Бунин в деле | Бизнес, ИИ и о личном

Автоматическая конкурентная разведка. Кейс из логистикиЯ с 11 мая не выходил на связь. Тому было две причины, в Турции мы активно запускаем новый город в такси, в РФ я занимаюсь внедрением ИИ решений в бизнесы. Искренне восхищаюсь теми, кто при такой нагрузке совмещает активный постинг, но я к сожалению не всегда успеваю.Сегодня хочу поговорить об одном инструменте, который я внедрил клиенту в Buninlab.com. Возможно вам он будет полезен.Я собрал систему конкурентной разведки. Это не просто очередной скилл от Claude или простенький агент, который пройдётся по рекламным кампаниям и расскажет, что происходит на вашем рынке. Это полноценная автономная система, которая работает на сервере без участия человека. Рассказываю как всё устроено.Заказчик — логистический оператор, который набирает курьеров для работы через агрегатор доставки. Его боль простая: курьеры — дефицитный ресурс, за них война между десятками операторов. Конкуренты переманивают бонусами за подключение, обещаниями заработка. Проблема была в том, что анализ конкурентов был очень ситуативный и не систематический. А значит и результат такого анализа аналогичный.Задача: построить систему, которая каждый день сама собирает всю рекламу конкурентов по найму курьеров, раскладывает по полочкам и присылает понятный дайджест — кто что крутит, какие бонусы предлагает, где активизировался.Как это работает. Дважды в день робот обходит Facebook Ad Library — это публичная база всех активных рекламных объявлений — по 20+ ключевым запросам. Вытаскивает тексты, картинки, ссылки, превью видео. Дальше многоступенчатый классификатор отсеивает мусор — не всё что нашлось это конкурент. Белый список известных конкурентов, отсев по 70+ паттернам, спорные — на ручной просмотр. Каждому рекламодателю присваивается уровень уверенности с текстовым обоснованием — система прозрачная, не чёрный ящик.Всё складывается в базу данных с полной историей. Картинки и кадры видео скачиваются и хранятся у нас — рекламные ссылки протухают за часы, а

Более восьми лет я в малом бизнесе. И все восемь лет смотрел красивые картинки и спичи людей, которые рассказывали как важно управлять бизнесом с помощью цифр. Насколько это правильно, необходимо и только так работает. И практически восемь лет у меня была фрустрация — я понимал, что от количества операционки я просто не могу качественно и в реальном времени получать эти цифры. И за счёт них управлять бизнесом.Потому что у малого бизнеса часто нет денег на менеджеров топ-уровня. Нет возможности каждую задачу закрыть решением, которое требует бюджета. И мы приходим к тому, что просто не хватает рук. Да, у нас всегда были данные из отдела продаж, данные о выручке, мы всегда сводили P&L. Но чтобы погрузиться детальнее и найти рычаг увеличения прибыли, рычаг воздействия на проблему — для этого уже не хватало данных.2025 год стал для меня переломным. Я смог изменить это в своём бизнесе за счёт внедрения AI-аналитики, кастомных доработок CRM и инструментов учёта трафика. Банально — я перестал слышать от менеджеров «трафик маркетинга нецелевой, поэтому и продаж нет». Сейчас все тысячи наших звонков транскрибируются в текст, нейронки анализируют какой процент трафика реально был нецелевым. Маркетолог получает полный отчёт, что не так в его кампаниях — на основании данных, а не интуиции менеджеров.Я практически год внедрял подобные инструменты в свой и другие бизнесы. И сейчас сформировал два продукта, о которых хочу рассказать. Оба — из реальной практики, обкатаны на нашем таксопарке в Турции и РФ.Первый — AI-оператор Bitrix24. Надстройка над вашей CRM, которая берёт на себя рутину отдела продаж. Автораспределение заявок, контроль скорости реакции, умный список звонков (менеджер не думает кому звонить — система сама даёт задачи), автоматические эскалации и отчёты руководителю. 9 функций в составе, требует миграций на другие CRM. Из нашей практики: после внедрения в Турции конверсия заявка → регистрация клиента выросла с 33% до 48%, время реакции на заявку — с 15-20 минут до

