Голосовой ИИ-агент для формирования базы холодного обзвона

Руководитель голосом ставит задачу в Telegram: «Григорий, проанализируй успешные сделки и найди паттерны — по которым нам отобрать базу для холодного обзвона». Через несколько минут агент возвращает не текстовый ответ, а готовую сегментированную базу из 11 536 компаний с телефонами, CSV-файл топ-100 и список первоочередных для звонка. Вот как это работает.

Задача: от голосового запроса до готовой базы

Стандартная проблема отдела продаж в B2B: непонятно, кому звонить. Холодная база есть, но она огромная — десятки тысяч компаний. Отбирать вручную долго, критерии размыты, а кто «похож на наших лучших клиентов» — объяснить сложно даже на словах.

Голосовой ИИ-агент решает эту задачу иначе: он сам смотрит на историю выигранных сделок, находит общие признаки лучших клиентов и применяет эти признаки ко всей базе портала. Менеджер получает не методику, а готовый список.

Как работает агент: полный цикл

Шаг 1. Голосовой запрос. Пользователь ставит задачу голосом в Telegram, мобильном приложении или внутри CRM. Агент распознаёт речь, понимает задачу и сразу сообщает, что начинает работу.

Шаг 2. Анализ выигранных сделок. Агент загружает данные по закрытым сделкам и компаниям-покупателям. Анализирует названия и описания сделок, чтобы понять, что именно покупают успешные клиенты — не категорию товара, а конкретную номенклатуру и тип потребности.

Агент сообщает о ходе анализа: загружает сделки, ищет паттерны, формирует отчёт с портретом клиента

Шаг 3. Формирование портрета клиента. На основе 1 721 выигранной сделки по 832 компаниям агент выделяет ключевые паттерны: тип компании, средний чек, географию, категории товаров. Результат — структурированный отчёт с описанием «идеального клиента».

Шаг 4. Скоринг базы. Агент применяет найденные паттерны ко всей базе портала (в данном случае — 17 397 компаний) и отбирает тех, кто соответствует профилю лучших покупателей. Дополнительно разбивает результат на «тёплых» (уже покупали один раз) и «холодных» (профиль совпадает, но сделок не было).

Шаг 5. Выдача результата. Агент формирует сегментированную базу, ранжирует компании по приоритету и предлагает экспорт: CSV топ-100 с обоснованием выбора или загрузку всей базы в CRM как лиды.

Что агент выявляет: реальные паттерны

В разобранном кейсе агент проанализировал данные промышленного дистрибьютора и выделил пять рабочих паттернов.

1. Тип компании. Лучшие клиенты — производственные и инжиниринговые компании, которым нужны специфические компоненты, запчасти и техноменклатура. Разовые бытовые закупки — не их профиль.

2. Признаки в названии. Слова «Технологии», «Инжиниринг», «Электро», «Завод», «Производство» в названии компании коррелируют с высокой вероятностью покупки.

Агент выделяет сегменты по среднему чеку, расшифровывает географию и перечисляет топ-категории товаров

3. Средний чек и сегменты. Агент разбивает клиентскую базу на три группы:

• Высокодоходные (30–90 тыс. ₽): торговые дома и инжиниринговые холдинги — редкие, но крупные закупки.
• Средний сегмент (5–15 тыс. ₽): производственные ООО и сервисные компании — стабильные повторные покупатели.
• Частотные (300–3 000 ₽): мелкие технические компании — закупают часто и понемногу, дают объём транзакций.

4. География. Москва — 62 компании, СПб — 25, Нижний Новгород — 13, Ижевск — 8, Тула/Екатеринбург/Челябинск/Ярославль — по 4. При этом 88% компаний без указания города — значит, жёсткой геопривязки нет и сделки идут по всей России.

5. Что покупают. Компрессоры, комплектующие, инструмент, запчасти, режущий инструмент, электронные компоненты, соединители, фрезы, оборудование для пищепрома. Грузы — от 50 до 5 000+ кг.

Результат: готовая база для звонка

Это не абстрактная аналитика — агент выдаёт конкретные числа, пригодные для немедленной работы.

Из 17 397 компаний портала агент отобрал 11 536 кандидатов — с разбивкой на тёплых, холодных и наличие телефона

Из 17 397 компаний портала агент отобрал 11 536 кандидатов, похожих на лучших клиентов:

• 562 тёплые компании — покупали один раз, можно реанимировать.
• 10 974 холодные компании — ещё не покупали, но профиль совпадает.
• 11 427 записей с телефоном — 99% базы пригодно для звонка немедленно.

Агент называет топ-5 первоочередных для звонка и прикладывает CSV топ-100 с обоснованием выбора

Агент дополнительно ранжирует приоритет и называет топ-5 первоочередных компаний для звонка. В данном случае это:

1. Первый ампер (ремонт промышленной электроники) — Санкт-Петербург
2. Нижегородский завод теплообменного оборудования
3. СЭТЗ — Сибирский электротехнический завод
4. ООО «ОРГGAZНЕФТЬ» — Москва
5. ПромНефтеГазАвтоматика — Москва

К результату прилагается CSV-файл с топ-100 кандидатами, телефонами и обоснованием выбора каждой компании. Всю базу из 11К агент готов выгрузить в CRM как лиды одной командой.

Почему это лучше, чем делать вручную

Традиционный способ сформировать базу для холодного обзвона: аналитик или руководитель отдела продаж несколько дней смотрит на выгрузки из CRM, формулирует гипотезы о «хорошем клиенте» и передаёт критерии менеджеру, который вручную фильтрует базу. Результат субъективен и зависит от опыта конкретного человека.

Голосовой агент делает то же самое за несколько минут, но на основе всей истории сделок, а не памяти одного человека. Паттерны статистически обоснованы — агент смотрит на 1 721 выигранную сделку, а не на 20, которые помнит менеджер.

Дополнительное преимущество — голосовой интерфейс. Руководитель ставит задачу так же, как ставит её сотруднику: голосом, в свободной форме, без заполнения форм и написания запросов.

Где применимо

Такой сценарий работает в любом B2B-бизнесе с историей продаж в CRM и внешней базой потенциальных клиентов:

• Промышленные дистрибьюторы — отбор из баз порталов (ДЛГ, ОТС, отраслевые справочники).
• IT-компании и интеграторы — скоринг базы по профилю компаний, которые уже купили похожее решение.
• Телеком и SaaS — поиск сегментов с наибольшим LTV на основе исторических данных.
• Строительство и недвижимость — отбор девелоперов и подрядчиков, похожих на текущих клиентов.

Интеграция с CRM

Агент работает с данными из Битрикс24 и amoCRM. История сделок загружается напрямую через API. Результат — готовая база — выгружается обратно в CRM как лиды или передаётся в CSV для колл-центра.

Голосовой интерфейс доступен через Telegram-бот или мобильное приложение. Дополнительных инструментов не нужно — агент встраивается в привычный рабочий процесс.