Сергей, владелец сети автосервисов в Астане, показал мне переписку двух своих менеджеров с клиентами. Оба продавали одну и ту же услугу – комплексное ТО. Оба писали примерно одинаковые тексты. Но результаты отличались драматически: у одного конверсия 40%, у другого – 12%.
Я начал читать внимательнее и заметил кое-что странное.
Первый менеджер отвечал клиенту-предпринимателю так: «Добрый день! Комплексное ТО включает 47 пунктов проверки, замену масла, фильтров, диагностику ходовой и электроники. Стоимость 45 000 тг, время работы 3-4 часа. Можем записать на завтра или послезавтра, удобнее утром или вечером?»
А домохозяйке тот же менеджер отвечал совершенно иначе: «Здравствуйте! Знаете, ваша машина – как организм, ей тоже нужен регулярный осмотр. Мы проверим всё от и до, чтобы вы были уверены, что она не подведёт. Заодно расскажем, если что-то нужно будет сделать в ближайшее время – без навязывания, просто чтобы вы понимали. Когда вам было бы удобно заехать?»
Одна услуга. Разные люди. Разный язык общения. В этом и вся разница между 40% и 12% конверсии.
Проблема в том, что этот навык – подстраиваться под собеседника – есть не у каждого менеджера. Это как музыкальный слух: кому-то дано, кому-то нет. Но что если научить этому AI-бота?
«Персонализация сообщений под стиль коммуникации клиента повышает конверсию на 20-40% и снижает время до закрытия сделки на 25%. Клиенты воспринимают такое общение как "понимание" их потребностей.»
Что такое психотипы и почему это работает в продажах
Идея не нова. Ещё в 1920-х годах психолог Уильям Марстон разработал модель DISC – четыре базовых типа поведения людей. С тех пор появились десятки вариаций: MBTI, Social Styles, Insights Discovery. Названия разные, но суть одна: люди по-разному воспринимают информацию, по-разному принимают решения и по-разному реагируют на одни и те же слова. Что для одного убедительно, для другого – пустая болтовня.
Давайте разберём на простом примере. Представьте, что вы продаёте CRM-систему. Перед вами четыре потенциальных клиента. И каждому нужен совершенно свой подход.
Доминирующий (D)
«Давайте к делу»
Нетерпеливый. Говорит короткими фразами. Хочет результат, а не процесс. Его бесит «вода» и лирические отступления.
Как с ним общаться:
Коротко. Конкретно. Цифры и факты. «CRM увеличит продажи на 30%. Внедрение – 2 недели. Стоимость – X. Начинаем?»
Влияющий (I)
«Это круто!»
Энергичный. Любит общаться. Принимает решения эмоционально. Его вдохновляют истории успеха и визуализация будущего.
Как с ним общаться:
Живо. С энтузиазмом. Истории клиентов, которые добились успеха. «Представьте, как ваша команда будет работать, когда всё автоматизировано!»
Стабильный (S)
«Мне нужно подумать»
Спокойный. Ценит надёжность и безопасность. Не любит спешки. Боится принять неправильное решение.
Как с ним общаться:
Терпеливо. Без давления. «Мы работаем с такими компаниями уже 5 лет. Вот отзывы. Можете сначала попробовать демо.»
Добросовестный (C)
«Покажите данные»
Аналитик. Любит детали, цифры, сравнения. Задаёт много вопросов. Принимает решения на основе логики.
Как с ним общаться:
Структурированно. С данными. «Вот сравнительная таблица. Вот ROI-калькулятор. Вот техническая документация.»
И тут сразу возникает вопрос: это манипуляция? Нет. Это банальное уважение к тому, как человек привык получать информацию. Доминирующему не нужны ваши «простыни» текста – он их закроет на втором абзаце. Добросовестный не поверит эмоциональным восторгам – ему подавай цифры. Это не «продавливание», это нормальная коммуникация.
Подробнее о персонализации в коммуникациях мы писали в статье Персонализация в коммуникациях: сегментация и AI-тексты.
