Денис Логинов 🧠 Второй Мозг

#продажи #скидки Иногда лучшая техника продаж - та, которую вы не применили Меня давно удивляет одна конструкция в продажах. Клиент ещё не сказал, что ему дорого. Не попросил скидку. Не сказал, что ему чего-то не хватает. Иногда вообще прямо говорит: "Мне интересно, но сейчас несрочно". А продавец уже достаёт технику: скидка до пятницы, дополнительная услуга бесплатно, бонус за быстрое решение. Вроде всё правильно. Этому действительно учат. Такие механики работают в массовых продуктах, подписках, тарифах, удержании клиентов. Но когда один человек продаёт другому человеку, особенно в B2B, у нас есть возможность, которой нет у автоматического сценария: мы можем спросить клиента, что ему на самом деле мешает принять решение. И вот здесь для меня проходит важная граница. Я не против скидок, бонусов, ограничений по времени или дожима. Я против ситуации, когда инструмент появляется раньше причины для его применения. Если клиент сказал "дорого" - сначала хорошо бы понять, что именно он имеет в виду. Если ему "несрочно" - зачем покупать его срочность за счёт своей маржи, пока мы даже не выяснили причину? Если человек не принимает решение - это ещё не означает, что ему нужна дополнительная скидка. Чем больше я на это смотрю, тем сильнее вижу разницу между знанием техник продаж и умением продавать. Можно пройти обучение, выучить десятки механик и прекрасно объяснять, как каждая работает. Но в реальном разговоре нужен ещё один слой: Что сейчас происходит именно с этим клиентом? И только потом - какую технику здесь применять и нужно ли применять её вообще. В новой статье подробно разобрал, почему хорошая техника не становится хорошей продажей просто оттого, что она формально применена правильно. И почему этот же вопрос возникает, когда мы начинаем оценивать продажи с помощью AI. Полный разбор: https://dozmi.ru/blog/8-kogda-davat-skidku-klientu/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#маркетинг Запрос коммерческого предложения ещё не означает, что клиент заинтересован в покупке. Недавно мне повторно написали организаторы бизнес-конференции. Несколько месяцев назад я уже смотрел их предложение и отказался. Сейчас они вернулись с новой датой и площадкой и спросили, прислать ли подробное предложение. Я ответил: "Пришлите". В системе учёта это легко превратить в: "Запросил коммерческое предложение. Интерес восстановлен". Но реальная причина была другой. Я сейчас сам исследую каналы продвижения "Дожми Продажи", поэтому мне стало интересно посмотреть материалы. Если бы не это исследование, я, скорее всего, вообще не ответил бы. И здесь сразу две интересные проблемы. Первая - статус фиксирует событие, но не всегда сохраняет его смысл. "Дорого", "думает", "встреча назначена", "КП отправлено" могут скрывать совершенно разные реальные ситуации. Вторая - само предложение конференции хорошо описывает, что я могу купить: 25 минут сцены, стенд, логотип, рассылку. Но мне как покупателю нужен не стенд и не сцена. Мне нужен доступ к подходящей аудитории и возможность продолжить с ней общение. В статье разобрал оба слоя на одном реальном примере: что теряется между коммуникацией и статусом CRM и почему цену мероприятия невозможно нормально оценить, пока не понятно, какую аудиторию и какой доступ к ней ты действительно покупаешь. Читать в блоге: https://dozmi.ru/blog/kak-ocenit-uchastie-v-biznes-konferencii/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

РОП попросил увеличить продажи. Менеджер понял буквально 😂 #юмор #мемы

#ИсторияКейс AI написал убедительный разбор звонка. Но можно ли по нему управлять продажами? Почти каждый день я слышу один и тот же запрос: "Давайте загрузим звонки в искусственный интеллект. Пусть он сам разберёт разговоры и даст менеджерам рекомендации". Логика понятная. Руководитель не может вручную слушать сотни записей. Большая модель читает расшифровку за секунды, замечает слабое место, предлагает уточняющий вопрос и даже пишет пример более сильной реплики. Мы проверили этот сценарий много раз в компаниях наших клиентов и передали модели конкретные критерии работы с возражениями. Результаты выглядели убедительно. В одном разговоре AI правильно увидел явное сомнение по цене. В другом точно заметил, что менеджер не выяснил причину неактуальности. А в третьем сам решил, что расчёт общей стоимости означает скрытую проблему с бюджетом, хотя клиент прямо не говорил, что ему дорого. И вот здесь для меня начинается главный