B2B-сайт с ИИ-разбором заявок: Заявка приходит с контекстом

Сайт собирает контекст обращения — страница, кнопка, источник рекламы — и передаёт менеджеру заявку с оценкой по вашим критериям.

контекстстраница, кнопка и источник рекламы

Проект для заказчика · заявки

Заявка приходила без контекста

Менеджер видел имя и телефон, но не знал, что человек смотрел на сайте и почему написал. Приоритет приходилось угадывать.

Как это работает по шагам

ИИ на сайте первым разбирает каждое обращение. Он сохраняет, откуда пришёл посетитель, задаёт несколько коротких вопросов вместо длинной анкеты, выделяет главное, оценивает заявку по согласованным с в.

  1. Сохраняются страница услуги, нажатая кнопка, метки рекламы, источник перехода и первый вопрос посетителя.А · сайт сохраняет контекст интереса
  2. Вместо длинной формы он собирает только коммерчески важные данные: задачу, объём, срок, роль клиента и удобный канал свяБ · ассистент задаёт короткие уточнения
  3. Система оценивает, подходит ли клиент, срочность, объём и полноту данных и показывает менеджеру не только балл, но и объВ · заявка получает оценку и причину

Контекст и приоритет

оценка
приоритет по вашим критериям

Заявка уходит в CRM или Telegram вместе с историей просмотра и причиной оценки.

B2B-сайт, который фиксирует контекст обращения, уточняет задачу клиента и передаёт менеджеру готовое резюме заявки
Все проекты
Тип работы
Проект для заказчика
Заказчик
Конфиденциальный проект
Отрасль
Заявки и продажи
Срок
2-3 недели на пробную версию
Команда
1 fullstack разработчик, 1 ML-инженер, 1 продуктовый дизайнер
Стек
Next.js, TypeScript, OpenAI API, RAG, CRM/Webhooks
Подробно для технических специалистовКак сайт превращает обращение в управляемый коммерческий сигнал

AI-модуль не принимает финальное коммерческое решение и не заменяет менеджера. Он выполняет первичную обработку входящего обращения: сохраняет контекст, извлекает ключевые данные, объяснимо присваивает приоритет и передаёт результат в рабочий канал команды.

Первый слой — контекст визита. Сайт фиксирует страницу услуги, выбранный CTA, UTM-метки, referrer, источник перехода и первый вопрос посетителя. Эти данные важны не меньше самого сообщения: они показывают, какое предложение сработало и в каком контексте человек решил оставить заявку.

c=(page, CTA, UTM, q0)c=(page,\ CTA,\ UTM,\ q_0)
Контекст визита становится частью заявки и используется в диалоге, скоринге и аналитике.

За счёт этого диалог не начинается с универсального скрипта. Посетителю задают вопросы по конкретной услуге, а менеджер получает карточку, где уже сохранён источник интереса.

Второй слой — короткая квалификация. Вместо формы на 15 полей ассистент выясняет только то, что реально нужно для первого касания: задачу, объём, срок запуска, роль человека, канал связи и систему, куда нужно передать результат.

a=(task, volume, deadline, channel)a=(task,\ volume,\ deadline,\ channel)
Набор ответов превращает обращение в нормализованные поля лида.

Если данных достаточно, ассистент не продолжает анкетирование. Если ответ неполный, он уточняет один конкретный параметр. Так посетитель не чувствует тяжёлую форму, а команда всё равно получает коммерческий контекст.

Третий слой — объяснимый score. Оценка лида строится не как чёрный ящик, а как комбинация согласованных критериев: соответствие целевому профилю, срочность, объём, канал, роль человека и риск потери, если не ответить быстро.

S=wfF+wuU+wvV−wnNS=w_fF+w_uU+w_vV-w_nN
Скоринг объединяет fit, срочность, объём, срок, роль клиента и штраф за неполные данные.

Важно, что менеджер видит не только число, но и причину оценки. Поэтому score помогает расставлять приоритеты, а не спорить с моделью.

Финальный слой — передача в работу. Все лиды сохраняются, но маршруты разные: горячее обращение можно сразу отправить в Telegram или email ответственному менеджеру, а остальные заявки положить в CRM с тегами, score, историей диалога и следующим шагом.

lead=(c, a, S, reason, next step)lead=(c,\ a,\ S,\ reason,\ next\ step)
Лид-резюме содержит контекст, ответы, score, причину оценки, следующий шаг, ответственного и историю.

Так сайт начинает работать как часть процесса обработки заявок: не просто собирает контакты, а помогает быстрее понять, с кем говорить в первую очередь и какой разговор продолжать.

В результате сайт перестаёт быть пассивной формой обратной связи. Он становится управляемым входом для заявок: сохраняет контекст интереса, собирает недостающие данные, объясняет приоритет и передаёт менеджеру заявку, с которой можно работать без повторного интервью.

Результаты

  • Каждая заявка сохраняется вместе со страницей, нажатой кнопкой, метками рекламы и историей диалога
  • Менеджер видит задачу, объём, срок запуска, канал связи, приоритет и причину оценки заявки
  • Горячие обращения можно отправлять сразу в Telegram или email, не теряя остальные заявки в CRM
  • Маркетинг видит качество заявок по страницам, предложениям и источникам рекламы
  • Правила оценки настраиваются под бизнес: отрасль, объём, срочность, роль клиента и риск потери
  • Next.js
  • TypeScript
  • OpenAI API
  • RAG
  • CRM/Webhooks

Хотите похожее решение?

Опишите процесс, данные и желаемый результат — вернёмся с вариантами решения и оценкой первого этапа.