Как в Йорте создали ИИ-ассистента и повысили конверсию на 55%

В Йорте, нашем проекте по производству товаров для ванных комнат, мы создали ИИ-ассистента для отдела продаж на основе собственной базы знаний. В нее вошли материалы экспертных консультаций и реальные клиентские диалоги. Менеджеры обращаются к ассистенту через Telegram, чтобы разобрать возражение и подготовить ответ с учетом ситуации покупателя. По нашим внутренним данным за июнь — август 2026 года, конверсия пилотной группы выросла на 55% относительно показателя менеджеров, работавших без бота.

За этим результатом стоит задача, с которой сталкиваются многие компании: как сохранить накопленную экспертизу и сделать ее доступной сотрудникам в момент, когда она действительно нужна. Для нас отправной точкой стала потеря знаний после ухода ключевого человека. Этот опыт показал, что оплаченные компанией консультации и наработанные подходы могут оставаться фактически недоступными остальной команде, если не превращать их в общую базу.

Задача: сохранить знания и помочь менеджерам в сложных переговорах

Я долго считал команду главным активом компании. Однако вместе с сотрудником могут уйти знания по целому направлению, включая опыт, который он получил от приглашенных экспертов за деньги бизнеса. После такой ситуации мы решили системно фиксировать консультации и рабочие обсуждения, чтобы накопленная экспертиза оставалась внутри компании и использовалась повторно.

Одновременно отделу продаж требовалась поддержка в работе с возражениями. Клиент мог сравнивать товар с предложением соседнего салона, просить скидку или надолго исчезать после консультации. Менеджеру было важно понять, какой аргумент поможет продолжить разговор, особенно если возможности снизить цену нет. Поэтому будущую базу знаний мы рассматривали как основу инструмента, который будет помогать в конкретных переговорах.

Решение: превратить записи встреч в рабочую базу

Мы собирали записи консультаций с экспертами рынка, клиентских звонков и внутренних встреч в Zoom. Только экспертных обсуждений накопилось более 100 часов — около 40 файлов транскрибаций. Материалы распределили по темам, связанным с продажами: работа с ценой, сомнения клиента, сравнение с конкурентами и другие повторяющиеся ситуации.

К этой базе добавились примеры сделок и клиентских переписок. Они позволяли опираться на конкретный опыт: какое возражение возникло, что ответил менеджер и чем закончился разговор. По мере накопления материалов стало заметно, что многие сомнения покупателей повторяются, хотя формулируются разными словами. Это и стало основой для ассистента, который помогает находить подходящий сценарий ответа.

На первом этапе мы ограничились минимально работающей версией — MVP. Для базы было достаточно файлов внутри проекта ИИ, без отдельной инфраструктуры и специализированной векторной базы данных. Развитие системы мы оставили на следующий этап: сначала требовалось проверить, помогает ли накопленная экспертиза менеджерам в реальной работе.

Как работает Yorta AI: от переписки до аргумента

Для менеджеров ассистент доступен в привычном Telegram. Сотрудник пересылает клиентский диалог и задает вопрос, после чего бот сопоставляет ситуацию с накопленными материалами и предлагает вариант ответа. Переговоры при этом ведет человек: он получает подсказку, а не передает общение с покупателем автономному агенту.

Показательным оказался случай с клиентом, который после бесплатного дизайн-проекта написал: «Дорого, у соседнего салона такая же раковина дешевле», — и пропал на три дня. Сделка до этого казалась близкой к завершению, но менеджер не мог снизить цену и не понимал, каким аргументом вернуть покупателя в разговор. Он передал переписку в Yorta AI, чтобы разобрать возражение.

Ассистент предложил гипотезу: покупателю важно, чтобы раковина выглядела дорого, а разница между предложениями пока для него неочевидна. Вместо скидки бот рекомендовал объяснить особенности сантехнического фарфора и сделать акцент на внешнем виде изделия, в частности на блеске поверхности. Менеджер использовал этот подход, и клиент вернулся к обсуждению. После дополнительного сравнения с конкурентами он через неделю приобрел не отдельную раковину, а полный комплект, который мы называем боксом.

Из этого случая мы вывели рабочее правило: прежде чем обсуждать уступку, стоит помочь клиенту увидеть различия между товарами. За сравнением цен может стоять опасение переплатить за одинаковый результат, поэтому задача продавца — выяснить критерии выбора и объяснить значимые преимущества. Теперь ассистент сначала ищет такой аргумент и только затем рассматривает возможность уступки.

Результат пилота и значение для компании

За июнь — август 2026 года конверсия пилотной группы, использовавшей ассистента, выросла на 55% относительно показателя менеджеров без бота. Это результат нашего внутреннего сравнения за конкретный период. Он показывает эффект в условиях Йорты, но не означает, что такой же рост автоматически получит любой отдел продаж после подключения ИИ.

Для нас ценность проекта оказалась шире отдельной метрики. Экспертные консультации, которые раньше требовалось вспоминать или искать в записях, стали основой подсказок для повседневной работы. Накопленные знания получили практическое применение в момент разговора с клиентом, а менеджеры — дополнительную опору при работе с сомнениями и сравнением цен.

При этом ассистент остается MVP. Следующий этап развития связан с расширением базы и усложнением поиска по мере роста объема материалов. Мы сознательно начали с решения, пользу которого можно проверить сейчас, вместо того чтобы сначала строить инфраструктуру под все возможные будущие задачи.

Как применить этот подход в своем отделе продаж

Начать можно с небольшой подборки из 10–15 успешных сделок, в которых менеджеры справились с возражениями и довели клиента до оплаты. Важно сохранить контекст разговора: сомнение покупателя, предложенный аргумент и итог. Параллельно стоит собирать экспертные консультации и распределять их расшифровки по темам, чтобы база отражала реальные ситуации бизнеса.

Для проверки идеи достаточно загрузить подготовленные материалы в рабочее пространство ИИ и задать правила ответа: учитывать контекст, опираться на базу, искать причину возражения и предлагать аргументы до обсуждения скидки. Если помощник оказывается полезен, можно подключить его к привычному каналу работы команды, а базу регулярно пополнять новыми удачными диалогами. Это возможный путь повторения подхода; конкретные инструменты и интеграции зависят от устройства компании.

Главный урок нашего проекта — знания становятся активом бизнеса, когда они зафиксированы, доступны команде и используются в работе. В Йорте эта база стала основой ИИ-ассистента, который усиливает продавца и помогает ему заметить то, что он мог упустить. Именно так я понимаю ИИ как экзоскелет: решение остается за человеком, но за его спиной работает накопленная экспертиза компании.