Звонок, который всё решает (но к которому никто не готовится)
Вот типичная картина: менеджер за пять минут до discovery открывает LinkedIn, пробегает глазами профиль клиента, гуглит название компании, видит что-то про «инновации» и «лидерство на рынке» — и идёт на звонок. С тем же списком вопросов, что и на прошлом. И на позапрошлом.
Клиент на другом конце провода чувствует это моментально. Когда тебе в сотый раз задают «расскажите о вашей компании» — хочется положить трубку. Особенно если ты CFO, у тебя через час совет директоров, а какой-то продавец просит тебя прочитать ему вслух раздел «О нас» с сайта.
При этом именно discovery определяет судьбу сделки. Не демо, не переговоры о цене — а первый разговор, где вы либо показываете, что понимаете мир клиента, либо навсегда попадаете в категорию «ещё один vendor».
Почему хорошая подготовка — это редкость
Давайте честно: у менеджера по продажам нет времени на глубокое исследование каждого клиента. 10-15 звонков в день, CRM, которую надо заполнять, внутренние митинги, отчёты. Где взять час на изучение отрасли производства полимеров, если следующий лид — из ритейла, а после него — финтех?
Поэтому все и скатываются к универсальным вопросам. «Какие у вас цели?» «Что хотите улучшить?» «Какой бюджет?» Эти вопросы не плохие — они просто не цепляют. Они не показывают, что вы понимаете контекст клиента.
Вот тут и появляется ИИ. Не как замена человеческого общения, а как инструмент для быстрой, но глубокой подготовки. За 10-15 минут вместо поверхностного гугления вы получаете набор вопросов, которые звучат так, будто вы неделю изучали эту отрасль.
Отраслевой контекст: почему он меняет всё
Представьте два discovery-звонка. Первый — с финансовым директором e-commerce компании. Второй — с таким же CFO, но из производственной компании. Одинаковая роль, но абсолютно разные миры.
CFO в e-commerce живёт в мире unit economics, CAC/LTV, сезонных пиков Black Friday и проблем с возвратами. У него в голове постоянно крутится: «А не растёт ли cost of delivery быстрее, чем маржа?» Он боится остаться без cash flow перед закупкой товара на новый сезон.
CFO на производстве думает про совсем другое: загрузку мощностей, затраты на сырьё, которые скачут каждый квартал, логистические кошмары с доставкой комплектующих. Ему важнее стабильность денежного потока, чем быстрый рост — потому что один сбой на линии может стоить месячной прибыли.
Если вы придёте к производственнику с вопросами про «конверсию корзины» — он посмотрит на вас как на марсианина. Но ИИ, которому вы скажете «CFO, производство металлоконструкций, B2B» — сгенерирует совершенно другие вопросы.
Пример для производства:
«Как сейчас управляете затратами на сырьё? У вас фиксированные контракты с поставщиками или закупаете по спотовым ценам?» — такой вопрос показывает, что вы понимаете реальность, в которой живёт этот бизнес.
Роль собеседника: говорить на его языке
Теперь усложним. Вы звоните в одну и ту же компанию, но сначала разговариваете с IT-директором, а потом — с коммерческим. Это не просто разные люди. Это разные системы ценностей, разные KPI, разный словарь.
IT-директор слышит слово «интеграция» — и у него в голове сразу: «API или коннекторы? REST или GraphQL? Кто будет поддерживать? А если ваш сервис упадёт — что будет с нашими данными?» Он думает категориями надёжности, безопасности, технического долга.
Коммерческий директор слышит то же слово — и думает: «Ладно, это не моя головная боль, пусть IT разбираются. Меня интересует — мои менеджеры будут работать быстрее? Конверсия вырастет? Смогу я наконец увидеть нормальную аналитику по воронке?»
Задавать IT-директору вопросы про «рост конверсии» — значит показать, что вы не понимаете, зачем он вообще на этом звонке. Спрашивать коммерческого директора про «data residency и compliance» — получить ответ «это не ко мне, поговорите с нашими безопасниками».
ИИ может учитывать роль и генерировать вопросы на нужном языке. Вот как это выглядит на практике:
Для CTO:
«Какие системы сейчас критичны для интеграции? Есть ли ограничения по архитектуре — может, legacy-системы, которые нельзя трогать?»
