Всем привет! Мы на канале To The Moon. Э, и сегодня я вам покажууу в нашем выпуске реальный кейс по настоящему бизнесу. У меня есть, э, доля в одном бизнесе в ипотечном кредитовании. То есть у меня стояла реальная задача сделать оценку работы, эффективности вообще этого бизнеса, эффективности коммерческого подразделения. Как работает маркетинг, как работают продажи, а, как работают все менеджеры, какого качества приходят лиды, какого качества рекламные кампании делаются. Сделать такую очень серьезную оценку всего происходящего, да. Не просто где-то увидеть какой-то звонок или какую-то транскрибацию, не просто получить какой-то небольшой отчет, а получить, э, систему, которая является, ну, действительно настоящим искусственным интеллектом, э, и а не просто очередным каким-то небольшим софтом или небольшим каким-то чат-ботом. А мало того, этот выпуск, он, а, невероятно полезен людям не для того, чтобы разобраться в автоматизации, да, опять же, или тем, у кого обязательно есть бизнес в коммерции, а людям, для того, чтобы вообще понять, как на самом деле устроен искусственный интеллект, какое должно быть мышление при разработке определенных задач, о чем надо думать для того, чтобы не совершить ошибки и для того, чтобы создать настоящую систему, а в действительности заложить основу на будущее. Для того, чтобы вы смогли видеть и предвидеть многие вещи впереди с точки зрения развития вашей профессии или развития, конечно же, вашего бизнеса. Это выпуск про то, как не просто увеличить свой доход. Это совершенно другая система мышления. И это, конечно, настоящий пример того, как искусственный интеллект становится настоящей инфраструктурой в бизнесе, и а не простооо там микрочат-ботом или какой-то микросистемой.
Идем с вами смотреть. Значит, э, что произошло? Есть бизнес в недвижимости, ипотечное кредитование, продажа домов. Это все США, да, это чисто бизнес США. И в этом бизнесе работают менеджеры по продажам, которые взаимодействуют, там, аккаунты, которые взаимодействуют, и, э, там, руководители, руководители продаж, маркетологи и так далее. И в этом бизнесе есть целая серия систем разных. Есть CRM-система Bonza. Это CRM-система, которая используется на рынке ипотечного-- на рынке недвижимости в США. Arrive — это система для выдачи кредитов с учетом того, что мы подсоединены к десяткам банков и имеем возможность выдавать, э, искать людям правильные кредиты для покупки жилья или для рефинансирования жилья в достаточно хорошем качестве. И есть реклама, которая делается, там, через Facebook или через Google. Ну, есть различные еще дополнительные какие-то площадки, да.
Там, с точки зрения финансовой есть системы, есть системы чатов и так далее. Значит, э, первый, какой у меня был вообще интерес, когда я присутствовал на разных собраниях, то, задавая вопросы, у меня все время была проблема в агрегировании данных, с одной стороны. И вторая история, которая была, я все время слышал, что новые менеджеры, которые выходят на работу, у меня мой партнер сильно жаловался, что они некачественные или они не сильно разбираются в том, что они делают. И мне очень важно было проверить, с одной стороны, их качество, а с другой стороны, научить их работать. То есть что я сделал? Во-первых, я быстрооо, ну, поднял систему, которая связалась с инфраструктурой нашей CRM-системы Bonza. Что я сделал? Я создал проект в Codex. Но у меня параллельно был и Codex, и Claude. Codex — это 5.5 High, Claude — в основном четыре-- 4.8, там, Ultra Claude или Max. Это просто установленные, как мы знаем с вами, э, среды, но здесь мы их еще раз покажем. Это очень легкая история. Есть приложение для Mac. Дальше я зашел в ChatGPT и сказал, что я хочу связаться с системой Bonza. В этой системе, в Bonza, внутрь я зашел и выдал себе API-токен. Для многих людей, возможно, сейчас покажется сложным то, что я рассказываю, но это есть смысл прослушать, да. Потому что здесь суть не в том, чтобы сложно, а суть в том, что я вам хочу показать, что вообще получается сделать, потому что это невероятно с точки зрения того, что получается сделать. Создав этот токен, я зашел в Codex, я зашел в ChatGPT, в ChatGPT попросил написать мне задачу, чтобы связаться с-- построить запрос с Codex в Claude, чтобы связаться вместе с Bonza. А, вот по этому API, чтобы она полностью изучила всю документацию. Многие люди спрашивают, как я пишу промты. Я это не показываю, потому что, мне кажется, это будет абсурд. Это не про канал To The Moon, и вы можете писать промты как хотите. Суть в том, что вы можете просто попросить, что есть система Bonza CRM, и вы хотите связаться по API. А можете попросить как-то расширенно, да. Понятно, что у меня есть навык создания разных систем, и я более менее понимаю, что такое API, как это работает. Мне понятно, что в каком-то роде чем-то проще, да, кому-то, может быть, будет сложнее делать или кто-то сделает более меньше функционал. Дальше, получив, связавшись по API, я начал разворачивать систему. И вот я развернул в какой-то момент времени, я развернул систему, в которую выгрузились, по сути, данные, абсолютно скопировалась как бы наша система параллельно.
