Deal‑risk scoring: раннее обнаружение красных флагов по переписке и звонкам

Почему сделки срываются «неожиданно»

Помните это ощущение? Понедельник, pipeline review. Менеджер уверенно рассказывает про сделку на 2 миллиона: «Клиент активный, на прошлой неделе сами звонили, спрашивали про сроки внедрения. Закроем до конца месяца, уверен на 80%». Все кивают, записывают в прогноз.

Пятница. Тот же менеджер, но уже с другим лицом: «Они написали, что решили отложить. Не знаю, что случилось — вроде всё было хорошо».

Знакомо? Это классика B2B-продаж. И самое обидное — сделки почти никогда не срываются внезапно. Сигналы были. В том, как клиент стал отвечать короче. В том, что CFO перестал появляться на звонках. В том, что последние два письма пришли с задержкой в пять дней вместо обычных суток. Просто менеджер этого не заметил. Или заметил, но убедил себя, что «клиент просто занят».

Deal-risk scoring — это когда ИИ делает то, что человек физически не успевает: анализирует каждое письмо, каждый звонок, каждую паузу в переписке. И говорит: «Стоп, вот тут что-то не так. Посмотри внимательнее». Не магия, а математика — паттерны, которые в 70% случаев приводят к проигрышу.

Откуда система берёт сигналы

Представьте, что у вас есть ассистент, который читает всю переписку с клиентом, слушает все звонки и при этом помнит, как выглядели сделки, которые потом сорвались. Именно так работает deal-risk scoring.

Email-переписка — главный источник сигналов. ИИ смотрит не только на то, что пишет клиент, но и на то, как он это делает. Раньше отвечал за сутки, теперь за пять дней? Письма стали из трёх абзацев превращаться в две строчки? В копии был финдиректор, а теперь пропал? Всё это — сигналы. По отдельности ничего не значат, вместе — тревожный паттерн.

Звонки и встречи рассказывают ещё больше. Кто инициирует контакт — вы или клиент? Если раньше они сами звонили, а теперь вы не можете дозвониться — это красный флаг. Встречи стали короче? Отменили два звонка подряд «по уважительной причине»? Клиент на созвоне задаёт вопросы про внедрение и интеграции — или только про скидки?

Мессенджеры — отдельная история. Тут сигналы тоньше: скорость ответа, тон общения (эмодзи и стикеры = вовлечённость, сухие «ок» = охлаждение). Особенно показательна ситуация «прочитано, но не отвечено» — если это повторяется, клиент явно думает о чём-то другом.

CRM-данные дополняют картину: сколько дней сделка висит на одном этапе, сколько раз переносили дату закрытия, менялась ли сумма (обычно в меньшую сторону — плохой знак). Всё вместе даёт объёмную картину здоровья сделки.

Восемь красных флагов, которые нельзя игнорировать

Мы проанализировали сотни проигранных сделок и нашли паттерны, которые появлялись снова и снова. Вот они:

Ghosting — самый очевидный и самый игнорируемый сигнал. Клиент отвечал за день, потом за три, потом за неделю. Менеджер думает: «Наверное, занят». А клиент уже смотрит конкурента. Или вообще решил, что проблема не такая уж срочная.

Разговор сводится к цене. Первые звонки были про бизнес-задачи, про интеграции, про команду. А последние — только про скидку. Это значит, что клиент не увидел ценности. Он либо будет выбивать цену до минимума, либо уйдёт к тому, кто дешевле.

Champion исчез. Был человек, который двигал сделку внутри компании. Звонил сам, отвечал быстро, приводил коллег на демо. И вдруг пропал. Может, сменил работу. Может, потерял интерес. Может, ему сверху сказали заниматься другим. В любом случае — без Champion сделка мертва.

Появились новые люди. Неоднозначный сигнал. Если в переписке появились закупки или юристы — возможно, сделка переходит в финальную стадию. Но если появились люди, которые начинают задавать вопросы с нуля — значит, решение откатилось назад.

Встречи без next steps. Созвонились, поговорили, разошлись. «Мы подумаем и вернёмся». Никакой конкретики, никаких дат. Это не прогресс — это вежливый тупик.

Тон стал сухим. Раньше письма начинались с «Привет!» и заканчивались обсуждением планов. Теперь — формальные «Добрый день» и односложные ответы. Клиент эмоционально отключился от сделки.

Упоминают конкурентов. «А вот у [Название] есть такая функция...» — это не вопрос, это сравнение. Клиент активно смотрит альтернативы. Хорошо, если спрашивает — значит, даёт шанс ответить. Плохо, если просто констатирует.

