Отчёт по ИИ-агенту за неделю — это простой набор из 5–7 цифр, которые показывают, сколько задач агент закрыл сам, сколько времени он вернул команде и в какую сумму это обошлось. Собрать такой отчёт можно в любой таблице или в Google Sheets, даже если у вас нет выделенного аналитика. Главное — снимать метрики в одном месте и в одно время, а потом сравнивать недели между собой. Ниже — пошаговый маршрут, как это сделать в малом бизнесе без бюджета на отдельного data-инженера.
С чего начать: какие метрики реально показывают окупаемость
Не нужно собирать всё подряд. Для микро-бизнеса достаточно семи метрик, и каждая из них отвечает на конкретный вопрос руководителя. Первая — количество диалогов, которые агент закрыл полностью без участия менеджера. Вторая — количество диалогов, где агент передал эстафету человеку и причина передачи. Третья — среднее время первого ответа клиенту. Четвёртая — конверсия из обращения в оплату или в запись. Пятая — количество повторных обращений по тем же вопросам за неделю. Шестая — экономия в человеко-часах: сколько часов команда бы потратила на эти же диалоги вручную. Седьмая — прямые расходы на агента: подписка на сервис, оплата API, время разработчика на доработки.
Эти семь метрик ложатся в одну таблицу из семи столбцов. Восьмой столбец — комментарий, что произошло за неделю: запустили новый сценарий, сломалась интеграция с CRM, был всплеск заявок в пятницу. Без комментария цифры бесполезны: вы не поймёте, почему конверсия упала или почему выросло время ответа.
Где брать цифры, если нет CRM и аналитики
У микро-бизнеса часто нет ни CRM, ни сложной аналитики — и это нормальная ситуация. Цифры можно собрать руками за 30–40 минут в конце недели. Источников всего три: лог диалогов в мессенджере или в админке чат-бота, история заявок в почте или в Google-таблице, и выгрузка из платёжной системы или банка по оплатам за неделю. Если чат-бот работает через конструктор, в нём обычно уже есть раздел «Статистика» с количеством диалогов, средним временем ответа и долей автозакрытий.
Когда логов нет, помогает простой приём: завести в таблице столбец «Кто закрыл диалог — бот или человек» и проставлять отметки в течение недели. Это кажется рутиной, но через семь дней у вас будет чистая картина, кто из сотрудников сколько времени тратит на переписку и какие вопросы вообще не требуют менеджера. По опыту интеграторов, именно эти две недели ручного учёта показывают владельцу, что бот закрывает 60–70% обращений сам, а менеджер в это время занимается тёплыми клиентами.
Как считать экономию и сравнивать с расходами
Экономию в человеко-часах переводите в деньги по простой формуле: берёте месячную зарплату менеджера, делите на 160 рабочих часов, получаете стоимость часа. Дальше умножаете на количество часов, которые бот забрал на себя за неделю. Это и есть прямой эффект в деньгах. Например, если менеджер стоит 2 500 BYN в месяц, час работы — около 15,6 BYN. Бот закрыл за неделю 40 диалогов, каждый из которых занимал бы 5 минут живого оператора. Получается 200 минут, или 3,3 часа, или примерно 52 BYN сэкономлено за неделю.
| Метрика | Зачем она | Где взять |
|---|---|---|
| Закрыто ботом без человека | Показывает реальную автоматизацию | Админка чат-бота или лог в таблице |
| Передано менеджеру | Показывает узкие места в сценариях | Админка чат-бота, причина передачи |
| Среднее время первого ответа | Показывает, не теряете ли лиды в ожидании | Мессенджер, метка времени на первое сообщение |
| Конверсия в оплату | Главный показатель эффекта на деньги | CRM, платёжная система, банковская выписка |
| Повторные обращения | Показывает качество ответов и базы знаний | Лог диалогов, поиск похожих вопросов |
| Экономия в часах | Переводит эффект в деньги | Часовая ставка менеджера × закрытые диалоги |
| Прямые расходы | Даёт знаменатель для расчёта окупаемости | Подписка, API, оплата подрядчику |
Расходы на агента складываются из трёх статей. Первая — ежемесячная подписка на платформу или конструктор: у большинства сервисов это 50–200 BYN в месяц для микро-бизнеса. Вторая — оплата за использование языковой модели, если агент работает через API: обычно 20–80 BYN в месяц при небольшом потоке диалогов. Третья — разовые доработки: подключение нового сценария, интеграция с CRM, обновление базы знаний. Эти суммы делите на 4 недели и прибавляйте к ежемесячным, чтобы получить недельную стоимость владения.
