Квалификация лидов для мебельного производства в Казани: как отделить горячие заявки от нецелевых

Проблема: менеджеры работают со всеми заявками одинаково

Мебельное производство получает 200 заявок в месяц. Источники могут быть разными: сайт, реклама, карты, соцсети, рекомендации, маркетплейсы услуг. Проблема начинается после получения заявки.

Только 35% обращений соответствуют базовым критериям: есть реальный объект, определён бюджет, есть понятный срок, клиент действительно планирует заказ. Это 70 целевых лидов из 200. Остальные 130 заявок менеджеры также вынуждены обрабатывать. В результате специалист тратит время на людей, которые пока не готовы покупать или вообще не подходят производству. Одновременно горячие клиенты ждут ответа 2–4 часа. Для мебели на заказ это критично: клиент может параллельно отправить запрос ещё нескольким производителям.

Почему одинаковая обработка заявок создаёт проблему

У менеджера есть ограниченный рабочий ресурс. Если все заявки попадают в одну очередь, порядок обработки определяется временем поступления, а не коммерческой ценностью. Получается: 200 заявок → одна очередь → менеджер отвечает всем → 130 нецелевых требуют времени → 70 целевых ждут → горячие получают ответ через 2–4 часа.

При этом качество лида можно определить ещё до звонка. Для мебельного производства достаточно проверить несколько признаков: что нужно изготовить, для какого объекта, есть ли объект реально, какой бюджет, когда нужен заказ, где находится объект, есть ли проект или техническое задание. Эти данные позволяют разделить входящий поток на группы.

Экономика качества лидов

При 200 заявках в месяц структура выглядит так:

Это модельный расчёт на основании заданных допущений. Главный вывод: количество заявок само по себе не показывает качество входящего потока. Дополнительные 100 дешёвых заявок не обязательно ценнее 20 хорошо квалифицированных. Для отдела продаж важнее понимать, кому нужно позвонить сейчас, кого можно обработать позже, а кому пока не требуется участие менеджера.

Архитектура решения: ИИ-скоринг до менеджера

ИИ-скоринг ставится между входящей заявкой и менеджером. Базовая схема: Заявка → ИИ-анализ → Проверка параметров → Оценка лида → Приоритет → CRM → Менеджер. Система анализирует содержание заявки, ответы клиента, переписку или данные формы, затем рассчитывает оценку по заданным правилам.

Какие параметры использовать

Для мебельного производства достаточно начать с трёх основных факторов.

1. Бюджет

До 50 000 ₽ → низкий приоритет. 50–100 тыс. ₽ → средний. 100–200 тыс. ₽ → высокий. 200+ тыс. ₽ → высокий. Пороговые значения должны соответствовать реальному минимальному заказу производства. Если компания работает с заказами от 150 000 ₽, лид с бюджетом 40 000 ₽ не должен попадать в ту же очередь, что клиент с бюджетом 250 000 ₽.

2. Срок

Заказ нужен в течение 2 недель → высокий приоритет. 1–2 месяца → высокий. 3–6 месяцев → средний. Срок не определён → низкий. «Просто узнаю цену» → низкий. Здесь нет универсальной шкалы — производство должно установить её исходя из загрузки, сроков изготовления и допустимой маржинальности.

3. Тип объекта

Квартира, частный дом, коммерческое помещение, ресторан, офис, комплексный объект. Для каждого типа можно задать собственный вес. Если производство специализируется на коммерческой мебели, ресторан или офисный проект может получить больший приоритет, чем единичный заказ шкафа.

Как выглядит скоринг

Простой вариант: Бюджет 0–40 баллов, Срок 0–30 баллов, Тип объекта 0–20 баллов, Полнота ТЗ 0–10 баллов. Итого 0–100. Далее: 80–100 → горячий, 50–79 → тёплый, 0–49 → низкий приоритет. Эти пороги являются примером архитектуры — их нельзя считать универсальными без анализа реальных продаж компании.

Пример

Заявка: «Нужно изготовить кухню для квартиры в Казани. Площадь 85 м². Бюджет около 220 000 ₽. Ремонт заканчивается через месяц. Проект есть.» Система получает: Бюджет высокий, Срок определён, Объект квартира, ТЗ есть. Результат: Высокий приоритет. Менеджер получает уведомление.

Другой пример: «Сколько стоит шкаф? Пока просто смотрю варианты.» Система фиксирует: Бюджет неизвестен, Срок неизвестен, Объект неизвестен, ТЗ отсутствует. Такой лид не нужно удалять — его можно оставить в CRM с низким приоритетом и отправить в отдельный сценарий догрева.

