Email — базова планка.
Є в усіх; нікого не дратує. Несе зважене повідомлення — те, що може почекати годину й усе одно влучити. Базова планка, яку має перебити будь-який інший канал.
AI в CRM-комунікаціях
Я запустив LLM-персоналізацію ще до того, як для цього зʼявилася категорія.
Більшість «AI-персоналізації» — це та сама масова розсилка з приклеєним зверху токеном імені. Я маю на увазі вужчу й складнішу річ: інше повідомлення для іншої людини — бо вона справді інша. Якщо робити це з головою, тут проходить межа між шумом і виручкою.
Я вшив великі мовні моделі в бойову CRM ще у 2022-му, коли ринок сперечався, чи ChatGPT — іграшка. Робив це для освітньої платформи з мільйонами користувачів і для маркетплейсу у 17 країнах — і, не менш важливо, знаю, як не допустити, щоб це пішло не так.
Теза
Гіперперсоналізація — це ремесло, а не розсилка навмання.
Студентка біології в Массачусетсі, для якої рідна мова — італійська, і яка реєструється в суботу зранку, — не та сама людина, що й студент права в Берліні, який реєструється пізно у вівторок. Говоріть із ними однаково — і марнуєте увагу обох. Мікросегментація — не «приємний бонус», а шлях до справжньої оптимізації.
Тому метою ніколи не було більше повідомлень. Мета — краща система: менше шуму, більше сенсу, вимірний вплив на виручку. ШІ нарешті робить це доступним у масштабі: за кожним повідомленням тепер стоїть редактор, який справді вміє міркувати, — не тільки на рівні шаблонів.
Найскладніше — не модель. А рішення довкола неї: що сказати, кому, коли і чи взагалі варто надсилати.
Канал — під людину
Персоналізація — це не лише те, що ви кажете. Це ще й місце, де людина вже є.
Ідеальне повідомлення в неправильному каналі — все одно промах. Ще до того, як модель напише бодай слово, система визначає, де цю людину можна дістати — і де вона справді звертає увагу. Правило нудне, але працює: ідіть туди, де люди вже є, а не туди, звідки вам зручно розсилати.
In-product — для тих, хто вже всередині.
Активні користувачі живуть у застосунку, а не в пошті. Підказка в момент використання працює краще за лист, який вони прочитають увечері — якщо взагалі прочитають. Ви ловите намір, поки він не охолов.
Екрани в точці / операторські екрани — для тих, хто веде бізнес.
Для оператора під час зміни важливий не маркетинговий лист, а планшет на стійці. Повідомлення має відповідати моменту, у якому людина реально працює.
Месенджери — mobile-first і лише за згодою.
Там, де повідомлення читають за секунди, WhatsApp і схожі канали з великим відривом обходять email — якщо аудиторія доступна в цьому каналі й дала згоду. Сильний сигнал, низька терпимість до шуму — тому цей канал лише для повідомлень, які його заслужили.
Та сама людина, інша точка контакту залежно від моменту — саме цей шар пропускає більшість пітчів про «омніканальність». Вони бʼють по всіх каналах одразу й називають це охопленням. Сенс не в тому, щоб бути всюди. Сенс у тому, щоб бути там, де ця людина справді помітить.
Ще до тренду · 2022
Я вбудував LLM у CRM ще до того, як ChatGPT зʼявився в роадмапах більшості команд.
На освітній платформі для мільйонів студентів я спроєктував і запустив контентний рушій на LLM: моделі OpenAI, напряму підʼєднані до lifecycle. Він генерував навчальні рекомендації та CRM-повідомлення під конкретного студента — в обсязі, який жодна команда не написала б вручну. Це був 2022-й: я вже будував на OpenAI, коли ChatGPT лише виходив у публічне поле.
Я також розгорнув під це CRM-стек — Customer.io і Segment, — щоб персоналізація працювала на чистих даних і чистих тригерах. Рушій був не демо. Він працював.
Потім — на масштабі
Та сама дисципліна — у 17 країнах.
Це не фокус лише для стартапів. В Uber Eats я відповідав за CRM-рівень EMEA — 250 000 мерчантів у 17 країнах, ~2 млн повідомлень на місяць — і вів той самий цикл: дисципліновані A/B-тести, правки AMPscript, AI-персоналізація, оркестрація каналів. Зрушили саме ті цифри, які мають значення для фіндиректора.
