Gong проанализировал более 300 миллионов звонков и вывел закономерности, которые отличают выигранные сделки от проигранных.
Они неочевидны.
Соотношение «говорить / слушать»
Топ-перформеры говорят 43% времени звонка. Слушают — 57%. Проигранные сделки: менеджер говорит 64% времени.
Это не значит «говорите меньше». Это значит: задавайте вопросы, которые заставляют клиента говорить о своей ситуации. Именно в этот момент формируется понимание, необходимое для закрытия.
Количество вопросов
Оптимальное количество вопросов на вводном звонке: 11–14. Меньше — клиент чувствует, что его не слушают. Больше — ощущение допроса.
При продажах C-level ситуация обратная: успешные встречи с топ-менеджерами содержат в среднем 4 вопроса. Не 14. Четыре. Руководители ценят время, и восемь уточняющих вопросов они воспринимают как неподготовленность.
Глубина проблем
Выигранные сделки: менеджер фиксирует 3–4 конкретные проблемы клиента в ходе разговора. Проигранные — либо одну (поверхностный разговор), либо больше пяти (всё кажется менее срочным, когда проблем слишком много).
Что делает ИИ с этими данными
Современные conversation intelligence платформы — Gong, Chorus, российский аналог UIS — анализируют звонки в реальном времени или после и дают обратную связь.
Что конкретно: выдерживает ли менеджер нужное соотношение, сколько задал вопросов, на каких моментах клиент замедлялся или менял тон, где прозвучали ключевые слова — «бюджет», «конкурент», «дедлайн», «руководство».
Менеджер по продажам в одной российской страховой компании после анализа записей обнаружил, что 80% его звонков проваливались на одной и той же фразе — он называл цену раньше, чем клиент успевал сформулировать ценность. Не интуиция — данные.
После речевой аналитики компания выявила удачную фразу «продление полиса со скидкой» — и перенесла её в стандартный скрипт. Конверсия выросла на 18% за квартал.
Кейс из B2C — розничная торговля
Сеть из семи магазинов бытовой техники в Казахстане внедрила AI-ассистент для консультантов. В момент разговора с покупателем ассистент в наушнике подсказывал: какие модели аналогичного товара смотрели покупатели, купившие этот продукт (паттерн сравнения), какие дополнительные аксессуары чаще всего берут вместе, на каком этапе разговора имеет смысл упомянуть рассрочку.
Средний чек вырос на 22% за три месяца. Возвраты снизились — потому что консультант лучше попадал в ожидания.
* * *
Большинство тренингов по продажам учат «работать с возражениями».
Это неправильная метафора.
Возражение — не стена, которую нужно пробить. Это диагноз. Сигнал о том, что что-то в восприятии клиента не совпало с реальностью.
«Дорого» — редко означает «у меня нет денег». Чаще означает одно из трёх: «я не понимаю, за что плачу», «я видел дешевле у конкурента», «мне нужно объяснить это тому, кто подписывает бюджет».
«Нам нужно подумать» — редко означает «мы думаем». Чаще: «я не готов брать на себя ответственность», «есть что-то, что меня останавливает, но я не хочу это называть», «нужно согласовать с кем-то ещё».
Gong проанализировал, как лучшие менеджеры работают с возражениями. Ключевое отличие: они задают уточняющий вопрос вместо того, чтобы сразу давать ответ.
«Когда вы говорите "дорого" — относительно чего? Вы видели похожее решение по другой цене или дело в бюджете на этот квартал?»
Этот вопрос не продаёт. Он диагностирует. И именно он определяет, какой ответ нужен.
Как ИИ помогает с возражениями
Первый способ — классификация. Системы анализа звонков умеют распознавать возражение по типу: ценовое, временное, конкурентное, по полномочиям, по доверию. Это позволяет менеджеру не гадать, что имел в виду клиент, а работать с конкретной категорией.
Второй способ — база знаний в реальном времени. Во время звонка менеджер слышит возражение, которое не встречал раньше. ИИ-ассистент за секунды находит в базе аналогичные случаи и то, что в них сработало.
Третий способ — тренажёр. И это самое важное.
ИИ как тренажёр, а не автоответчик
Есть принципиальная разница между двумя применениями ИИ в работе с возражениями.
Применение первое: ИИ отвечает на возражение вместо менеджера — генерирует реплику, которую менеджер зачитывает. Это работает для простых транзакционных продаж. Для сложных — убивает сделку. Клиент в B2B слышит скрипт немедленно. И немедленно теряет доверие.
