Самая дорогая ошибка квалификации — не час менеджера на человека, который «просто смотрит», а отсеянный клиент, который купил бы, но не прошёл по анкете. Квалификация лидов с помощью AI — это первичная проверка заявки AI-агентом до менеджера: агент в диалоге выясняет потребность, бюджет, полномочия и сроки, оценивает ответы по критериям компании и передаёт в работу тех, кто им соответствует, с готовой карточкой. Время менеджеров на разговоры без шанса на сделку она действительно сокращает — насколько, зависит от доли нецелевых заявок в вашем потоке, и её стоит посчитать до внедрения. Разберу, как выбрать критерии, что должно быть в карточке, где агент ошибается и как проверить пилот так, чтобы экономия часов не оказалась потерей сделок.
Ручная квалификация лидов стоит почти зарплату менеджера
Квалифицированный лид — это человек или компания, у которых есть реальная потребность в вашем продукте, бюджет на покупку, полномочия принять решение и понятные сроки. Неквалифицированный лид в итоге не купит: либо потребности нет, либо денег не хватает, либо решение принимает кто-то другой. Квалификация — проверка, к какой из двух групп относится заявка, до того как на неё потрачено время продавца.
Традиционно квалификацией занимаются менеджеры вручную, и стоит это дороже, чем кажется. Пример расчёта, который стоит повторить на своих цифрах: зарплата менеджера — 80 000 ₽ в месяц. При 8-часовом дне и 22 рабочих днях стоимость часа — около 455 ₽. Первичная квалификация одного лида занимает в среднем 20 минут — это ~150 ₽. Если в день поступает 30 лидов и 70% из них нецелевые — компания тратит 3 150 ₽ в день только на отсев. За месяц — более 69 000 ₽, то есть почти полная зарплата менеджера уходит на разговоры без шанса на сделку. Одному человеку такой поток не по силам — 30 разговоров по 20 минут занимают десять часов, — так что на практике эти деньги размазаны по отделу и в отчётах не видны.
Самая неточная цифра в этом расчёте — доля нецелевых. Взять её «из головы» нельзя: выгрузите заявки за последний месяц и посмотрите, сколько из них закрыто с причинами «не целевой», «нет бюджета», «не ЛПР», «просто интересовался». Если такой разметки в CRM нет, это первый вывод: квалифицировать автоматически пока не по чему, сначала нужно договориться, что считать целевым клиентом.
Параллельная проблема — менеджеры устают. Когда человек каждый день проводит несколько часов в разговорах, которые заведомо никуда не ведут, он теряет энергию и мотивацию; текучесть в продажах отчасти объясняется и этим. Но я бы не считал это главным аргументом: экономика видна в часах и конверсии, а настроение отдела — следствие, а не цель проекта.
Почему чат-бот и лид-форма не заменяют AI-квалификацию
Квалификацию часто пытаются автоматизировать лид-формами с дополнительными полями или чат-ботами с кнопками. Результат обычно разочаровывает. Лид-форма собирает только те данные, которые клиент сам захотел указать — и чаще всего вводит минимум, лишь бы форма прошла. Чат-бот на кнопках работает по жёсткому сценарию: стоит клиенту ответить «не по шаблону» — бот зависает или выдаёт нерелевантный ответ.
AI-агент для квалификации — это программа, которая ведёт свободный диалог: понимает естественный язык, интерпретирует уклончивые или неполные ответы, задаёт уточняющие вопросы и подстраивает порядок вопросов под собеседника. На нестандартном ответе он не ломается, а пытается извлечь из него нужное — и иногда извлекает то, чего там не было, об этом ниже. Подробнее о разнице между чат-ботами и AI-агентами — в статье «Chatbot vs AI-агент».
AI-агент не является заменой менеджеру по продажам — он является фильтром перед менеджером. Задача агента не закрыть сделку, а убедиться, что менеджер тратит время только на тех клиентов, у кого есть реальный шанс купить. Это разделение задач — основа продуктивной системы продаж.