Как понять, что агент окупается
Окупаемость — это не магическое число, а простая проверка: экономия в деньгах за месяц больше, чем расходы за тот же месяц. Если бот сэкономил 800 BYN живого времени менеджера, а обслуживание обошлось в 250 BYN, агент окупается в 3,2 раза. Это и есть ответ на главный вопрос владельца. Но есть нюанс: первые две-три недели цифры обычно хуже, потому что сценарии сырые, база знаний неполная, а клиенты задают вопросы, на которые бот не отвечает. Это нормальный этап, а не сигнал, что агент не работает.
Вот конкретный ориентир для оценки первой недели. Считайте не прибыль, а три признака здоровой системы. Признак первый — бот закрывает сам больше половины обращений. Признак второй — время первого ответа ниже 2 минут в рабочие часы и ниже 10 минут ночью. Признак третий — конверсия из диалога в оплату не ниже той, что была до запуска агента. Если все три признака на месте, продолжайте собирать данные ещё 2–3 недели и смотрите тренд. Если хотя бы один просел, разбирайтесь, в каком сценарии проблема, а не выключайте бота.
Как превратить отчёт в управленческое решение
Цифры без действий — просто таблица. Поэтому в конце каждой недели задавайте себе три вопроса. Первый: какие сценарии дали больше всего автозакрытий — их нужно расширять и копировать на смежные темы. Второй: какие вопросы бот передаёт человеку чаще всего — это кандидаты на новые сценарии или на расширение базы знаний. Третий: какие дни недели дали пик обращений и справился ли бот с нагрузкой — здесь решается вопрос про масштабирование и про лимиты API.
На основе этих трёх вопросов появляется план на следующую неделю: добавить два сценария, обновить базу, подключить оплату через ЕРИП прямо в чате, протестировать ответы в нерабочее время. Через четыре недели у вас будет четыре отчёта, тренд по каждой метрике и понимание, двигаетесь вы в плюс или нет. Этого достаточно, чтобы спокойно ответить партнёру или инвестору на вопрос «а оно того стоит».
Типичные ошибки при оценке окупаемости ИИ-агента в малом бизнесе:
- Считать только прямые расходы и забыть про экономию живого времени менеджера — тогда агент всегда «дорогой».
- Брать цифры за первую неделю как итоговые — сценарии ещё сырые, база знаний неполная.
- Мешать в одном отчёте ручные диалоги и автоматические — вы не поймёте, что именно делает бот.
- Смотреть только на количество диалогов и игнорировать конверсию в оплату — бот может быть активным, но бесполезным.
- Не фиксировать причины передачи диалога человеку — без них вы не улучшите сценарии.
- Оценивать агента по ощущениям, а не по таблице — без чисел любая автоматизация кажется дорогой.
3 шага, которые можно сделать на этой неделе:
- Завести таблицу из семи столбцов и собрать данные за последние 7 дней, даже если агент работает только в Telegram.
- Перевести экономию живого времени менеджера в деньги по часовой ставке и сравнить с расходами на сервис.
- На основе таблицы выбрать один сценарий для расширения и один узкий вопрос, который бот передаёт человеку слишком часто, — и доработать базу знаний.
Если тема ручных отчётов кажется трудной, попробуйте собрать лиды из всех каналов в одном месте — это снимает половину рутины ещё до запуска аналитики по боту: дашборд по лидам из Instagram, Telegram и Viber. А чтобы понимать, какие ответы клиентов реально работают, посмотрите, как через чат-бота собирают оценку NPS и CSAT без программиста: сбор NPS и CSAT через чат-бота. Дополнительно полезно посмотреть, как салон красоты превращает разовых клиентов в постоянных через короткую цепочку в Telegram — это готовый сценарий для отчёта по повторным обращениям: короткая цепочка в Telegram для салона красоты.