Применение второе: ИИ тренирует менеджера до звонка. Симулирует скептичного клиента, задаёт возражения, оценивает ответы — по критериям: понял ли менеджер суть возражения, задал ли уточняющий вопрос, предложил ли конкретный следующий шаг.
Симулированная практика даёт 50–75% удержания навыка. Чтение скриптов — 5–10%. Это данные по образовательной нейронауке, и они применимы к продажам напрямую.
Платформа Hyperbound обучает менеджеров на двух миллионах часов реальных B2B-разговоров. Результат их клиентов: менеджеры, прошедшие 30+ симуляций на конкретные возражения, в 4,2 раза чаще закрывают сделки на этапе работы с возражением по сравнению с теми, кто тренировался только на реальных клиентах.
Данные AmpUp (анализ ~1000 enterprise-взаимодействий, H2 2024).
Кейс из образования: белорусская EdTech
Лerna — образовательная платформа, эксклюзивный партнёр Skillbox и GeekBrains в Беларуси, 350 сотрудников — внедрила речевую аналитику через Imot.io и обнаружила кое-что неожиданное.
75% отказов от покупки были не из-за цены. Менеджеры годами отрабатывали возражение «дорого», которого у большинства клиентов не было. Реальная причина — страх не справиться с обучением.
После того как менеджеров переобучили работать именно с этим барьером — конверсия выросла в среднем на 10% по всем командам. Стоимость контроля качества упала в восемь раз.
Ключевой урок: ИИ ценен не тем, что пишет ответы на возражения. Он ценен тем, что вскрывает, какое возражение реально стоит за отказом.
Правило третье. Возражение — диагноз, не стена. ИИ классифицирует возражение. Менеджер лечит. Никакой автоответчик не заменит человека, который слышит, что за словами «нам нужно подумать» стоит страх.
* * *
Прежде чем продолжать — остановлюсь на том, о чём обычно не говорят.
ИИ в продажах хорош. Но есть граница, за которой он становится проблемой.
Исследование Stanford + Carnegie Mellon (2025) показало: автономные ИИ-агенты в продажах работают быстрее и дешевле людей, но «производят работу более низкого качества и маскируют недостатки фабрикацией данных».
Конкретная цифра: автономные ИИ-звонилки конвертируют в квалифицированные возможности 15% против 25% у живых менеджеров. При чеке сделки до 10 000 долларов — разрыв несущественен, автоматизация оправдана. При чеке 100 000+ — разрыв критичен.
Schilke & Reimann в исследовании 2025 года провели 13 экспериментов на 5000+ участниках. Вывод: раскрытие использования ИИ в коммуникации статистически снижает доверие. Инвесторы доверяли компаниям на 18% меньше. Клиенты — на 20% меньше. Эффект сохранялся даже у тех, кто хорошо знаком с ИИ.
Это не значит «скрывать ИИ». Это значит понимать: в высокорисковых, дорогих, эмоционально сложных сделках — доверие строит человек. ИИ может его подготовить, поддержать, усилить. Но не заменить.
Что человек делает, чего ИИ не может
Директор по закупкам подписывает контракт на миллион — он не подписывает спецификацию. Он решает, верит ли он людям по ту сторону стола. Что они будут рядом, когда что-то пойдёт не так. Что они поняли его ситуацию глубже, чем написано в брифе.
Это не передаётся в промпт.
Менеджер замечает, что CFO на встрече молчит чуть дольше обычного, когда речь зашла о сроках. Это сигнал. Живой сигнал, из тела, из паузы. Ни один алгоритм не учится на паузах в переговорной комнате.
Клиент говорит «нам всё нравится, давайте чуть позже». Опытный продавец слышит: что-то случилось. Может, бюджет заморозили, может, сменился стейкхолдер, может, появился конкурент. И задаёт один вопрос, который разворачивает разговор.
ИИ не слышит «чуть позже». Он его записывает.
Граница по типу сделки
Правило, которое работает: транзакционные продажи — ИИ делает большую часть. Консультативные и стратегические — ИИ готовит, человек ведёт и закрывает.
Более конкретно. Если сделка закрывается за один контакт или в онлайне — ИИ-агент или автоматизированный флоу справляется. Если сделка требует нескольких встреч, нескольких стейкхолдеров и индивидуального предложения — каждый контакт ведёт живой человек, ИИ только усиливает его подготовку.
SaaStr в апреле 2026 сформулировал это прямо: «ИИ уже лучше 80% средних менеджеров по продажам. Но лучших менеджеров по продажам он не заменит ещё долго — потому что лучшие менеджеры продают не продукт, а уверенность».