То есть, еще раз напомню, я делал две вещи. То есть, с одной стороны, моя была задача, чтобы скопировать, например, полностью все лиды, которые существуют у нас, все, всех, все звонки, которые существуют, там, всех риелторов, которые у нас существуют полностью, там, всех менеджеров, которые есть, да. Вот сейчас там скопировалось какой-то объем записей. То есть я вам сейчас показываю, там, тестовую базу, я вам покажу на тестовой базе. Там есть ряд вещей, э, ну, там, плюс-минус реальных, но чтобы вы посмотрели, что это такое, да. Иии, задача, чтобы была-- эти данные появились. С другой стороны, моя была задача, чтобы появи-- чтобы мы создали систему, которая будет, генерировать, и отвечать на разные вопросы-ответы. Причем на вопросы-ответы она будет отвечать не только на портале, а плюс отвечать внутри Telegram-канала. То есть одна из, таких, ну, приличных историй, которая была, это очень важно. Еще раз, да, это чтобы у меня поднялся Telegram-канал, то есть чтобы система работала и в Telegram-канале, и я мог в Telegram-канале задать любой вопрос, и чтобы у меня система раб-- автоматически мне все показывала на портале. То есть я вижу, что если вот люди спрашивают вопрос, а-а-а: "Скажите, доход от акций либо криптовалюты берут ли банки в зачет для выдачи ипотечного займа?" Чтобы моя система автоматически это проверяла и могла на этот вопрос ответить, да. Как она, как она это делала? Вот это очень важно. Как я это вообще получил. Дело в том, что когда я синхронизировался вместе с Bonzus CRM и получил полностью к ней все звонки, я получил к ней звонки, я получил возможность, в этой системе, . Я попросил Codecs написать систему по транскрибации этих звонков, да, и Codecs написал систему транскрибации звонков, достаточно быстро абсолютно. Соединил ее вместе с текущей системой с точки зрения транскрибации, и у меня автоматически появились расшифровки телефонных звонков. Там, не знаю, есть телефонный звонок на девятнадцать минут, и там его, стоимость фактическая, там, в ChatGPT от Transcribe.io, там, девятнадцать, девятнадцать центов была, да. Значит, вот я транскрибировал какой-то звонок. Значит, важно, что модели транскрибации вы также можете выбирать, там, разные, там. Русский язык, наверное, самый дешевый, эффективный, супервыгодный - это ElevenLabs. Или вообще поднять, там, транскрибацию на своем сервере. Я вам еще раз рассказываю впер-- я вам сейчас покажу, ну, невероятные вещи с точки зрения того, что можно делать, по оценке, по оценке этих звонков. Транскрибировал звонки, я получил, там, три, там, четыре, неважно, тысячи этих первых звонков. И эти звонки... Дальше я из Codecs попросил мне выгрузить в виде Excel-файла. Он мне выгрузил в Excel-файле. Я зашел в ChatGPT и попросил: "Построй мне, пожалуйста, базу знаний, как работают люди, как работают менеджеры, как работают аккаунты, как работают, там, руководители в компании. С точки зрения, вот этой системы ипотечного кредитования". И мне, получается, и мне, ChatGPT построил саму эту систему. То есть не ChatGPT построил вот этот вот файл. Что значит построил файл? Ну, понятно, что взял, создал файл, достаточно большой, со всеми абсолютно знаниями, как работает система, там, ипотечного кредитования по звонкам, которые работали сотрудники, да. То есть он построил полностью, там, с разными абсолютно деталями, с разными обстоятельствами и так далее. Я показывал вам какой-то, опять же, пример этих документов, просто вам как некоторые примеры, да. Постарался сделать вам какую-то там информацию, перевести и так далее. Построил какой-то большой документ, достаточно большой документ, да, на базе определенных звонков. То есть, вот, именно на базе звонков он построил. Многие люди как бы не до конца понимают, что, для того чтобы построить такой документ, не надо было иметь что-то особенное или необычное. То есть достаточно было, достаточно было выгрузить вот эти звонки. Дальше смотрите, что я сделал. Я попросил ChatGPT построить мне архитектуру абсолютно всех терминов и создать мне базу для того, чтобы отвечать мне на различные вопросы. Вот оттуда уже появились понятия вопрос-ответ. Эти вопросы-ответы, они работают достаточно интересно. То есть если посмотреть на-- вот я вам пример приведу.
