Нейросеть для анализа продаж: как получить выводы из своей выгрузки за час

Коротко

ИИ для аналитики продаж начинается с выгрузки, которая у вас уже есть. Отдельная платформа для первого шага не нужна. Сделки за квартал из amoCRM, реализация из 1С, ChatGPT или Claude с функцией анализа файлов: этого хватает, чтобы за час увидеть, где проседает воронка, почему срываются сделки и какие клиенты перестали покупать.

Вся статья построена на одном примере. Оптовая компания продаёт расходные материалы магазинам и кафе. Менеджеры ведут сделки в amoCRM, бухгалтерия проводит отгрузки в 1С. Руководитель продаж хочет ответить на три вопроса по итогам квартала:

1. На каком этапе воронки теряется больше всего денег.
2. Почему проигрываем сделки на самом деле, а не по полю «причина отказа».
3. Кто из постоянных клиентов уходит.

Эту пару таблиц мы проведём через три уровня. Сначала чат, где работает любой руководитель. Потом Claude Code или Codex на вашем компьютере: там расчёты делает код, и их можно перепроверить. В конце система, которая сама забирает данные из CRM и 1С и каждую неделю присылает отчёт.

Про контроль менеджеров, зависшие сделки и проверку звонков есть отдельный материал: как ИИ помогает контролировать отдел продаж. Здесь речь только об анализе цифр.

Что ИИ может сделать с данными о продажах

Нейросеть для анализа продаж полезна там, где у вас уже есть данные, но не хватает рук или времени их разобрать. Основные задачи:

• Воронка. Конверсия по этапам, время на каждом этапе, разрез по менеджерам, источникам и городам. Модель находит этап, где сделки застревают дольше обычного.
• Причины отказов. В CRM поле «причина отказа» часто заполнено словом «другое». Настоящая причина лежит в комментариях менеджера и переписке. ИИ читает эти тексты и раскладывает их по категориям.
• Звонки и переписка. Расшифровки и чаты из WhatsApp и Telegram показывают, какие вопросы клиенты задают перед покупкой и какие возражения звучат чаще всего.
• Отток клиентов. По данным 1С видно, кто покупал каждый месяц и замолчал. ИИ найдёт таких клиентов и сопоставит с историей сделок в CRM.
• ABC и XYZ. Какие клиенты и товары дают основную выручку, а чей спрос стабилен или скачет. Раньше это делали формулами в Excel, теперь достаточно попросить.
• Прогноз. Грубая оценка выручки на следующий квартал по открытым сделкам и исторической конверсии. Для плана годится как ориентир, для бюджета нужна проверка.

Ни одна из этих задач не требует программиста, если данные помещаются в пару таблиц. Сложности начинаются, когда отчёт нужен каждую неделю, а данные надо собирать из нескольких систем. Об этом в конце.

Уровень 1: загрузить таблицу в ChatGPT или Claude

И ChatGPT, и Claude принимают файлы Excel и CSV и считают по ним кодом на Python, а не на глаз. В ChatGPT код расчёта можно раскрыть прямо в ответе, Claude тоже показывает, что он запускал. Для старта хватит обычной платной подписки.

Как подготовить выгрузку

Половина успеха решается до первого промпта. В нашем примере две таблицы.

Сделки из amoCRM за квартал. Выгрузите список сделок через экспорт в Excel. Нужные колонки: номер сделки, компания, БИН или ИНН (если ведёте его в карточке), этап, статус, менеджер, источник, сумма, дата создания, дата закрытия, причина отказа и последний комментарий. Если причины отказа в CRM не ведутся, возьмите хотя бы комментарии.

Реализация из 1С за тот же квартал и два предыдущих. Отчёт о продажах по контрагентам и месяцам, сохранённый в Excel: контрагент, БИН или ИНН, месяц, сумма, количество отгрузок. Полгода истории нужно, чтобы увидеть, кто перестал покупать. Подробнее о том, какие данные из 1С стоит отдавать ИИ, рассказано в статье ИИ для 1С.

Дальше три шага подготовки:

1. Словарь колонок. Пять-десять строк обычным текстом: что значит «сумма» (с НДС или без, в тенге или рублях), что такое статус «закрыто и не реализовано», какие этапы идут по порядку. Без словаря модель угадывает, и иногда угадывает неправильно.
2. Обезличивание. Уберите телефоны, имейлы и ФИО контактных лиц. Названия компаний можно заменить кодами, а таблицу соответствия оставить у себя. В Казахстане обработку персональных данных регулирует Закон РК «О персональных данных и их защите» № 94-V, в России 152-ФЗ, и оба закона касаются передачи данных зарубежному сервису. Обезличенная выгрузка снимает большую часть вопросов.
3. Один ключ для двух таблиц. Сделки и отгрузки нужно связать. Лучше всего подходит БИН или ИНН. Если его нет в CRM, свести таблицы по названию компании можно, но «ТОО Альфа» и «Альфа ТОО» модель посчитает разными клиентами, пока вы её не предупредите.