BANT, MEDDIC или CHAMP: критерии выбирают под длину сделки
Фреймворк квалификации — это структурированный набор критериев, по которым определяется, является ли лид целевым. Самый известный — BANT, его происхождение принято связывать с IBM.
- Budget (Бюджет) — есть ли у клиента деньги на покупку и реалистичны ли они относительно вашего ценника?
- Authority (Полномочия) — вы общаетесь с тем, кто принимает решение о покупке, или нужно выходить на другой уровень?
- Need (Потребность) — есть ли реальная боль, которую решает ваш продукт, насколько она острая?
- Timeline (Сроки) — когда клиент планирует принять решение и начать работу?
BANT хорошо работает для транзакционных продаж с коротким циклом. Для сложных B2B-сделок с длинным циклом и несколькими участниками решения лучше подходит MEDDIC: Metrics (измеримые цели клиента), Economic Buyer (тот, кто реально распоряжается бюджетом), Decision Criteria (критерии выбора поставщика), Decision Process (как принимается решение внутри компании), Identify Pain (боль и её последствия), Champion (внутренний сторонник вашего решения).
Для рынков, где потребность не всегда осознана, хорошо работает CHAMP: Challenges (проблемы и вызовы), Authority (полномочия), Money (деньги), Prioritization (приоритет задачи).
Моя позиция по выбору простая: фреймворк — это не выбор модели мышления, а список вопросов, на которые должен ответить диалог. Критерии для агента, например в Дирижёре, собираются под ваш рынок из любого из трёх, и важнее не название, а то, чтобы каждый критерий был проверяем по ответу клиента. «Есть потребность» — не критерий; «называет задачу, которую решает наш продукт» — критерий.
Почему полномочия нельзя выбрасывать даже в простом B2B, хорошо видно в опубликованном кейсе SaaS-компании: до изменений 38% демонстраций проходили без участия того, кто распоряжается бюджетом. Каждая такая демонстрация — час работы двух сотрудников, после которого сделка всё равно упирается в человека, которого на встрече не было. Как вести сделку, где решение принимают несколько человек, разобрано в статье о сделке с несколькими ЛПР.
| Фреймворк | Лучший сценарий применения | Ключевые вопросы | Минусы |
|---|---|---|---|
| BANT | Короткий цикл продаж, B2C и простой B2B, транзакционные продажи | Бюджет? Кто решает? Какая задача? Когда купить? | Слабо работает при длинном цикле и комитете закупки |
| MEDDIC | Сложный B2B, корпоративные продажи, длинный цикл 3–12 мес | Какие KPI хотите улучшить? Кто распоряжается бюджетом? Есть сторонник внутри? | Требует развёрнутых ответов, сложнее для агента |
| CHAMP | Продажи услуг, неосознанная потребность, консалтинг | Какая главная проблема сейчас? Насколько приоритетна задача? | Бюджетный вопрос стоит позже, риск прогрева нецелевых |
| Свой набор критериев | Любой рынок — собирается под продукт | Комбинация из всех фреймворков под конкретный сценарий | Требует договорённости, что считать целевым лидом |
Анкета в форме разговора: как агент задаёт неудобные вопросы
Пример: B2B-компания продаёт корпоративное программное обеспечение. Лид оставил заявку на сайте, и агент сразу начинает диалог в мессенджере или в чате сайта. Задача диалога — за несколько сообщений получить ответы на вопросы BANT так, чтобы клиент не чувствовал, что его «прогоняют по анкете». Получается ли это на вашей аудитории, видно по доле диалогов, брошенных на середине, — её стоит смотреть с первого дня пилота.
Трансформация жёстких BANT-вопросов в мягкий диалог — ключевое умение AI-агента:
- Вместо «Какой у вас бюджет?» → «Вы уже прорабатывали варианты по стоимости, или пока только изучаете рынок?»
- Вместо «Вы принимаете решение?» → «Как у вас обычно проходит процесс выбора таких решений — вы сами финально утверждаете, или нужно согласование?»
- Вместо «Когда купите?» → «Если мы найдём подходящий вариант — у вас есть понимание по срокам старта?»
