Workspace Digital Awards — приём заявок в самом разгаре! Успейте номинироваться по льготной цене до 30 декабря.
Haiku.dev
ИИ-копилот для продаж коммерческой недвижимости
Haiku.dev
#Внедрение и поддержка CRM#Разработка чат-ботов и Mini Apps#ИИ и нейросети

ИИ-копилот для продаж коммерческой недвижимости

19 
Haiku.dev Россия, Санкт-Петербург
Поделиться: 0 0 0
Сфера

Недвижимость

Сдано

Июнь 2025

Задача

Коммерческая недвижимость продаётся в переписке. Клиент пишет в мессенджер или в чат на сайте с размытым запросом, и за десятки сообщений менеджер выясняет сегмент, бюджет, назначение помещения, сроки и готовность к сделке.

У компании была сильная методика продаж. Скрипты, правила общения, работа с возражениями и стандарты для каждого этапа воронки были описаны в документах. Но при 3 000+ диалогов в день открывать их посреди разговора никто не успевал.

С ростом потока менеджеры иногда называли устаревшие цены, пропускали шаги скрипта и теряли требования, которые клиент назвал в начале переписки. Персональное коммерческое предложение собирали из CRM вручную две недели, поэтому большинство клиентов получали типовую презентацию.

Решение

Мы сделали ИИ-помощника для менеджеров по продажам. Он читает переписку, понимает, кто перед ним, подсказывает ответ по сценарию компании и собирает коммерческое предложение. Систему построили в два слоя: разбор диалогов и генерация предложений.

Этап 1. Собрали все переписки в одно окно

Система забирает сообщения из мессенджеров менеджеров и склеивает их в единый контекст диалога. В рабочем окне видно каждый активный разговор, оценку лида, контекст клиента и следующий шаг.

Разговор остаётся за менеджером. Система предлагает ответ, а менеджер проверяет его, правит и отправляет.

Единое окно со всеми диалогами менеджера

Этап 2. Научили систему понимать, кто перед ней

ИИ-агент читает историю переписки и определяет тип запроса, этап воронки и готовность клиента к сделке. Под этот класс система выбирает один из корпоративных сценариев продаж со своими вопросами, аргументами и следующими шагами.

Менеджер видит короткое содержание диалога, следующее действие и готовый ответ в тоне компании.

Диалог с подсказкой сценария и готовым ответом

Этап 3. Профиль клиента и подбор объектов

Из переписки система сама собирает требования клиента, то есть тип помещения, назначение, бюджет, площадь, район и сроки. По этому профилю она подбирает подходящие объекты, и менеджеру не нужно листать весь каталог.

Профиль клиента, собранный из переписки

Цены и площади система берёт из актуальной базы объектов по строгим правилам. Поэтому цифры в ответе совпадают с базой, даже если цены поменялись вчера.

Объекты, подобранные под требования клиента

Этап 4. Коммерческое предложение за минуту

Из профиля клиента и выбранных объектов система собирает персональное коммерческое предложение в PDF. Оно сделано по утверждённым шаблонам и в фирменном стиле.

Коммерческое предложение, готовое к отправке

В предложении есть объекты под запрос клиента, точная цена за месяц, объяснение, почему подходит каждый вариант, и следующие шаги.

Предложение, которое получает клиент

Этап 5. Помощник прямо в CRM

Менеджеры весь день работают в CRM, поэтому мы сделали расширение для браузера. Оно показывает внутри CRM приоритетные диалоги, подсказки ответов и карточку клиента.

Готовый ответ переносится в мессенджер одной кнопкой, без переключения окон.

Помощник внутри CRM: приоритетные диалоги, подсказки и карточка клиента

Как устроена система

Сообщения из мессенджеров приходят волнами, а цепочка запросов к модели для одного сообщения занимает десятки секунд. Поэтому приём и обработку мы разделили очередью Apache Kafka. Сообщение принимается сразу, а при сбое система повторяет попытку и сохраняет сообщения клиентов.

Сценарий продажи описан в LangGraph как граф состояний. Агент классифицирует клиента, проверяет уникальность лида в CRM, ведёт разговор по скриптам компании, отвечает из базы знаний и подводит к встрече. Состояние каждого чата сохраняется, поэтому диалог продолжается с того места, где остановился.

Ответ пишет GPT-4.1, а поиск по базе знаний выполняет GPT-4.1-nano. Указаны модели исходного стека, с релизом новых моделей мы пересматриваем и оптимизируем инструменты. Сервис коммерческих предложений берёт актуальные цены, планировки и наличие из фида застройщика и собирает PDF в фирменном стиле.

Результат

  • Коммерческое предложение готово за минуту вместо двух недель.

  • Скорость работы отдела продаж выросла в 10 раз.

  • Каждый клиент получает предложение под свой запрос, а не общую презентацию.

  • Менеджеры работают по единым сценариям, и качество переписки больше не зависит от нагрузки.

Опыт лучших продавцов теперь хранится в системе. Каждый диалог, классификация и исход сделки пополняют базу того, как компания продаёт на самом деле.

Мы делаем ИИ-ассистентов, которые работают по методике самой компании и на её данных. Последнее слово в каждом сообщении остаётся за менеджером.


Стек технологий


Оцените кейс
Спасибо за оценку
Выскажите мнение
Авторизуйтесь, чтобы добавить свой комментарий.
оставить заявку

Хотите заказать похожий проект?

Haiku.dev с удовольствием обсудит вашу задачу

Оставить заявку