управленческий вопрос. В одном хорошем AI-разборе обычно смешиваются три разных слоя: - то, что клиент и менеджер действительно сказали; - то, как модель интерпретировала их поведение; - то, что она рекомендует сделать из общих знаний о продажах. Например, клиент считает стоимость - это факт. Клиент ограничен бюджетом - уже интерпретация. Нужно предложить более дешёвый вариант - рекомендация. Все три фразы звучат логично. Но только первая непосредственно подтверждается разговором. Для менеджера такой текст может быть полезным дополнительным взглядом. Для РОПа - материалом к разбору. Но как руководитель я не могу нормально сравнить по этим текстам сотрудников, увидеть динамику за неделю, отделить единичный случай от системы и проверить, изменилось ли что-то после обучения. В статье я разбираю три разрыва между убедительным комментарием и управленческим инструментом: проверяемость вывода, сопоставимость результатов и возможность замкнуть цикл "обнаружили проблему - приняли решение - измерили изменение". Свободный AI-разбор помогает подумать. Управлять можно только тем, что определено, проверяемо и сопоставимо. Читать в блоге: https://blog.dozmi.ru/blog/ai-call-analysis-management/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#разборСайтов #ajtbd Я открыл YGoal как потенциальный клиент и довольно быстро понял сильную часть продукта: он превращает разрозненные материалы компании в управляемый маршрут - с практикой, проверкой и допуском к самостоятельной работе. Но дальше у меня появился вопрос. Выполнить задание и получить допуск - это один результат. Устойчиво изменить рабочее поведение и продолжать действовать правильно через месяц - уже другой. Что для меня здесь важно: - маршрут можно автоматизировать; - практику и контрольные точки можно организовать системой; - прогресс сотрудника можно сделать видимым; - часть ручного контроля руководителя можно снять; но цель, критерий результата и право требовать изменения поведения всё равно остаются внутри компании. Поэтому наиболее убедительно для меня YGoal звучит не как система, которая "берёт обучение и контроль на себя", а как система управляемого допуска сотрудника к работе после подтверждения знаний и практики. А главный открытый вопрос - что происходит после допуска? В статье подробно разобрал первый экран YGoal через AJTBD и свой опыт обучения сотрудников: где заканчивается автоматизация маршрута и начинается реальное изменение поведения. Читать в блоге: https://dozmi.ru//blog/ygoal-upravlyaemyy-marshrut-ili-izmenenie-povedeniya/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#речеваяАналитика Речевая аналитика легко превращается в ещё один источник данных для руководителя. Расшифровали звонки. Поставили оценки. Построили отчёт. Получили проценты. И дальше возникает самый важный вопрос: Что мне с этим делать? За время работы над "Дожми Продажи" у меня постепенно сложилась другая логика. Ценность появляется не в момент, когда звонок превратился в текст или оценку, а когда компания проходит весь путь: коммуникация -> факт -> критерий -> выборка -> вывод -> следующий шаг. Причём один факт ещё ничего не доказывает. Менеджер не назначил следующий контакт в одном звонке - это факт. То же самое повторяется в большой выборке - уже сигнал. А версия, что именно из-за этого зависают сделки, - пока только гипотеза, которую нужно проверять. Отсюда ещё один важный вывод: речевая аналитика начинается не со звонков и не с AI. Она начинается с управленческого вопроса. Не "найдите проблемы в продажах", а, например: "После отправки коммерческого предложения менеджеры действительно договариваются с клиентом о конкретном следующем действии?" Один точный вопрос часто полезнее отчёта с сорока показателями. В статье подробно разобрал весь путь - от расшифровки и критерия до калибровки, выборки и управленческого действия. Читать в блоге: https://dozmi.ru/blog/bazy-ai-funkcii-ustarevayut/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#речеваяАналитика Есть одна ошибка, которая повторяется вокруг темы "AI-анализ звонков: чем он отличается от расшифровки". Мы очень быстро хотим получить от инструмента готовый ответ. Но в продажах почти всегда есть промежуточный слой, который нельзя пропускать: - нужно понять, какой именно факт мы проверяем - какое действие руководителя должно измениться после результата. В новой статье я разбираю вопрос анализ звонков ИИ не как список функций, а как управленческую работу. Отличить