«Давайте после праздников». Или после отпусков. Или в следующем квартале. Перенос сроков — это потеря срочности. Сделка «остывает», и каждый день отсрочки увеличивает вероятность проигрыша.

Как это работает под капотом

Можно начать просто — с правил. Ответ пришёл позже пяти дней? Плюс 20 баллов риска. Две отменённые встречи подряд? Ещё 15 баллов. Упомянули конкурента? Плюс 25. Champion молчит две недели? Плюс 30. Набрали 50 баллов — сделка в жёлтой зоне, 70 — в красной.

Такой подход работает сразу, понятен менеджерам, легко настраивается. Но у него есть слепые зоны: он не видит тонкости тональности, не понимает контекст.

Следующий уровень — ML-модель, обученная на ваших исторических сделках. Берём сто выигранных и сто проигранных, извлекаем признаки из переписки и звонков, учим классификатор отличать одно от другого. Такая модель находит паттерны, которые человек бы не заметил: например, что в проигранных сделках клиенты чаще используют слово «интересно» без продолжения действий.

Но лучше всего работает гибрид. Простые правила для очевидных вещей — ghosting, no-shows, переносы сроков. ML для анализа тональности и скрытых паттернов. И LLM поверх всего — для интерпретации и генерации конкретных рекомендаций: «Позвони сегодня, спроси про статус согласования с юристами — судя по переписке, там застряло».

Что видит в письмах языковая модель

Старый добрый sentiment analysis — «позитивное/негативное» — это прошлый век. Современные LLM читают между строк почти как человек, только быстрее и без эмоциональных искажений.

Вот реальное письмо от клиента: «Спасибо за презентацию, было интересно. Нам нужно ещё подумать и обсудить внутри. Вернёмся на следующей неделе». Звучит нормально? Для многих менеджеров — да. Но LLM видит красные флаги: «интересно» без конкретики, «подумать» без указания над чем, «следующая неделя» без точной даты. Это не готовность к покупке — это вежливый уход в тень.

Сравните с другим письмом: «Презентация понравилась. У нас несколько вопросов по интеграции с SAP — можем созвониться завтра в 15:00? Также хочу подключить нашего CTO». Тут всё иначе: конкретные вопросы, конкретное время, расширение круга участников. Сделка движется.

LLM умеет различать уверенность и сомнение, срочность и откладывание, вовлечённость и формальность. Он видит, кто в переписке реально принимает решения, а кто просто пересылает письма. Он замечает, когда клиент переходит от обсуждения ценности к торговле — это часто точка невозврата.

И главное — LLM может объяснить свои выводы человеческим языком: «Risk score вырос, потому что за последнюю неделю клиент перестал задавать вопросы о продукте и три раза упомянул бюджетные ограничения».

История одной сделки: как умирал риск-скор

Расскажу про реальную сделку. Имена изменены, паттерн — нет.

Неделя первая: всё прекрасно. Клиент сам вышел на связь, активно задаёт вопросы про интеграции, хочет понять, как это будет работать с их системами. Risk score — 15%. Зелёная зона.

Неделя вторая: демо с тремя участниками из разных отделов. Продажи, IT, финансы. Все задают вопросы, записывают. Риск падает до 12%. Менеджер в эйфории, ставит сделку в прогноз на месяц.

Неделя третья: запросили коммерческое предложение, обсуждают сроки внедрения. Риск — 10%. Всё идёт к закрытию.

Неделя четвёртая: тишина. Пять дней без ответа. Потом короткое письмо: «Получили КП, изучаем». Система поднимает риск до 35%. Менеджер не замечает — думает, что клиент занят.

Неделя пятая: «Нужно согласовать с руководством». Кто это руководство? Когда согласуют? Непонятно. Риск — 45%. Система предлагает: «Попробуй выяснить, кто именно принимает решение и какие у него критерии». Менеджер не звонит — ждёт.

Неделя шестая: встречу перенесли. Вместо обсуждения внедрения — вопрос о скидке. Риск — 65%. Красная зона. К этому моменту спасать уже поздно.

Неделя седьмая: «Мы решили отложить проект до следующего года». Риск — 95%. Сделка потеряна.

Если бы менеджер среагировал на четвёртой неделе, когда система впервые подняла тревогу — позвонил, выяснил, что происходит внутри, вовлёк нужных людей — исход мог быть другим. Не гарантированно, но шансы были бы выше.

Что делать с этими данными

Риск-скор сам по себе бесполезен. Это просто число. Ценность появляется, когда он запускает действия.

