AI intent detection — понимаем намерение клиента

Что такое intent detection

Intent detection (определение намерения) — это технология машинного обучения, которая анализирует текст и определяет, чего хочет автор сообщения. Не что он написал буквально, а какую задачу пытается решить.

Классический поиск по ключевым словам работает с формой. «Заказ» — значит, про заказы. «Возврат» — про возвраты. Но язык богаче. «Эта штука не работает» — тоже про возврат, хотя слова «возврат» нет. «Можете позвонить, когда привезёте?» — про доставку, хотя слова «доставка» нет.

Intent detection работает с семантикой — смыслом. Модель обучена на тысячах примеров и понимает, что «штука не работает» с высокой вероятностью означает «проблема с товаром → возможен возврат». А «позвонить, когда привезёте» — это «уточнение по доставке → информационный запрос».

Если упростить — intent detection работает как опытный оператор: бегло читает сообщение, понимает суть и сразу знает, куда его направить. Разница в том, что AI справляется с тысячами сообщений одновременно.

Почему это критично для CRM: маршрутизация и приоритеты

CRM — это не просто база данных клиентов. Это центр коммуникаций: сюда стекаются письма, сообщения из чатов, заявки с сайта, обращения из мессенджеров. И каждое обращение требует реакции.

Проблема без intent detection:

• Все обращения в одной очереди — «кто первый написал»
• Оператор тратит время на понимание контекста каждого сообщения
• Горячий лид ждёт в очереди за человеком, который просто спрашивает график работы
• Жалобы не отличаются от благодарностей — одинаковый приоритет
• Нет данных о том, зачем вообще клиенты пишут

Что даёт intent detection:

• Автоматическая маршрутизация — сообщение сразу попадает к нужному специалисту
• Приоритизация — готовые к покупке клиенты обрабатываются первыми
• Автоответы на типовые интенты — FAQ закрывается ботом
• Раннее обнаружение оттока — недовольные клиенты выявляются сразу
• Аналитика — вы видите, с чем чаще всего обращаются

В результате: меньше время ответа, выше конверсия, лучше удовлетворённость клиентов — при тех же ресурсах.

Типичные интенты: покупка, проблема, вопрос, отток

Какие намерения встречаются чаще всего? Зависит от бизнеса, но есть универсальные категории:

Это базовые категории. В реальности их может быть 20-50 — в зависимости от специфики бизнеса. Интернет-магазин добавит «Возврат», «Обмен», «Рекламация». B2B-компания — «Запрос КП», «Тендер», «Партнёрство». SaaS — «Баг», «Фича-реквест», «Отмена подписки».

Как работает технически: NLP и классификация

Для тех, кто хочет понять механику. Intent detection — это задача классификации текста. На вход подаётся сообщение, на выходе — метка интента и уровень уверенности.

Этапы обработки:

1. Предобработка текста

Сообщение очищается от шума: убираются лишние пробелы, нормализуется регистр, исправляются очевидные опечатки. «ГДЕ МОЙ ЗКАЗА???» превращается в «где мой заказ».

2. Токенизация и эмбеддинг

Текст разбивается на токены (слова или части слов) и преобразуется в числовой вектор. Современные модели используют контекстные эмбеддинги — значение слова зависит от окружения. «Заказ не пришёл» и «Хочу сделать заказ» — слово одно, но векторы разные.

3. Классификация

Нейронная сеть сравнивает вектор сообщения с «эталонами» каждого интента и выдаёт вероятности. Например: «Покупка» — 5%, «Проблема» — 3%, «Статус» — 89%, «Информационный» — 2%.

4. Пост-обработка

Если уверенность выше порога (обычно 70-80%) — интент определён. Если ниже — сообщение помечается как «неопределённый» и идёт на ручную обработку. Также проверяются бизнес-правила: например, если клиент VIP — приоритет повышается независимо от интента.