+49%
CTR 1,53% → 2,28%
+20%
open rate 43,9% → 52,7%
95%+
доставлюваність з ~84% після виправлення платформи
>80×
ROI бета-версії WhatsApp CRM проти email
~2 000
автоматизацій упорядковано
Повна історія результатів — у розділі досвід. Як я вимірюю кожну цифру — у як я вимірюю.
Спрацьовує за поведінкою, а не летить усім одразу
Найкраще повідомлення — те, про яке просить сама поведінка людини.
Календарна розсилка бачить усіх так, ніби цього тижня вони зробили одне й те саме. Це не так. Системи, які я будую, читають поведінку й спрацьовують на неї — тож повідомлення приходить тому, що людина щойно щось зробила, а не тому, що сьогодні вівторок. Кілька сценаріїв, які я беру за основу й адаптую до кожного бізнесу:
Зупинилися на півдорозі → поверніть їх.
Людина почала й не завершила — оформлення кошика, налаштування, заявку. Вчасна конкретна підказка повертає відчутну частку цього наміру. Не докір. Просто повернення туди, де вона зупинилася.
Новачок не впевнений → спершу навчіть, потім конвертуйте.
Користувачу в перший тиждень не потрібна знижка. Його треба довести до моменту, коли цінність продукту стає очевидною. Навчання, привʼязане до освоєння продукту, щоразу сильніше за купон.
Є прогрес → підніміть планку.
Коли цифри показують, що людина готова — активність зростає, результати вже видно, — саме час запропонувати наступний рівень, а не випадковий промотиждень. Показники запускають апсейл, тож він сприймається як допомога, а не як продаж.
Реальні події → автоматизуйте очевидне.
Графік на свята, зміна статусу, дата поновлення — передбачувані моменти, які ніхто не має памʼятати вручну. Система бере очевидне на себе, щоб команда застосовувала розсуд там, де він справді потрібен.
Мало даних? Покажіть запасний варіант — не вгадуйте.
Персоналізація чесна рівно настільки, наскільки чесні дані під нею. Якщо сигнал слабкий або застарілий, система не вигадує здогад у костюмі інсайту — вона дає чисту універсальну версію й чекає. Упевнене хибне повідомлення коштує дорожче за просте правильне. Запасний варіант — це функція, а не провал.
Обмеження частоти контактів — непомітна половина роботи.
Кожен сценарій може спрацювати — це ще не значить, що кожен має. Над усіма стоїть один шар контактного контролю — ліміти на людину, на тиждень, пріоритет, коли стикаються два тригери, і жорсткий стоп, щоб ніхто не дістав три повідомлення за день. Оркестрація понад частоту: система береже увагу людини так само ретельно, як її витрачає.
Як я тримаю систему чесною
Не модель заважає командам запускати AI-персоналізацію. А страх.
Страх недоречного повідомлення. Витоку приватних даних. Вигаданої обіцянки, надісланої реальній людині. Тому спершу я будую запобіжники, а вже потім додаю «розумність». Я вже робив саме це для DOC.UA, українського медичного сервісу: там повідомлення — це нагадування про запис, а не рекламні тексти, і наслідки реальні. Чотири правила, які я вшиваю в саму систему:
Жодних діагнозів.
Повідомлення ніколи не робить висновків про стан здоровʼя за спеціальністю лікаря. «Вас записано до онколога» — і ніколи «Не хвилюйтеся, онколог допоможе».
Без «Великого брата».
Навіть якщо під рукою є точний вік і домашня адреса, у повідомленні їх не видно. Дані — для контексту й навігації, а не для того, щоб показати, скільки ми про вас знаємо.
Стриманість там, де вона має значення.
Для чутливих спеціальностей — психіатрії, онкології тощо — тон свідомо нейтральний і службовий. Без святкових емодзі. Без натягнутої бадьорості.
Звертайтеся до людей коректно.
Діти → говоримо з батьками. Підлітки → тільки імʼя. Дорослі → повне формальне звертання. Система застосовує правило щоразу.
З реального запуску · імена, клініки й контакти вилучено
Дитина (4 роки) → говоримо з батьками
Шановні батьки 🧑🧑🧒 Підтверджуємо запис вашої дитини. 🗓 16 серпня · 🕒 13:00 · 🏥 клініка, Київ · 👨⚕️ фахівець клініки.
Дорослий → повне формальне звертання
Вітаємо, Олено Іванівно! 👩⚕️ Ваш запис підтверджено. 🗓 16 серпня · 🕒 11:30 · 👩⚕️ кардіолог · 🏥 клініка, Одеса.