Как AI определяет психотип клиента по переписке
Опытный продавец определяет тип клиента интуитивно – по первым фразам, по тону, по тому, какие вопросы задаёт человек. Но можно ли научить этому машину?
Да, можно. Причём это проще, чем кажется.
AI не читает мысли – он смотрит на конкретные вещи в тексте. Длина сообщений, выбор слов, структура, эмоциональность. Каждый признак по отдельности ничего не значит, но вместе они складываются в картину.
| Группа сигналов | Что анализируем | Примеры |
|---|---|---|
| Длина сообщений | Краткие vs развёрнутые ответы | «Да» vs «Да, меня это устраивает, потому что...» |
| Стиль вопросов | Конкретные vs абстрактные | «Сколько стоит?» vs «Расскажите подробнее о продукте» |
| Эмоциональность | Нейтральный vs выразительный язык | «Хорошо» vs «Отлично, это супер!» |
| Скорость ответов | Мгновенные vs с паузами | Ответ через 30 секунд vs ответ через час |
| Тип запросов | Действия vs информация | «Как оформить заказ?» vs «Как это работает?» |
| Упоминания | Люди vs процессы vs результаты | «Нам нужно обсудить с командой» vs «Какой будет эффект?» |
Рассмотрим на реальном примере. Клиент пишет в чат интернет-магазина:
Сообщение клиента
«Добрый день. Интересует ваш робот-пылесос модель X200. Хотел бы уточнить несколько моментов: 1) какое время автономной работы? 2) есть ли сравнительные тесты с конкурентами? 3) можно ли посмотреть техническую документацию? Заранее спасибо.»
Что видит AI
- Структурированность: нумерованный список вопросов
- Запрос данных: «сравнительные тесты», «документация»
- Формальный тон: «Заранее спасибо»
- Отсутствие эмоций: нейтральные формулировки
- Вывод: Добросовестный (C) – нужны факты и детали
А теперь представьте другого клиента. Тот же товар, но совсем другое сообщение:
Сообщение клиента
«Привет! Увидела ваш пылесос в рекламе, выглядит классно! У подруги такой, она в восторге. Реально сам всё убирает? А кошку не напугает? 😄»
Что видит AI
- Неформальный тон: «Привет», «классно»
- Эмоциональность: «в восторге», эмодзи
- Социальное доказательство: ссылка на подругу
- Личный контекст: упоминание кошки
- Вывод: Влияющий (I) – нужны эмоции и истории
Один и тот же товар. Два совершенно разных клиента. И ответы бота должны быть разными – иначе один из них точно не купит.
Подробнее о том, как AI распознаёт эмоции и настроение клиента, читайте в нашей статье Эмоциональный интеллект AI: как бот распознаёт настроение клиента.
Как бот адаптирует свои ответы под разные типы
Итак, бот определил тип клиента. Что дальше? Нужно подстроить ответ – и вот здесь начинается интересное.
Адаптация происходит на нескольких уровнях: структура ответа, длина, тон, аргументация, призыв к действию. Покажу на примере одного и того же ответа про доставку.
Для Доминирующего (D)
«Доставка по Алматы – 1-2 дня, 2000 тг. Самовывоз бесплатно. Оформляем?»
Почему так: Минимум слов. Все данные. Сразу призыв к действию. Никакой «воды».
Для Влияющего (I)
«Отличные новости! 🎉 Доставим прямо к двери за 1-2 дня. Многие клиенты берут с доставкой – удобно, не надо никуда ехать. А хотите, курьер позвонит за час до приезда, чтобы вы точно были дома?»
Почему так: Энергия. Эмодзи уместен. Социальное доказательство («многие клиенты»). Забота о комфорте.
Для Стабильного (S)
«Доставляем по Алматы за 1-2 дня, стоимость 2000 тенге. Курьер заранее свяжется с вами, чтобы согласовать удобное время. Товар тщательно упакован, так что можете не переживать. Если что-то будет не так – у нас есть гарантия возврата в течение 14 дней.»
