват → квалификация ботом → оценка → маршрутизация;
- Fit + Intent: подходит ли клиент и готов ли покупать;
- Негативный скоринг: спам, пустые сообщения, нерелевантность;
- Маршрутизация: горячие — сразу, тёплые — в квалификацию, шум — в сторону;
- Калибровка: обратная связь от продаж, тестирование, прозрачность.
Также рекомендуем: AI-интеграции, обзор AI в CRM, AI-чат-боты, все статьи об AI.