ИИ-анализ переписок и эмоций клиентов в чатах: как настроить дашборд руководителя через Пинкит — готовый кейс и шаблоны

Было: сотни переписок в чатах, из которых руководитель читает несколько в неделю

Стало: каждый чат оценён ИИ, результат — на дашборде в Yandex DataLens

Что это даёт бизнесу:

• Руководителю отдела продаж: вместо выборочного чтения чатов — оценка каждого диалога по 6 навыкам и понятный список того, что тренировать с командой.
• Менеджерам: готовое следующее сообщение клиенту для сделок, которые вот-вот уйдут, и обратная связь без субъективности.
• Собственнику: 41 250 ₽ в месяц экономии времени руководителя и видимость сделок, которые теряются из-за одного неудачного сообщения.

Готовые шаблоны интеграций можно бесплатно протестировать по ссылке.

1. Почему руководитель не видит, что происходит в чатах

Продажи давно идут в мессенджерах: клиент пишет, менеджер присылает варианты, расчёты, договаривается о встрече. В CRM руководитель видит итог — сделка закрыта или нет. Как менеджер вёл клиента и где тот сорвался, не видно.

Прочитать сотни переписок вручную невозможно, поэтому сделка с высоким потенциалом может уйти из-за одного неудачного сообщения — и об этом никто не узнает.

1.1. Практический пример

Застройщик курортной недвижимости с несколькими жилыми комплексами ведёт покупателей в мессенджерах через Wazzup. Менеджеры присылают планировки, видео, ипотечные расчёты, отвечают на сомнения и договариваются о показах.

Чтобы понять, как отдел работает с клиентами, руководитель делал так:

1. Открывал чат и читал десяток сообщений и вложений.
2. Разбирался, на каком этапе клиент и чего ему не хватило.
3. Формулировал обратную связь менеджеру.
4. Переходил к следующему чату — и так несколько раз в неделю, выборочно.

Остальные переписки оставались невидимыми. А в них — живые клиенты:

• Клиент написал: «нужно посмотреть, дам знать, когда приеду». Менеджер согласилась и пообещала написать завтра. Сроки приезда и показ не уточнены — клиент ушёл «думать» без договорённости.
• Менеджер вернулась к клиенту с акцией на апартамент с мебелью и техникой и спросила: «Актуален ли вопрос?». Ни предложения показа, ни звонка, ни брони.
• Новая заявка получила поток из десятка сообщений: шаблон с преимуществами, условия ипотеки, три лота, фото, информация о брони. Ни одного вопроса о цели покупки и бюджете.

У всех трёх потенциал сделки средний, а оценка работы менеджера — 5 из 10.

Часть клиентов приходит к нам с ещё более тонкой задачей — понять эмоции в переписке. Клиент пишет «родственники отговаривают», «мне надо подумать», «опять ничего не прислали». За такими фразами стоят сомнение, тревога или раздражение. Если менеджер их не заметил и ответил шаблоном, клиент уходит, хотя формально диалог выглядит вежливым.

1.2. Почему ручной контроль переписок не работает

Слепая зона. Руководитель видит только итог в CRM, а не то, как менеджеры ведут клиентов.

Поздние выводы. Сделки с хорошим потенциалом срываются из-за ошибок в диалоге, и об этом узнают, когда клиента уже не вернуть.

Нет системы. Ошибки не посчитаны: непонятно, что тренировать — выявление потребностей, работу с возражениями или закрытие.

Нечего сравнивать. Нельзя сопоставить менеджеров по качеству ведения диалога.

Ситуация типична не только для недвижимости. Так же работают автосалоны, клиники, туроператоры, онлайн-школы, поставщики в B2B — везде, где менеджер ведёт клиента в переписке.

2. ИИ-анализ переписок: Wazzup → PostgreSQL → Пинкит + ИИ → Yandex DataLens

2.1. Как работает интеграция

Схема передачи данных:

Переписки Wazzup → PostgreSQL → Пинкит (определение объекта) → ИИ-агент → проверка и разбор ответа → PostgreSQL → дашборд Yandex DataLens

Пинкит здесь — мостик между базой данных, ИИ-моделью и BI. Вся логика собрана из 5 интеграций:

Запуск по расписанию. Каждый день в 5:00 Пинкит берёт из PostgreSQL суммарный диалог каждого чата за прошедшие сутки.

Определение объекта. Интеграция ищет в тексте упоминания жилых комплексов. Если упоминаний нет, применяется сценарий основного объекта.

Анализ ИИ. Запускается интеграция нужного объекта со своим промптом: описание комплекса и его преимуществ. ИИ разбирает переписку и возвращает оценку и рекомендации.

