Кейс: сеть аптек — наличие, аналоги и бронь без звонков

Директор аптечной сети — 12 филиалов — показал мне статистику звонков за месяц. Устало: «Видишь эти 4 000 входящих? Половина — "есть ли аспирин?", "в какой аптеке ближе?", "отложите до вечера". Фармацевты часами ищут в 1С вместо того, чтобы нормально консультировать». Узнаёте?

Через три месяца после внедрения ИИ-чата он прислал другую статистику. Бот закрывал 73% обращений самостоятельно. Фармацевты наконец занимались тем, для чего учились шесть лет — консультациями по препаратам, а не механическим поиском «есть ли Нурофен в сиропе». Средний чек вырос на 18%, потому что бот корректно предлагал сопутствующие товары. А главное — очереди на телефоне исчезли.

Кейс показательный. Разберу по шагам: с чего начинали, что автоматизировали, где набили шишки и какие цифры получили.

Боль: почему фармацевты превращались в операторов справочной

Аптека — это специфический бизнес. С одной стороны, куча регуляторики: рецептурные нельзя без рецепта, часть препаратов требует консультации, реклама ограничена. С другой — клиенты хотят ответ за секунды и искренне не понимают, почему вопрос «есть ли парацетамол» требует трёх минут ожидания.

Когда мы начали анализировать обращения в эту сеть, картина оказалась предсказуемой. 60–80% всех входящих запросов укладывались в четыре категории:

• «Есть ли у вас X?» — проверка наличия конкретного препарата
• «Чем можно заменить?» — поиск аналогов, когда нужного нет в наличии или не устраивает цена
• «В каком филиале ближе/дешевле?» — сравнение остатков и цен по точкам
• «Отложите до вечера» — бронирование товара на несколько часов

Каждый такой запрос выглядит простым, но на практике съедает 3–5 минут рабочего времени. Фармацевт должен открыть 1С, найти товар (а клиенты часто называют препараты неточно — «такие жёлтые таблетки от головы»), проверить остатки, сравнить цены по филиалам, уточнить дозировку и форму выпуска. Если нужен аналог — ещё пять минут на подбор. Если бронь — записать данные клиента, поставить товар в резерв, запомнить отменить бронь, если не заберут.

Теперь умножьте это на 150–200 обращений в день по всей сети. Получается, что львиная доля рабочего времени квалифицированных специалистов уходит на механические операции, которые может выполнять автоматика.

Что мы автоматизировали: анатомия решения

Решение строили вокруг четырёх сценариев. Но сначала важно понять главное: бот — не виджет на сайте. Это мост между клиентом и внутренними системами: справочник товаров, остатки в 1С, адреса филиалов, правила отпуска.

Сценарий 1: Распознавание товара и проверка наличия

Клиенты редко называют препараты так, как они записаны в номенклатуре. Вместо «Ибупрофен 400 мг таблетки покрытые оболочкой №20» человек напишет «ибупрофен четырёхсотка» или «нурофен от головы, только не сироп». А ещё бывают опечатки, транслит, сленг («аскорбинка», «зелёнка», «марганцовка»).

GPT-бот справляется с этим несравнимо лучше классических сценарных решений. Он понимает контекст, распознаёт синонимы, корректно обрабатывает ошибки в написании. Но чтобы он работал точно, мы обогатили справочник товаров:

• Добавили к каждой позиции популярные синонимы и сленговые названия
• Прописали связи «торговое название — действующее вещество — аналоги»
• Указали типичные ошибки в написании для часто запрашиваемых препаратов

Когда бот не уверен, что правильно понял запрос, он уточняет. Не раздражающим списком кнопок, а естественным вопросом: «Вы имеете в виду Найз в таблетках или Найз гель для наружного применения?» Если вариантов много — показывает топ-3 по популярности с возможностью уточнить.

После идентификации товара бот мгновенно проверяет остатки. Не «сейчас уточню» с паузой в минуту, а моментально — потому что данные из 1С синхронизируются каждые 5 минут. Клиент видит: «Парацетамол 500 мг №20 есть в наличии в 4 филиалах» с адресами и ценами.

