AI Sales Lab
принимаем заявки

Кейсы из
production

Имена клиентов под NDA. Цифры, стек, длительность работы — настоящие.

2024 / Q4

SaaS HR-платформа
Outbound AI

Стек:
Python, GPT-4o, Apollo, Reply

Outbound AI, который вырастил встреч в 8 раз

SaaS-стартап в HR-tech. До нас — два SDR делали по 60 писем в день, 800 в неделю, конверсия в встречу 1.4 %.

Запустили Outbound AI с двумя ICP-сегментами (HRD в компаниях 100–500 человек и СEO посевных стартапов). Через 6 недель — 6 200 писем в неделю с конверсией 1.5 %, 93 встречи в неделю. Стоимость встречи упала с 8 800 ₽ до 1 240 ₽.

PythonGPT-4oApolloReply.ioPostgres
× 8.4встреч в неделю
2024 / Q3

B2B SaaS
Чат-бот квалификации

Стек:
TS, Claude, RAG, Voiceflow

Чат-бот, который квалифицирует лучше младшего менеджера

SaaS-сервис для логистики. 180 заявок в неделю с сайта, 80 % — нерелевантные. Sales тонула в фильтрации.

Поставили чат-бот, ведущий 5-минутный диалог по 7 параметрам. Доля релевантных лидов выросла с 20 % до 76 %, sales-команда впервые за полгода стала закрывать спринты по плану.

TypeScriptClaude 3.5RAGVoiceflowamoCRM
× 3.8доля релевантных лидов
2025 / Q1

Производитель оборудования
Внутренний ассистент

Стек:
Python, GPT-4o, Pinecone

Корпоративный copilot, который помнит 6 лет сделок

Производитель промышленного климатического оборудования: 14 sales-менеджеров, у каждого по 70–120 активных сделок, история в Битрикс24 за 6 лет. Поиск «была ли у нас сделка с такой-то компанией» занимал 20 минут.

Построили внутренний ассистент с RAG над всей историей CRM, документами и спецификациями. Запрос → ответ за 5 секунд с ссылками на исходные карточки.

PythonGPT-4oPineconeБитрикс24 APITelegram Bot
− 19 чв неделю на менеджера
2024 / Q2

EdTech-платформа
Лид-скоринг

Стек:
Python, scikit, GPT-4-mini

Лид-скоринг, после которого sales перестали звонить мусорным лидам

Образовательная платформа: 800–1 200 заявок в неделю с лендингов, конверсия в платящего ученика — 2.1 %. Sales-команда с равной нагрузкой звонила всем подряд, теряя время на нерелевантных.

Построили скоринговую модель: гибрид boosting-классификатора (на формальных признаках) и LLM-оценки (на содержимом первого сообщения). Лиды разделены на 3 приоритета. Конверсия топ-приоритета — 11.4 %, нижнего — 0.4 %. Звонят теперь только 70 % лидов, конверсия в платящих выросла с 2.1 % до 3.2 %.

Pythonscikit-learnGPT-4-miniBitrix24
+ 52 %конверсии в платящих
2024 / Q4

SaaS юридического права
Голосовой ассистент

Стек:
Whisper, GPT-4o, ElevenLabs

Голосовой ассистент для входящих, который не отличают от человека

SaaS юридических услуг для МСБ. На входящих звонках работали 3 секретаря, 60 % звонков были «нерелевантные» — звонят за консультацией, а не покупать. Дорого.

Поставили AI-секретаря, который принимает первый звонок, узнаёт о сценарии, бесплатно отвечает на простые вопросы (сами по себе уменьшают потребность в платной услуге у 30 % звонящих), на сложных — переводит на менеджера с готовой расшифровкой.

Whisper-largeGPT-4oElevenLabsMango Office
− 2секретаря, перешедших в sales
2023 / Q4

Промышленное B2B
Outbound AI

Стек:
Python, GPT-4-turbo, Apollo

Первый outbound для отрасли, в которой почему-то «не делают cold-mail»

Производитель оборудования для пищевой промышленности. До нас никогда не делали outbound, считали, что «в нашей отрасли это не работает». 10 SDR работали по входящим заявкам и партнёрской сети.

Запустили AI-агента на 3 600 целевых компаниях по СНГ. Через 4 месяца — 27 встреч с лицами, принимающими решения, 4 закрытые сделки на сумму 38 млн ₽. ROI окупил годовую работу агента за 2 недели.

PythonGPT-4-turboApolloамоCRM
× 1700 %ROI за год

Хотите такие же
метрики?

Под NDA расскажем подробности любого кейса на встрече.