Крупнейшая digital-премия в Европе

Возврат «мертвой» базы на 5 400 000 рублей и уменьшение стоимости заявки 2,5 раза из Яндекс Директа с помощью AI

Заказчик: HFE
Исполнитель: Shevchenko.bz
Share
Возврат «мертвой» базы на 5 400 000 рублей и уменьшение стоимости заявки 2,5 раза из Яндекс Директа с помощью AI

Главное о кейсе

До начала работы с нами данные в клинике фиксировались вручную в блокнотах, потом переносились в таблицы Excel.

Из-за такого хранения данных

— сложно было следить за аналитикой;

— конверсия считалась неправильно или не освещалась вовсе;

— с собранной базой никак не работали.

Требовалась систематизация всех данных. Нужно было возвращать клиентов, данные которых терялись в большом потоке таблиц.

Ключевые этапы, которые позволили нам добиться результата:

— внедрение CRM-системы и разработка правил её учёта для консультантов;

— обучение отдела продаж на стороне клиента;

— настройка передачи данных по офлайн-конверсиям в «Яндекс Директ» для дальнейшей оптимизации рекламных кампаний с использованием ИИ;

— запуск голосового робота на базе ИИ.

Результаты

— CRM-система и обучение для отдела продаж позволили не терять заявки и находить точки роста.

— В 2,5 раза уменьшили стоимость заявки из «Яндекс Директа» благодаря настроенной оптимизации с использованием ИИ и данных из CRM и улучшили их качество без увеличения расходов на рекламу.

— Вернули «мёртвую» базу на повторный контакт и получили выручку в 5 400 000 рублей.

=== ENG ===

Prior to working with us, data in the clinic was recorded manually in notebooks, then transferred to Excel spreadsheets.

Because of this data storage:

– it was difficult to keep track of analytics;

– conversions were calculated incorrectly or not reported at all;

– there was no way to work with the collected database.

Systematization of all data was required. It was necessary to return customers whose data was lost in a large flow of tables.

The key stages that allowed us to achieve the result were:

– implementation of CRM-system and development of its accounting rules for consultants;

– training of the sales department on the client's side.

– setting up the transfer of data on offline conversions to Yandex Direct for further optimization of advertising campaigns using AI;

– launching an AI-based voice robot.

Results

– CRM system and training for the sales team allowed us not to lose applications and to find points of growth.

– Reduced the cost of an application from Yandex Direct by 2.5 times thanks to customized optimization using AI and data from CRM and improved their quality without increasing advertising costs.

– Returned base to repeat contact and gained revenue of 5,400,000 rubles.

Как проект изменил жизнь пользователей

Какие плюсы получил бизнес после внедрения CRM-системы?

— Экономия времени на ведение базы позволила отделу продаж сконцентрироваться на клиентах.

— Быстрый доступ к информации и истории раннего консультирования повысил качество обслуживания.

— Отслеживание эффективности маркетинговых кампаний и получение данных позволили улучшать рекламу и ставить гипотезы роста.

— Повысился уровень продаж.

=== ENG ===

What benefits did the business get after implementing a CRM system?

— Saving time on database maintenance allowed the sales department to concentrate on clients.

— Quick access to information and early counseling history improved the quality of service.

— Tracking the effectiveness of marketing campaigns and capturing data allowed for improved advertising and growth hypotheses.

— Sales Improvement.

Бизнес-задача и ее решение

Вначале мы провели несколько бриф-встреч с заказчиком, чтобы разработать альбом ключевых бизнес-процессов и понять, какого результата мы хотим достичь.

Изучив вопросы и пожелания клиента, мы поставили следующие цели:

— перестать терять заявки и выстроить систему работы с ними;

— увеличить выручку клиники без изменений расходов на рекламу;

— собрать базу клиентов, которые были упущены ранее, и вернуть их к покупке.

Что сделали?

— Внедрили CRM-систему.

— Настроили передачу данных по офлайн-конверсиям в «Яндекс Директ» для оптимизации рекламных кампаний с использованием ИИ.

— Подключили голосового робота на базе ИИ.

— Создали обучение для отдела продаж.

Результаты

— Выстроили единую систему работы с заявками, разработали регламент работы и обучающую программу для консультантов.

— Не теряется ни один пропущенный звонок в клинику.

— Все заявки приведены в абсолютный порядок: каждая расположена на нужном этапе, что позволяет видеть, на какой стадии тот или иной пациент.

— В каждой карточке собрана воедино вся информация про клиента. Там же сохраняются переписка с клиентом и записи телефонных разговоров.

— В 2,5 раза уменьшили стоимость заявки, повысили их качество без увеличения расходов на рекламу.

— Получили с базы контактов выручку в 5 400 000 рублей.

=== ENG ===

First, we held several brief meetings with the customer to develop an album of key business processes and understand what result we wanted to achieve.

Having studied the client's questions and wishes, we set the following goals:

— to stop losing requests and build a system for working with them;

— to increase the clinic's revenue without changing advertising costs;

— to gather a base of clients who had been missed earlier and bring them back to purchase.

What did we do?

— Implemented CRM-system.