Сценарий 2: Подбор аналогов

Сценарий посложнее — нужно понять контекст. Почему клиент хочет аналог? Нет в наличии? Дорого? Врач назначил действующее вещество, но нужна другая форма?

Бот обучен уточнять причину и подбирать варианты соответственно:

• Нет в наличии: предлагает препараты с тем же действующим веществом, которые есть на складе
• Дорого: показывает более доступные аналоги, включая дженерики
• Другая форма: ищет тот же препарат в сиропе/свечах/инъекциях вместо таблеток

При этом бот чётко понимает границы своей компетенции. Он не даёт медицинских рекомендаций, не советует «вот это лучше помогает». Он показывает варианты и добавляет: «Рекомендую уточнить у фармацевта, подойдёт ли вам этот аналог». Если вопрос касается рецептурных препаратов или есть хоть малейшее сомнение — сразу предлагает соединить со специалистом.

Сценарий 3: Поиск ближайшего филиала

Вроде просто — показать адреса. Но клиенту нужно не «где ближе», а «где ближе + есть товар + работает до 22:00, потому что еду с работы». Комбинированный запрос, несколько условий.

Бот умеет работать с геолокацией (если клиент поделился) или с указанием района/улицы. Он показывает филиалы, отсортированные по расстоянию, с информацией:

• Наличие запрошенного товара и цена
• График работы
• Время в пути (пешком или на машине)
• Особенности филиала (круглосуточный, есть парковка, рядом метро)

Отдельно продумали сценарий «товар есть, но далеко». Бот предлагает: «Ближайшая аптека с этим товаром в 3 км. Могу забронировать там, или посмотреть доставку курьером?» Это важный момент — не просто информировать, а вести к действию.

Сценарий 4: Бронирование с таймером

Бронь — не просто «отложить». Это цепочка действий с таймерами и правилами. Бот закрыл это полностью:

1. Принимает заявку на бронь с указанием филиала
2. Проверяет, можно ли бронировать (рецептурные препараты — нет)
3. Резервирует товар в 1С — он исчезает из свободных остатков
4. Устанавливает таймер (по умолчанию — до конца рабочего дня)
5. Отправляет клиенту подтверждение с номером брони и правилами выдачи
6. За час до истечения — напоминание
7. Если не забрали — автоматическая отмена резерва

Важный нюанс: бот отправляет не просто «ваша бронь подтверждена», а полную инструкцию. Какие документы взять для получения (если препарат требует рецепта), до которого часа можно забрать, как найти аптеку. Это снижает количество уточняющих вопросов и повышает процент выкупа броней.

Эскалация на фармацевта: не всё можно автоматизировать

Про «пограничные» случаи — отдельно. Аптека не интернет-магазин, есть ситуации, когда бот обязан передать диалог человеку:

• Вопросы о рецептурных препаратах
• Сомнения в совместимости лекарств
• Жалобы на побочные эффекты
• Любые медицинские рекомендации
• Сложные случаи подбора аналогов

При эскалации бот передаёт фармацевту не просто «клиент хочет поговорить», а полную карточку диалога: что спрашивал, какие препараты упоминал, какую информацию уже получил. Фармацевт продолжает разговор с полным контекстом, не заставляя клиента повторять.

Это принципиально важный момент. Передача диалога оператору должна быть бесшовной. Клиент не должен чувствовать, что его «перекидывают» — он должен ощущать непрерывность общения.

Интеграции: технический фундамент

Красивый интерфейс — верхушка айсберга. Под ним — система интеграций, без которой бот бесполезен.

1С (Розница/Управление торговлей)

Основной источник данных. Интеграция с 1С обеспечивает:

• Справочник товаров: номенклатура с характеристиками, ценами, описаниями
• Остатки в реальном времени: по каждому филиалу с минимальной задержкой
• Резервирование: бот создаёт документ резерва прямо в 1С
• История клиента: если есть карта лояльности — видим покупки и накопленные бонусы

Синхронизация настроена каждые 5 минут для остатков и раз в час для справочника товаров. Для бронирования — мгновенный обмен через API. Были дискуссии о том, не слишком ли это нагружает 1С, но на практике нагрузка оказалась минимальной — бот делает точечные запросы, а не выгружает всю базу.

