Ответил в лс

Я бы запустил по ним рассылку с вопросом, а отвечать на ответы посадил бы ии-ассистента. Предварительно обученного на базе знаний по моему продукту.

можно на основании выгрузки базы отказных лидов проанализировать возражения, которые я являлись причиной отказа от сделки, и сегментировать базу по причинам отказа. Далее по каждому сегменту формируем предложение с учетом причины отказа и формируем цепочку писем. Это как пример. И, конечно, многое зависит от того, какие данные вы собираете в СРМ

Можете подробнее написать, какие инструменты для решения используете. Речь идет о работе с неструктурированным текстом. Я пробовал это решать на colab + python + gpt 4o. Это оказалось не так просто. Расскажите больше про свой бэкграунд или команду? Что у вас за услуга, сколько она стоит?

Для выполнения задачи по работе с отказными лидами мы бы начали с выгрузки данных с помощью API AMO CRM. Это дало бы нам доступ к информации о сделках, комментариях и истории взаимодействий. Далее, используя внутренние инструменты, а также API, такие как API Chat GPT, мы бы сегментировали и классифицировали лидов, чтобы определить группы с разным потенциалом для повторной работы.

После этого мы применили бы наш собственный тулсет для обработки данных. Это включает как анализ текстов комментариев, так и истории взаимодействий, а в случае необходимости — использование инструментов для анализа аудиофайлов звонков. Все эти данные обрабатывались бы для выявления ключевых причин отказов и поиска возможных путей для улучшения взаимодействий с клиентами.

По завершении анализа мы сформировали бы отчеты, в которых указали бы лидов с высоким потенциалом для повторного контакта и предложили бы стратегии для их "разогрева". Также мы определили бы лидов, с которыми, вероятно, не стоит продолжать работу, что помогло бы оптимизировать использование ресурсов.

Опираться на причины отказов, которые указали менеджеры - не продуктивно. Там то, что сказали клиенты в лучшем случае. В худшем, то как это понял менеджер.

Я бы сначала приоритезировал сделки. Потом по самым важным выгрузил звонки, транскрибировал и прогнал через 3.5 с промптом определения все ли возможности для закрытия сделки использовал менеджер. С оценкой и 5-ти балльной шкале. И опираясь на оценку и ответ чат гпт вернул бы сделки в работу, начиная с тех, где меньше всего было приложено усилий

Не уверен, что правильно вас понял. Это может дать вам новые идеи, способы решения ваших задач, если есть интерес, могу глубоко разобраться в вашем кейсе и предложить решения