расшифровку, резюме, статистику и AI-анализ и объяснить переход к управленческому решению. Для меня здесь важна граница между несколькими вещами. Сначала есть коммуникация: звонок, сообщение, письмо или история сделки. Потом есть наблюдаемый факт. Дальше мы можем применить критерий, увидеть повторяемость и только после этого сформулировать гипотезу. Если перепрыгнуть через эти этапы, AI очень легко выдаёт уверенный текст, который выглядит как управленческий вывод, хотя на деле это только интерпретация. Поэтому в статье я отдельно показываю: - что можно подтвердить исходной коммуникацией; - что является классификацией; - что является сигналом; - что пока остаётся гипотезой; - где нужен руководитель; - какое следующее действие безопасно проверить. Это тот подход, к которому я пришёл в "Дожми Продажи". Мне не нужен продукт, который производит максимум аналитики. Мне нужен продукт, который помогает руководителю быстрее пройти путь: коммуникация -> факт -> гипотеза -> проверяемый следующий шаг. В статье есть конкретная методика, ограничения и примеры того, где автоматизация полезна, а где она начинает создавать ложную уверенность. Отдельно показываю связь с остальной серией, чтобы не смешивать разные задачи в один большой термин. Если вы управляете отделом продаж, при чтении я бы держал в голове один вопрос: какой один спорный участок в наших реальных коммуникациях я хотел бы проверить на данных, а не на ощущениях? С этого обычно начинается более полезный разговор, чем с вопроса "какой AI-сервис нам купить". Читать в блоге: https://dozmi.ru/blog/bazy-ai-funkcii-ustarevayut/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#маркетинг #аутрич Три раза перечитал холодное сообщение в Telegram. И все равно не понял, что именно мне продают. Что особенно интересно - человек продавал услугу по персонализированному холодному аутричу. То есть само сообщение фактически было демонстрацией продукта. Я сейчас специально собираю и разбираю такие кейсы. И здесь почти все формальные элементы вроде бы есть: персонализация, описание услуги, кейс, цифра, призыв к действию. Но вместе получается каша. Что сломалось: - еще до чтения профиль вызывает вопросы: другой регион номера, имя и фото менялись недавно; - "если маркетинга не накачиваете" - непонятно, что вообще значит «накачивать маркетинг»; - "системы вроде вашей" - получатель должен сам догадаться, что имеется в виду; - "у клиента вышло 34 встречи" - какого клиента, кто делал работу и что именно считается встречей; - в конце сразу два действия: оценить предложение и, если неинтересно, найти внутри компании другого человека. Главный вывод для меня простой. В холодном аутриче недостаточно положить в сообщение правильные ингредиенты. Получатель после одного прочтения должен понимать: кто пишет, почему ему, что предлагают, чем подтверждают результат и чего хотят дальше. Если приходится расшифровывать - сообщение уже проигрывает. И в Telegram есть еще один слой: сообщение начинается не с первой строки, а с профиля отправителя. Если сам аккаунт выглядит как недавно подготовленный для рассылки, тексту приходится сначала отрабатывать недоверие, а уже потом продавать. В статье разобрал исходное сообщение по частям и показал, как его можно было написать понятнее. Читать в блоге: https://dozmi.ru/blog/holodnoe-soobshchenie-telegram-razbor/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#aiXO "96% AI-проектов проваливаются" - одна из самых удобных цифр в разговорах об искусственном интеллекте. Она одновременно подтверждает и скептиков, и консультантов по внедрению. Проблема только в том, что единого глобального исследования с таким выводом я не нашёл. Цифры 74%, 80%, 95% и 96% относятся к разным объектам. Где-то измеряют долю компаний на стадии прототипов. Где-то - отсутствие заметного влияния ИИ на ебитду всей организации. Где-то - достижение ожидаемого ROI. А предварительный MIT Project NANDA говорит об устойчивом измеримом P&L-эффекте у ограниченной выборки интегрированных ИИ-пилотов. Это не одна шкала провала. Что важно: - содержательный ответ модели не равен работающему прототипу; - работающий прототип не равен встроенному процессу; - доступ сотрудников к инструменту не равен регулярному использованию; - локальная экономия времени не равна эффекту на прибыль компании; - отсутствие ожидаемого ROI не обязательно означает отрицательный ROI; - 4% компаний с существенной AI-ценностью нельзя механически превращать в 96% провалов, потому что ещё 