Есть бот определенный, и в рамках этого бота я имею возможность, а-а-а-
Я имею возможность, задавать абсолютно любые во-- ну и менеджеры имеют возможность. Я создал, сразу же написал: "А можно мне систему выдачи прав внутри Telegram бота?" Он сказал: "Да, можно выдать внутри Telegram бота". "А можно мне, значит, так, так, так, так, так, так?" Он, он это все полностью сделал. Например, я могу любой вопрос задать: , что узнать у, человека, если он хочет получ-- купить, купить, дом в Калифорнии, в Калифорнии, и у него, и у него нет семьи., годовая зарплата примерно сто двадцать к. То есть, вот система, понятно, проверяет различные источники. Там, она, в данной, там, тестовой выборке она зайдет, получит какую-то информацию определенную. И вот она напишет, там, если человек хочет купить дом и он один с доходом около ста двадцати год, сначала надо проверить не семейный статус, а базовую картину, где работает, какой тип дохода, сколько долгов, сколько есть на первый взнос, какой платеж будет по дому и так далее.
Да, что спросить у него, какие данные получить и так далее. То есть она получила систему. Мало того, можно, там, запросить подробнее эту информацию, она чуть больше даст информации, можно оценить этот вопрос и так далее. То есть можно, ну и так далее, да. То есть можно делать большое количество различных вещей. То есть для меня была очень важная история, как сделать так, чтобы менеджеры по продажам, они имели возможность быстро, легко обучаться в любой момент времени. То есть, вот это было, это было крайне необходимо, да. То есть чтобы менеджеры по продажам обучались в любой момент времени, обучались, легко, обучались независимо, да. А вторая история, которая, ну, невероятно нужная была, эта история как сделать так, чтобы я понимал, а что вообще приходят за люди, как вместе с ними общаются и что вместе с ними происходит. И я как человек, который очень как бы глубоко, фундаментально смотрящий в бизнес и понимающий, что у нас идет серьезное развитие в целом искусственного интеллекта, я хотел сделать следующую историю. То есть я хотел, чтобы после каждого разговора, когда менеджер по продажам говорит, система чуть ли не автоматически оценивала разговор, который происходит, оценивала не просто разговор, а как бы оценивала работу менеджера, оценивала качество клиента, который есть в этом разговоре. Связывала все предыдущие звонки этого менеджера, оценивала менеджера, связывала все предыдущие звонки этого клиента и оценивала этого клиента. По сути, делала определенный скоринг. То есть, смотрите, у меня моя конечная идея, вот очень важно всегда смотреть при разработке таких систем, в чем сейчас есть проблема вместе с искусственным интеллектом, что люди видят очень узкое решение, и люди все время делают очень мелкие вещи. Кто-то скажет: "Да что там транскрибацию написали? А что там в Telegram соединились? А что там в бот послали?" То есть у меня была задача решить одну из основополагающих важнейших задач. Ну, во-первых, у меня была-- а какая основополагающая важнейшая задача? Если у меня идет большой трафик лидов, большой трафик клиентов ко мне приходит, то как мне сделать так, чтобы эти клиенты обслуживались качественно? Качественно — это не значит без менеджеров, но это значит, чтобы была какая-то вспомогающая система, которая могла помогать менеджеров-- менеджерам или обслуживала их без менеджеров эта система, да.
Это касается любого бизнеса. Вы находитесь в образовании, вы находитесь в IT бизнесе, занимаетесь продажами, вы находитесь в любых услугах или в любом сервисе. Это бы везде вопрос возникал: как сделать так, чтобы максимально качественно можно было, клиента обслужить. И здесь всегда тема, что если есть исто-- ну, как бы система, которая позволяет очень быстро проанализировать разговор или проз-- проанализировать чат, и то это, ну, вспомогательное устройство для менеджеров по продажам. И здесь стоит очень интересный, смотрите, момент, что мы в своей жизни, ставя задачи определенные на разработку, мы исходим из того, а как мы считаем, это должно быть. Ну, например, как можно оценить звонок? Какие характеристики должны быть у звонка, у качества работы менеджера? Не знаю, может, лояльность его работы, не лояльность, там, этика его разговора, там, не использование плохих слов или следование определенной инструкции. Ну вот и дальше мы приходим к тому, что наши вот такие вот требования, они очень ограничены. Вот что такое OpenAI и что такое Anthropic, а? Это компании, которые сделали в чем прорыв феноменальный. Они в себе уже содержат информацию, когда не вы должны придумывать, как оценить разговор, там, в сфере ипотечного кредитования или как оценить разговор в сфере образования, или как раз-- оценить разговор в сфере, например, услуг, предоставления, там, туристических услуг. Эта система, она уже изучила весь мир, и она знает, как максимально эффективно оценить человека. И я вот эти годы очень много на этом специализировался, это изучал, входя в какие-то в компании, там, участвуя в советах директоров или что-то покупая или продавая какие-то бизнесы. Я смотрел в этих бизнесах, прямо брал объем данных и старался проанализировать, а что там внутри происходит с точки зрения качества работы людей, а что там происходит с точки зрения качества этих клиентов. Старался понять, понять и разобраться. И изначально, действительно, я сам придумывал эти параметры. Как оценить вообще качество менеджера или как оценить качество лида, или как оценить качество программиста. Как оценить качество программиста, да, работы? То есть и ты г-говоришь: "Вот вам, значит, например, выгрузка из Jira, оцените качест-- и оцените качество программиста", и придумываешь какие-то параметры оценки.
