Ии агент кейс реставрация ванн: что произошло на практике
Сегодня разберём конкретный ии агент кейс реставрация ванн — историю бригады, которая занимается наливной ванной и эмалировкой в частных квартирах, и которая внедрила ИИ-агента для обработки заявок с сайта и мессенджеров. За три недели работы число заявок, доведённых до записи мастера, выросло заметно, а количество потерянных обращений сократилось почти до нуля. Это не гипотеза, а рабочая механика: автономный ассистент на LLM забирает диалог с клиентом, квалифицирует его по типу ванны и объёму работ и сам ставит задачу мастеру в CRM.
Ниша реставрации ванн устроена так, что клиент часто пишет вечером после работы, спрашивает разницу между наливной ванной и эмалировкой, уточняет сроки высыхания и цену за конкретный размер чугунной или стальной ванны. Если ответ приходит утром следующего дня, человек уже успевает записаться к другому мастеру — рынок частных исполнителей и небольших бригад в этой сфере очень конкурентный.
Проблема: почему заявки на реставрацию ванн терялись
До внедрения агента заявки шли из четырёх источников — сайт, Авито, Telegram и ВКонтакте — и обрабатывал их один человек между выездами на объекты. Типовые вопросы («сколько сохнет наливная ванна», «делаете ли эмалировку старой чугунной ванны», «сколько стоит реставрация под ключ») отнимали время, а часть сообщений из Авито вообще оставалась без ответа по несколько часов.
Ключевые точки потерь:
- Долгий первый ответ — мастер физически не мог отвечать во время выезда на объект.
- Заявки вечером и в выходные — до половины обращений приходило именно в это время.
- Повторные уточнения — каждый раз заново спрашивали материал ванны, размер и адрес.
- Ручной перенос заявок в CRM — часть контактов терялась при переписывании из мессенджера в блокнот.
Как работал ии-агент в этом кейсе реставрации ванн
Для проекта выбрали ИИ-агента на GigaChat, подключённого к сайту, Telegram и Авито с единой памятью диалога — клиент мог написать в одном канале, а продолжить в другом, и агент помнил контекст. В отличие от чат-бота с жёсткими кнопками и деревом сценариев, агент понимал смысл сообщения и мог довести диалог до записи мастера без участия человека.
Сценарий диалога
Клиент писал что-то вроде «нужна реставрация чугунной ванны 170 см, сколько будет стоить и когда можно приехать» — агент уточнял материал и состояние ванны, объяснял разницу между наливной ванной и эмалировкой, называл вилку цены, предлагал ближайшие свободные даты и фиксировал заявку в amoCRM с тегом по типу услуги. Если вопрос требовал выезда для оценки состояния (сколы, ржавчина, старые сколы эмали), агент передавал диалог менеджеру с готовым резюме — материал, размер, адрес, пожелания по дате.
Что именно настроили
База знаний по видам реставрации (наливная ванна, эмалировка, вкладыш-акрил), интеграция с amoCRM для автоматической постановки задач мастеру, сценарий эскалации при нестандартных запросах и отдельная логика для заявок с Авито, где часто пишут без указания точного адреса. Именно поэтому этот ии агент кейс реставрация ванн интересен не как разовый скрипт, а как рабочая система, встроенная в ежедневный поток заявок бригады.
Результаты: цифры до и после
Ниже — сводная динамика по первым трём неделям работы агента (данные округлены и приведены как ориентир, а не как гарантия результата для любого бизнеса).
| Показатель | До внедрения | После 3 недель |
|---|---|---|
| Среднее время первого ответа | от 1 до 5 часов | до 30 секунд |
| Доля обработанных заявок вне рабочих часов | ~20% | ~80% |
| Конверсия «заявка → запись мастера» | 25% | 38–42% |
| Заявки, потерянные при ручном переносе в CRM | до 25% | около 3% |
Главный эффект здесь — не в притоке новых лидов, а в том, что перестали теряться уже пришедшие обращения. Это типично для ниши реставрации ванн, где пик спроса приходится на вечер и выходные, а именно в это время у мастера обычно нет свободной минуты на переписку.
Чем ии-агент отличается от чат-бота именно в этой нише
Разница особенно заметна на вопросах про материал и состояние ванны. Обычный чат-бот отвечает по жёсткому дереву сценариев и «забывает» клиента между сообщениями — если человек вернулся через день с фото скола эмали, бот начинает диалог заново и переспрашивает то, что уже обсуждалось. Подробнее о разнице разбирали в статье ИИ-агент vs чат-бот: там показано, почему для ниш с вариативными запросами (а реставрация ванн — именно такая ниша из-за разных материалов, размеров и степени износа) жёсткий сценарий проигрывает живому диалогу.
Если пока не до конца понятно, что такое современный автономный ассистент и чем он в принципе отличается от привычных ботов на сайте, стоит сначала прочитать базовый разбор: ИИ-агент — что это и как работает.
Сколько стоит и как быстро внедрить агента для реставрации ванн
Стоимость внедрения зависит от количества подключаемых каналов и глубины интеграции с CRM. Диапазон цен и факторы, которые на них влияют, подробно разобраны в материале сколько стоит ИИ-агент. Для бригады из этого кейса внедрение заняло около трёх недель — от сбора базы знаний по видам реставрации до подключения amoCRM и обучения агента на реальных диалогах из истории переписок с клиентами.
Если рассматриваете похожее решение для своей бригады или сети мастеров по реставрации ванн, отдельно советуем посмотреть готовое отраслевое решение: ИИ-менеджер для реставрации ванн — там уже собраны типовые сценарии именно под эту нишу, без необходимости собирать базу знаний с нуля.
FAQ по кейсу ии-агента для реставрации ванн
Заменяет ли ии-агент мастера или администратора полностью?
Нет. Агент закрывает первый контакт, квалификацию заявки и типовые вопросы про материал и сроки, а оценку состояния ванны и сложные случаи передаёт живому мастеру с готовым контекстом диалога — экономит время, а не убирает человека из процесса.
Подойдёт ли такой сценарий одному мастеру без бригады?
Да, эффект от сокращения времени ответа заметен даже при небольшом потоке заявок — конкуренты в нише реставрации ванн тоже отвечают не мгновенно, поэтому скорость первого контакта сама по себе становится преимуществом.
Нужна ли отдельная база знаний по каждому виду реставрации?
Да, база знаний — ключевая часть настройки. Чем подробнее описаны наливная ванна, эмалировка и вкладыш-акрил, цены и сроки высыхания, тем точнее агент отвечает и тем реже передаёт диалог менеджеру без реальной необходимости.
Как агент работает с заявками из Авито, где часто нет точного адреса?
Агент уточняет недостающие детали прямо в переписке — материал ванны, примерный размер, район и удобное время для выезда мастера на оценку, — и только после этого передаёт заявку в CRM с полным контекстом.
Сколько времени занимает запуск подобного проекта под ключ?
В среднем 14–21 день: от аудита текущих сценариев общения с клиентами до подключения всех каналов и интеграции с CRM и телефонией.
Хотите такой же результат для своей бригады или сети мастеров по реставрации ванн? Посмотрите живое демо ИИ-агента в Telegram — покажем, как он ведёт диалог с реальным клиентом и ставит задачу мастеру: /#form.