Проверьте в настройках чата, разрешено ли использовать ваши переписки для обучения модели, и выключите это. Если отправлять данные за рубеж нельзя совсем, файлы принимают и GigaChat, и YandexGPT. Но прежде чем им доверять, прогоните на них те же проверочные вопросы, о которых ниже.

5 промптов к одной таблице

Загрузите обе таблицы и словарь одним сообщением, затем задавайте вопросы по очереди. Каждый промпт заканчивайте просьбой показать расчёт.

1. Проверка данных. «Опиши обе таблицы: сколько строк, какие периоды, сколько пустых значений в каждой колонке, есть ли дубли сделок и компаний. Ничего пока не считай».

Это самый недооценённый промпт. В нашем примере модель сообщит что-то вроде: «В таблице сделок 1 240 строк, у 18% сделок пустая дата закрытия при статусе "закрыто", 37 компаний встречаются под двумя написаниями». Цифры условные, но такие находки бывают почти в каждой CRM.

2. Воронка. «Посчитай конверсию между этапами воронки за квартал в целом и по каждому менеджеру. Покажи, сколько денег в сделках выпало на каждом этапе. Отдельно посчитай медианное время на этапе».

3. Причины отказов. «Возьми проигранные сделки. По полю "причина отказа" и последнему комментарию разложи их на категории: цена, сроки поставки, ушли к конкуренту, нет ответа клиента, не наш товар, другое. Покажи доли и по пять примеров комментариев на категорию».

Категории лучше задать самому. Если оставить выбор модели, в следующем квартале она придумает другие, и периоды станет невозможно сравнить.

4. Уходящие клиенты. «По таблице 1С найди клиентов, которые покупали минимум в четырёх месяцах из шести, а в последние два месяца не покупали. Сопоставь их со сделками в CRM по БИН: есть ли открытые сделки, кто менеджер, когда был последний контакт».

5. Сводка для руководителя. «Собери из предыдущих ответов одну страницу: три главные проблемы квартала, цифра под каждой и что проверить в первую очередь. Каждую цифру сопроводи ссылкой на расчёт, из которого она взята».

Как проверить цифры, которые посчитала модель

Модель умеет уверенно ошибаться. Чаще всего ошибка сидит не в арифметике, а в фильтре: сделки не за тот период, проданные и проигранные в одной куче, суммы с НДС и без вперемешку. Три привычки ловят почти всё:

• Контрольная сумма. Попросите итог по выручке за квартал и сравните с цифрой из 1С или CRM, которую вы знаете. Не совпало, значит дальше не идём.
• Ручная выборка. Возьмите 20–30 сделок из ответа про причины отказов и прочитайте комментарии сами. Если модель ошиблась в каждой пятой, доли ей не доверяйте.
• Код расчёта. Раскройте код и посмотрите хотя бы на фильтры: какой период, какие статусы, какая колонка суммы. Читать Python для этого не нужно, условия видны по названиям колонок.

Сколько времени это экономит, зависит от данных. Для таблиц нашего размера оценка такая: вручную в Excel аналитик собирает подобный разбор день-два, в чате первые выводы готовы примерно за час, вместе с проверкой. Это ориентир для примера, а не замер на конкретном клиенте.

Уровень 2: Claude Code или Codex на вашем компьютере

Claude Code от Anthropic и Codex от OpenAI это ИИ-агенты, которые работают на вашем компьютере. Вы открываете папку, агент видит лежащие в ней файлы, сам пишет скрипты для расчётов, запускает их и сохраняет результат рядом: таблицы, графики, отчёт. Запускать их можно в терминале или в десктоп-приложении. Claude Code входит в подписку Claude Pro, Codex входит в ChatGPT Plus, отдельно платить за старт не нужно.

Программировать не нужно, но придётся привыкнуть к другой логике: вы работаете с папкой файлов, переписка отходит на второй план.

Почему агент надёжнее чата

В чате расчёт живёт внутри одной переписки. Через месяц вы загрузите новую выгрузку и будете заново объяснять, что значит «сумма» и как связывать таблицы. Ответ может получиться немного другим, потому что модель каждый раз пишет код заново.

Агент сохраняет скрипты в папке. Расчёт воронки становится файлом, который можно открыть, показать аналитику или запустить на новых данных. Если цифра вызывает вопрос, её происхождение видно: вот скрипт, вот фильтр, вот исходная строка. Так проверять приходится код, а не память модели.