Почему так: Спокойный тон. Акцент на надёжность. Снятие тревоги («можете не переживать»). Гарантия безопасности.
Для Добросовестного (C)
«Условия доставки по Алматы:
• Срок: 1-2 рабочих дня
• Стоимость: 2000 тг (фиксированная, без скрытых платежей)
• Отслеживание: да, пришлём трек-номер
• Альтернатива: самовывоз из офиса на ул. Абая, 52 (бесплатно)
Нужна дополнительная информация о процессе доставки?»
Почему так: Структура. Списки. Полнота информации. Предложение уточнить – аналитик это оценит.
Суть одна, слова разные. Кажется, мелочь? А на практике эта «мелочь» определяет, купит клиент или напишет «спасибо, я подумаю» и исчезнет навсегда.
Как это работает технически: от классификации к промпту
Для тех, кто любит «под капот» – объясню, как это работает на практике. Спойлер: ничего космического.
Архитектура персонализации
1. Сбор сигналов
Анализ первых 2-3 сообщений клиента
2. Классификация
ML-модель определяет вероятный тип
3. Выбор стиля
Добавляем инструкции в системный промпт
4. Генерация
LLM отвечает в нужном стиле
Ключевой элемент – динамический промпт. Вместо одного статичного системного промпта для всех клиентов, мы добавляем блок с инструкциями по стилю общения.
Вот как может выглядеть такой блок для разных типов:
Примеры инструкций для LLM
Для D-типа:
Стиль: максимально краткий. Отвечай короткими фразами. Начинай с главного. Избегай вводных слов. Завершай вопросом-действием.
Для I-типа:
Стиль: дружелюбный, энергичный. Используй позитивные слова. Добавляй истории клиентов. Можно 1-2 эмодзи. Показывай энтузиазм.
Для S-типа:
Стиль: спокойный, поддерживающий. Не торопи с решением. Упоминай гарантии и безопасность. Предлагай время подумать. Избегай давления.
Для C-типа:
Стиль: структурированный, детальный. Используй списки и пункты. Приводи цифры и факты. Предлагай документацию. Отвечай полно.
Важный момент: это не приговор. Человек написал первое сообщение сухо – мы решили, что он «аналитик». А потом он расслабился, добавил смайлик и шутку. Значит, ошиблись – надо перестроиться. Хороший бот постоянно перепроверяет свои гипотезы и не упирается в первое впечатление.
О том, как правильно определять намерения клиента (intent detection), читайте в статье AI Intent Detection: определение намерения клиента.
Хотите бота, который говорит на языке ваших клиентов?
Покажем, как персонализация стиля общения работает на реальных примерах из вашей отрасли. Проведём демо и обсудим возможности внедрения.
Этика персонализации: где проходит граница
Этот вопрос мне задают на каждой презентации: «А это не манипуляция?»
Давайте честно. Манипуляция – это когда вы обманываете человека или толкаете его к решению, которое ему невыгодно. А персонализация – это когда вы подаёте ту же информацию в удобной для человека форме.
Вот аналогия: официант в ресторане спрашивает, что вы любите, и рекомендует подходящие блюда. Манипуляция? Нет, это нормальный сервис. Бот делает то же самое – только в чате.
Тем не менее, есть границы, которые нельзя переступать.
Это нормально
- Адаптировать длину и структуру ответа
- Использовать тон, близкий клиенту
- Подбирать релевантные аргументы
- Приводить примеры из близкой сферы
- Давать информацию в предпочтительном формате
Это недопустимо
- Скрывать важную информацию о продукте
- Давить на эмоции для срочной покупки
- Использовать уязвимости (страхи, неуверенность)
- Менять цены в зависимости от типа клиента
- Дискриминировать по любым признакам
Есть простой тест: представьте, что клиент узнал, как работает ваш бот. Он обрадуется («о, круто, они стараются говорить понятно для меня») или возмутится («они мной манипулируют!»)? Если второе – что-то делаете не так.