Скоринг должен влиять на очередь

Самая частая ошибка — автоматизировать оценку, но оставить прежнюю обработку. Если CRM показывает менеджеру заявки с разными баллами (92, 28, 87, 41), порядок обработки должен соответствовать этим данным: 92 балла → ответ до 10 минут, 87 баллов → ответ до 10 минут, 41 балл → обработка в течение рабочего дня, 28 баллов → автоматический догрев. Так скоринг становится частью процесса продаж, а не просто дополнительным полем в CRM.

Что происходит с горячими лидами

Сейчас горячий клиент может ждать 2–4 часа. После внедрения логика меняется: Заявка → ИИ-скоринг → Высокий приоритет → Уведомление менеджеру → Первый контакт → Квалификация. Для производства можно установить внутренний SLA, например: горячий лид — первый контакт до 15 минут. Главное, что время реакции становится измеримым. В CRM можно видеть среднее время до первого контакта, медианное время, процент лидов в SLA, количество просроченных горячих заявок, конверсию по каждому диапазону скоринга.

Таблица сравнения

Как проверить, работает ли скоринг

Нельзя оценивать систему только по количеству лидов с высоким баллом. Нужна фактическая проверка. Например, за месяц CRM собирает данные по диапазонам скоринга: 80–100 баллов (35 лидов, 7 договоров, 20% конверсия), 50–79 баллов (40 лидов, 5 договоров, 12,5% конверсия), 0–49 баллов (125 лидов, 3 договора, 2,4% конверсия). Если фактические данные показывают такую зависимость — скоринг подтверждает свою ценность. Если лиды с 80+ баллами закрываются не лучше лидов с 30 баллами — правила нужно менять. ИИ-скоринг должен обучаться на данных компании, а не на абстрактной модели.

Внедрение

Этап 1. Разбор последних заявок

Первый шаг — взять реальные обращения. Оптимально начать с 50–200 последних лидов. Для каждого фиксируются источник, тип объекта, бюджет, срок, содержание заявки, наличие проекта, результат обработки, статус сделки, итоговая конверсия. Это позволяет понять, какие признаки действительно связаны с продажей.

Этап 2. Формирование критериев

Создаётся матрица весов: Бюджет 40%, Срок 30%, Тип объекта 20%, Полнота данных 10%. Весовые коэффициенты можно менять после анализа фактической статистики.

Этап 3. Подключение CRM

В CRM добавляются поля: Lead Score, Priority, Budget, Project Type, Project Deadline, Qualification Status, SLA Deadline. Менеджер видит оценку прямо в карточке клиента.

Этап 4. Настройка маршрутизации

Score 80–100 → ответственный менеджер → срочное уведомление → контроль SLA. Score 50–79 → обычная очередь. Score 0–49 → догрев → повторная квалификация.

Этап 5. Контроль качества

Через 30 дней сравниваются конверсия в договор, средний чек, время до первого контакта, доля целевых лидов, количество просроченных горячих лидов, конверсия по диапазонам скоринга. Если после внедрения горячие лиды стали обрабатываться быстрее, а их доля договоров выше — система выполняет свою функцию.

Экономический эффект

Исходная модель: 200 заявок × 35% = 70 целевых лидов. При конверсии 18%: 70 × 18% = 12,6 договора. При среднем чеке 150 000 ₽: 12,6 × 150 000 = 1 890 000 ₽. Нецелевые: 130 × 2% = 2,6 договора × 150 000 = 390 000 ₽ потенциального оборота.

Основная задача скоринга не в том, чтобы просто отсеять 130 нецелевых заявок. Нецелевой лид может стать целевым через месяц. Поэтому правильная архитектура: Высокий score → быстрый контакт. Средний score → стандартная обработка. Низкий score → автоматический догрев. Изменились параметры → повторный скоринг. Скоринг — это не окончательный вердикт по клиенту, это динамический показатель готовности к покупке.

Разберём 50 ваших последних заявок с оценкой качества

ИИ-скоринг имеет смысл внедрять после проверки на реальных данных.

Разберём 50 ваших последних заявок с оценкой качества. Покажем: сколько из них действительно целевые, какие признаки отличают горячих клиентов, где теряется время менеджеров, какие заявки требуют быстрого контакта, какие можно перевести в догрев, какую модель скоринга можно применить к вашей CRM. Напишите в Telegram.