22% уже масштабировали некоторую ценность. Исследования не столько противоречат друг другу, сколько измеряют разные уровни. AI может ускорить отдельного сотрудника на конкретной задаче и при этом остаться незаметным в отчётности всей компании. Может дать хороший прототип, который сотрудники не встроили в ежедневную работу. Может работать в одной части процесса и создавать дорогую проверку в другой. Поэтому корректный вопрос не "какой процент AI провалился". Корректный вопрос: На каком уровне мы обещали результат и на каком уровне его измерили? В статье разобрал происхождение популярных цифр, ограничения исследований MIT, BCG, McKinsey и IBM и зафиксировал шкалу, по которой буду оценивать собственные AI-эксперименты. Читать в блоге: https://dozmi.ru/blog/pravda-li-chto-95-ai-proektov-provalivayutsya/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#aiXO Я использую AI по 6-8 часов в день. В исследованиях, аналитике, программировании, интерфейсах, документах, управленческих и личных задачах. И при этом всё чаще оказываюсь в роли человека, который объясняет, почему нейросеть не является одной волшебной кнопкой. Клиент видит желаемый результат: - анализировать звонки, - проверять документы, - готовить рекомендации, - менять сайт. Я вижу данные, интеграции, критерии качества, права доступа, тестирование и ответственность за ошибку. Мы говорим об одном проекте, но на разных языках. Чем подробнее я объясняю техническую часть, тем сильнее могу выглядеть человеком, который специально усложняет простую задачу. Ведь снаружи всё действительно кажется очевидным: загрузил данные, написал запрос, получил ответ. Но убедительный ответ модели и готовая работа - не одно и то же. Модель может правильно изменить одну функцию сайта и повредить другую часть страницы. Может уверенно разобрать звонок и придумать цитату. Может хорошо выполнить разовую операцию, но не обеспечить единые критерии для тысячи разговоров. Главный вывод, к которому я пришёл: AI продают как кнопку, а внедряют как систему. Я больше не хочу тратить много времени на доказательна словами. Поэтому запускаю серию публичных экспериментов. Одна реальная бизнес-задача. Одинаковые исходные материалы. Один обычный запрос. Несколько доступных нейросетей. Проверка не красоты ответа, а готового результата. В статье подробно разобрал: - почему разговоры об AI постоянно расходятся на уровне ожиданий; - где заканчивается отдельная операция модели и начинается рабочая система; - почему я не собираюсь заранее объявлять "Дожми Продажи" победителем каждого теста; - какие задачи буду проверять публично; - по каким критериям буду решать, можно ли действительно обойтись без специалиста. Это не серия против AI. Это попытка перейти от обещаний и споров к материалам, которые можно открыть, проверить и использовать в реальной работе. Читать в блоге: https://dozmi.ru/blog/ai-ne-magicheskaya-knopka/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#маркетинг Как улучшить холодное письмо B2B: разбираю собственный аутрич Критиковать чужой холодный аутрич довольно удобно. Видно, где человек прислал универсальный шаблон, где пообещал слишком много, где ничего не узнал о компании и уже зовёт на встречу. Гораздо полезнее открыть собственную папку "Отправленные" и применить те же требования к себе. Я так и сделал с одним из последних B2B-писем. Повод был реальный: мы начали первоначальную разведку разговоров компании, которая продаёт продукцию Profcosmo через интернет. В предыдущих проектах с интернет-магазинами мы уже проверяли: - предлагают ли менеджеры подходящие сопутствующие товары, - помогают ли собрать полный заказ, - фиксируют ли следующий шаг, - что повторяется в отказах. На этой базе я написал самому Profcosmo. В письме была основа: - понятная причина обращения, - конкретные вопросы вместо обещания "увеличить продажи" - достаточно простой следующий шаг. Но после отправки я увидел несколько вещей, которые сам обычно критикую в чужих сообщениях. 1. Я написал "Добрый день" с заглавной буквы. 2. Сослался на абстрактное "интернет-магазины всё активнее используют", хотя у меня был собственный опыт и можно было говорить через него. 3. Увидел CRM-форму Bitrix24 и слишком быстро перешёл к предположению, что звонки уже находятся в CRM. 4. А фразой "можно подключить в один клик" смешал простую установку приложения с полноценным запуском аналитики. 