Стремительное развитие генеративного ИИ перевернуло практики B2B-коммуникаций, однако академическая и прикладная база пока раздроблена и сосредоточена на краткосрочных задачах – персонализации контента, лидогенерации и прогнозировании спроса. Авторы исследования для решения проблемы предложили схему подготовки к переговорам. Она опирается на классические модели маркетинга и современные языковые модели генеративного искусственного интеллекта (ГИИ).
В основе решения – пятиэтапная методология, которая трансформирует классические инструменты в последовательный диалог с ИИ. Сначала формируется закупочный центр и выбирается объект коммуникации, что позволяет определить роли и зоны влияния в компании-покупателе по модели Вэбстера-Винда.
ИИ-модель в боте быстро генерирует гипотезы ценностного предложения и аргументации, расширяя привычное видение специалистов. Однако ИИ формирует только гипотезы: итоговую верификацию осуществляет эксперт, который оценивает гипотезу через свой опыт и делает финальную адаптацию.
Схема строит функционально-мотивационный профиль конкретного участника с учетом его задач, барьеров и ожидаемых выгод, используя подход Шета–Ньюмана–Гросса и модель ценностного предложения Остервальтера. Далее предлагаемый продукт описывается на трех уровнях восприятия – свойства и характеристики, сопутствующие сервисы, нематериальные атрибуты – по авторской трехуровневой модели.
На основе сопоставления профиля роли и трехуровневого описания формируются индивидуальные ценностные коммуникационные связки. В итоге создается аргументация по схеме: тезис, аргументы и подкрепления на уровне данных и гарантий. Для каждого шага заранее подготовлены промпты к языковым моделям и предусмотрена экспертная верификация результата, что снижает риск галлюцинаций и повышает точность формулировок.
Инструмент реализован в формате чат-бота в Telegram. Пользователи пошагово проходят все этапы – от выявления ролей до генерации «питча» для переговоров.
Статистика взаимодействий показала ровную воронку без массовых «провалов» на середине процесса: на этапе описания закупочного центра зафиксировано 75 запросов, при создании «аватаров» ролей – 70, в построении трехуровневой модели продукта – 61, при формировании ценностных связок – 61, на этапе финальной аргументации – 57. Всего за период тестирования система обработала 324 запроса, израсходовав 1 296 139 токенов; стоимость взаимодействия с языковой моделью составила 2,59$, что показывает экономичность решения при массовом использовании.
Ключевые результаты демонстрируют не только ускорение подготовки, но и стабильное пользовательское принятие. Инструмент сократил время создания персонализированной аргументации более чем на 60%; 40 пользователей завершили сессию и дали валидную обратную связь, из них 75% – промоутеры (оценки 9-10). Пользователи отмечали, что формирование итогового файла занимает менее четырех минут, а пошаговая логика делает процесс прозрачным и удобным даже для менее опытных специалистов. Средняя оценка – 8,8 из 10, NPS – +62,5.
«Мы превратили классические B2B-модели в практический диалоговый инструмент, который не просто ускоряет работу, а помогает продавцу говорить с каждой ролью закупочного центра на ее языке – с понятными выгодами, рисками и доказательствами», – говорит автор исследования Алексей Юсов. «Такой формат снимает рутинную нагрузку, упорядочивает мышление и повышает воспроизводимость лучшей практики продаж».
«Самая сильная сторона подхода – персонализация аргументации на уровне конкретного человека и его задач. Мы видим, как трехуровневое описание продукта и модель Тулмина формирует связный кейс: тезис, релевантные доводы и данные-подкрепления. В результате продавец быстрее доходит до осмысленного “питча” и уменьшает риск общих, “шаблонных” сообщений», – заключил Алексей.
Исследование также зафиксировало зоны для развития продукта. Пользователи ожидают более глубокую аналитику на этапах построения «аватаров» и ценностных связок, а также расширения набора уточняющих вопросов. Среди технических задач – повышение стабильности API при параллельной нагрузке и снижение «температуры» модели для уменьшения креативных, но избыточно общих гипотез. Эти направления уже включены в план следующей итерации.
Значимость работы, по мнению авторов, заключается в переносе фокуса с абстрактной «умности» ИИ к структурированному процессу подготовки B2B-коммуникации, совместимому с корпоративными стандартами и процедурами закупок.
Методология соединяет поведенческие и ролевые модели с возможностями ГИИ, обеспечивая быстрый, проверяемый и персонализированный переход от гипотез к аргументации, что критично в условиях быстрых циклов закупок. С учетом полученных метрик принятия и эффективности инструмент готов к масштабированию в продажах и пресейл, обучении команд и стандартизации «лучших практик» формирования ценностных предложений в крупных организациях.
По словам Алексея Юсова, инструмент “родился” в Лаборатории прикладных продаж и маркетинга школы бизнеса МИРБИС. О старте лаборатории мы писали в этом материале. Подробнее познакомиться с Алексеем Юсовым и понять, зачем он стремится системно подходить к продажам, можно узнать в его большом интервью.