Затем я понял, что феноменально важно, если вы разбираетесь в этой как бы, в этой зоне, вы ее понимаете. То есть я понимаю, как очень серьезно работу менеджеров по продажам, очень серьезно понимаю работу-- что такое, что такое маркетинговые лиды, там, или клиенты, или как работают CRM-системы, или как работают, там, ERP, XRM-системы, то А, я все больше понимал, что важно, э, отдавать вот этим системам современным, таким как GPT пять пять Pro, например, отдавать составление портрета оценки клиентов. И вот, например, я взял выборку, там, тысячу семьсот звонков и попросил систему сделать оценку мне, оценить мне каким-то образом менеджеров по каким-то параметрам и оце-- ну, оценить мне вначале звонки, а потом оценить самих менеджеров и, а, потом оценить лидов. И вот если мы посмотрим, то система мне предложила большое количество параметров оценки. Я это и хочу показать, да. То есть когда есть там итоговая оценка, я всегда говорил, что мне нужен некоторый итоговый балл оценки человека за период. Есть, э, оценка полноценных разговоров его. Есть, э, результат среди сопоставимых звонков, и это сравнение с похожими звонками того же назначения и близкой, э, длительности, да. Вот очень важный, например, параметр, который система мне предложила считать, и я примерно понимал, что это есть, но вопрос как это посчитать. Это, например, уровень слабых двадцатипроцентных-- пятипроцентных разговоров. Это насколько хор-- насколько хорошо менеджер проводит свои наиболее слабые звонки. То есть чем выше, тем меньше системных провалов. То есть когда у него есть слабые звонки, все же что в них происходит? И место, как-- ну, понятно, что есть рейтинги, а дальше смотрите, есть оценки критериев. И вот если здесь посмотреть, то оценки критериев всегда будут отличаться у менеджера по продажам, например, для любого человека абсолютно, кого вы оцените. Вы оцениваете человека, который занимается наймом персонала, подбором персонала, вы оцениваете человека, который общается по логистике, продает товар или покупает товар, делает закупки, не имеет никакого значения вообще. У них у всех существует большое количество разных параметров, да. И причем так как у нас, например, существуют разные типы общения, то есть, не знаю, покупка недвижимости, рефинансирование, общая какая-то ипотечная консультация, там, например, или инвестиционная, инвестиционная бывает ипотека и так далее, то существуют разные звонки, они еще должны оцениваться по-разному. И вот то, как он выделил параметр качества, мы вам их покажем, да, здесь. И он еще говорит там, например, я-- мы это сделали оценку по пятидесяти восьми содержательным звонкам, то ты, конечно, понимаешь, там, по двести девяносто пяти минут, ты понимаешь, что уровень этого невероятный. Мало того, он тебе дает еще каждый звонок, он тебе показывает, что есть звонки образцовые, а есть звонки, там, ниже стандарта, и можно зайти в любой звонок и посмотреть внутри оценку абсолютно любого звонка. Причем это не просто оценка любого звонка. Он еще во время разговора понимает, о чем люди общаются, выделяет тебе сегменты в рамках этого разговора, когда сообщались те или иные стоп-слова, и показывает тебе, почему он посчитал, например, э, параметр следующего шага договоренности сто из ста. И, значит, потому что здесь какое-то существует, например, у него описание и показывает тебе это описание, да. Понятно, смотрите, очень важно, что первоначально такой анализ делает система ChatGPT пять и пять, да, и она это делает на каком-то объеме звонков.