5. Плюс подпись фактически стала вторым коммерческим предложением: критерии, пилот, 2 000 звонков. В самом письме я просил только подсказать правильного адресата, а ниже уже пытался продать гораздо больше. Главный вывод для меня не в том, что холодное письмо нужно бесконечно шлифовать до идеала. Оно всё равно остаётся гипотезой. Но первое касание можно быстро проверить по четырём вещам: 1. почему я пишу именно этой компании, 2. какая одна гипотеза может быть ей релевантна, 3. на каком факте она основана 4. какой один простой ответ мне сейчас нужен. В статье оставил исходное письмо без исправлений и три версии, которые отправил бы сейчас: - через проверку актуальности, - через небольшой полезный материал - через поиск владельца задачи. Заодно разобрал, почему речевая аналитика в этом кейсе должна быть способом проверить вопрос, а не главным рекламным обещанием. Читать в блоге: https://dozmi.ru/blog/kak-uluchshit-holodnoe-pismo-b2b/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#маркетинг #контентМаркетинг Я изучил 607 статей Т-Бизнес Секретов и несколько месяцев ничего там не публиковал ... Несколько месяцев назад мне предложили бесплатно публиковаться в Т-Бизнес Секретах. Казалось бы, что тут думать: - крупная предпринимательская площадка, - публикация бесплатная, - среди читателей есть руководители и владельцы бизнеса. Бери готовую статью и отправляй. Но бесплатная площадка все равно требует дорогого ресурса - времени. Нужно найти тему, переделать материал под другую аудиторию, пройти редактуру и потом понять, был ли во всем этом смысл. Поэтому сначала я исследовал площадку. Изучил медиакит, правила, авторов и собрал выборку из 607 материалов. Хотел понять не только, кто туда пишет, но и как читатели вообще находят статьи, какие темы там естественны и есть ли среди аудитории люди, с которыми мне интересно работать. Ответ оказался двойственным. Моя аудитория там есть. Это предприниматели и руководители, которые ищут решения для продаж, маркетинга, автоматизации и управления. Но сама площадка устроена не как социальная сеть. Публичных реакций немного, а основная ценность находится в поиске и долгой жизни полезных материалов. Одновременно стало понятно, почему туда нельзя просто принести рассказ о своем продукте. Прямая реклама не пройдет, а замаскированное перечисление функций никому не становится полезнее только потому, что из него убрали кнопку "Купить". После исследования я ничего не опубликовал. Не потому, что площадка плохая, а потому, что не нашел нормальной контентной модели. Я не понимал, что могу рассказывать там регулярно и как связать эти статьи с остальным маркетингом. Пазл сложился позже, когда я пересобрал идею YouTube-канала. Теперь я проверяю, может ли доступный AI решить обычную бизнес-задачу здесь и сейчас. Не насколько красиво модель отвечает, а можно ли взять результат и использовать его в работе. Такие эксперименты можно показывать на YouTube, а выводы отдельно переписывать для предпринимательского журнала. В этот момент площадка получила понятную роль, и я отправил первую статью. В новом материале подробно разобрал само исследование, выводы об аудитории, причину многомесячной паузы и то, почему новая контентная связка появилась только сейчас. Читать в блоге https://dozmi.ru/blog/t-business-secrets-kak-kanal-kontent-marketinga/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#маркетинг Очередной маркетолог написал мне с практически пустого Telegram-аккаунта. Без фотографии. Без описания. Без сайта, названия компании и кейсов. Зато уже во втором сообщении пообещал стабильный поток клиентов, анализ продвижения, разработку сайта, бонус на рекламу и скидку на первые месяцы сотрудничества. Меня удивляют не сами холодные обращения. Я нормально к ним отношусь. Меня удивляет противоречие: человек продаёт маркетинг и привлечение клиентов, но его собственное сообщение не создаёт даже причины продолжить разговор. У маркетолога первое касание - уже часть работы, которую он предлагает купить. Он сам: - выбрал потенциального клиента; - нашёл канал; - сформулировал предложение; - попытался вызвать интерес; - предложил следующий шаг. Это похоже на пробное блюдо у повара. Мне ещё не принесли весь ужин, но первая ложка уже показывает, умеет ли человек работать со вкусом. Вместо пробного блюда мне показали длинное меню: сайты, реклама, аналитика, поток клиентов, бонусы и скидки. Но я так и не понял, какое конкретно блюдо предлагают именно мне. Пустой профиль сам по себе не доказывает некомпетентность. У человека может быть двадцать лет опыта и ни