Проверка и разбор. Второй шаг ИИ перепроверяет ответ и раскладывает его на поля: оценки, ошибки, рекомендации, объект.

Запись в базу. Каждое поле пишется в свою колонку PostgreSQL, откуда данные по расписанию забирает дашборд.

2.2. Первый прогон: почему колонки остались пустыми

Технически цепочка работала с первого запуска: ИИ получал переписку и промпт, отвечал отчётом из нескольких разделов, а ответ раскладывался на 8 колонок таблицы. Но у 21 записи из 33 все колонки анализа были заполнены значением «Данные отсутствуют», у 12 стояла итоговая оценка 0. Средняя по таким данным — 3,1 балла, и она ничего не говорила о работе отдела.

Мы разобрали промпт и нашли четыре причины:

1. Не было формата ответа. Модель каждый раз оформляла заголовки по-своему, и обработчик, который режет текст на куски по порядку, раскладывал их не в те колонки.
2. Шесть навыков были спрятаны в одном блоке текста. Даже при идеальной нарезке чисел для аналитики не было бы.
3. Не было правила «нечего анализировать». Чаты из одних фото, служебные записи об оплатах и переписка сотрудников получали 0–3 балла и портили среднюю.
4. Промпты объектов не совпадали. Для одного комплекса ИИ оценивал 6 критериев, для двух других — 8. Сравнивать отдел по объектам было нельзя.

2.3. Как правильно составить промпт для анализа переписок

Роль, контекст продукта и разделы анализа мы оставили. Поменяли формат и добавили правила:

• Строгий JSON. ИИ возвращает только JSON с фиксированным набором ключей. Каждый ключ — отдельная колонка базы.
• Шесть навыков — шесть числовых полей: выявление потребностей, контакт и доверие, презентация, работа с возражениями, управление диалогом, закрытие на действие. Если критерий неприменим, поле пустое, а не 0.
• Тип переписки до оценки. 8 типов: диалог с клиентом, диалог с агентом, сервисный вопрос, нецелевой лид, внутренняя переписка, служебная запись, только медиа, прочее. Служебные записи не попадают в рейтинг.
• Главная ошибка из фиксированного списка из 6 вариантов: «Не выявлены потребности», «Нет следующего шага», «Слабая презентация / УТП», «Слабая работа с возражением», «Перегруз / шаблонное сообщение», «Реактивация без нового повода».
• Готовое следующее сообщение клиенту — менеджер может отправить его сразу.
• Единые критерии для всех объектов и запрет на фамилии, телефоны и суммы клиентов в ответе.

Пример подсказки для клиента, который «даст знать, когда приедет»:

2.4. Что видит руководитель на дашборде Yandex DataLens

• Средняя итоговая оценка по диалогам, которые входят в рейтинг продаж.
• Профиль навыков — средние по шести критериям.
• Типы переписок — сколько реальных диалогов, а сколько служебного шума и нецелевых заявок.
• Этапы воронки и потенциал сделки.
• Главные ошибки — какие повторяются чаще всего.
• Динамика по неделям — помогает ли обучение.
• Менеджеры — средняя оценка по каждому.
• Лиды, которые теряем — потенциал средний или высокий, а оценка 5 и ниже, с резюме диалога.
• Разбор диалогов — таблица со всеми полями для детального просмотра.

2.5. Как добавить анализ эмоций клиентов

Логика цепочки не меняется — дополняются промпт и настройки интеграций:

1. Новые поля JSON в промпте: эмоциональный фон клиента (интерес, сомнение, тревога, раздражение, нейтрально), цитата, где клиент выразил эмоцию, и оценка реакции менеджера по шкале 1–10.
2. Сопоставление в Пинкит: новые поля связываются с колонками базы данных — так же, как оценки навыков.
3. Блок «Эмоции клиентов» на дашборде: сколько диалогов с сомнением или раздражением и в скольких менеджер эмоцию проигнорировал.

Так руководитель видит не только «менеджер не предложил показ», но и «клиент сомневался, а менеджер ответил шаблоном» — и может разобрать такие диалоги с командой.

3. Экономический эффект ИИ-анализа переписок

3.1. Что меняется после внедрения

Все переписки под контролем. Раньше — несколько чатов в неделю. Теперь каждый диалог за сутки разбирается автоматически: тип переписки, 6 оценок навыков, главная ошибка, потенциал сделки, рекомендации.

Честная оценка. Служебные записи и чаты из одних файлов больше не тянут среднюю вниз: вместо 3,1 руководитель видит реальный уровень работы отдела — 5,4.

Сделки, которые можно спасти. Дашборд подсвечивает живые лиды с низкой оценкой, а ИИ готовит для каждого следующее сообщение клиенту.