Для VP Sales:
«На каком этапе воронки сейчас теряете больше всего сделок? Это проблема квалификации или где-то дальше — на демо, на переговорах о цене?»
Структура вопросов: от «что» к «что будет, если»
Хороший discovery — это не просто сбор фактов. Это путешествие от понимания ситуации к осознанию последствий. И у этого путешествия есть логика.
Сначала вы выясняете, как всё устроено сейчас. Не чтобы записать это в CRM, а чтобы понять точку отсчёта. «Как сейчас ваши менеджеры готовятся к звонкам?» — это вопрос про ситуацию. Ответ даст вам карту текущих процессов.
Потом вы ищете трещины в этой карте. «Что в этом подходе работает хуже всего?» «Где чаще всего буксует?» — это вопросы про проблемы. И тут важно не останавливаться на первом ответе. Часто первая проблема — это симптом, а настоящая боль прячется глубже.
Затем — самое важное — вы помогаете клиенту увидеть цену проблемы. «Во что это обходится?» — не обязательно в деньгах. Может быть, в выгоревших сотрудниках. В упущенных сделках. В том, что CEO третий квартал подряд не видит нормальной аналитики.
И наконец: «Как должно быть?» Это вопрос про результат, который клиент сам формулирует. Когда он говорит вслух, чего хочет — он продаёт себе решение сам.
Пример последовательности:
Ситуация: «Как сейчас команда готовится к встречам с клиентами?»
Проблема: «Что бы вы хотели изменить в этом процессе?»
Последствия: «Когда менеджер приходит неподготовленным — как это влияет на результат?»
Результат: «Если бы подготовка занимала в три раза меньше времени, но была в три раза глубже — что бы это изменило?»
Живые примеры вопросов по отраслям
Давайте посмотрим, как выглядят по-настоящему отраслевые вопросы — те, которые показывают клиенту «вы понимаете мой мир».
E-commerce и ритейл
Здесь всё крутится вокруг сезонности, маржи и борьбы за клиента. Ваши вопросы должны это отражать:
«Как готовитесь к ноябрьским распродажам? Уже сейчас команда загружена или основная работа впереди?» — этот вопрос показывает, что вы понимаете цикл e-commerce бизнеса.
«Какой процент заказов сейчас идёт через маркетплейсы? И как это влияет на маржу — сильно съедает комиссия?» — это про реальную боль, о которой ритейлеры думают каждый день.
«Что делаете с брошенными корзинами? Есть автоматизация или руками догоняете?» — конкретный, практический вопрос, который сразу переводит разговор в деловое русло.
SaaS и IT-продукты
Мир подписок, churn rate и product-led growth. Тут свои болевые точки:
«Основной источник новых клиентов — inbound или всё-таки outbound перевешивает? И это осознанная стратегия или так исторически сложилось?» — вопрос, который открывает разговор о стратегии, а не просто собирает факты.
«Как устроен онбординг новых клиентов? Есть выделенные люди или автоматизировали?» — здесь зашита тема, которая часто является скрытой болью SaaS-компаний.
«Какие интеграции клиенты просят чаще всего, но которых у вас пока нет?» — отличный способ понять, куда движется рынок и где компания может отставать.
Производство и промышленность
Здесь другой ритм: длинные циклы, сложная логистика, зависимость от поставщиков:
«Как сейчас справляетесь с нестабильностью поставок? Держите запасы или пытаетесь работать just-in-time?» — вопрос, который показывает понимание реальных проблем производственников.
«Какие системы используете для планирования производства? 1C, SAP, что-то своё?» — важно понять технологический ландшафт, но задать это как практический вопрос, а не как анкету.
«Сколько времени сейчас занимает путь от заявки клиента до отгрузки? И где основные задержки?» — это открывает разговор о процессах и их узких местах.
Как работать с ИИ: практический workflow
Теперь о главном — как превратить всё это в рабочий процесс, который не съест всё ваше время.
Начните с того, что соберите минимальный контекст: название компании, отрасль, размер, должность собеседника. Если знаете — откуда пришёл лид, что он смотрел на сайте, какие письма открывал. Это занимает две минуты, но кардинально меняет качество генерации.
Дальше — запрос к ИИ. Не просто «дай мне вопросы для discovery». А с контекстом:
Рабочий промпт:
Готовлюсь к discovery-звонку.