И кто-то спрашивает из вас: "Так, пять и пять по API будет очень дорого, это нереально использовать". Но в этом весь и парадокс мира, что все пытаются создать системы, используя дешевые модели. Ваша задача все время находиться в некоторой комбинации. Вы имеете возможность создать определенный анализ данных изначально не по API, а открыв такую систему, как ChatGPT пять пять Pro или то, что у вас есть, и полностью в ней внутри, оценив определенный объем, да, сделав транскрибацию, они там стоят копейки, да, тысяча семьсот звонков — это, это, ну, десять долларов, там, ну, это маленькая сумма денег, да. Дальше через дорогую систему сделать какие-то оценочные вещи и составить потенциальную модель или посмотреть, посмотреть, какая модель мне может это рассчитать. Я, кстати, хочу записать, э, дополнительно
дополнительную такую информацию с учётом того, что у нас сейчас спецвыпуски выходят, каждые три дня. И чтоб всё же вы это не упустили, да? Значит, OpenAI выпустилааа новую модель. Это ChatGPT, пять точка шесть, иии о ней вы, возможно, даже не будете сильно слышать, потому что вряд ли на момент выпуска она выйдет. Может быть, она появилась. Интересно, что у пять точка шесть модели есть отдельных три имени. Об этом я расскажу в спецвыпуске, который у нас будет на днях. Но суть в чем? Чтооо, ну, и там есть такая soul главная и главная крутая, сбалансированная модель. Но фундаментальная история в чем состоит вообще, если посмотреть? Значит, почему модель, не выпустилась полностью для всех? Модель не выпустилась полностью для всех, потому что, OpenAI отправила ее на изучение правительству. И, правительству США. Я напомню, что в начале июня США выпустило указ о том, что компании имеют возможность отдавать государству на предварительную оценку новые крутые модели, чтобы не столкнуться якобы с чем-то. А с чем не столкнуться? То есть в мае правительство США сказало, что компании обязаны отдавать модели на предварительную оце-оценку государству, да, чтобы не появлялись такие крутые модели, как Mi-Mythos, ууу Antropica. Потом они сказали, что они-- компания как бы имеют такую возможность. И мы помним этот кейс, я о нем рассказывал, и очень много мы про это говорили, что Antropica выпустила крутую модель Fable, и правительство сказало ее заблокировать, причем на очень серьезном уровне. До сих пор мы к ней доступ никто не имеем. И тут выходит пять шесть. И, два дня назад был у нас, подкаст на канале выходного дня. И Эльнар говорил, что сейчас опасно всем выпускать новые модели, потому что если модель появится в доступе, то все скажут, скорее всего, она не такая качественная, раз ее не блокировали. А если, ну, о ней полностью сообщают или если выложат качественную, то есть вероятность, что ее заблокируют. Ну, вот OpenAI пошел на соглашение с правительством. Сэм Альтман выпустил-- выступил, что он в целом не против вместе с по-правительством взаимодействовать. Будем видеть, что появится. Очевидно, что сейчас должно произойти. Пять и шесть появится для всех иии Fable тоже появится для всех. Это можно, конечно, с одной стороны, рассмотреть, что, государство действительно, как бы показывает некоторую, некоторое такое взаимодействие с этими компаниями. Это положительно для рынка. С другой стороны, это жутко нестабильно, и я с этим, сильно согласен, что есть некоторый хаос. А когда есть хаос в такой истории, то от этого проиграют простые люди, да, простые люди и проиграет государство., продолжаем смотреть, мой выпуск прооо то, что я сделал, в Claude, Cody и в, Codex. Надеюсь, вам нравится. Отписывайтесь. Я больше буду рассказывать такие прикладные кейсы. Мне кажется, этот кейс с недвижимостью очень интересный. И смотрите на днях, спецвыпуск прооо пять точка шесть ChatGPT и вообще, рассуждения, про эту тему., что происходит с открытием или закрытием модели.
Это, конечно, важно любому абсолютно, человеку в мире, потому что кажется, что это такая специфическая вроде как история, но это реаль-- эта тема становится важнее, чем закрытость границ. Да, вот одна из историй проблемных сейчас, которые есть, это тяжело в мире перемещаться. Люди не могут не просто путешествовать, не м-могут семьи друг друга видеть. А сейчас, конечно, вот эта тема с закрытием искусственного интеллекта, я думаю, что люди даже еще не понимают важность этого вопроса. Вот, например, мы в нашей системе определили, что мы будем использовать три модели. Мы будем использовать четыре О мини для первоначальной оценки постобработки звонка.