Человеку задавать прямые вопросы неловко. Менеджеры смягчают формулировки, уходят от конкретики, пропускают неудобные темы — особенно вопрос о бюджете. Агент проходит все нужные точки в каждом диалоге. Обратная сторона той же дисциплины: агент задаст вопрос о бюджете и тому, кому он явно неуместен, если сценарий не предусматривает, когда его пропустить. Подробнее о том, как строить диалоги для AI-автозвонщиков и агентов, читайте в статье «Как написать скрипт продаж для AI».
Карточка лида, с которой первый звонок начинается с сути
После диалога менеджер должен получить не пометку «горячий лид», а структурированную карточку. От неё зависит, начнёт ли он первый звонок предметно или снова спросит то, что клиент уже рассказал агенту, — и второе раздражает клиента сильнее, чем отсутствие агента вовсе.
Типовая карточка квалифицированного лида включает:
- Контактные данные: имя, телефон, email, мессенджер
- Компания и должность (B2B): название, отрасль, размер, роль в принятии решения
- Выявленная потребность: конкретная боль клиента его собственными словами
- Бюджет: обозначенный диапазон или сигналы о ценовых ожиданиях
- Полномочия: ЛПР (лицо, принимающее решение) / ЛВР (лицо, влияющее на решение) / рядовой сотрудник
- Временные рамки: когда планирует принять решение и начать работу
- Расшифровка диалога: полная переписка с агентом
- Балл и резюме: оценка по критериям квалификации и короткое пояснение, за что она поставлена
У каждого поля должна быть опора в словах клиента. «Бюджет: есть» без цитаты — это вывод агента, который менеджер не может проверить. «Бюджет: “заложили на это направление в этом квартале”» — факт, с которым можно начинать звонок. Изменилась ли от карточек конверсия первого звонка в следующий шаг, показывает сравнение с заявками, которые шли без агента.
Без задачи в CRM квалификация заканчивается ничем
Квалифицированный лид, который остался в переписке агента и не превратился в сделку и задачу, потерян дважды: время на диалог потрачено, а менеджер о нём не узнал. Дирижёр передаёт результат квалификации в CRM через интеграцию; данные хранятся и обрабатываются в РФ в соответствии с 152-ФЗ. Подробнее о технической стороне интеграции — в статьях «Интеграция amoCRM и речевой аналитики» и «Как настроить речевую аналитику в Bitrix24».
Процесс передачи квалифицированного лида в CRM выглядит так:
- AI-агент завершает диалог квалификации и фиксирует результат.
- Если лид набрал заданный порог квалификации, в CRM создаётся новая сделка или обновляется существующий лид.
- В карточку сделки заполняются поля, которые договорились вести: потребность, бюджет, полномочия, сроки.
- К карточке прикрепляются транскрипт диалога и AI-резюме.
- Ответственному менеджеру ставится задача «Позвонить» с дедлайном и приоритетом.
- Менеджер получает уведомление в мессенджере и внутри CRM.
Лиды, не прошедшие квалификацию, не теряются: они попадают в отдельную воронку «Нецелевые» с пометками о причинах отказа. Это даёт маркетингу данные для корректировки рекламных кампаний — видно, из каких источников приходят нецелевые заявки. И это же главный материал для проверки самого фильтра: раз в неделю кто-то из отдела должен просматривать выборку отсеянных. Подробнее о связке аналитики с CRM читайте в материале «Речевая аналитика vs CRM-отчёты».
AI-квалификация в разных каналах: чат, звонок, мессенджер
Квалификация через AI может происходить в нескольких каналах — и каждый имеет свои особенности. Выбор канала зависит от того, где ваши лиды привыкли общаться и какова природа первичного контакта.
Чат на сайте — удобен для входящих лидов, которые сами пришли изучать продукт. Агент отвечает сразу, пока интерес не остыл. Даёт ли диалог больше заявок, чем форма с полями, проверяется простым сравнением на вашем трафике.