Справочник товаров с обогащёнными данными

Поверх номенклатуры 1С мы построили дополнительный слой:

• Синонимы и сленговые названия
• Связи аналогов по действующему веществу
• Правила отпуска (рецептурный/безрецептурный/строгий учёт)
• Категории товаров для кросс-селла (витамины, медтехника, косметика)

Этот справочник обновляется вручную — фармацевты добавляют новые синонимы, когда видят, что бот чего-то не понял. Это живой инструмент, который становится умнее с каждым диалогом.

Опционально: платёжная ссылка

В одном из филиалов запустили эксперимент — бот формирует ссылку на оплату, и клиент может оплатить заказ онлайн, а потом просто забрать. Это ускоряет обслуживание на точке и снижает нагрузку на кассу. Пока это пилот, но результаты обнадёживают.

Опционально: доставка курьером

Для безрецептурных препаратов и сопутствующих товаров бот умеет оформлять доставку. Интеграция с курьерской службой — стандартная через API. Клиент указывает адрес, бот рассчитывает стоимость и время доставки, принимает заказ. Фармацевт видит заявку в системе и комплектует заказ.

Метрики: что измеряем и почему

Нельзя улучшить то, что не измеряешь. Пять KPI, которые реально показывают эффективность — а не «количество сообщений» и прочую ерунду.

1. Доля диалогов, закрытых ботом (FCR — First Contact Resolution)

Что измеряем: Процент обращений, где клиент получил ответ от бота и не потребовал эскалации на фармацевта.

Целевое значение: 70%+

Результат через 3 месяца: 73%

Это главная метрика эффективности. Она показывает, какую долю рутины бот реально забирает на себя. 73% — отличный результат для фармацевтики с её ограничениями. В e-commerce этот показатель может достигать 85-90%, но аптека — особый случай.

2. Время первого ответа (FRT — First Response Time)

Что измеряем: Сколько секунд проходит от обращения клиента до первого содержательного ответа.

Было: 2-4 минуты (ожидание в очереди + время на поиск в 1С)

Стало: 3-5 секунд

Это не просто красивая цифра — это прямое влияние на удовлетворённость. Люди, которым нужно лекарство, обычно не в лучшем расположении духа. Мгновенный ответ снимает раздражение и создаёт ощущение профессионального сервиса.

3. Конверсия «запрос → бронь»

Что измеряем: Какой процент запросов о наличии товара заканчивается бронированием.

Было: ~15% (по данным ручного учёта)

Стало: 28%

Почти двукратный рост. Почему? Бот не просто отвечает «есть» — он сразу предлагает забронировать. Это микро-конверсия, которую легко упустить при живом общении, когда фармацевт уже переключается на следующего клиента.

4. Доля брошенных обращений

Что измеряем: Процент диалогов, где клиент не получил ответа или ушёл, не дождавшись.

Было: 12% (в пиковые часы — до 25%)

Стало: менее 2%

Это деньги, которые раньше утекали. Каждый брошенный запрос — потенциально потерянный чек. При среднем чеке в 800 рублей и 30 брошенных обращениях в день — это 24 000 рублей ежедневно, 720 000 в месяц. Цифры приблизительные, но порядок понятен.

5. Средний чек (через кросс-селл)

Что измеряем: Влияет ли бот на сумму покупки через корректные дополнительные предложения.

Было: 780 рублей

Стало: 920 рублей (+18%)

Бот обучен делать релевантный кросс-селл. Клиент спрашивает про антибиотик — бот предлагает пробиотики. Спрашивает про витамины — бот показывает комплексы со скидкой. Важно, что это делается ненавязчиво: «К этому препарату обычно берут Линекс для защиты микрофлоры. Показать варианты?» Клиент сам решает, нужно ему это или нет.

Сложности внедрения: что пошло не так

Рассказывать только про успехи — нечестно. Проблем хватало.

Качество данных в 1С

Первые две недели бот регулярно «не находил» товары, которые физически были на полках. Причина оказалась банальной: в 1С часть позиций была заведена с ошибками в названиях, часть — дублировалась, часть — имела нулевые остатки при фактическом наличии.