И про прозрачность. Клиенту не нужно знать, что он «D-тип по DISC». Но если спросит – отвечайте честно. «Мы стараемся подстраивать стиль общения под ваши предпочтения» – это окей. «Мы анализируем вашу переписку, чтобы эффективнее продать» – уже неприятно звучит, даже если по сути то же самое.
Подробнее об этике AI в продажах читайте в нашей статье Этика продаж: как убедиться, что AI не дискриминирует клиентов.
Какие результаты даёт персонализация: цифры и кейсы
Хватит теории – покажу конкретные кейсы. Не абстрактные «западные исследования», а реальные проекты.
Сеть стоматологий в Алматы
Проблема: низкая конверсия из консультаций в записи. Клиенты спрашивали о процедурах, но не записывались.
Решение: бот стал адаптировать ответы. «Аналитикам» – подробные объяснения с медицинскими терминами. «Тревожным» – упор на безболезненность и гарантии. «Решительным» – быстрый переход к записи.
+34%
конверсия в записи
B2B-дистрибьютор оборудования
Проблема: долгий цикл сделки. Клиенты долго «думали» и часто уходили к конкурентам.
Решение: бот научился определять ЛПР (обычно D-тип) и технических специалистов (C-тип), и давать каждому нужную информацию – без лишних итераций.
−22%
время до сделки
Онлайн-школа иностранных языков
Проблема: много запросов, мало записей на пробный урок. Люди интересовались, но не доходили до действия.
Решение: для «социальных» типов – акцент на группы и общение. Для «аналитиков» – методология и сертификаты. Для «тревожных» – гарантия возврата и отзывы.
+41%
записей на пробный урок
Закономерность такая: чем больше эмоций в решении – тем сильнее эффект от персонализации. Стоматология, недвижимость, образование детей – там люди принимают решения очень по-разному, и одинаковый скрипт не работает. А вот закупка канцелярии для офиса – там разница меньше, хотя тоже есть.
С чего начать: пошаговый план внедрения
Понравилась идея? Вот план – без космических бюджетов и полугодовых проектов. Начните с малого, посмотрите результат, потом усложняйте.
1
Проанализируйте текущие диалоги
Возьмите 50-100 переписок с клиентами. Попробуйте вручную определить типы. Найдите паттерны.
2
Создайте 2-3 стиля ответов
Не обязательно сразу четыре. Начните с «краткий» vs «развёрнутый» или «формальный» vs «дружелюбный».
3
Настройте простую классификацию
Даже по одному признаку: короткие сообщения = краткие ответы. Это уже даст эффект.
4
Запустите A/B-тест
Половина клиентов – с персонализацией, половина – без. Сравните конверсию, CSAT, время диалога.
5
Соберите обратную связь
Спрашивайте клиентов после диалога. Читайте переписки, где что-то пошло не так.
6
Итерируйте и расширяйте
Добавляйте новые стили, улучшайте классификацию. Это процесс, а не разовый проект.
Подробнее о том, как проводить A/B-тестирование диалогов и промптов, читайте в статье A/B-тесты диалогов: как доказать эффект бота.
Честно об ограничениях: когда персонализация не работает
Не буду делать вид, что это волшебная таблетка. Есть ситуации, когда персонализация работает плохо или вообще не работает.
Когда персонализация затруднена
- Мало данных: клиент написал одно-два слова, не на чем строить гипотезу
- Смешанные сигналы: клиент ведёт себя нетипично, признаки разных типов
- Культурные особенности: модели строились на западных данных
- Многоязычие: клиент переключается между языками
Как с этим работать
- Используйте «нейтральный» стиль по умолчанию
- Дообучайте модели на местных данных
- Позволяйте клиенту явно выбрать стиль
- Всегда давайте возможность переключиться на оператора
И последнее. Персонализация не спасёт плохой продукт. Если товар некачественный, доставка неделями, а цены выше рынка – хоть как подстраивайся под клиента, он не купит. Или купит один раз и больше не вернётся. Персонализация усиливает хороший сервис, но не заменяет его.