Мессенджер (MAX, Telegram) — подходит для рынков, где клиенты привыкли переписываться, а обращения приходят вечером и ночью. Человек отвечает в удобное время, агент не теряет контекст. Как это устроено для заявок, пришедших ночью, разобрано в опубликованном кейсе о квалификации ночных лидов. Подробнее о применении в недвижимости — в материале «Автообзвон для недвижимости» и кейсе с речевой аналитикой для застройщика.
Голосовой AI-агент (звонок) — наиболее мощный канал для исходящей квалификации холодной базы. Фонекс рассчитан на обзвон больших баз, квалифицирует лиды по голосовому сценарию и передаёт только «тёплых» в работу менеджерам. Подробнее в статье «Холодный обзвон без колл-центра».
Разумная комбинация для B2B: чат и мессенджер для входящих, голосовой агент для исходящей базы, и все каналы сходятся в одну воронку в CRM. Начинать я бы всё же с одного канала — того, где сейчас теряется больше всего заявок, — иначе на пилоте невозможно понять, что сработало.
Скоринг: балл полезен, пока по нему меняется очередь звонков
Скоринг лидов — это присвоение числового балла каждому контакту на основе набора критериев. Высокий балл говорит менеджеру «звони первым», низкий — либо нецелевой лид, либо клиент, которому нужно время. Балл, по которому никто не меняет порядок работы, — просто ещё одно поле в карточке.
Агент может оценивать не только то, что сказал клиент, но и как: насколько конкретны его ответы, есть ли признаки срочности, задаёт ли он уточняющие вопросы о продукте, называет ли конкурентов (это признак активного выбора). Ответ «хочу подумать» и ответ «хочу подумать, но нам нужно запуститься до конца квартала» получат разные баллы — агент понимает эту разницу.
Пороги задаются под бизнес. Пример: лиды с высоким баллом уходят к старшему менеджеру немедленно, средние — в работу в течение дня, низкие — в воронку прогрева. Пороги почти никогда не угадываются с первого раза: их калибруют по тому, какие баллы в итоге получили заявки, дошедшие до сделки. Как затем распределять лиды между менеджерами, разобрано в статье о распределении лидов. Подробнее об управлении метриками отдела продаж — в статье «Топ метрик отдела продаж».
Где AI-квалификация ошибается и сколько стоит отсеянный клиент
У фильтра перед менеджером две ошибки, и стоят они очень по-разному. Первая — пропустить нецелевого: менеджер потратит на него разговор, как тратил и без агента. Вторая — отсеять целевого: клиент, который купил бы, получает вежливое «спасибо, мы с вами свяжемся» и уходит к тому, кто перезвонил. Первая ошибка стоит часа работы, вторая — сделки, а иногда и клиента на годы вперёд: как считать такие потери, разобрано в статье о том, как сократить отток клиентов. Настраивать агента нужно так, чтобы при сомнении он передавал лид человеку, а не отсекал.
Откуда берутся ложные отсевы. Клиент уклоняется от вопроса о бюджете, потому что ещё не говорил с руководством, — и агент записывает «бюджета нет». Человек пишет коротко с телефона — и агент принимает немногословность за отсутствие интереса. Лид приходит от помощника руководителя — и получает «не ЛПР», хотя именно помощник собирает варианты для решения. Во всех трёх случаях агент формально прав по критериям и неправ по сути.
Отсюда два правила, без которых я бы не запускал квалификацию. Первое — у каждого отсева должна быть причина словами клиента, а не только балл. Второе — выборку отсеянных регулярно просматривает человек из отдела продаж; если среди них находятся те, кому стоило позвонить, правятся критерии, а не отдел.
После квалификации проверяют уже разговор менеджера
Агент решает задачу до передачи лида. Дальше качество зависит от менеджера: воспользовался ли он карточкой, отработал ли возражения, назначил ли следующий шаг. Ручной контроль обычно видит лишь малую долю разговоров — в опубликованном кейсе онлайн-школы до изменений разбирали 4% звонков. Проверять все разговоры по чек-листу можно речевой аналитикой — в проектах 404ai это Эхолитикс, куда вошёл и Литик; подробнее о подходе — в статьях «Контроль качества звонков в отделе продаж», «Контроль работы менеджеров по продажам» и «Контроль качества в продажах».