Пришлось провести аудит номенклатуры и навести порядок в базе. Это заняло неделю работы товароведов, но без этого бот не взлетел бы. Качество данных — фундамент любой автоматизации.

Обучение персонала

Фармацевты восприняли бота настороженно. «Он нас заменит» — типичный страх. Потребовалось время и несколько встреч, чтобы объяснить: бот забирает рутину, а не работу. Фармацевт становится экспертом-консультантом, а не оператором справочной.

Переломный момент наступил, когда одна из сотрудниц сказала: «Я за смену провела три сложные консультации — подбирала терапию для хроника, объясняла взаимодействия препаратов, помогала с детской дозировкой. Раньше я бы это всё не успела, потому что отвечала бы на "есть ли аспирин"».

Пограничные случаи

Аптека — это не только аспирин и витамины. Есть препараты строгого учёта, есть ограничения по возрасту, есть сезонные дефициты (вспомните ажиотаж с противовирусными каждую осень). Бота пришлось обучать обрабатывать эти случаи корректно:

• На запрос рецептурного препарата — не просто «нет в наличии», а объяснение, что требуется рецепт
• На препараты 18+ — проверка возраста или эскалация
• На дефицитные позиции — предложение записи на уведомление о поступлении

Каждый такой кейс требовал отдельной проработки. Ошибки при внедрении чат-ботов часто связаны именно с недостаточной проработкой краевых случаев.

Главный вывод: бот разгружает людей от поиска в 1С

Если в одном предложении: бот забирает механику — поиск, остатки, сравнение, бронь. Фармацевт занимается экспертизой — консультациями, подбором терапии, сложными случаями.

Это не замена людей — это перераспределение нагрузки. Те же сотрудники делают более ценную работу. Клиенты получают быстрый сервис на простые вопросы и качественную консультацию на сложные. Бизнес — рост чека и снижение потерь от брошенных обращений.

Если у вас сеть аптек (или любой другой бизнес с большим объёмом типовых запросов и интеграцией с 1С), этот кейс легко адаптируется под вашу специфику. Пилотный проект за 2-4 недели покажет, какую долю обращений можно автоматизировать именно у вас.

Чек-лист для аптечной сети: готовы ли вы к внедрению

Прежде чем запускаться — проверьте несколько условий.

Данные

• Актуальная номенклатура в 1С с корректными названиями
• Регулярное обновление остатков (не реже раза в день, лучше — раз в час)
• Справочник филиалов с адресами и графиком работы
• Понимание, какие препараты рецептурные, какие — нет

Процессы

• Определены сценарии, которые можно автоматизировать (наличие, аналоги, бронь)
• Понятно, когда бот должен передавать диалог фармацевту
• Есть ответственный за обновление базы знаний бота

Технологии

• 1С с возможностью интеграции через API или веб-сервисы
• Каналы коммуникации (сайт, мессенджеры), которые планируете подключить
• Понимание, нужна ли оплата онлайн и доставка

Если большинство пунктов — «да» или «легко сделать», вы готовы. Если много «нет» — сначала стоит навести порядок в базовых вещах. Пошаговый план внедрения чат-бота поможет структурировать подготовку.

Что дальше: развитие решения

Проект на внедрении не заканчивается. Дальше в планах:

• Персонализация: если клиент авторизован по карте лояльности, бот будет учитывать историю покупок и предлагать релевантные товары
• Напоминания о повторных покупках: для хронических пациентов — автоматическое напоминание, что пора пополнить запас
• Интеграция с программой лояльности: начисление и списание бонусов прямо в диалоге
• Голосовой канал: голосовой помощник для тех, кому удобнее позвонить

ИИ-чат — не разовый проект, а платформа. Чем больше данных, тем умнее бот и тем больше пользы.

Связанные материалы

• Реальные кейсы внедрения GPT-ботов: цифры и выводы
• Интеграция с 1С: товары, цены, остатки, заказы
• Передача диалога оператору: как сделать бесшовно
• ROI чат-бота: как посчитать окупаемость
• Пилотный проект за 2-4 недели: с чего начать