одной заполненной строчки в Telegram. Но в холодной продаже клиент должен быстро понять, кто ему пишет, откуда пришёл человек, что именно он делает и где проверить его опыт. Если профиль и сообщение не отвечают ни на один вопрос, всю работу по созданию доверия приходится выполнять получателю. Отдельная история - скидка. Я ещё не выбрал услугу. Не описал задачу. Не сказал, что мне дорого. Не увидел ценность. Но продавец уже начал снижать цену. Это похоже на портного, который ещё не снял мерки и не понял, что нужно сшить, но уже обещает сделать дешевле. В статье я разобрал: - почему первое сообщение маркетолога является демонстрацией его способа мышления; - чем пустой профиль мешает доверию; - почему обещание стабильного потока до первого вопроса выглядит как лечение до диагностики; - почему список всех услуг не заменяет конкретную причину обращения; - как скидка раньше ценности работает против продавца; - какой следующий шаг можно предложить без созвона "обо всём". Одно плохое сообщение не доказывает, что человек не умеет работать. Но клиент видит только то, что продавец сам решил показать в первом контакте. Маркетолог не обязан одним сообщением доказать будущий результат. Но он должен хотя бы показать, что способен привлечь внимание конкретного клиента не общими обещаниями и ранней скидкой, а смыслом. Читать в блоге: https://blog.dozmi.ru/blog/holodnoe-soobshchenie-marketologa-skidka-do-cennosti/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#алгоритмы #управление Я нормально отношусь к ошибкам. Можно неправильно оценить риск. Можно принять решение, которое не сработает. Можно не учесть обстоятельства, которые потом полностью изменят результат. Но для меня ошибка и реакция на ошибку - две разные вещи. Два года меня сопровождала компания, которая везде заявляла про персональный подход и единого менеджера, ведущего клиента до результата. Это было не моё требование. Это была модель работы, которую компания сама продала. За два года накопились решения, документы, деньги, время, силы и огромный контекст. Когда в итоге результат не просто исчез, а ситуация стала хуже, я ожидал хотя бы попытки разобраться: - что произошло; - как остановить дальнейшее ухудшение; - что ещё можно сохранить; - кого нужно подключить; - какое решение может принять компания. Вместо этого персональный менеджер предложил перейти к другому менеджеру. И вот здесь для меня проходит главная граница. Речь не о том, что "клиент всегда прав". Клиент тоже может ошибаться, не выполнять рекомендации, неправильно понимать условия или ожидать того, чего ему не обещали. Но когда компания сама обещает единый центр ответственности, сопровождение и ведение до результата, а затем при серьёзной проблеме предлагает клиенту начать всё заново с другим сотрудником, это уже не каприз клиента. Клиент купил конкретное обещание. Но в критический момент получил передачу контакта вместо решения. Ошибка может показать недостаток знаний, опыта или информации. Отказ даже попытаться исправить последствия показывает отсутствие намерения отвечать за результат. В статье разобрал, чем передача контакта отличается от передачи контекста и ответственности, когда нужна эскалация и каким должен быть управленческий алгоритм после серьёзной ошибки. Читать в блоге: https://blog.dozmi.ru/blog/chto-delat-kompanii-posle-oshibki-pered-klientom/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#chatgpt После выхода GPT-5.6 очень хочется открыть настройки 50 агентов и просто заменить модель. Но это не миграция. Модель - только один элемент рабочего контура. Если оставить старую задачу, режим размышления, инструменты, ограничения и проверку, компания просто перенесёт старые ошибки на новую систему. Что я бы зафиксировал для каждого агента: - какую бизнес-задачу он решает; - где должен работать: Chat, Work, Codex, API или связка поверхностей; - какие у него входы, инструменты и границы; - что считается принятым результатом; - когда повышать режим размышления или менять модель; - кто проверяет критичный результат; - как откатиться на прошлую конфигурацию. И ещё важный принцип: не менять всё одновременно. Сначала сохранить ключевой функционал и лучшие практики. Потом заменить модель при том же режиме размышления. Проверить качество, время и стоимость. И только затем менять режим размышления, инструкцию или рабочую поверхность. Миграцию десятков агентов лучше начинать не с ежедневных задач , финансов и доступов, а с частых некритичных