Правило четвёртое. Отдайте ИИ всё, что повторяется. Оставьте человеку всё, что требует доверия. Граница проходит не по сложности задачи — по цене ошибки.
* * *
Отдельные инструменты — это не система. Система — это когда каждый элемент усиливает следующий.
Вот как выглядит полная ИИ-система в продажах для агентства или малого и среднего бизнеса (МСБ).
Верхняя часть воронки — сигналы и квалификация
ИИ мониторит входящих лидов и внешние сигналы. Лид заходит на страницу с ценами — триггер. Лид скачивает второй кейс за неделю — триггер. Компания из таргетного списка опубликовала вакансию на роль, связанную с вашим решением, — триггер.
Система скорит каждый лид по гибридной модели: кто этот человек + что он делает прямо сейчас. Только лиды выше порога уходят к менеджеру.
Менеджер не решает, кому звонить. Система говорит: вот три лида на сегодня. Вот почему они приоритетные. Вот что мы знаем о каждом.
Подготовка к контакту
За 5 минут до звонка менеджер открывает ИИ-бриф. Профиль компании, ключевые контакты и их роли в решении, вероятные боли, история взаимодействия с вашей компанией, вероятные возражения, предложенные вопросы для вводного звонка.
Сам разговор
Conversation intelligence пишет звонок. В реальном времени или после — транскрипт, ключевые моменты, настроение клиента в разных частях разговора, упоминания конкурентов, бюджетные сигналы.
Менеджер завершает звонок и за 2 минуты обновляет CRM — не вручную, а принимая или корректируя то, что ИИ уже зафиксировал.
После разговора
Если нужно отправить письмо после встречи — ИИ генерирует черновик на основе транскрипта. Менеджер правит под себя, отправляет. Если сделка идёт в стагнацию — система флагует и предлагает следующий шаг.
Аналитика
Раз в неделю менеджер и руководитель разбирают: какие лиды конвертировались, какие нет, на каком этапе застрял поток. ИИ показывает паттерны: у каких менеджеров провалы на этапе discovery, у каких — на этапе работы с возражениями. Не интуиция — данные.
Кейс: digital-агентство, Россия
Маркетинговое агентство — 50 человек, бюджет на внедрение 1,8 миллиона рублей — интегрировало amoCRM, UIS-телефонию с речевой аналитикой, коллтрекинг и сквозную аналитику по рекламным каналам.
Результат через год: успешные исходящие звонки выросли на 104%, стоимость обращения упала на 61%. Не потому что наняли лучших менеджеров — потому что перестали тратить их время на нецелевые контакты.
Срок окупаемости — 4 месяца.
* * *
Одна из главных ошибок — думать, что ИИ-система продаж это дорого и долго.
Реальный диапазон входа для МСБ в 2026 году.
Уровень 1 — минимальный, $300–800 в месяц
CRM с базовой ИИ-функциональностью (amoCRM, Bitrix24, HubSpot). Речевая аналитика для записи и транскрипции звонков. ИИ-ассистент для написания писем после встреч.
Что получаете: фиксацию всех контактов, данные по звонкам, экономию времени на рутинной документации. Окупаемость — 1–2 месяца при команде от 3 менеджеров.
Уровень 2 — средний, $800–2500 в месяц
Добавляете предиктивный скоринг лидов, интеграцию с сигналами (посещения сайта, активность в LinkedIn), conversation intelligence с детальной аналитикой паттернов.
Что получаете: +20–40% к конверсии при том же числе менеджеров. Окупаемость — 3–6 месяцев.
Уровень 3 — продвинутый, от $2500 в месяц
Полная интеграция: CRM + телефония + сигнальный скоринг + аналитика звонков + сквозная аналитика + ИИ-тренажёр для менеджеров.
Что получаете: систему, в которой каждый элемент усиливает следующий. Окупаемость — 6–12 месяцев, но эффект кумулятивный.
Три ошибки, которые убивают результат
Первая: внедрять без чистых данных. Если CRM заполнена наполовину или с дублями — ИИ-скоринг отразит этот мусор в точных цифрах. Сначала гигиена данных, потом модели.
Вторая: покупать инструмент и думать, что он сам заработает. ИИ усиливает процесс — не заменяет его. Если у вас нет процесса квалификации лидов — ИИ-скоринг добавит автоматическую путаницу к ручной.
Третья: автоматизировать весь цикл продаж сразу. Начинайте с одного узкого места: либо квалификация, либо подготовка к встречам, либо аналитика звонков. Один инструмент, одна метрика, один месяц пилота. Потом расширяете.
* * *
О проекте
О подписке
Другие проекты