Виртуальный шеф-повар «Икорного»: с 43% до 80% закрытых обращений

Главное, что показал этот проект

Половину клиентов терял не бот. Их теряла одна кнопка в чате.

Мы прочитали 868 разговоров с ботом и увидели: две трети всех потерь — это один и тот же сценарий, который длится ровно одно сообщение. Человек нажимает в чате кнопку «Где мой заказ?», бот просит ввести номер заказа в строгом формате, человек закрывает чат.

Ни модель, ни база знаний тут ни при чём. Отвечал бот хорошо: на вопросы про рецепты — в 89% случаев, про товары — в 86%. Ломалось не качество ответов, а первый шаг.

После доработки доля закрытых обращений выросла с 43% до 80%, в августе — до 84%. В той самой ветке про заказ — с 23% в июне до 100% в августе.

Такое не видно из отчёта «сколько обращений обработал бот». Это видно только из чтения переписок.

Что было

«Икорный» — сеть магазинов рыбы и морепродуктов со своим интернет-магазином. Люди пишут в чат на сайте и в Telegram: где мой заказ, как приготовить, что взять к празднику, когда привезут, как вернуть товар.

Поток разный по сложности. Часть вопросов справочные, и держать на них живого оператора дорого. Часть — настоящие проблемы, где человеку нужен человек.

Что сделали

Поставили в чат виртуального продавца-консультанта — здесь в роли шеф-повара. Он работает в двух местах сразу: в чате на сайте и в Telegram — это один и тот же помощник с одной базой знаний.

Что он умеет:

1. Говорит статус заказа. Смотрит в систему магазина и отвечает своими словами: собирается, передан в доставку, ждёт оплаты.
2. Подбирает товар и отвечает по каталогу — что есть, чем отличается, сколько стоит.
3. Даёт рецепты. Это и есть «шеф-повар»: человек спрашивает, что делать с купленной рыбой, и получает ответ, а не ссылку на поиск.
4. Разбирается с доставкой, оплатой и бонусами.
5. Передаёт вопрос менеджеру, когда сам не тянет: заявка уходит в retailCRM вместе с разговором, чтобы человеку не пришлось повторять всё заново.

Успехом мы считаем не телефон клиента. Успех — это закрытый вопрос: бот либо ответил по сути, либо довёл обращение до живого менеджера.

Что получилось

Считали по 868 разговорам за март–август 2026 года, 753 разных человека.

Ветка «Где мой заказ?» — самый частый вход в бота, 56% всех обращений.

Ещё из тех же данных:

• 138 обращений бот сам передал менеджерам — это 16% всех разговоров. Ни одно не потерялось по дороге.
• Отвечает быстро: 95 разговоров из 100 получают ответ быстрее 5 секунд. Ответов дольше минуты нет.
• Ночью и в выходные бот работает не хуже, чем днём. Обращения вне графика контакт-центра закрываются даже чаще — там некому отвечать, кроме него.

Что мы нашли, прочитав переписки

Строгий формат номера заказа отсекал людей. Бот просил номер вида 99-XXXXXXX. Человек не помнит номер наизусть, не понимает, где его взять, и уходит. 388 разговоров закончились ровно на этом — одно сообщение и тишина. Это две трети всех потерь.

Починили двумя вещами. Во-первых, бот научился узнавать номер заказа в любом виде, а не только в одном формате. Во-вторых, у него появился запасной путь: если номера нет — не упираться, а собрать суть вопроса и передать оператору. Число переданных менеджеру обращений в этой ветке выросло с двух–семи в месяц до восемнадцати в июле.

Всё решают первые три сообщения. Три четверти разговоров заканчиваются на первом-втором сообщении клиента, и там закрывается 48% вопросов. Если человек написал третий раз — вопрос закрывается в 78% случаев.

Задача бота — не «ответить красиво», а довести разговор до третьего шага.

Проблема была в сервисных вопросах, а не в консультациях. Рецепты закрывались на 89%, подбор товара — на 86%, доставка и оплата — на 79%. Проваливался только статус заказа — 50%. Это подтверждает то же самое: дело было в устройстве одной ветки, а не в том, как бот разговаривает.

Ночью бот нужнее, чем днём. Худшие часы по закрытым вопросам — дневные, когда работает контакт-центр. Люди в это время чаще нажимают кнопку и уходят. Ночью в чат пишут те, кому правда надо.

Как считали

Чтобы результат можно было перепроверить, а не принять на веру.

Выгрузка — 967 диалогов и 6122 сообщения. В выгрузке не было разбивки на разговоры: один «диалог» на человека за всё время, иногда за полгода. Разбили на отдельные разговоры: новый начинается после команды /start или паузы больше 30 минут. Получилось 1125.

Из них в расчёт вошли 868 клиентских разговоров за март–август 2026 года. Отдельно посчитаны и исключены: обращения из одного случайного сообщения (184), тесты и приёмка (14), а также ранний период до масштабирования (59). Спама не нашлось ни одного.

Вопрос считается закрытым, если бот дал ответ по существу — статус заказа, карточку товара с ценой, рецепт, понятную справку по доставке, оплате, бонусам или возврату — либо передал обращение менеджеру. Передача менеджеру всегда считается успехом: человек получил живого собеседника, а не отписку.

Единица счёта — разговор, а не человек: 868 разговоров на 753 клиентов, часть возвращалась.

Разметка каждого разговора сохранена построчно и доступна заказчику: по каждому видно, о чём спрашивали, чем закончилось и где потеряли.

Что дальше

Следующий шаг по ветке заказа — не спрашивать номер вообще. Сайт знает, кто пришёл, и заказ можно подтягивать автоматически, оставив ручной ввод запасным вариантом. Это последняя большая группа, которую ещё можно вернуть.

После доработок сделаем второй замер и сравним с этими цифрами. Кейс дополним здесь же.

Для технических специалистов

Помощник работает в двух каналах одним контуром: виджет Jivo на сайте и Telegram-бот, общая база знаний. Заявки на менеджера уходят в retailCRM вместе с расшифровкой разговора и номером заказа, если он прозвучал. Статус заказа берётся из системы магазина по запросу, а не пересказывается по памяти: бот не отвечает про заказ, пока не получил данные.

Скорость: 95-й перцентиль — 4,6 секунды, вне рабочего графика 6,9 секунды.

Сколько стоит

Запуск такого помощника — от 250 000 ₽, срок 2–4 недели, если база знаний собрана. Подробнее — на странице ИИ-продавца. Сопровождение — от 50 000 ₽ в месяц. Разбор задачи перед стартом — бесплатно, 40 минут.

Отдельная работа — то, с чего начался этот кейс: разбор реальных переписок с уже работающим ботом. Он показывает, где именно теряются клиенты, и почти всегда находит одну-две вещи, которые дают больше, чем смена модели.