задач. На них дешевле собрать типовые ошибки и настроить общий стандарт. Главный вывод: после GPT-5.6 нужно выбирать не "самую умную модель", а управляемую конфигурацию под конкретную работу. В статье разобрал карточку миграции, приоритеты и поэтапный переход. Читать в блоге: https://dozmi.ru/blog/chatgpt-plus-codex-limits/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#chatgpt Похоже, чем умнее становится модель, тем меньше ей нужно объяснять, как именно работать. После первых ошибок хочется дописывать промт: - всегда сначала составь план - ничего не предполагай - задай все вопросы - жди подтверждения - думай максимально глубоко. В итоге инструкция превращается в архив прошлых проблем и начинает мешать самой модели. Для GPT-5.6 я бы перестраивал постановку задачи вокруг другого: - какой результат нужен; - какие ограничения нельзя нарушить; - где модель может действовать автономно; - что считается готовым результатом; - как этот результат проверить. То есть не "выполни вот такой ритуал из 20 шагов", а "вот цель, границы и критерии". Для агентов это ещё важнее. - поведение лучше держать в инструкция - меняющиеся факты - в файлах и инструментах - режим размышления - в конфигурации - согласования - в процессе - а качество - в правилах проверки и тестирования. Главная мысль для меня простая: меньше микроменеджмента процесса - больше точности в результате, границах автономности и проверке. В статье собрал анти-паттерны старых промтов, 10 примеров "до - после" и компактные шаблоны для ChatGPT и агентов. Читать в блоге: https://dozmi.ru/blog/how-to-prompt-gpt-5-6/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#исследование #сайты Я давно отношусь к сквозной аналитике с двойственным чувством. С одной стороны, идея правильная. Рекламные расходы, визиты, заявки, звонки, сделки и выручка находятся в разных системах. Руководителю нужен общий слой, чтобы хотя бы не принимать решения по отдельным кабинетам и ощущениям команды. Я видел много настроенных проектов в Roistat, изучал готовые отчёты, сам настраивал сквозную аналитику через Битрикс24 и обсуждал эту механику с партнёром, который создавал собственную аналитическую платформу. Главный вывод из этого опыта: полную атрибуцию получить нельзя. Даже при хорошей технической настройке часть пути клиента исчезает. Человек может впервые увидеть рекламу на одном устройстве, потом вернуться через поиск, обсудить продукт с коллегой, получить рекомендацию, поговорить с менеджером, несколько недель читать материалы и купить через канал, который система посчитает последним. Технически продажа будет привязана. Но это не значит, что именно этот канал сформировал решение. Чем длиннее цикл продажи и больше касаний, тем слабее идея одного доказанного источника. Есть и вторая граница. Roistat поддерживает разные модели атрибуции. Одна отдаёт ценность первому клику. Другая последнему. Третья распределяет вклад между всеми касаниями. Цепочка одна. Управленческий вывод может быть разным. Значит, отчёт является не только отражением данных. Он ещё и результатом выбранного правила интерпретации. Поэтому обещание "получить максимум прибыли от рекламы" для меня звучит слишком широко. Roistat может: - собрать доступный цифровой след; - связать расходы, заявки и продажи; - показать отклонения; - помочь увидеть спорный канал; - сузить область следующей проверки. Но он не может сам изменить продукт, посадочную страницу, качество трафика, работу менеджеров или управленческое решение. Красивый отчёт ещё не отвечает, что именно нужно менять. Мой главный вывод: сквозная аналитика полезна не потому, что показывает всю правду. Она полезна потому, что уменьшает неопределённость и помогает точнее выбрать следующий вопрос. Данные показывают, где смотреть. Решение о том, что менять, всё равно остаётся за компанией. Читать в блоге: https://dozmi.ru/blog/roistat-gde-zakanchivayutsya-dannye-razbor-pervogo-ekrana/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#исследование #сайты Я открыл первый экран amoCRM и почти сразу понял механику. Все обращения из почты, телефонии, форм сайта, чатов и мессенджеров должны автоматически попадать в одну систему. Для руководителя это понятная польза. Не нужно вручную собирать картину по разным каналам. Можно увидеть историю, ответственного, этап и следующий шаг. Но фраза "не теряйте клиентов" для меня оказалась шире, чем просто автоматический сбор обращений. В моей практике клиент мог потеряться как минимум в трёх