Для нашего примера это значит, что все пять промптов из первого уровня один раз превращаются в набор скриптов. На следующий квартал вы кладёте свежие выгрузки и просите: «Пересчитай всё на новых данных и сравни с прошлым кварталом».

Папка, словарь и отчёт по расписанию

Устройте папку проекта просто:

• data/ для выгрузок из amoCRM и 1С;
• reports/ для готовых отчётов;
• файл с инструкциями для агента в корне.

Claude Code читает инструкции из файла CLAUDE.md, Codex из AGENTS.md. Это тот же словарь колонок, только он больше не теряется между переписками. Пример на пять строк:

# Аналитика продаж
- Сделки: data/amo_*.xlsx, отгрузки: data/1c_*.xlsx, связь по колонке БИН.
- Сумма в amoCRM без НДС, в 1С с НДС. Для сравнения приводи к сумме без НДС.
- Проигранная сделка: статус «Закрыто и не реализовано».
- Категории отказов бери только из файла loss_reasons.md, новые не придумывай.
- Каждую цифру в отчёте сопровождай именем скрипта, который её посчитал.

Когда расчёт отлажен, его можно запускать по расписанию. У Claude Code есть режим без диалога (claude -p "..."), у Codex команда codex exec. Их ставят в планировщик Windows или cron, и по понедельникам в папке reports/ появляется свежая сводка. Выгрузки при этом всё ещё кто-то кладёт руками, и это главный предел второго уровня.

Научиться самому

Если хотите освоить такой подход без подрядчика, запишитесь в лист ожидания курса: разбираем работу с чатом, Claude Code и Codex на задачах участников. Набор сейчас на паузе, индивидуальные занятия возможны по запросу.

Четыре вопроса, на которые стоит ответить первыми

Данных в CRM много, и легко утонуть в отчётах ради отчётов. Начните с четырёх вопросов. Они дают деньги быстрее остальных и хорошо ложатся на нашу пару таблиц.

Где воронка теряет больше всего денег

Смотрите на сумму, которая выпала на этапе, конверсия здесь вторична. Этап «отправлено КП» с конверсией 40% может стоить дороже, чем этап «первый контакт» с конверсией 15%, если на КП доходят крупные сделки. Попросите агента построить таблицу «этап × менеджер» в деньгах. Обычно один-два менеджера дают большую часть потерь на одном этапе, и это вопрос к обучению, а не к рынку.

Почему проигрываем сделки

Здесь ИИ полезнее всего, потому что вручную прочитать несколько сотен комментариев никто не успевает. Агент размечает комментарии и переписку по вашим категориям. Перед тем как верить долям, проверьте глазами 50–100 размеченных сделок. Тексты на смеси русского и казахского и сообщения транслитом встречаются постоянно, убедитесь, что они не уходят в «другое».

Кто из клиентов уходит

Ответ на этот вопрос лежит в 1С. В CRM клиент выглядит живым, пока у него есть открытая сделка, хотя отгрузки прекратились два месяца назад. Сведите историю отгрузок с карточками компаний и получите список «покупал регулярно, замолчал, менеджер не звонил». Такой список можно отдать отделу продаж в тот же день.

Сколько реально принесёт текущая воронка

Сумма открытых сделок в CRM почти всегда завышает прогноз. Попросите агента умножить сделки на каждом этапе на историческую конверсию этого этапа и учесть, что сделки старше трёх месяцев закрываются реже. Получится грубая, но честная оценка. Для плана её достаточно, для бюджета нужна сверка с финансовым отделом.

Где ошибается ИИ

Грязная CRM. Мёртвые сделки, которые никто не закрыл, дубли компаний, этапы, которые менеджеры пропускают. Модель посчитает всё это быстро и уверенно. Поэтому первый промпт в нашем примере про качество данных, а не про выводы. Как чистить данные на входе и подключать CRM, разобрано в статье интеграция ИИ в CRM.

Дубли и разные написания. «ИП Сейткали», «Сейткали ИП» и «ИП Сейткали А.» для модели три клиента, пока вы не скажете иначе. Связывайте таблицы по БИН или ИНН везде, где это возможно, а в остальных случаях попросите агента показать спорные совпадения списком.

Арифметика без расчёта. Если модель называет число, но не показывает код, который его посчитал, такое число в отчёт не идёт. В чате это бывает, когда вопрос сформулирован как разговор, а не как задача на расчёт. Добавляйте в промпт «посчитай кодом и покажи расчёт».

Сравнение несравнимого. Суммы с НДС и без, тенге и рубли, отгрузки по дате документа и оплаты по дате платежа. Всё это должно быть в словаре, иначе цифры CRM и 1С никогда не сойдутся.