Дальше мы будем использовать пять точка четыре для, более сложных кейсов десять тире пятнадцать процентов и будем использовать пять точка пять для критически важных ситуаций. Причем, что важно, что система автоматически еще смотрит на комплаенс менеджеров. Например, у нас важная история — это использование всяких критических моментов менеджеров по продажам. Когда менеджер по продаж-жам сообщает что-то, что незаконно или ложно, или некорректно, или что-то не то делает. Значит, еще раз я вам показываю вам тестовую базу. А есть лиды. То есть, вот представьте, есть лиды и по лиду, у меня был момент: а можно ли мне проскорить лида и определить у этого лида его какие-то параметры? И была история, как мне сделать так, чтобы этот лид был проскорен, и при этом, на-- использовались как старые звонки, так и заметки, так и СМС-сообщения, email сообщения, сообщения, там, с WhatsApp, с Telegram, с разных систем. И плюс, какая-то существовала некоторая система оценки. Вот, например, он ее определил, что она существует срочность и намерения, вовлеченность, готовность к процессу, насколько полно собраны важные сведения, лояльность, есть ли вообще, насколько он к вам лоялен или есть риск конкуренции, и коммуникационная доступность. Также мы там собираем с него разные разговоры, какие-то разговоры, где находится, все находится и так далее. Значит, понятно, что есть лиды, например, с низкого качества обработкой, там, и сразу же мы, например, видим, там, потенциал клиентского потока, например, низкий, да, или готовность к совместному действию низкая. Ну, например, насколько полно собраны сведения о нем. Например, показывает, что мы, например, очень сильно о нем сведения собрали. То есть получилось, что мы, проанализировали достаточно большое количество данных., мне система такая, как ChatGPT пять пять, сама собрала мне, какие существуют сущности, для чего они нужны, как их использовать дальше внутри. Составила некоторую систему. Ну, понятно, что это, микроописанные какие-то вещи. Описала определенную методику, описала, как эта методика работает, описала, видите, вот есть такое понятие шкала полной оценки разговора.
То есть написала, как мы будем оценивать, например, это там при покупке недвижимости, как будет шкала расставляться. И сделала мне эту информацию. Я уже эту информацию дальше загружаю в свою систему и говорю начни-- ну, во-первых, я имею возможность, кстати, выгрузить из своей системы, например, там тридцать тысяч звонков, если они распознаны, и проанализировать их отдельно в чат GPT-5 не тратить деньги и дальше загрузить в эту систему. Если понятно, что у многих бизнеса, когда у вас миллион звонков, это чуть по-другому система работает, но даже так миллион звонков неплохо выгружается, неплохо делается, и вы можете настроить. Что важная история? Что моя система позволила мне еще сделать невероятно большой шаг. Я хочу вам успеть о нем сегодня рассказать. То есть, собрав, по сути, мне там все звонки или собрав мне информацию обо всем лидам, у меня появилась возможность эти лиды очень быстро анализировать. Я попросил ее построить, например, мне отчеты в HTML в виде там по лидам и по звонкам, и по качеству звонков. И хочу сказать то, что система строит это невероятно. Ну, то есть, вот, например, она очень быстро мне связывает данные по поводу лидов. Какое количество лидов мы дозвонились, какое количество лидов дошло до разговора больше трех минут, какое количество лидов попало там в дополнительные воронки, сколько было время до первого звонка, попадания лида, сколько было попыток при нулевых разговорах, например, вот на четыреста, ну это в данной выборке просто в тестовой на четыреста восемь лидов было тринадцать лидов, которые позвонили больше десяти раз, и люди так и не подняли. То есть некоторое качество лидов, поднимая, да. Сколько было всего, например, звонков сделано и так далее. И дальше я могу полностью по всем источникам посмотреть любую абсолютно статистику, посмотреть, оно мне еще там поделит их по штатам и посмотреть по всем рекламным компаниям, разбить. Кто-то скажет: "А у нас там система где-то что-то собирает". Вот смотрите, этот отчет, он был собран за несколько часов.
То есть, как только у меня моя система с-связалась с данными, в данном случае это всего лишь, в данном случае это одна CRM-система, это даже не система аналитики, да, потому что у каждого лида есть источник, то это мне система построила этот отчет и дала возможность вот за эти несколько часов дальше каждый день и в любой момент времени формировать эти отчеты и формировать их не только здесь. Она мне дала возможность формировать их в Telegram. То есть на сегодняшний день любой руководитель внутри в компании или любой менеджер, понятно, что у нас там некоторый это тест, это небольшой такой бутиковый бизнес. Это хоть мы и являемся достаточно большим брокером с точки зрения ипотечного кредитования в США, не знаю, какой мы там сейчас рейтинг занимаем топ тридцать, наверное, да. Или, там, топ сорок в США, то это ну и все равно, это там не какие-то сверх огромные, прямо бесконечные объемы лидов. Это там тысячи лидов в месяц. Это не, не это не миллионы там клиентов, оно дает возможность очень быстро все проверять. Причем когда я говорю три минуты, здесь не вопрос трех минут. Вот, например, в этом отчете, который я только что показывал, в нем не привязаны до сих пор еще транскрибации, там сейчас привяжут транскрибации и появится понятие реально разговор. А реально разговор - это не количество минут. Меня всегда поражало, когда коммерческие департаменты, директора по продажам везде говорили вот, надо оценивать звонок от тридцати секунд. Я все время говорил тридцать секунд — это не разговор. И вот наша задача сейчас появилась возможность сказать а это реальный звонок, а реальный звонок — это что такое реальный? Ну, это то, что чат GPT считает, что это реально или то, что там Anthropic считает, что это реально, да. И постобработка быстрая такая звонка на определение его реальности, на расставление разных параметров она стоит копейки, она очень дешевая, да. А когда мы знаем, что он реальный, тогда мы имеем возможность лидов оценивать и приходящих клиентов.
