Консультанты тонули в пиках.
Крупный интернет-магазин: консультанты перегружены рутинным подбором и обучением клиентов — пики достигают 100–500 обращений в час.
Мы развернули агента-рекомендателя в Telegram-виджете с RAG по каталогу товаров, интегрированного с ERP клиента и работающего на его собственных серверах. Агент задаёт уточняющие вопросы и рекомендует позиции из каталога; каждый ответ опирается на живые данные каталога, поэтому он рекомендует то, что существует, и никогда не выдумывает товар.
Рутинные консультации закрывает агент, сложные передаются людям. Раньше в пиковые часы выстраивалась очередь к консультантам, ответ зависел от того, свободен ли кто-то, а знания о товарах жили в каталоге и в головах, а не в канале продаж; теперь ответ приходит сразу в любое время, а источник каждой рекомендации — каталог и ERP.
Что мешало
- ✗Пиковые нагрузки — 100–500 запросов в час
- ✗Консультанты тратили время на типовой подбор товара
- ✗Знания о товарах жили в каталоге и головах — не в канале продаж
Что умеет система
Подбор товара
Агент задаёт уточняющие вопросы и рекомендует позиции из каталога.
Ответы по каталогу
RAG-поиск по актуальным данным — ответы заземлены на каталог, без выдумок.
Разгрузка команды
Типовые консультации закрывает агент, сложные — передаёт людям.
Как мы внедряем.
Анализ обращений и доступов
Разбираем исторические запросы, проверяем доступы к CRM и API, оцениваем потенциал автоматизации.
Часть реального трафика
Агент работает на срезе обращений с еженедельными синками — на живых диалогах, не на демо.
Метрики и расширение
Оцениваем объём, скорость ответа и долю эскалаций — и расширяем агента на весь трафик.