Автоматические действия по интентам

Определить интент — полдела. Главная ценность — в автоматических действиях. Вот что может делать CRM при обнаружении разных намерений:

Интент «Покупка»:

• Создать или обновить сделку в воронке
• Назначить ответственного менеджера (по территории, продукту или загрузке)
• Отправить уведомление в Telegram/Slack менеджеру
• Показать оператору релевантные товары и остатки
• Запустить таймер SLA — ответить нужно за 5 минут

Интент «Проблема»:

• Создать тикет в системе поддержки
• Приложить историю заказов клиента
• Назначить на опытного оператора
• Отправить клиенту подтверждение: «Мы получили ваше обращение»
• При негативной тональности — алерт руководителю

Интент «Статус заказа»:

• Автоматически найти последний заказ клиента
• Запросить статус у службы доставки (СДЭК, Почта и др.)
• Сформировать и отправить ответ без участия оператора
• Если доставка задерживается — эскалировать

Интент «Отток»:

• Немедленное уведомление менеджеру по удержанию
• Показать LTV клиента и историю покупок
• Предложить скрипт удержания
• Зафиксировать причину оттока для аналитики

Всё это происходит автоматически, за доли секунды. Оператор получает уже подготовленный кейс: интент определён, контекст собран, рекомендации даны.

Обучение на ваших данных: кастомные интенты

Базовые интенты («покупка», «проблема», «вопрос») работают из коробки. Но у каждого бизнеса своя специфика. Вот как настроить кастомные интенты:

Шаг 1: Определите категории

Проанализируйте историю обращений. Какие темы повторяются? Какие требуют разной обработки? Например, для автосервиса это могут быть: «Запись на ТО», «Запись на ремонт», «Вопрос по запчастям», «Жалоба на качество», «Статус ремонта».

Шаг 2: Соберите примеры

Для каждого интента нужно 50-200 примеров реальных сообщений. Чем больше и разнообразнее — тем лучше. Включайте разные формулировки: «Хочу записаться на ТО», «Можно на техосмотр?», «Когда можно пройти ТО?», «Нужно ТО сделать» — всё это один интент.

Шаг 3: Разметьте данные

В CRM AI есть интерфейс разметки. Загружаете сообщения, указываете интент для каждого. Система подсказывает похожие — можно размечать пакетами.

Шаг 4: Обучите модель

Запустите обучение — занимает от нескольких минут до часа в зависимости от объёма. Система автоматически разделит данные на обучающую и тестовую выборки, покажет точность.

Шаг 5: Тестируйте и улучшайте

После запуска смотрите статистику: какие интенты определяются с низкой уверенностью? Какие сообщения классифицируются неверно? Добавляйте новые примеры, переобучайте. Модель становится точнее с каждой итерацией.

Точность и ошибки: что делать с неуверенной классификацией

Ни одна модель не идеальна. Важно правильно обрабатывать случаи неуверенности.

Типы ошибок:

• Низкая уверенность — модель не может выбрать между интентами. «Хочу узнать про возврат» — это информационный вопрос или уже возврат?
• Неверная классификация — модель уверена, но ошиблась. Ирония, сарказм, нетипичные формулировки
• Мультиинтент — в сообщении несколько намерений. «Где заказ и можно ли поменять цвет?»

Как обрабатывать:

Для низкой уверенности — направляйте на ручную обработку. Не пытайтесь угадать. Оператор разберётся и своим ответом «обучит» систему (если разметить этот кейс).

Для мультиинтентов — выделяйте все обнаруженные намерения. CRM AI может создать несколько задач из одного сообщения: тикет на статус заказа + запрос на изменение.

Для критичных ошибок — настройте «перестраховку». Если интент «Отток» и тональность негативная — всегда эскалировать, даже если уверенность средняя. Лучше перебдеть.

Интеграция с воронкой: интент = стадия

Intent detection можно связать с воронкой продаж. Каждый интент — это сигнал о стадии клиента:

Такая связка позволяет:

• Автоматически двигать сделки по воронке на основе коммуникаций
• Видеть, на какой стадии «застревают» клиенты (много интентов «сравнение» = проблема с позиционированием)
• Запускать автоматические триггеры: если клиент на стадии «Решение» больше 7 дней — предложить скидку

CRM AI позволяет настроить маппинг интентов на стадии воронки. При обнаружении интента сделка автоматически переходит на соответствующий этап, а менеджер получает уведомление.

Аналитика интентов: тренды и сезонность

Когда каждое сообщение размечено интентом, открываются новые возможности для аналитики.

