Консьерж-бот, который продаёт: шесть шагов от заявки до оплаты и где клиент остывает

Консьерж-бот — это не «чат-бот с кнопками», а сотрудник, который ведёт человека от первого вопроса до оплаты и знает, когда позвать живого менеджера. Разница между работающей и неработающей схемой обычно не в модели, а в воронке: где бот молчит слишком долго, где продаёт слишком рано и где теряет уже готового клиента. Ниже — шесть шагов, которые я использую на практике, с цифрами и границами автоматизации.

Почему консьерж, а не «бот-квалификатор»

Типовая ошибка — сделать бота, который задаёт пять вопросов и выдаёт «спасибо, мы свяжемся». Это форма, а не разговор: человек ждёт ответа на свой вопрос, а получает анкету.

Консьерж работает иначе: сначала отвечает на вопрос, потом уточняет задачу, потом предлагает следующий шаг. Как в отеле: на ресепшене сначала говорят, где лифт, а потом уже оформляют номер.

Второй принцип — из корпоративной практики. По опросу Zapier (525 руководителей компаний от 1 000 сотрудников, декабрь 2025), самый популярный подход к ИИ-агентам — human-in-the-loop: агент делает черновик, человек подтверждает. 49% компаний развернули агентов в поддержке, 47% — в операциях. То есть даже там, где есть деньги на полную автоматизацию, оставляют человека в контуре. В малом бизнесе это не компромисс, а требование: одна ошибка в цене стоит дороже, чем экономия на менеджере.

Шесть шагов воронки

Шаг 1. Вход и первый ответ. Человек пишет в бот или в канал. SLA на первый ответ — до 2 минут, днём и ночью. Это единственный шаг, который бот делает полностью сам. Здесь же фиксируется источник: откуда пришёл, что спросил.

Шаг 2. Понимание задачи. Бот задаёт не больше трёх уточняющих вопросов, каждый — по делу. Не «как вас зовут», а «что нужно сделать и к какому сроку». Данные сразу пишутся в карточку, чтобы человек не повторял их менеджеру.

Шаг 3. Диагностика или оценка. Бот даёт предварительный ответ с вилкой: «похоже на задачу X, обычно это 15 000 ₽ за разбор и от 150 000 ₽ за внедрение». Это отсекает тех, кому «просто интересно», и не тратит время менеджера.

Шаг 4. Передача человеку. Как только прозвучал вопрос про цену, сроки, договор или гарантии — бот передаёт диалог менеджеру с короткой сводкой: что нужно, что ответил бот, что уже известно. Здесь самая частая поломка: бот продолжает отвечать сам и врёт про сроки.

Шаг 5. Оффер и оплата. Менеджер отправляет коммерческое предложение; бот может напомнить через 2 дня, если ответа нет. Напоминание — это единственная «догоняющая» функция, которую стоит автоматизировать: она не требует понимания контекста и почти не ошибается.

Шаг 6. После оплаты. Бот присылает ссылку на оплату, чек, инструкцию «что дальше» и дату следующего контакта. Это то, из-за чего клиенты чувствуют порядок: они получают документы без напоминаний.

Цифры: где именно остывает клиент

Посчитаем на типовой воронке малого бизнеса услуг.

Из 40 обращений в месяц 12 похожи на целевые (30%). Из этих 12 до разговора с менеджером доходят 9 — трое отваливаются, если первый ответ приходит через 5–6 часов. Из 9 до коммерческого предложения доходят 6, из них оплачивают 2.

Итого конверсия из обращения в оплату — 5%. Каждый шаг съедает 25–35%, и самый дорогой по потерям — первый: скорость ответа.

Вот арифметика первого шага. Если средний чек 175 000 ₽, то одна «спасённая» заявка в месяц — это 175 000 ₽. Даже если из трёх возвращённых заявок оплатит одна, прирост составит 175 000 ₽ при затратах на бота в 3 000–7 000 ₽ в месяц. Именно поэтому скорость первого ответа важнее качества текста.

Второй по стоимости шаг — передача менеджеру. Если бот «залипает» и продолжает вести диалог сам, человек получает общие слова и уходит. Каждая такая заявка стоит тех же 175 000 ₽ упущенной выручки.

Как считать SLA и не сойти с ума

SLA в консьерж-боте — это не про идеальный сервис, а про два числа: время первого ответа и время передачи менеджеру.

Ставьте первому ответу 2 минуты в рабочее время и 15 минут ночью (с честной фразой «менеджер ответит утром»). Передача менеджеру — не позже 15 минут в рабочее время. Ночные заявки не должны «догорать» до утра: бот фиксирует их и ставит в очередь первыми.

Измерять надо не «удовлетворённость», а три метрики: доля заявок с ответом быстрее 2 минут, доля заявок, дошедших до менеджера, и доля тех, кому менеджер ответил в течение 15 минут. Если третья метрика ниже 80%, проблема не в боте, а в загрузке людей.

Где бот обязательно молчит

• Цены и скидки вне прайса. Любая цифра, которой нет в утверждённом документе, — повод для менеджера.
• Сроки и гарантии. Обещание срока ботом — это обязательство компании.
• Юридические вопросы и договоры. Тут цена ошибки выше экономии времени.
• Жалобы и конфликты. Бот, который «оптимизирует» недовольного клиента, удваивает проблему.
• Персональные данные. Собирать паспортные данные в чате бота — нарушение, а не сервис.

Что делать

1. Начните с одного шага — первого ответа. Бот, который отвечает за 2 минуты и передаёт человеку сводку, окупается быстрее любого «умного» сценария.
2. Составьте список из пяти тем, где бот молчит. Это дешевле, чем учить его различать сложные случаи.
3. Введите SLA по двум числам и повесьте их на видное место. Без метрик воронка не улучшается.
4. Считайте каждую потерянную заявку в деньгах среднего чека, а не в «лидах». Так решения принимаются быстрее.
5. Автоматизируйте напоминания, но не «дожим». Напоминание — функция, дожим — давление, и клиенты его узнают.
6. Раз в месяц пересматривайте сценарии: то, что бот отвечал вручную-правилами полгода назад, теперь может решать модель, и наоборот.

Смотрите также

Агент или workflow: когда усложнять не нужно и сколько это стоит в рублях 72% крупных компаний уже запустили ИИ-агентов: что из отчёта Zapier применимо к малому бизнесу Разовый проект или подписка: почему проект за 175 тысяч проигрывает подписке за 20

Источники

1. Zapier, «84% of enterprises plan to boost AI agent investments in 2026», 15.12.2025 — https://zapier.com/blog/ai-agents-survey (525 руководителей, human-in-the-loop как основной подход, 49% поддержки, 47% операций)
2. LangChain, State of AI Agents — https://www.langchain.com/stateofaiagents (человеческий контроль в агентных сценариях)
3. Anthropic, «Building effective agents» — https://www.anthropic.com/engineering/building-effective-agents
4. Структура цен и воронки — рабочие заметки по практике продаж ИИ-услуг, сентябрь–октябрь 2026
5. Расчёты конверсии по шагам, стоимости потерянной заявки и SLA — собственные вычисления автора; цифры воронки (40 обращений, 12 целевых, 2 оплаты) — пример модели, а не статистика рынка