На виході — структурований результат: жорстко заданий JSON, який система валідує. Тож персоналізація лишається керованою й придатною до аудиту, а не імпровізацією перед кожним ризикованим надсиланням. Саме це пропускає більшість презентацій про «AI для маркетингу». І саме це дає змогу справді ввімкнути систему.
Як я про це думаю
Кілька правил, яких я не порушую.
Говоріть із користувачами. Особисті історії десятка реальних людей часто сильніші за агреговані дані тисяч — вони підказують, що взагалі варто міряти.
Ніколи не ставте лише одну ціль. Має бути головна ціль і кілька проміжних — інакше модель із задоволенням оптимізує не те.
Виграш — не в обсязі. Він у системі, яка надсилає менше, але має більшу вагу — той самий принцип, що й у тому, як я думаю про CRM.
Питання, які ставлять усі
AI у CRM — відповідаю прямо.
AI у CRM справді працює — чи це просто хайп?
AI працює, коли йому дають правильну задачу. Він не робить погану стратегію доброю — він робить добру систему доступною в масштабі: ставить за кожною відправкою редактора, який уміє міркувати, а не просто шаблон. Якщо використовувати його з головою, він рухає цифри, важливі фіндиректору: click-through, утримання, виручку на повідомлення. Якщо як модне слівце — просто виробляє більше шуму, швидше. Різниця — у судженні, а не в моделі.
Як робити AI-персоналізацію, щоб це не скидалося на стеження?
Дані — для контексту й навігації, а не щоб хизуватися, скільки ви знаєте. Правило, яке я вшиваю в систему: навіть маючи під рукою точний вік і адресу, повідомлення не виставляє їх напоказ. Жодних висновків про стан здоровʼя зі спеціалізації лікаря, жодного «ми помітили, що ви були поруч…». Персоналізація має відчуватися як добрий сервіс від уважної людини — а не як стеження. Тієї миті, коли людина від неї здригається, вона вже коштувала вам більше, ніж принесла.
А приватність і контроль — як ви не даєте AI зʼїхати з рейок?
Спершу запобіжники. Кмітливість — потім. Результат структурований — жорстко заданий JSON, який система перевіряє, — тож кожне повідомлення підконтрольне й придатне до аудиту, а не імпровізація перед кожною ризикованою відправкою. Є запасний варіант, коли даних мало, обмеження частоти, щоб нікого не завалити, і навмисно нейтральна робота з чутливими контекстами. Я роблю це з 2022-го, зокрема для медичного сервісу, де нетактовне повідомлення — це не метрика, а реальна людина. Саме цю дисципліну пропускає більшість пітчів про «AI для маркетингу». І саме вона дає змогу справді натиснути «увімкнути».
Як команді почати працювати з AI у CRM?
Не з моделі — з даних і одного чіткого завдання. Візьміть один момент із високою цінністю, де кращий меседж точно допоможе (незавершена дія, онбординг, що просідає), і переконайтеся, що дані для нього чисті, а тригер справжній. Визначте головну ціль і кілька метрик-запобіжників, щоб система не оптимізувала не те. Запустіть один цикл, чесно виміряйте його проти holdout — і лише тоді розширюйте. Команди, які починають із «додаймо AI всюди», отримують шум; команди, які починають з одного керованого циклу, отримують систему.
AI чи rules engine — коли що використовувати?
Правила — коли логіка відома й стабільна; AI — коли варіацій забагато, щоб писати вручну. Нагадування про поновлення чи повідомлення про святковий графік — це завдання для правил: передбачуване, і саме таким воно має бути. А написати справді різне повідомлення для тисяч різних людей, у правильному тоні для кожного, — тут мовна модель виправдовує своє місце: жодна команда не напише такий обсяг вручну. Більшість добрих систем поєднують обидва підходи: правила визначають, що запускається і коли; AI вирішує, як це звучить — у межах запобіжників, заданих правилами.
Чи потрібні великий обсяг або великий бюджет, щоб це окупилося?
Ні — потрібна CRM, уже привʼязана до виручки. Підхід працює і на масштабі стартапу, і на мільйонах користувачів; змінюється сума на кону, а не метод. Якщо ваші повідомлення вже впливають на те, що люди купують, або на те, чи залишаються з вами, розумніша система швидко окупається. Якщо CRM — це просто розсилка, яку ви надсилаєте за звичкою, AI цього не виправить — виправить стриманість. Починайте там, де краще повідомлення має чіткий шлях до грошей.
Якщо хочете AI у CRM з тверезою головою, а не заради хайпу — поговорімо.
Схоже на вашу ситуацію?