Распределение интентов. Какой процент обращений — покупки, какой — проблемы? Если жалоб больше 20% — это сигнал о проблемах с продуктом или сервисом.

Динамика во времени. Интент «Где заказ?» вырос на 50% за неделю — возможно, логистика сбоит. Интент «Хочу отписаться» пошёл вверх после обновления — что-то пошло не так.

Сезонность. Перед праздниками растут «Подарок», «Доставка к дате». В январе — «Возврат». Зная это, можно планировать ресурсы.

Корреляции. Клиенты с интентом «Рекламация» в 3 раза чаще уходят в течение 90 дней. Значит, каждую рекламацию нужно обрабатывать как потенциальный отток.

Такая аналитика превращает поддержку из «центра затрат» в источник инсайтов для бизнеса.

Кейс: служба поддержки — сортировка тикетов на 60% быстрее

Вернёмся к «ТехноМиру» из начала статьи. Вот как выглядело внедрение intent detection:

Исходная ситуация:

• 800 обращений в день через сайт, WhatsApp, email
• 3 оператора, среднее время ответа 4.2 часа
• CSAT (удовлетворённость) — 62%
• Конверсия из обращения в продажу — 8%

Что сделали:

1. Подключили все каналы к CRM AI
2. Настроили 8 кастомных интентов под специфику магазина
3. Обучили модель на 3000 исторических обращений (2 недели разметки)
4. Настроили автоответы на «Статус заказа» и «Информационные» (45% обращений)
5. Интент «Покупка» — приоритет 1, SLA 10 минут
6. Интент «Проблема» + негативная тональность — эскалация руководителю

Результаты через 2 месяца:

Главный инсайт: конверсия выросла в 2.4 раза не потому, что стали лучше продавать. А потому, что клиенты, готовые к покупке, перестали ждать в очереди и уходить к конкурентам.

Настройка в CRM AI: пошаговая инструкция

Если вы используете CRM AI, вот как включить и настроить intent detection:

Шаг 1: Подключите каналы

Убедитесь, что все каналы коммуникации подключены к CRM: email, WhatsApp, Telegram, виджет на сайте. Intent detection работает для всех входящих сообщений.

Шаг 2: Активируйте модуль

Настройки → AI-функции → Intent Detection → Включить. Модуль доступен на тарифах Professional и Enterprise.

Шаг 3: Выберите базовые интенты

Система предложит набор стандартных интентов. Выберите релевантные для вашего бизнеса. Можете начать с минимума и добавлять позже.

Шаг 4: Настройте действия

Для каждого интента укажите: приоритет, ответственного (или правило распределения), автоматические действия (создать сделку, тикет, отправить автоответ).

Шаг 5: Обучите на своих данных (опционально)

Для повышения точности загрузите исторические обращения и разметьте их. Раздел: AI-функции → Intent Detection → Обучение.

Шаг 6: Тестовый режим

Включите «Тестовый режим» на 1-2 недели. Система будет определять интенты, но не выполнять автоматические действия. Вы увидите качество классификации и сможете скорректировать.

Шаг 7: Полный запуск

Отключите тестовый режим. Отслеживайте метрики, собирайте обратную связь от операторов, итеративно улучшайте.

Что дальше: развитие технологии

Intent detection — это фундамент для более продвинутых AI-функций. Вот что уже работает или появится в ближайших обновлениях CRM AI:

• Sentiment analysis — к интенту добавляется эмоциональная окраска. «Где заказ?» с негативом и без — разные сценарии
• Предиктивный интент — система предсказывает следующий интент клиента на основе истории. Если после «Покупки» часто идёт «Проблема с доставкой» — проактивно отправить трек
• Автогенерация ответов — AI не только определяет интент, но и формирует персонализированный ответ на основе данных из CRM
• Голосовой intent detection — анализ звонков в реальном времени. Определение намерения по голосу клиента
• Мультимодальность — анализ не только текста, но и прикреплённых изображений. Фото повреждённого товара = интент «Рекламация»

Intent detection — это не просто фича, а новый способ взаимодействия с клиентами. Когда система понимает намерение, общение становится релевантным, быстрым и персонализированным. А клиенты ценят, когда их понимают с первого слова.