Слишком уверенные выводы. Модель охотно объясняет причины: «падение связано с сезонностью». Иногда это правда, иногда догадка. Просите отделять факты из данных от гипотез.

Как научить отдел продаж и аналитиков

Один руководитель с ChatGPT ещё не делает отдел продаж грамотным в данных. Пользу дают общие правила: единый словарь колонок, единые категории отказов, договорённость, что любая цифра в отчёте проверяема. Без них три человека загрузят одну выгрузку и получат три разных ответа.

Обучение имеет смысл строить на собственных выгрузках команды. На учебных таблицах грязь реальной CRM не видна. Аналитики осваивают Claude Code или Codex и папку проекта, руководители учатся задавать вопросы и проверять ответы, менеджеры понимают, почему от аккуратности в CRM зависит то, что о них скажет отчёт. Как мы проводим такие занятия для команд, описано на странице корпоративное обучение ИИ. Если в компании уже есть внутренний ассистент, правила работы с данными пригодятся и там: подробнее в статье про корпоративный ChatGPT.

Уровень 3: когда разовый анализ пора превращать в систему

Агент на ноутбуке аналитика хорош для разведки. Признаки того, что пора строить систему:

• отчёт нужен каждую неделю, а выгрузки кладёт руками один человек;
• ответы читают руководители филиалов, и каждому положены только свои данные;
• от цифр зависят план, премии или закупки;
• нужно знать, кто какой вопрос задавал и какие данные видел.

В системе данные приходят сами. Сделки забираются из amoCRM или Bitrix24 через API, отгрузки из 1С через выгрузку по расписанию или HTTP-сервис, всё складывается в копию базы, где у ИИ есть права только на чтение. Модель подключается к этой копии через MCP, стандартный способ дать ИИ доступ к внешним системам. Дальше нужны роли, журнал запросов, расписание и мониторинг.

Главное отличие от второго уровня в проверке качества. Соберите 50–100 вопросов с ответами, которые аналитик посчитал вручную, и прогоняйте их после каждой смены модели, словаря или структуры данных. Такой набор называется evals, и как его собрать, описано в статье что такое evals и зачем они AI-проекту.

Начинать стоит с одного отчёта, например еженедельной сводки по воронке и уходящим клиентам. Как устроить такой пилот, разобрано в материале пилот ИИ за 30 дней. Если хотите получить систему на своих данных, с подключением CRM, 1С и проверкой цифр, посмотрите услугу ИИ для продаж.

Чат, агент или система: сравнение

Большинству компаний стоит пройти уровни по порядку. Чат показывает, есть ли в данных ответы. Агент показывает, какие расчёты нужны регулярно. Система имеет смысл, когда вы знаете оба ответа. Более широкий обзор того, где ИИ помогает продажам, собран в материале ИИ для отдела продаж.

FAQ

Какая нейросеть лучше для анализа продаж?

Для работы с таблицами подходят ChatGPT и Claude: оба считают по файлу кодом и показывают расчёт. Разница между ними меньше, чем разница между аккуратной и грязной выгрузкой. Если данные нельзя отправлять за рубеж, попробуйте GigaChat или YandexGPT и сравните ответы на тех же контрольных вопросах.

Нужно ли уметь программировать, чтобы использовать Claude Code для аналитики продаж?

Нет. Код пишет агент. Но кто-то должен понимать данные и проверять, правильно ли выбраны период, статусы и суммы. Без этой проверки ошибку в фильтре никто не заметит.

Безопасно ли загружать данные о продажах в ChatGPT?

Зависит от того, что уходит. Обезличьте выгрузку: уберите телефоны, имейлы и ФИО, замените названия компаний кодами. Выключите использование переписок для обучения модели. Для регулярной работы с персональными данными нужна система с контролем доступа, а не личный чат.

Можно ли подключить ИИ напрямую к amoCRM, Bitrix24 и 1С?

Да, через API CRM и выгрузки или HTTP-сервисы 1С. Для разового анализа это лишнее, хватит экспорта в Excel. Прямое подключение имеет смысл, когда отчёт нужен регулярно. Начинать стоит с доступа только на чтение и с копии данных.

Чем это отличается от Power BI или DataLens?

BI показывает отчёты, которые кто-то заранее настроил. ИИ отвечает на новые вопросы, читает комментарии и переписку и объясняет, почему сдвинулась метрика. Он работает поверх BI и CRM и не заменяет их.

Когда пора переходить от чата к своей системе?

Когда отчёт нужен регулярно, его читают несколько человек с разными правами и от цифр зависят план или премии. Тогда нужны автоматическая загрузка данных, роли, журнал и проверка качества.