Как проект по продаже модульных бань на Avito поднял конверсию в квалифицированные лиды до 43–45% с ИИ-агентом Афина ИИ

👨‍💼 О клиенте

Компания:

Александр Будыльников, агентство партнёрского маркетинга

Проект:

Модульные бани (средний чек >500 000 руб.)

Роль агентства:

Коммерческий отдел клиентов

Каналы обращений:

Avito, VK, сайт

Используемые роли Афина:

ИИ-специалист первой линии

🎯 До Афина ИИ: «Бот не чувствует контекст»

До внедрения ИИ-агента команда пробовала разные варианты автоматизации, включая алгоритмические боты и сторонние интеграции. Но это создавало критические проблемы.

Основные трудности:

📱 Нестабильность алгоритмических ботов

Интеграции часто «отваливались», и утром менеджер видел кучу диалогов, которые бот не обработал. Система работала нестабильно.

⏱️ Шаблонные ответы убивали диалоги

Когда клиент писал конкретный запрос (размеры, доставка, отделка), ему приходило заготовленное сообщение. Он видел, что это автоответ, и не продолжал диалог.

🌙 Потеря ночных лидов

Около 12–15% заявок приходило после 22:00. Держать ночную смену было нерентабельно, а к утру эти лиды «остывали».

📊 Низкая конверсия

Конверсия в квалифицированного лида держалась на уровне 27–28%. Часть обращений терялась, часть не доходила до стадии, с которой менеджеру реально можно работать.

💬 "Алгоритмический бот не видит, не понимает и не чувствует контекст. Ему приходит конкретный запрос: 'какие размеры есть?', а он отвечает заготовленным: 'Здравствуйте, мы компания такая-то...'. Клиент видит, что это автоответ, и просто не продолжает диалог."

— Александр Будыльников

💡 Решение: ИИ-агент, который общается как человек

Команда внедрила Афина ИИ как полноценного сотрудника первой линии. Главная задача — быстро подхватить диалог, ответить на вопросы по существу и довести клиента до целевого действия.

Что именно настроили

🚀 Внедрение за один вечер с последующим развитием

По словам Александра, первая версия была настроена буквально за один вечер, но основная работа заняла несколько месяцев.

Шаг 1. Быстрый запуск первой версии

• Настроили базовый промпт без сложной базы знаний
• Протестировали гипотезу: будут ли люди общаться с ИИ охотнее
• Запустили на реальном трафике для сбора данных

Шаг 2. Разведение каналов под задачи

• Поняли, что универсальный агент работает хуже
• Создали отдельные роли для каждого канала
• Адаптировали тональность под специфику аудитории

Шаг 3. Финальная настройка (2–3 месяца)

• Донастроили промпт под продукт и контекст
• Наполнили базу знаний на основе реальных диалогов
• Достигли стабильного результата в 43–45% конверсии

Шаг 4. Непрерывное улучшение

• Система продолжает обучаться на новых диалогах
• Регулярные доработки и оптимизация промптов
• Мониторинг метрик и корректировка стратегии

📈 Результаты: измеримый рост ключевых метрик

Внедрение Афина ИИ дало конкретные улучшения в работе коммерческого отдела. Особенно заметен скачок конверсии в квалифицированные лиды.

Сравнение «До» и «После»

Бизнес-эффекты

💬 "До этого ни один «кожаный менеджер» с такой задачей не справлялся так эффективно и круглосуточно. Процент выполнения целевой задачи агентом сейчас — 52,11%. На таких чеках рост даже на 5-8% это значительная сумма."

— Александр Будыльников
руководитель агентства партнёрского маркетинга

💡 Интересный инсайт: тестирование «Агент против Агента»

Чтобы быстро найти слабые места в скриптах продаж, команда придумала необычный метод. Они создали второго агента с ролью «Вредный покупатель» и заставили двух ИИ переписываться друг с другом.

Как это работает:

• Один агент продает модульные бани
• Второй агент играет роль придирчивого покупателя
• За 3-4 часа переписок выявили множество неточностей
• Информацию тут же добавили в базу знаний

Результат:

• Ускорились в разработке базы знаний «кратно»
• Агент стал точнее отвечать и не вводить в заблуждение
• «Напередумывать такое самому невозможно»

🌙 Почему 24/7 критично даже для высокого чека

Александр подчеркивает важный тренд: все больше заявок приходит в переписке — в чатах, на Avito, в VK, на сайтах. При этом скорость ответа напрямую влияет на шанс продолжить общение.

Ключевые цифры:

• 12-15% всех заявок приходит после 22:00
• Это «достаточно горячие, хорошие заявки»
• Утром клиент уже готов общаться о конкретике
• Держать ночную смену нерентабельно

💬 "Чем быстрее мы отвечаем, тем больше вероятность, что продолжим общение и продадим. Огромное количество заявок идет в переписке — все больше и больше."

— Александр Будыльников

💡 Выводы и уроки

✓ Что сработало лучше всего

• Контекстные ответы: ИИ понимает суть запроса и отвечает по делу, а не шаблонами
• 24/7 доступность: закрыли потери ночного трафика без дополнительных затрат на персонал
• Разделение ролей: отдельные промпты для разных каналов работают эффективнее универсального
• Обучение на реальных диалогах: база знаний, основанная на живых кейсах, дает максимальную точность

⚠️ Ключевые инсайты

• ИИ vs алгоритмические боты: люди воспринимают ИИ как живого собеседника (только 2 раза за 4600+ сообщений спросили «ботли ты?»)
• Постоянное развитие: это эволюционный процесс, систему можно улучшать бесконечно
• Экономическая эффективность: на высоких чеках даже небольшой рост конверсии дает значительный эффект
• Защита от конкурентов: ИИ можно использовать не только для продаж, но и для контрмер

→ Главный вывод

«Альтернатив нет, алгоритмические боты в прошлом. А начать всем лучше всего было еще вчера». Для проектов с высоким чеком и длинным циклом сделки ИИ-агент становится не просто «автоответчиком», а полноценным инструментом повышения продаж, который работает круглосуточно и постоянно улучшается.