Оценивать и приходящих, и клиентов оценивать не по принципу того, что у нас клиент, значит, пришел, ему позвонили просто или поговорили, или этот клиент потом даже купил. Мы в любой момент времени можем оценить в нулевой его стадии, что это пришли за люди.
Например, это пришел реальный человек абсолютно, но просто мы ему не нравимся или у него есть-- он в жесткой конкуренции. То есть он будет идти, изучать в других системах, искать себе подрядчика, например, или он пришел к нам, но у него есть какой-нибудь затык, и в данном случае он просто не подходит под определенную программу кредитования, и ему надо подождать три месяца. На самом деле, он классный, крутой клиент. То есть, конечно, это совершенно другой уровень управления рекламой, такого уровня управления рекламой в мире меньше одного процента, меньше. На самом деле, он меньше ноль одного процента, потому что даже простой скоринг лидов до уровня "купил не купил" делает до пяти процентов компаний в мире. Серьезный скоринг с точки зрения типа разговора, распознавания этого разговора и анализа такого, как я сказал, лида, анализа лида, анализа вероятности лида — это невероятно. Кто-то скажет: "А как он оценит у вас вероятности покупок этих клиентов? Как он сможет балл этому клиенту поставить?" Я сказал: "Смотрите, а мы сейчас возьмем, выгрузим всех наших клиентов за последние десять лет и выгрузим по ним полностью все звонки и составим некоторую карту определенных триггеров или точек, как можно определять, клиент этот движется к покупке или не движется, и будем пробовать на наших лидах параллельно эту карту запускать".
Раньше это делало мабы-- ма-ма-машинное обучение, да, и в машинном обучении можно было это делать. Какие-- не это делать, а микропроцессы этого делать. Сейчас мы попадаем абсолютно в новую эру, и я вам показываю, что это не космический корабль. Вот это очень важно, да. Но для того, чтобы такое создать, надо мыслить будущим иии, а не настоящим, потому что в настоящем люди скажут: "А у нас мы не можем внедрить какую-то систему, потому что у нас не пройдет корпоративное правило, мы не можем внедрить систему, у нас мы не сможем купить, оплатить этот софт, а мы не сможем купить систему, потому что анализ этого звонка слишком дорогой. А мы не сможем вот это сделать, потому что у меня нету доступа, мне его не дал департамент по маркетингу и так далее". Также, кстати, параллельно я хочу вам сказать, что, например, на тех же менеджеров по продажам мы построили вот теперь систему анализа менеджеров, да. И где мы имеем возможность быстро посмотреть разговор, например, выгрузить какой-то период и посмотреть очень быстро, что делает каждый менеджер в течение определенного периода или что делают по дню. Мы имеем возможность выгрузить анализ конкретного менеджера и посмотреть, какой конкретно, конкретный менеджер что делал. Кстати, что интересно, что система очень быстро, очень быстро, она не просто, например, вот мне считает, что вот человек сделал за период тысячу двести девяносто восемь звонков и было сто шестьдесят два звонка больше трех минут, да. Он говорит еще, что среднее по команде, вот, например, в данной тестовой выборке там было, вот я смотрю восемь менеджеров, что среднее было сто девяносто восемь звонков, и у него пятое место. Или, например, показывает, сколько было звонков по-- больше трех минут в данном случае, да, потому что это отчеты без транскрибации. Ну, через какой-то период времени я вам обязательно покажу, как и насколько это развилось вперед. Оно показывает, например, среднее по команде десять процентов — это место, да. И мы говорим: "А, так то есть проблема не этого менеджера. То, что у него звонки короткие. В целом, в основном десять процентов звонков становится более таких-то. Сколько было уникальных клиентов? Мы видим, что человек за период обработал пятьсот девяносто восемь клиентов, среднее было пятьсот семьдесят восемь и так далее. Здесь очень много данных. Например, сколько минут разговоров в день. А самое интересное, смотрите, одно из ноу-хау, я про него рассказывал, мне впервые система вообще анализа работы менеджеров по продажам, маркетологов, они впервые вообще в жизни позволяют мне оценить, как вообще работает менеджер с точки зрения дня.