Бунин в деле | Бизнес, ИИ и о личном pinned a video message

Один скилл в Claude заменил мне полдня ручной сверки рекламыРасскажу про штуку, которая сильно изменила то, как я контролирую маркетинг в турецком направлении такси. Называется Claude Skill — по сути это детальная инструкция, которую ты один раз пишешь, а Claude потом выполняет по команде. Не промт на три строчки, а полноценный документ: что делать, в каком порядке, какие данные запросить, как их обработать, какие отчёты выдать на выходе.Для чего я его создал. У нас реклама в Facebook/Instagram, лиды падают в Bitrix24, менеджеры обрабатывают. Каждую неделю нужно понять: сколько потратили, сколько лидов получили, сколько из них реально стали клиентами. И главное — почему слили и кто конкретно. Плюс понять наш ROMI (окупаемость инвестиций в маркетинг).Раньше мы это делали маркетологом полдня. Сейчас я пишу в Claude «запусти сверку», он говорит что прислать, я загружаю две таблицы — и через 15 минут получаю готовые данные.Что внутри скилла:Нормализация телефонов — чтобы +90 222 666 22 22 и 02226662222 считались одним контактом. Классификация каждого лида — активный клиент, зарегистрировался но не начал работать, недозвон, отказ, не найден в CRM. Расчёт CAC (стоимость клиента) не по регистрациям, а по реально активным клиентам — это принципиально разные цифры. Расчёт ROMI — сколько заработал каждый вложенный в рекламу рубль, с разбивкой по кампаниям. Проверка «призрачных недозвонов» — лиды которые менеджер пометил как «не дозвонились», но в системе нет ни одной попытки звонка. И разбор по каждому менеджеру — конверсия, звонки, слабые зоны.Примечание: не все вообще понимают насколько важно считать ROMI и лупят маркетинг на бум не понимаю он вообще окупается или нет? Привлеклки 5 клиентов не значит, что они окупились. Для нас этот скилл стал настоящим решением, потому, что нам посчитать реальный ROMI надо обработать тысячи строк данных.. Не у нас одних в бизнесе такой сложный учёт ROMI, поэтому дерзайте - скилл выше. На выходе я получаю:Excel-сверку — сводка, все лиды с к

Несколько месяцев строил AI-контроль звонков. Вот что понялНесколько месяцев я дорабатывал инструмент контроля качества звонков через ИИ. Каждый раз убеждаюсь: в таких проектах решает не умение кодить, а понимание бизнес-процессов и логики. Расскажу почему.Я начинал с довольно простого инструмента, собирал всё на n8n — вот есть звонки, вот первая нейронка которая переводит их в текст, вот вторая которая оценивает. Вроде всё логично и должно работать. Но нет. Когда на вход приходит большой поток информации, любая LLM — GPT, Claude, DeepSeek — начинает тупить и давать неверные оценки диалогам менеджеров с клиентами. Потому что ты пытаешься засунуть в одну нейронку слишком много контекста и слишком много задач одновременно. Практически в любом бизнесе есть куча нюансов в продукте, которые сложно разом объяснить, чтобы ИИ понимал - вот здесь нужно ответить вот так.Первое что нужно сделать — построить в голове мультиагентную ИИ систему.Что это такое? Это когда один агент переводит голос в текст. Второй определяет — стоит ли диалог вообще оценивать и по какому скрипту. Дальше пачка агентов, каждый из которых заточен под работу с одним конкретным скриптом: первичная продажа, действующий клиент, возврат ушедшего и так далее. Пять скриптов — пять агентов. Пытаться работать со всеми скриптами и засунуть в один промт — дорого и плохо с точки зрения качества анализа. И это не только в оценке звонков.С такой архитектурой качество начинает заметно расти. Но и тут не всё. Важен процесс отладки и доработки промтов и данных, с которыми они работают. Это наверное самый долгий и сложный этап. Приходится по одному ловить косяки нейронки и вносить изменения в работу системы. Для этого тоже можно использовать ИИ, потому что объём информации бывает огромным, но не всегда.Кстати, на рынке куча сервисов, которые делают и запускают такие решения для бизнеса. Только проблема в том, что они работают как разработчики, предприниматели, маркетологи — а не как бизнес-аналитики, которые копают в би