Мы делим сделки на четыре зоны. Зелёная (риск до 25%) — всё хорошо, работаем по плану. Жёлтая (25-50%) — менеджер получает уведомление с конкретной рекомендацией: «Позвони клиенту сегодня, уточни статус согласования». Оранжевая (50-75%) — подключается руководитель, сделка попадает в повестку ближайшего pipeline review. Красная (выше 75%) — нужно честно решить: боремся за сделку или закрываем как lost и освобождаем ресурсы.

Автоматика может создавать задачи в CRM, отправлять алерты в Slack или Telegram, предлагать шаблон письма для re-engagement. Но главное — это не автопилот. Система показывает проблему, человек решает, что с ней делать.

Один из наших клиентов настроил правило: если риск вырос больше чем на 20 пунктов за неделю — сделка автоматически попадает в личный список РОПа. Не для наказания менеджера, а для совместного разбора: что случилось, можно ли исправить, чему научились.

Границы разумного

Важно понимать, чего deal-risk scoring делать не должен.

Он не должен автоматически закрывать сделки. «Риск 80%, сделка переведена в Lost» — это путь к потере доверия команды и реальных возможностей. Иногда клиент молчит, потому что готовит бюджет, а не потому что уходит к конкуренту.

Он не должен писать клиентам. Никаких автоматических «Мы заметили, что вы не отвечаете...». Это пугает людей и выглядит странно. Система подсказывает менеджеру — менеджер решает, что и как написать.

Он не должен быть инструментом для наказания. Если менеджер видит, что его сделки с высоким риском используются против него на ревью — он начнёт игнорировать систему или манипулировать данными. Риск-скор должен помогать, а не карать.

И ещё: системе нужны данные для калибровки. Если у вас 20 сделок в год — статистически значимых паттернов не найти. Начинать имеет смысл, когда есть хотя бы 100 закрытых сделок с историей коммуникаций.

Как понять, что это работает

Есть четыре метрики, на которые стоит смотреть.

Precision — насколько система права, когда кричит «опасность». Если из 10 сделок с высоким риском реально проиграны 7 — precision 70%. Это хороший показатель. Если только 3 из 10 — система генерирует ложные тревоги, менеджеры перестанут обращать внимание.

Recall — сколько реальных проблем система поймала. Если проиграно 10 сделок, и 6 из них заранее были помечены как рисковые — recall 60%. Тоже нормально. Если только 2 из 10 — система пропускает важные сигналы.

Lead time — за сколько дней до проигрыша пришло предупреждение. Две недели — хорошо, есть время среагировать. Два дня — почти бесполезно.

Но главная метрика — save rate. Сколько сделок, помеченных как рисковые, удалось вытащить благодаря своевременному вмешательству. Если из 20 рисковых сделок 5 в итоге выиграны после того, как менеджер среагировал на алерт — это 25% save rate. Для крупных B2B-сделок это может означать миллионы дополнительной выручки в год.

С чего начать

Если идея вам откликается, вот как подойти к внедрению без лишнего героизма.

Сначала честно посмотрите на свои данные. Что вы реально фиксируете в CRM? Emails подтягиваются автоматически или менеджеры вручную копируют (спойлер: если вручную — не копируют)? Звонки записываются? Мессенджеры интегрированы? Без данных нет анализа.

Потом возьмите 50 выигранных и 50 проигранных сделок за последний год. Посмотрите на них глазами: что было общего у проигранных? Может, там везде был долгий response time на поздних этапах? Или исчезал ключевой контакт? Эти паттерны станут первыми правилами.

Начните с простого — пять-семь базовых сигналов. Response time вырос втрое, две отменённые встречи подряд, тишина больше недели, упоминание конкурента. Настройте алерты в Slack или прямо в CRM. Запустите на десяти активных сделках.

Через месяц соберите обратную связь от менеджеров. Алерты приходили вовремя? Были полезны? Много ложных срабатываний? Подкрутите пороги. Это итеративный процесс — с первого раза идеально не будет.

Когда базовые правила заработают и накопится достаточно данных — можно думать про ML-модель. Но не раньше. Сложная модель на плохих данных работает хуже, чем простые правила на хороших.

Что почитать дальше

Если тема зацепила, вот несколько статей, которые её дополняют:

Почему сделки зависают — про диагностику по этапам и автоматические рекомендации действий.

AI для анализа звонков — как speech analytics помогает понять, что происходит в разговорах.

Предиктивная аналитика в продажах — более широкий взгляд на прогнозирование.

Анализ причин отказов — что делать, когда сделка уже проиграна, чтобы следующие не повторили её судьбу.