Компания: [название], [отрасль], примерно [размер] сотрудников
Собеседник: [должность]
Наш продукт: [коротко, что продаём]
Откуда лид: [источник, если известен]
Сгенерируй 10-12 вопросов для discovery. Хочу понять их текущую ситуацию, выявить проблемы и понять, во что эти проблемы обходятся. Учти специфику отрасли и роли собеседника. Формулируй как открытые вопросы.
Из того, что сгенерирует ИИ, выберите 7-8 вопросов, которые резонируют. Перефразируйте их своими словами — чтобы звучало естественно именно для вас. Один и тот же вопрос можно задать десятью разными способами, и важно, чтобы это был ваш способ.
И последний шаг, который многие пропускают: попросите ИИ предположить, какие ответы вы можете услышать. «Если клиент скажет X — что это значит и что спросить дальше?» Это даёт вам карту возможных поворотов разговора. Вы идёте на звонок не с листочком вопросов, а с пониманием сценариев.
Чего ИИ не может (и не должен)
Здесь важно сохранять трезвость. ИИ — это инструмент подготовки, а не замена человеческого общения.
Он не услышит, как изменился голос клиента, когда вы задели больную тему. Не заметит паузу, которая говорит больше, чем слова. Не почувствует, что сейчас лучше отступить от сценария и просто послушать.
Если вы приходите на discovery со списком из 15 вопросов и задаёте их один за другим — это не разговор, это допрос. Клиент закроется. Вопросы от ИИ — это стартовая точка, а не чек-лист, который нужно пройти от и до.
И ещё: ИИ не заменяет базовое исследование. Посмотреть сайт компании, пролистать последние новости, глянуть LinkedIn собеседника — это по-прежнему ваша работа. ИИ помогает превратить эту информацию в правильные вопросы, но сначала информация должна быть.
Как понять, что это работает
Первый сигнал — реакция клиентов. Когда вместо «стандартный разговор» вы начинаете слышать «о, интересный вопрос» или «хорошо, что вы это спросили» — значит, подготовка даёт результат.
Второй сигнал — конверсия в следующий этап. Хорошо проведённый discovery естественно ведёт к следующему шагу. Клиент сам говорит: «Давайте покажете, как это работает» или «Кого ещё с нашей стороны нужно подключить?» Если после discovery повисает тишина — что-то пошло не так.
Третий сигнал — качество квалификации. После хорошего discovery вы чётко понимаете: это наш клиент или нет. Не «может быть, посмотрим», а конкретное понимание: есть боль, есть бюджет, есть срочность — или чего-то не хватает.
Команды, которые начали использовать ИИ для подготовки к discovery, обычно видят рост конверсии на 15-25% — просто потому, что разговоры стали глубже. Плюс сокращение «серых» сделок в воронке — тех, которые висят месяцами без движения, потому что непонятно, то ли это клиент, то ли нет.
Что делать после прочтения
Попробуйте на следующем же discovery. Возьмите карточку клиента, скормите контекст ИИ, получите вопросы. Выберите те, которые резонируют, адаптируйте под себя. Идите на звонок.
После звонка — рефлексия. Какие вопросы сработали? Какие прозвучали неестественно? Что клиент сказал, чего вы не ожидали? Эта обратная связь поможет вам калибровать запросы к ИИ в будущем.
Через 5-10 звонков у вас появится понимание, какие промпты работают для вашего продукта и ваших клиентов. Это станет вашим персональным инструментом — не шаблоном из статьи, а отточенным под вашу реальность помощником.
Связанные материалы
Если тема зацепила — вот что ещё может быть полезно:
AI-ресёрч аккаунта за 15 минут — как быстро собирать информацию о компании перед звонком.
Персонализация, которая не звучит как робот — как писать сообщения, которые не выглядят сгенерированными.
Conversation design для B2B — как строить диалоги, которые ведут к результату.
Мультитрединг с ИИ — как работать с несколькими стейкхолдерами в сделке.
Хотите попробовать на своих клиентах?
Покажем, как настроить ИИ-помощника именно под вашу специфику: вашу отрасль, ваш продукт, типичные роли ваших клиентов. Менеджеры начнут приходить на звонки подготовленными — и это будет заметно с первого разговора.
Обсудить настройку