Два менеджера вместо четырёх. Продажи выросли. Как так Пару месяцев мы в Турции разрабатывали штуку, которая на первый взгляд звучит просто, но на практике оказалась достаточно сложной автоматизацией. Робот, который анализирует все сделки в CRM и подсказывает…В добавление к прошлому посту хочу сказать, что наша система, которая подсказывает менеджерам кому звонить в первую очередь - продолжает радовать результатами. За прошлую неделю мы выросли ещё на 10,8% по водителям такси в Турции!!🎉

Два менеджера вместо четырёх. Продажи выросли. Как такПару месяцев мы в Турции разрабатывали штуку, которая на первый взгляд звучит просто, но на практике оказалась достаточно сложной автоматизацией. Робот, который анализирует все сделки в CRM и подсказывает менеджерам — с кем из лидов связаться в первую очередь, потому что именно этот лид с наибольшей вероятностью станет клиентом.Как к этому пришли. У нас в турецком Битрикс тысячи сделок. Всего менеджеров 4, но за счёт внедрения этой системы двоих мы перевели чисто на поддержку клиентов — не теряя в эффективности продаж. То есть заявки обрабатывают 2 менеджера. И они физически не успевали обработать всех. Получается так — звонят тем кто сверху в списке, тем кто свежее, тем кого помнят. А лид, который реально готов стать клиентом, тихо остывает где-то внизу воронки. Деньги на его привлечение потрачены, а до него руки не дошли. Это очень частая проблема мелкого/среднего бизнеса. Мы через Claude проанализировали тысячи наших сделок и стали искать закономерности. На каком этапе воронки лид чаще конвертируется в клиента. При каком количестве контактов. Через какое время после первого касания. Какие паттерны поведения отличают тех кто в итоге начинает работать от тех кто уходит в архив.На основе этого собрали классификацию и настроили алгоритм приоритизации. Система сама определяет какие сделки горячие и подкидывает их менеджеру первыми. Не случайно, не по дате создания, а по вероятности конверсии. В каком-то плане это была исследовательская работа в которую я на два месяца погрузилося с энтузиазмом 🔬Можно сказать что нужно обрабатывать всех клиентов одинаково. В теории — да. На практике — когда у тебя 2 менеджера на продажах и лиды летят каждый день, ты либо приоритизируешь, либо тратишь время на тех кто никогда не станет клиентом, пока реальные клиенты остывают.На словах это звучит просто. По факту — два месяца работы. Каждую неделю по несколько раз сбор данных по лидам, сделкам, клиентам, анализ. Создание алгоритма,

Как я натр***лся с Roistat и кастомными решениями для учёта эффективности траффика и продаж, а в итоге отдал всё сводить Claude. Кто меня читает, знает, что я неоднократно жаловался на качество работы Roistat. Его постоянные поломки и неточность данных, малейшее изменение в бизнес-процессе, которое смещает орибту змели. В конечном итоге в Турции мы просто начали сводить маркетинг и продажи через Claude без каких либо внешних сервисов. И даже без вайбкодинга😨 Всё работает через Claude Skill — это инструкция, которую я один раз написал и которую Claude выполняет по команде. Пишу в чат «запусти сверку», Claude спрашивает что прислать, загружаю две таблицы — лиды из Facebook и сделки из CRM — и через 15 минут получаю готовый пакет отчётов. Никакого кода, никакой ручной работы. Скилл обновляю после каждой сверки — к концу месяца он знает про мой процесс больше, чем я сам держу в голове. Для особо ленивых можно подключить Claude через MCP к Bitrix и Facebook и он сам всё выгрузит, но пока для надежности отправляем данные вручную. Что получаю на выходе:Первое — отчёт маркетологу. Сколько лидов пришло по каждой рекламной кампании, сколько дошли до регистрации, и главное — сколько реально начали работать. Потому что регистрация и реальный клиент — разные вещи. Бывает что из 30 регистраций реально работают 7. Без этой сверки маркетолог отчитывается красиво, а бизнес не видит оборота. Отчёт показывает конверсию на каждом этапе, разбивку по кампаниям и рекомендации — где наращивать бюджет, где резать, где менять креатив. Самое главное отчёт покзывает не соответствие оффера потребности клиента. Второе — персональный разбор каждого менеджера. На турецком, потому что менеджеры турки. Нейронка берёт данные по звонкам, транскрипты, конверсию и собирает недельную оценку. Не абстрактное «работай лучше», а конкретика: средний балл по скриптам, звонок где слил клиента и почему, звонок где закрыл красиво — делай так чаще. Сильные стороны, слабые зоны, рекомендации. По каждому менеджеру