— Set up offline conversion data transfer to Yandex Direct to optimize advertising campaigns using AI.

— Connected an AI-based voice robot.

— Created training for the sales team.

Results

— We built a unified system for working with applications, developed work regulations and a training program for consultants.

— Not a single missed call to the clinic is lost.

— All requests are in absolute order - each is located at the right stage, which allows you to see what stage a patient is at.

— Each card contains all information about the client. Correspondence with the client and records of telephone conversations are also stored there.

— We reduced the cost of applications by 2.5 times, increased their quality - and all this without increasing advertising costs.

— The contact database generated revenue of 5,400,000 roubles.

Крафт (мастерство), реализация, технические детали

MVP CRM (минимально жизнеспособный продукт) мы сделали за 2 месяца.

Нам потребовалось около 6–8 месяцев на то, чтобы отладить все процессы и написать инструкции по работе для отдела продаж.

Сейчас это позволяет без дополнительных усилий нанимать новых менеджеров по продажам.

Как построили план работ?

1. Разработали BPMN-схему

BPMN-схема позволяет визуализировать и анализировать бизнес-процессы в amoCRM. Это помогает выявить возможные узкие места и оптимизировать работу системы для повышения её эффективности.

2. Разбили этапы воронки по уровням отдела продаж

Разделение на уровни помогает более чётко определить функции и области ответственности каждого отдела, что позволяет эффективнее обучать и развивать сотрудников каждого отдела.

3. Обучили сотрудников отдела продаж

Сформировали обучение, которое включает в себя пошаговую инструкцию по активации, видеообучение, инструкции по работе с CRM-системой. По нашим подсчётам, построенное обучение сокращает ресурсы на запуск и обучение новых сотрудников до 60 часов.

Нам удалось выстроить удобную CRM-систему для работы консультантов. Сейчас мы продолжаем тестировать гипотезы роста в воронке продаж.

Что amoCRM позволила нам отслеживать?

AmoCRM собирает максимум информации об источнике сделки. Мы видим, откуда пришла сделка, и можем быстро проанализировать, откуда приходит больше заявок и как увеличить их количество.

Также мы настроили передачу данных по офлайн-конверсиям в источники рекламы для её оптимизации.

После решения основной задачи мы приступили к внедрению улучшений.

Что подключили?

— Чат-бота. Теперь не нужно по каждой заявке вручную отправлять сообщение с предложением услуги и прочей информацией — бот отправит всё сам. Нужно всего лишь настроить, что и куда будет отправлено в зависимости от источника заявки.

— Интеграцию звонков голосовым роботом. Робот задаёт нужные вопросы и отвечает на вопросы клиентов, система изучает информацию, отмечает тезисы в карточке сделки и направляет сделку на нужный этап.

=== ENG ===

The MVP CRM (minimum viable product) we made in 2 months.

It took us about 6-8 months to debug all the processes and write work instructions for the sales department.

Now it allows us to hire new sales managers without any additional effort.

How was the work plan constructed?

1. Developed a BPMN-chart

BPMN-chart allows you to visualize and analyze business processes in amoCRM. It helps to identify possible bottlenecks and optimize the system to increase its efficiency.

2. Divided the stages of the funnel by levels of the sales department

The division into levels allows you to more clearly define the functions and areas of responsibility of each department, which allows you to more effectively train and develop the employees of each department.

3. Trained the sales staff

Built training that includes step-by-step activation instructions, video training, and instructions on how to use the CRM system. According to our calculations, the built training reduces the resources for launching and training new employees up to 60 hours.

We managed to build a convenient CRM system for the work of consultants. We are now continuing to test growth hypotheses in the sales funnel.

What AmoCRM allows us to track?

AmoCRM collects maximum information about the source of the deal. We can see where the deal came from and can quickly analyze where more requests come from and how to increase their number.

We have also set up the transfer of data on offline conversions to advertising sources to optimize it.

Once the main task was accomplished, we started implementing improvements.

What's plugged in?

— Chat-bot. Now you don't need to manually send a message with a service offer and other information for each request - the bot will send everything by itself. You just need to customize what and where it will be sent, depending on the source of the request.

— Integration of calls with a voice robot. The robot asks the right questions and answers the customers' questions, the system studies the information, marks theses in the deal card and directs the deal to the right stage.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Как повлияло выявление источников на работу с разными воронками продаж?

1. Уменьшили стоимость заявки в 2,5 раза и улучшили качество заявок

Мы настроили все данные, необходимые для оптимизации рекламы, по офлайн-конверсиям из CRM в «Яндекс Директ».

На этапе запуска столкнулись со следующими сложностями:

— виджеты, которые предлагает CRM-система, работали нестабильно;

— теряли статистику по заявкам из WhatsApp (≈ 20%).

В первом случае мы отобрали самые стабильные виджеты, сделали резервную разработку и каждую неделю проверяем все действия по чек-листу.

Во втором случае мы разработали собственный виджет, которые передаёт данные аналитики из WhatsApp.

Как он работает?