И вот у нас мы ввели такой параметр, сколько рабочий день у него есть. Вот, например, здесь пишет пять часов пятьдесят шесть минут. Это значит, когда состоялся первый звонок и когда состоялся последний звонок. И вот он пишет, что это семьдесят процентов восьмичасового рабочего дня, да, например. А интересная история, что дальше я спросил: "А можно мне узнать, если это менеджер по продажам, который должен постоянно звонить, сколько у него было перерывов больше чем тридцать минут?" И вот он пишет: "У него было три паузы без звонков дольше тридцати минут в день в среднем. А по команде, — он пишет, — две точка восемь паузы". Нереальные вещи, ребята, с точки зрения аналитики, нереальные, просто нереальные. И система сама помогает тебе строить эти отчеты, сама позволяет делать разговоры, сама тебе пишет примерно, на каком в течение дня работает и показывает полностью его каждый день, как он работает. Дальше, например, одна из тем очень крутых с точки зрения когортного анализа практически никто не делает посмотреть, а с какими лидами работал менеджер.
Вот я вижу, там, не знаю, ну, в данной тестовой, это опять тестовой выборки, да. В двадцать третьем году он, он за этот период связался со сто двадцать одним клиентом из двадцать третьего года. И видно, что вот по сто двадцать од-- не клиентов, а звонков, клиентов на самом деле здесь восемьдесят один, и видно, что всего лишь девять клиентов по ним были эффективны. А, например, с прошлого месяца там были эффективны двенадцать из двадцати одного, да. Ранее в этом году там сорок шесть из семидесяти пяти. Ну, дальше у него есть разные там статусы лидов, качество и все остальное. Переписки, сообщений, какие сообщения, сколько где уходило, сколько уходило писем, как он быстро обрабатывал, не обрабатывал письма, сколько он на них отвечал. Есть лиды, с какими он лидами работал, как работал, где делал полностью все списки всех звонков, которые были длинные.
И дальше система вносит понятие качества данных, определения, то есть прозрачных данных. Например, показывает полноту источников, да, его звонки с известной длительностью, ну, вот, например, девяносто семь процентов. Я хотел вам видео записать небольшое и рассказать здесь об этих вещах. Я, возможно, очень сильно торопился. И сейчас вам скажу как раз таки важные вещи. Дело в том, что данное производство вот такой инфраструктуры, и вы увидели примерно там процентов пятнадцать. Заняло меньше двух месяцев и, э, моего там личного суммарного времени, ну, какое-то количество десятков часов, да? , оно понятно, что здесь есть вещи, которые мне нужны как владельцу бизнеса. Есть вещи, которые мне нужны как Александру Волчекову с точки зрения понимания кодекса и Кло-Клода. А есть вещи, которые мне нужны с точки зрения понимания вообще искусственного интеллекта, как он работает, какие он вещи может поднять, что он может сделать и так далее. Один из главнейших выводов, которые я вам хочу сегодня дать, невероятных выводов, которые я хочу вам сегодня дать, там, наверное, где существует большая проблема на сегодняшний день, люди пытаются создать что-то очень краткосрочно и в рамках этого очень краткосрочно. То есть они мыслят очень маленькими шагами. Они пытаются сразу реализовать всю задачу, не думают вперед. Они действуют, исходя из сугубо своих знаний, и часто в бизнес-областях, в которых они до конца не разбираются. И, по сути, вы - это Моська и слон, да? Вы получаете-- человек получает, он муравей, получает в помощь к себе слона и, по сути, часто создают только проблемы бизнесу. Именно поэтому Марк Цукерберг говорит: "Мы тут потратили с вами триллионы токенов на миллиарды долларов. Давайте-ка тратить меньше". Люди просто начинают неэффективно расходовать токены. И ваша задача, с одной стороны, мыслить наперед, с другой стороны, понимать, что вы это делаете для разных сфер, в том числе для понимания работы искусственного интеллекта, что вы сразу все не сделаете. У вас нет этой задачи - спрограммировать какой-то до конца сервис. Здесь не вопрос. Это система, которую вы спрограммировали. Возможно, она не будет нужна, возможно, у вас все будет работать в этом чат-боте в будущем, но вы поймете, как это работает. У вас есть и сервис, и чат-бот где-то. И все же вы должны понимать, что есть сферы, в которых вы не разбираетесь. И когда вы в этих сферах не разбираетесь, вам не хватает знаний с точки зрения бизнес-анализа и вообще знаний с точки зрения бизнес-анализа. Я считаю, что это фундаментальная часть мира, и люди заработают на этом большие деньги, и в будущем... Они зарабатывали, заработают и будут зарабатывать. Те люди, которые понимают в бизнес-анализе, понимают, как связывать данные между собой не понаслышке, а по-настоящему, которые этим живут, этим интересуются и готовы увидеть большие объемы вероятностей. Это как в жизни любого человека, да? Жизнь каждого человека, она, э, невероятно насыщена причинами и следствий, количеством разных событий и количеством разных исходных вероятностей. Это не значит, что надо все время жить в предварительных расчетах всего, что произойдет, но быть способным искать разные варианты и разные возможности. Вы на канале To The Moon. Подписывайтесь на наш канал. Пришлите это видео вашим друзьям и до скорых встреч.