РОП AI — как мы заменили руководителя отдела продаж роботамиВ Турции мы построили систему, которая фактически выполняет функции руководителя отдела продаж. Это не единое ПО, а несколько модулей, которые разрабатывали под себя. Часть работает костыльно, но именно костыли и частичная ручная обработка позволяют повышать точность. Расскажу как устроено.У нас отдел продаж и клиентский сервис — работаем с водителями Yandex.GO. Продажи приводят новых водителей и деньги, клиентский сервис удерживает и не даёт выручке просесть.Первый модуль — AI ОКК. Слушаем через нейронку 100% звонков менеджеров и сверяем со скриптами. На выходе: ошибки, средний балл каждого менеджера, алерты в реальном времени если теряем клиента. Помогаем менеджеру понять где и какие ошибки исправить, либо принимаем решение что менеджер нам не подходит.Второй — управление сделками. В турецком Битрикс у нас более 5000 сделок. Со всеми надо работать — звонить, вести, доводить клиента до выхода на линию. Малый бизнес часто не может уследить за таким объёмом. Мы через Claude настроили систему, которая сама определяет каким сделкам и когда менеджер должен позвонить. Ставит даты, отправляет сделку с комментарием что делать, архивирует несостоявшихся клиентов. Менеджер не думает кого прозвонить — он работает в системе, которая сама даёт задачи. И не заваливает напоминаниями.Отдельно разработали кастомный Call Back Hunter — моментально перезванивает клиентам, оставившим заявку. Почему кастомный? Потому что у нас свои бизнес-процессы, которые нужно учитывать и не ломать логику работы отдела продаж. Не все готовые решения так могут.Кстати, подобное и раньше настраивалось. В 2020 пробовали Sensei в AMO CRM за 45К/мес. Не смогли отстроить — не подходило под наши процессы. Сейчас через Claude гибче. И главное — нейронка анализирует слабые места процесса, чтобы автоматизация давала пользу, а не грузила бесполезными задачами.Третий — дашборд менеджера. Каждый сотрудник ежедневно видит в Битрикс свои результаты: выполнен

Как я управляю таксопарком в 5 городах Турции и не сижу в офисеЯ управляю бизнесом на несколько тысяч водителей такси из дома в Анталии. Не знаю турецкого языка. Каждое решение принимаю на данных, а не на интуиции. Всю систему контроля и аналитики собрали с помощью нейронок.Расскажу как это устроено.Первое — дашборд собственника. Супер важная вещь для собственника бизнеса и руководителя. К сожалению в российском таксопарке мы не смогли в своё время его докрутить. Один файл, куда стекается весь бизнес понедельно: трафик водителей, конверсия, удержание, выручка, чистая прибыль. Разбивка по городам. В нашем случае выручка подтягивается из Yandex.GO через интеграции — там сложная система учёта, но в дашборде всё сводится в понятные цифры. Заполняется автоматически — робот забирает данные, считает активных, новых, ушедших по каждому городу и пишет в Google таблицы. Каждый понедельник к 9:00 готово.Кстати, именно дашборд помог выйти из мини-кризиса. Вижу несколько недель подряд идёт проседание активных водителей на 3%, нетто отрицательный, Измир и Анталия проседают. Корректируем рекламу и нагрузку менеджеров. Изучаем работу маркетинга + менеджеров через ИИ. Через 4 недели — рост на 5%, нетто плюсовой. Без дашборда заметили бы через месяц. Цифры дают 4 недели форы перед интуицией. В нашем случае учёт активных водителей ведется через сложные формулы, а не просто посчитать 10 новых клиентов, которые заплатили по 100 рублей. Второе — AI ОКК (контроль качества звонков). 4 менеджера, около 600 звонков в неделю. Слушать вручную нереально. Собрали систему: записи звонков из CRM автоматически расшифровываются в текст, нейронка оценивает каждый звонок по 5 категориям из 20 баллов. Грубая ошибка — руководителю сразу приходит уведомление в Telegram.Из интересного: до этой системы я думал, что менеджеры работают примерно одинаково. Оказалось — разброс огромный. Один набирает 73 балла из 100, другой 55. Без ОКК я бы не узнал. Вижу слабые зоны каждого и динамику по неделям.Третье — свер