1. Когда клиент нажимает на кнопку виджета WhatsApp на сайте, на сервер отправляется запрос с данными о сайте и собранной аналитикой.
2. Сервер генерирует уникальный ID заявки, сохраняет полученные данные в базе и возвращает сгенерированный уникальный ID в ответ на запрос.
3. Заявка попадает в amoCRM. Из чата распознаётся уникальный ID. После этого осуществляется запрос на сервер с передачей уникального ID заявки, который был сгенерирован ранее.
4. По данному запросу из базы данных запрашивается вся аналитика, относящаяся к обращению клиента.
5. На основе этих данных осуществляется заполнение сделки в amoCRM.

Когда посетитель начинает диалог в чате WhatsApp на сайте, у собственника компании формируется полная картина об источнике обращения, что позволяет лучше оптимизировать рекламные кампании.

2. Из 8 068 «мёртвых» заявок получили 18 продаж и выручку в 5 400 000 рублей

Запустили голосового робота, который позвонил 8 068 контактам, что заняло у него более 350 часов.

Робот работал по скрипту, ИИ распознавал речь и отвечал на вопросы клиентов. В этом проекте мы назвали робота Алёной и представили её помощником консультанта.

Мы отправляли от 100 до 200 сделок на прозвон в день по 3 раза в неделю, чтобы консультанты успевали обрабатывать сделки после первичного обзвона роботом.

Трудности по запуску голосового робота и их решения

1. Высокий процент недозвона — 77%

Чтобы повысить процент взаимодействий с клиентами, которые не ответили на звонки, мы настроили отправку сообщений в WhatsApp.

Получили конверсию 0,4% в звонки.

2. Обучение робота

После запуска мы потратили ≈ 9 часов на то, чтобы прослушать все отказные сделки и до конца обучить робота. Всего 2,9% заявок Алёна по ошибке переместила в статус «Отказ». Но с такими заявками можно было ещё работать.

В итоге мы обзвонили почти всю базу и увидели, что Алёна успешно заменила кол-центр.

Результаты

— Обзвонила 8 068 контактов

— 11 555 звонков (кому-то Алёна звонила несколько раз)

— Выручка — 5 400 000 рублей

— Отдача инвестиции x48

=== ENG ===

What was the impact of source identification on working with different sales funnels?

1. Reduced the cost of an application by 2.5 times and improved the quality of applications

We set up all the data necessary to optimize advertising for offline conversions from CRM in "YandexDirect".

At the launch stage we faced the following difficulties:

— Widgets offered by the CRM-system worked unstably;

— lost statistics on requests from WhatsApp (≈20%).

In the first case, we selected the most stable widgets, made our own backup development and check all the work on a checklist every week.

In the second case, we developed our own widget, which transmits analytics data from WhatsApp.

How does it work?

1. When a customer clicks on the WhatsApp widget button on the website, a request is sent to the server with the website data and the collected analytics.
2. The server generates a unique ID of the request, stores the collected data in the database and returns the generated unique ID in response to the request.
3. The request enters amoCRM. The unique ID is recognized from the chat. After that a request is made to the server with the unique ID of the request, which was generated earlier.
4. According to this request, all analytics related to the customer's request are requested from the database.
5. On the basis of these data the transaction is filled in amoCRM.

When a visitor starts a dialogue in the WhatsApp chat on the website, the company owner has a complete picture of the source of the contact, which allows for better optimization of advertising campaigns.

2. Out of 8068 applications received 18 sales and revenue of 5,400,000 rubles

We launched a voice robot that called 8,068 contacts, which took it more than 350 hours.

The robot worked according to a script, the AI recognized speech and answered customers' questions. In this project, we named the robot Alyona and introduced her as an assistant consultant.

We sent 100 to 200 deals to be called per day, 3 times a week, so that the consultants had time to process the deals after the initial call by the robot.

Difficulties in launching a voice robot and their solutions

1. High unanswered call rate - 77%

To increase the percentage of interactions with customers who didn't answer calls, we set up messaging in WhatsApp.

We got a 0.4% conversion rate into calls.

2. Training the robot

After launch, we spent ≈ 9 hours listening to all abandoned deals and further training the robot. In total, Alyona mistakenly moved 2.9% of requests to the "Rejected" status. But it was still possible to work with such requests.

In the end, we called almost the entire base and saw that Alyona had successfully replaced the call center.

Results

— Called 8,068 contacts

— 11,555 calls (Alyona called someone several times)

— Revenue 5,400,000 rubles

— Return on investment x48

Скриншоты

Видео

Share
Золото
• Лучшее использование eCRM
Tagline Awards 2023
Бронза
• Лучший Performance Marketing
Tagline Awards 2023

Дата запуска

3 октября 2022 года

Ориентировочный бюджет

177 300 ₽

Авторы

Сооснователь агентства: Григорий Шевченко

Сооснователь агентства: Анастасия Шевченко

Руководитель PM и бизнес-аналитик в CRM: Денис Белолипецкий

Помощник PM: Екатерина Орешина

Руководитель отдела аналитики: Александр Сухов

Номинации

Performance marketing → Использование eCRM
AI-технологии и чат-боты

Ссылки

youtu.be