Как оценить эффект автоматизации обработки заявок клиентов

Хорошая новость в том, что для пилота не требуется сложная аналитика. Достаточно измерить несколько этапов на реальных заявках.

Сначала зафиксируйте текущий процесс

Выберите десять или двадцать заявок, похожих по размеру и сложности. Для каждой запишите:

• время получения;
• количество строк;
• время начала обработки;
• время готовности первого черновика;
• время отправки предложения клиенту;
• число уточнений внутри компании;
• число исправленных строк;
• итоговый статус заявки.

Если этого не сделать заранее, после пилота не с чем будет сравнивать.

Метрика 1. Время до первого черновика

Считается от момента получения заявки до появления черновика КП и заказа.

Эта метрика показывает работу системы лучше, чем время до отправки клиенту. Финальная отправка может ждать согласования скидки или решения руководителя, что не относится к автоматическому разбору.

Метрика 2. Активное время менеджера

Нужно отделить ожидание от реальной работы.

Если заявка лежала два часа в очереди, это задержка. Если менеджер сорок минут искал позиции, это трудозатраты.

Замерить можно простым способом: сотрудник отмечает начало и конец ручной работы по каждой заявке. На пилоте важна не идеальная точность до секунды, а сравнимый порядок измерения.

Метрика 3. Доля автоматически сопоставленных строк

Формула:

подтверждённые без исправления строки / все строки заявки * 100%

Не стоит стремиться к ста процентам любой ценой. Если данных недостаточно, правильный результат заключается в передаче строки человеку.

Метрика 4. Точность сопоставления

Проверяется на тех строках, которые система посчитала готовыми.

верные автоматические сопоставления / все автоматические сопоставления * 100%

Эта метрика важнее общего покрытия. Лучше автоматически обработать меньшую долю, но не отправить клиенту неверный товар.

Метрика 5. Причины исключений

Недостаточно знать, что сорок процентов строк потребовали человека. Нужно понять почему.

Категории могут быть такими:

• нет позиции в каталоге;
• отсутствует критическая характеристика;
• несколько подходящих вариантов;
• неизвестное сокращение клиента;
• нет актуальной цены;
• нет остатка;
• требуется коммерческое решение;
• ошибка исходного файла.

По частым причинам видно, что улучшать: данные, словарь, правила или процесс клиента.

Метрика 6. Количество исправлений перед отправкой

Считайте не только строки, которые менеджер подтвердил, но и изменения:

• замена найденной позиции;
• корректировка количества;
• добавление компонента;
• изменение единицы измерения;
• исправление цены;
• удаление неподходящего аналога.

Если исправления повторяются по одной причине, настройку можно дополнить правилом.

Метрика 7. Скорость содержательного ответа клиенту

Автоматическое «Приняли в работу» не считается. Нужен момент, когда клиент получил предложение, уточняющий вопрос или понятный список отсутствующих данных.

Эта метрика ближе к реальной ценности для продаж.

Метрика 8. Пропущенные и зависшие заявки

Проверьте, сколько обращений:

• не взяли в работу в тот же день;
• потеряли между почтой и менеджером;
• отправили на уточнение и забыли;
• собрали, но не передали клиенту.

Автоматизация должна улучшать не только скорость отдельной заявки, но и управляемость очереди.

Что не нужно обещать как прямой результат

Рост продаж зависит от цены, наличия, условий, конкурентов и работы менеджера. Поэтому фраза «автоматизация увеличила продажи на 30 процентов» требует отдельного доказательства.

В рамках пилота честнее измерять то, на что система влияет напрямую:

• скорость подготовки;
• ручное время;
• полноту обработки;
• качество сопоставления;
• число ошибок;
• долю исключений.

Конверсию в заказ можно наблюдать как бизнес-показатель, но не выдавать за чистый эффект алгоритма.

Как построить сравнение

Лучше всего обрабатывать часть заявок параллельно:

1. Текущий процесс даёт контрольный результат.
2. Система готовит свой черновик.
3. Менеджер сравнивает позиции.
4. Ошибки разбираются и превращаются в правила.
5. После стабильного качества система используется первой, а ручная проверка остаётся на исключениях.

Так компания не рискует отношениями с клиентами во время настройки.

Какой результат пилота считать хорошим

Единой цифры нет. Для каталога с чёткими артикулами покрытие будет выше, чем для заявок из фотографий и свободного текста.

Хороший результат имеет три признака:

1. Готовые строки действительно верны.
2. Исключения объяснимы и удобны для проверки.
3. Менеджер тратит заметно меньше активного времени на заявку.

Даже если система не закрывает весь файл, она может снять основную массу повторяющейся работы.

Как измеряется решение Astrobizz

До запуска мы фиксируем текущий путь заявки. На пилоте система разбирает реальные обращения, сопоставляет позиции и формирует черновики. Менеджер подтверждает результат, а мы считаем покрытие, исправления и причины исключений.

В итоге компания получает не демонстрацию на идеальном файле, а понятный ответ: какая часть процесса уже автоматизируется и что требуется для следующего этапа.

Обсудить пилот автоматизации B2B-заявок.

Таблица для пилота

Заполнять её стоит по каждой заявке, а потом смотреть среднее и медиану. Одна очень сложная спецификация не должна искажать весь результат.