Заключение: говорить на языке клиента – это не роскошь
Вернёмся к Сергею из начала статьи. После того как мы внедрили персонализацию в его бота для автосервисов, разница между менеджерами исчезла. Не потому что плохой менеджер стал хорошим – просто бот взял на себя часть работы по «считыванию» клиента и подстройке стиля.
Хороший менеджер теперь может сфокусироваться на сложных случаях, где нужна настоящая человеческая эмпатия. А рутинные запросы – «сколько стоит ТО», «есть ли запись на завтра», «какие у вас гарантии» – обрабатывает бот. Причём обрабатывает так, как будто это тот самый талантливый продавец.
Персонализация под психотипы – это не «хакинг мозга» и не тёмная магия продаж. Это просто здравый смысл: одним людям нужны цифры, другим – истории, третьим – гарантии. Дайте каждому то, что ему нужно.
Пока большинство ботов отвечают одинаковыми шаблонами, бот, который разговаривает «на языке» конкретного клиента, выделяется. А выделяться – это конвертироваться.
Попробуйте прямо сейчас: откройте последние десять переписок с клиентами и попытайтесь определить их типы. Уже это упражнение даст кучу инсайтов – и идей, как улучшить коммуникацию.
Готовы сделать общение с клиентами по-настоящему персональным?
Расскажем, как внедрить адаптивного AI-бота в вашем бизнесе. Проанализируем ваших клиентов, настроим классификацию и стили общения. Покажем результаты на пилоте.
Часто задаваемые вопросы
Сколько сообщений нужно для определения типа клиента?
Обычно достаточно 2-3 сообщений от клиента. Уже по первому можно сделать предварительную гипотезу: короткое сухое сообщение – вероятно D или C тип, эмоциональное с эмодзи – вероятно I. Дальше гипотеза уточняется. Важно помнить, что это вероятность, а не диагноз – и система должна быть готова пересмотреть классификацию.
Работает ли это для казахского языка?
Да, современные LLM хорошо работают с казахским языком. Принципы анализа те же: длина сообщений, структура, эмоциональность. Но есть нюансы – например, в казахской культуре проявление уважения через определённые обороты речи может указывать на S-тип (ориентация на отношения), а не на формальность. Рекомендуем калибровать модель на реальных данных ваших клиентов.
Нужно ли предупреждать клиентов о персонализации?
С юридической точки зрения – обычно нет, если вы не храните психологический профиль как персональные данные. С этической – если клиент спрашивает, отвечайте честно. Формулировка типа «мы стараемся адаптировать стиль общения под ваши предпочтения» воспринимается позитивно. Главное – не скрывать, что это бот, и не манипулировать.
А если клиент пишет от лица компании, а не лично?
В B2B это частая ситуация. Анализируем стиль конкретного человека, который ведёт переписку – именно он принимает решение о следующем шаге. Если переписку ведут разные люди (например, сначала секретарь, потом директор), система может переключить стиль. Это даже плюс – каждый получает комфортное для него общение.
Насколько точно AI определяет тип?
На наших данных точность классификации – около 75-80% после 3 сообщений. Это не идеально, но и не нужно идеально. Даже частичное попадание в предпочтения клиента улучшает опыт. А «нейтральный» стиль по умолчанию не раздражает никого – просто не даёт дополнительного эффекта. Риска «сильно ошибиться» практически нет.
Читайте также
Эмоциональный интеллект AI: как бот распознаёт настроение
Технологии sentiment analysis для чат-ботов
Персонализация в коммуникациях: сегментация и AI-тексты
Как адаптировать сообщения под сегменты
Гиперперсонализация с GPT: индивидуальный подход к каждому
Как LLM меняет подход к персонализации
Персонализация поддержки: бот подстраивается под клиента
Применение персонализации в клиентском сервисе