Если разбор показывает, что горячие лиды теряются из-за того, как с ними разговаривают, это задача обучения, а не фильтра. Отрабатывать такие разговоры до встречи с реальным клиентом помогает тренажёр Коуч; об обучении новичков — в статьях «Онбординг менеджеров по продажам» и «AI-тренажёр для менеджеров».
Когда квалификация лидов с помощью AI не нужна
Автоматическая квалификация окупается там, где заявок много, а заметная их часть нецелевая. Если в отделе один-два менеджера и они успевают перезвонить каждому в течение часа, агент не нужен: выигрыш во времени будет небольшим, а риск ложных отсевов — вполне реальным. Если почти все заявки целевые — например, приходят по рекомендациям или из узкого профессионального канала, — фильтровать нечего.
Не спасёт агент и там, где проблема не в квалификации. Если нецелевые заявки идут из одного рекламного источника, дешевле поправить таргетинг, чем квалифицировать мусор. Если лиды теряются, потому что менеджеры перезванивают на следующий день, начинать нужно со скорости первого ответа, а не с фильтра. И если в компании нет согласия, кого считать целевым клиентом, агент будет уверенно применять критерии, с которыми не согласен отдел продаж.
В 404ai такие случаи называют на первой встрече: проект, где объём не окупит внедрение или некому вести изменения со стороны заказчика, не берут — этот принцип описан на странице подхода.
Пилот с контрольной группой: как понять, что фильтр не режет сделки
Проверять AI-квалификацию по одной метрике «сэкономленные часы» — значит не увидеть главную ошибку. Рабочий порядок пилота такой.
- Цель и база для сравнения. Сколько времени менеджеры сейчас тратят на первичные разговоры, какая доля заявок закрывается как нецелевая, какая конверсия из заявки в следующий шаг и в сделку. Эти цифры снимаются из CRM до запуска; какие метрики отдела продаж для этого подходят, разобрано отдельно.
- Критерии словами, а не фреймворком. Что именно клиент должен сказать, чтобы считаться целевым, и когда агент обязан передать лид человеку при сомнении.
- Базовый сценарий и правки. Квалификация, ответы на частые вопросы и назначение звонка запускаются за 3–5 рабочих дней, первые две недели уходят на правки по реальным диалогам — так это описано в кейсе о ночных лидах.
- Контрольная группа. Часть заявок идёт через агента, часть — как раньше. Сравниваются время менеджеров, конверсия в следующий шаг и, главное, конверсия в сделку.
- Условие остановки. Если время менеджеров сократилось, а конверсия в сделку в группе с агентом ниже контрольной, фильтр режет целевых — критерии правятся или пилот останавливается.
Расход на пилоте небольшой и предсказуемый: у Дирижёра первые 14 дней и 500 диалогов бесплатны, дальше — 2 ₽ за диалог. Дороже обходится время вашей команды на критерии и разбор отсеянных, и его стоит заложить сразу. О том, как организовать контроль продаж в целом и как считать отдачу от AI-инструментов, — в отдельных материалах. Если задача шире входящих заявок, пригодятся Фонекс для исходящей базы и статья «Сколько стоит холодный обзвон в 2026», а про типовые обращения клиентов — разбор того, как AI-агенты заменяют первую линию поддержки.
Что меняется в воронке, когда фильтр стоит до менеджера
Главное следствие: вопрос «сколько времени сэкономит AI» подменяет более важный — «сколько сделок он не потеряет». Экономия часов видна сразу, потерянные сделки — только в сравнении с контрольной группой, поэтому без неё пилот почти всегда выглядит успешным. Проверить, есть ли вам что квалифицировать, можно без подрядчика: выгрузите заявки за месяц, посчитайте долю закрытых как нецелевые и умножьте на время первого разговора и стоимость часа менеджера. Если получилась заметная сумма, а причины отсева в CRM заполнены, пилот имеет смысл. Если сумма мала или причин нет, начинать стоит с договорённости о том, кто ваш целевой клиент, — агент эту договорённость не заменит.
