Я записал этот курс, чтобы вы быстро освоили AI-аналитику 100% сделок. Первый урок — про фундамент: как устроен контур данных, почему глубокий разбор выполняется во внешних LLM и какую нейросеть выбирать под тип вопроса.
- платформа выгружает анонимизированные сделки по фильтрам и сразу добавляет готовый промт;
- OneBoost заменён новым контуром: сделки из CRM оценивает AI-отдел контроля качества, после оценки они доступны к выгрузке;
- глубокая аналитика выполняется во внешних сервисах на подписках — один отчёт через API стоил бы 15–20 $;
- RAG берите для закрытых вопросов, процентов и цитат, LLM — для сегментации, гипотез и оценки качества диалогов;
- базовый сценарий курса — Claude с донастройками; если под рукой ChatGPT Plus, начните на нём.
Зачем нужен инструмент
Инструмент открывает доступ к сделкам уже после анонимизации — требования к защите персональных данных соблюдены. Выгрузка собирается быстро: вместе с данными в файл попадает готовый системный промт или ваш собственный запрос.
Сценарии ограничены только вашими вопросами к данным. Возьмите UTM-кампанию — и разберите портреты и сегменты по конкретному каналу, проверьте, насколько креативы, квизы и лендинги попали в потребности аудитории, оцените отработку возражения «дорого» после изменения цены в Яндексе. Здесь же видно, с какими конкурентами вас сравнивают, где отстройка важнее всего и как меняются теплота лида и средний чек по месяцам, — стройте гипотезы для маркетинга, продаж и продукта.
Если нужно встроить свои промты прямо в платформу, напишите нам — добавим их в контур.
Как устроен контур аналитики
Путь данных состоит из трёх шагов:
- Сделки из CRM попадают в AI-отдел контроля качества.
- AI-отдел оценивает каждую сделку по чек-листу.
- После оценки сделки доступны для выгрузки и анализа.
Платформа полностью заменяет OneBoost и открывает аналитический контур всей команде. Глубокая продуктовая аналитика при этом строится во внешних сервисах — на корпоративных или личных подписках. Причина в экономике: один отчёт через API стоил бы 15–20 $ и при регулярной работе превращался бы в десятки тысяч долларов в месяц.
⚠️ До старта работы выберите внешний инструмент аналитики. Платформа готовит данные, но глубокий разбор выполняется вне неё.
RAG или большая языковая модель
| Логика | Где сильна | Где ограничена |
|---|---|---|
| RAG, пример — NotebookLM | Закрытые вопросы, проценты и точные цитаты почти без галлюцинаций | Не тянет глубокую аналитику: не оценит качество презентации или портрет аудитории |
| LLM — Claude и ChatGPT | Сегменты, гипотезы, оценка качества продаж | Требует точного промтинга, иначе появляются искажения |
RAG выбирайте для проверки факта: использовалась ли акция, прозвучал ли модуль приветствия, есть ли нужная цитата. Для вопросов «насколько качественной была презентация» и «какие боли мы не закрыли» нужна большая языковая модель.
💡 Мой ключевой фильтр выбора LLM — десктопное приложение. Оно открывает кастомизации и хранит результаты локально, а не только в облаке сервиса.
Claude или ChatGPT
| Критерий | Claude | ChatGPT |
|---|---|---|
| Глубина | Детальная сегментация, сильные гипотезы, лучше держит сложный разбор | Чаще считывает по минимуму и недоопределяет подгруппы |
| Речевые модули | Находит больше сигналов, но иногда трактует сегменты слишком широко | Оценивает строже и консервативнее |
| Расход токенов | Заметно больше | Экономнее |
| Риски | Может отнести клиента к сегменту по слабому признаку, например по одному упоминанию НДС | Требует более подробного промта, что повышает риск галлюцинаций |
Я загружал результаты обеих нейросетей в ChatGPT-аудитора на совершенно разных запросах — и он каждый раз выбирал Claude. Причина в чувствительности к речевым модулям: Claude глубже делит аудиторию на сегменты и формирует более сильные гипотезы. Обратная сторона — избыточная чувствительность к отдельным признакам: такие случаи проверяйте вручную, а мы соберём базу промтинга по нашим сегментам, чтобы закрыть этот риск системно.
Что выбрать
Мой выбор — Claude с донастройками из урока 3: он глубже анализирует и сильнее в гипотезах. Если сейчас доступен ChatGPT Plus — начните на нём сегодня и получите первые результаты, а на Claude переходите вместе с настройкой окружения.
Что сделать после урока
- Установите десктопное приложение Claude или откройте ChatGPT.
- Выпишите вопросы к сделкам и разделите их: закрытые — для RAG, аналитические — для LLM.
- Для закрытых вопросов подготовьте NotebookLM, для аналитики — Claude или ChatGPT.
- Переходите к уроку 2 — сделаете первую выгрузку с платформы.