местах. Первое - обращение вообще не попало в CRM. Менеджер не заметил письмо. Не создал сделку после звонка. Оставил контакт в личном мессенджере. Здесь автоматизация действительно снижает риск. Второе - обращение попало в CRM, но менеджер не продолжил работу. В карточке есть ответственный. Есть статус. Иногда даже стоит задача. Но клиенту поздно ответили, не уточнили запрос или отправили предложение без договорённости о следующем шаге. Третье - сделка формально ведётся, а руководитель слишком поздно понимает, что клиент уже потерян. Статус остаётся активным. В комментариях что-то написано. Следующий шаг существует в системе. Но с клиентом он не согласован. В итоге CRM показывает аккуратную карточку, а реальная коммуникация уже остановилась. Для меня это главный конфликт первого экрана amoCRM. Система может не потерять обращение. Но это ещё не означает, что команда не потеряет продолжение продажи. И тем более не означает, что руководитель увидит реальную ситуацию вовремя. CRM полезна как единое место для истории, ответственного и следующего шага. Но качество этой картины зависит от того, что сотрудники действительно фиксируют. Поэтому я разделяю три работы: - не потерять само обращение; - не потерять продолжение работы; - не потерять управленческую правду. Первый экран amoCRM хорошо объясняет первую. Частично поддерживает вторую. Но третья требует уже не только CRM, а проверки реальных разговоров, переписок и договорённостей. В статье разбираю, почему "увеличить продажи" - это цель бизнеса, "не терять клиентов" - работа, а автоматический сбор обращений - только механизм. Читать в блоге: https://dozmi.ru/blog/amocrm-ne-teryayte-klientov-razbor-pervogo-ekrana/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#chatgpt Одна задача в Codex расходует 1%, другая - 10%, хотя запросы могут выглядеть одинаково короткими. Причина простая: расходуется не длина сообщения, а вся траектория работы агента: - чтение проекта, - поиск реализации, - режим размышления, - команды, - тесты, - ошибки, - повторные правки - финальная проверка. Что сильнее всего влияет на расход: - выбранная модель и уровень размышления; - объём контекста и история сессии; - длинные логи, широкие поиски и повторные сборки; - неясная задача, из-за которого работу приходится переделывать; - субагенты и параллельные облачные задачи; - слишком подробный итоговый отчёт. Поэтому экономия начинается не с выбора самой дешёвой модели. Сначала нужно точно определить задачу - дать точки входа, - ограничения - критерии приёмки. Затем выбрать - минимально достаточную модель, - запускать точечные тесты до полного набора - после неудачи повышать только один параметр - модель, режим размышления или качество постановки. Главная метрика - не процент на один запуск, а стоимость принятого результата. В статье собрал практическую модель расхода Codex, правила выбора конфигурации и протокол, который помогает не сжигать лимит на повторное исследование той же задачи. Читать в блоге: https://dozmi.ru/blog/why-codex-tasks-use-different-percent/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX

#УТП #оффер Меня раздражают не сильные обещания. Меня раздражает прыжок через механизм. "Увеличим продажи с помощью AI". "Вернём потерянную выручку". "Сократим расходы отдела продаж". Клиент действительно покупает не функцию. Он приходит за изменением в бизнесе. Поэтому прятаться от слов "выручка", "конверсия", "расходы" и "прибыль" тоже неправильно. Проблема начинается там, где между продуктом и деньгами исчезает понятная цепочка. Я бы собирал честное обещание из пяти частей: - какой бизнес-эффект хотим получить; - за счёт какого механизма он должен появиться; - за какой результат отвечает поставщик; - что должен сделать сам клиент; - как мы проверим изменение. Например, не: "Повысим конверсию менеджеров". А: "Поможем повысить выполнение выбранного стандарта продаж и проверим, как его динамика связана с переходом сделок на следующий этап". Конверсия остаётся целью. Выполнение стандарта - наблюдаемым изменением. Сравнение с воронкой - способом проверить гипотезу. Сильное обещание не обязано быть слабым. Оно должно отвечать на один вопрос: "За счёт чего именно здесь должны появиться деньги?" Если цепочки нет - это рекламная формула. Если есть - каждый её участок можно превратить в действие, показатель и ответственность Читать в блоге: https://dozmi.ru/blog/honest-business-impact-promises/ Канал Второй Мозг: Веб-Блог / Телеграм / MAX