Понятно, что тренировать. Профиль из 6 навыков показывает, где отдел теряет клиентов: например, слабее всего — выявление потребностей и закрытие на действие, сильнее — контакт и доверие.

Ошибки в цифрах. Главная ошибка выбирается из фиксированного списка, поэтому видно, какие скрипты переписать в первую очередь. Чаще всего встречаются «Реактивация без нового повода» и «Нет следующего шага».

Нецелевые заявки — отдельной цифрой. Оценка менеджера не портится из-за чужих заявок, а маркетинг видит долю нецелевого трафика.

3.2. Расчёт экономии

Экономический эффект оцениваем по формуле: Экономия = часовая ставка руководителя × время на ручной разбор переписок.

Допущения: около 165 переписок в месяц по всем объектам, ручной разбор одной переписки с обратной связью менеджеру — 10 минут, ставка руководителя отдела продаж — 1 500 ₽/час.

• 165 переписок × 10 минут = 27,5 часа в месяц;
• 27,5 часа × 1 500 ₽ = 41 250 ₽ в месяц.

Результат: 41 250 ₽ экономии каждый месяц и 495 000 ₽ в год. При этом ИИ разбирает все переписки, а руководитель работает только с готовыми отчётами и подсвеченными сделками.

3.3. Главный рычаг — сохранённые сделки

Экономия времени руководителя — приятный бонус. В недвижимости, где один апартамент может стоить больше 13 млн ₽, переход из переписки в показ — ключевое звено воронки. Если из-за ошибки в диалоге отдел теряет хотя бы одного целевого клиента в месяц, это миллионы рублей недополученной выручки. Одна сохранённая сделка окупает настройку интеграции многократно.

4. Как запустить ИИ-анализ переписок

Мы подготовили готовые шаблоны, чтобы вы могли быстро настроить анализ чатов и дашборд руководителя.

Соберите переписки в одном месте. Подключите мессенджеры отдела продаж к Wazzup. При покупке или продлении годовой лицензии Wazzup в Пинол действует скидка на Пинкит и настройку интеграций.

Установите шаблоны интеграций. Получите готовое решение в личном кабинете Пинкит — раздел «Интеграция с ИИ», кнопка «Установить шаблоны».

Настройте промпт под свою сферу. Роль, описание продукта и критерии адаптируются под недвижимость, авто, медицину, обучение, B2B. Строгий формат ответа остаётся неизменным.

Подключите дашборд. Yandex DataLens забирает поля из базы, и по ним строятся нужные сводки: профиль навыков, ошибки, менеджеры и лиды, которые теряем.

Готовое решение под ключ

Нет времени разбираться в базах данных, промптах и шаблонах интеграций? Вы рассказываете, как работает ваш отдел продаж, а дальше всё делают наши инженеры:

• подключают мессенджеры и настраивают передачу переписок в базу;
• адаптируют промпт под ваш продукт, воронку и типовые ошибки ваших менеджеров;
• собирают дашборд руководителя в Yandex DataLens;
• проверяют, что оценки приходят каждый день и данные не теряются.

При покупке годовой или двухлетней лицензии Пинкит в Пинол настройка идёт в счёт бонусных часов инженеров. Вам остаётся открыть дашборд и увидеть, какие сделки можно спасти уже сегодня.

5. Часто задаваемые вопросы

У нас уже есть ИИ-анализ, но отчёты сложно использовать. Что не так?

Чаще всего — свободный формат ответа. Пока ИИ пишет текст, а не заполняет поля, посчитать средние, ошибки и рейтинг нельзя. Начните с проверки промпта: есть ли в нём требование к формату вывода.

Подойдёт ли это не для недвижимости?

Да. Шесть критериев — базовые навыки продаж в любой сфере. Меняются описание продукта, этапы воронки и список типовых ошибок.

Нужно ли менять CRM или мессенджеры?

Нет. Анализ работает поверх существующих переписок.

Можно ли видеть оценку по каждому менеджеру?

Да, если в выгрузке есть отправитель сообщений. Тогда на дашборде появляются рейтинг и фильтр по менеджеру.

Попадут ли персональные данные клиентов в отчёт?

Нет. ИИ запрещено писать в ответе фамилии, телефоны и суммы клиентов.

Можно ли анализировать эмоции клиентов в чатах?

Да. В промпт добавляются поля об эмоциональном фоне клиента и о том, как менеджер на него отреагировал, а в интеграции — сопоставление этих полей с колонками базы. На дашборде появляется отдельный блок по эмоциям.

Нужны ли навыки программирования?

Нет. Интеграции настраиваются в визуальном no-code интерфейсе Пинкит по готовым шаблонам, а PostgreSQL и Yandex DataLens подключаются без кода.

*WhatsApp принадлежит компании Meta, признанной экстремистской и запрещённой в России