Можно ли понять что контакт между продавцом и покупателем близок к сделке по их общению?

Определение близости контакта к сделке по анализу общения

Да, можно! Это один из самых эффективных инструментов для прогнозирования сделок. Расскажу о различных подходах.

1. Поведенческие сигналы (Intent Signals)

В общении между продавцом и покупателем есть четкие индикаторы, которые говорят о близости к сделке.

Ранние сигналы интереса:

• Первый контакт установлен
• Покупатель ответил на письмо (любой ответ)
• Выражено общее согласие на обсуждение

Сигналы квалификации:

• Покупатель задает конкретные вопросы о функциях
• Упоминает сроки ("нам нужно это до декабря")
• Называет бюджет ("у нас есть 50k на это")
• Упоминает решающего человека ("мне нужно согласовать с CFO")

Сигналы близости к сделке:

• Обсуждение условий оплаты
• Запрос на контакты чья-то еще (регулярный персонал)
• Вопросы о имплементации и сроках внедрения
• Обсуждение контракта или SLA
• Упоминание компетиторов ("как вы отличаетесь от X?")
• Запрос на пробный период
• Обсуждение дат подписания

Сигналы отказа:

• Долгое молчание без объяснений (>10 дней без ответа)
• Покупатель говорит: "вернемся к этому позже"
• Упоминание конкурента как уже выбранного решения
• Вопросы, которые были заданы раньше (забыл / не интересует)

2. Метрика контактной активности

Индикаторы высокой активности (близко к сделке):

- Частота контактов: 3+ сообщений в неделю
- Время ответа: <2 часов (срочно)
- Инициатор: покупатель часто инициирует
- Участники: растет количество участников с покупателя
- Каналы: переход от email к видеовстречам/звонкам

Индикаторы низкой активности (далеко от сделки):

- Частота: 1 сообщение в месяц
- Время ответа: >5 дней
- Инициатор: всегда продавец инициирует
- Участники: только один контактный человек
- Каналы: только email

SQL для отслеживания активности:

WITH contact_metrics AS (
  SELECT 
    contact_id,
    COUNT(*) as total_messages,
    COUNT(CASE WHEN sender = 'buyer' THEN 1 END) as buyer_initiated,
    COUNT(CASE WHEN sender = 'seller' THEN 1 END) as seller_initiated,
    AVG(response_time_minutes) as avg_response_time,
    MAX(created_at) as last_message_date,
    EXTRACT(DAY FROM NOW() - MAX(created_at)) as days_since_last_message,
    COUNT(DISTINCT DATE(created_at)) as days_active
  FROM messages
  WHERE contact_id = $1
  GROUP BY contact_id
)
SELECT 
  contact_id,
  total_messages,
  buyer_initiated,
  ROUND(100.0 * buyer_initiated / total_messages, 1) as buyer_initiation_rate,
  ROUND(avg_response_time, 0) as avg_response_minutes,
  days_since_last_message,
  days_active,
  CASE 
    WHEN total_messages > 10 AND buyer_initiated > seller_initiated AND avg_response_time < 240 AND days_since_last_message < 7
      THEN 'HIGH'
    WHEN total_messages > 5 AND days_since_last_message < 14 THEN 'MEDIUM'
    ELSE 'LOW'
  END as deal_proximity
FROM contact_metrics;

3. Анализ ключевых слов и тем

Можно использовать NLP для анализа текста сообщений.

Слова, указывающие на близость к сделке:

Пример:

• "Интересно!" — слабый сигнал
• "Готовы подписать контракт на этой неделе" — сильный сигнал

Python пример для простого анализа:

from collections import Counter
import re

dealing_keywords = {
    'contract': 'dealing',
    'signature': 'dealing',
    'implement': 'dealing',
    'timeline': 'dealing',
    'pricing': 'dealing',
    'deal': 'dealing',
    'interested': 'considering',
    'demo': 'considering',
    'features': 'considering',
    'question': 'early'
}

def analyze_message(text):
    words = text.lower().split()
    signals = []
    for word in words:
        if word in dealing_keywords:
            signals.append(dealing_keywords[word])
    return Counter(signals)

# Анализируем сообщение
message = "We're ready to sign the contract and start implementation next Monday"
result = analyze_message(message)
print(result)  # Counter({'dealing': 4})

4. Модель прогнозирования сделки

Можно комбинировать несколько факторов в одну оценку.

Факторы (примерные веса):

- Количество сообщений: 20% веса
  (более 10 = высокий сигнал)
  
- Инициирующее большинство покупатель: 25% веса
  (>50% сообщений от покупателя = высокий сигнал)
  
- Время ответа: 15% веса
  (<2 часов = высокий сигнал)
  
- Упоминание сроков/бюджета: 20% веса
  (хорошо видно в сообщениях)
  
- Дни с последней активностью: 20% веса
  (<7 дней = высокий сигнал)

SQL для расчета score:

WITH contact_analysis AS (
  SELECT 
    contact_id,
    COUNT(*) as total_msgs,
    SUM(CASE WHEN sender = 'buyer' THEN 1 ELSE 0 END)::float / COUNT(*) as buyer_ratio,
    AVG(response_time_minutes) as resp_time,
    EXTRACT(DAY FROM NOW() - MAX(created_at)) as inactive_days,
    COUNT(CASE WHEN message_text ~* '(contract|sign|implement|timeline|budget)' THEN 1 END) as dealing_keywords_count
  FROM messages
  WHERE contact_id = $1
  GROUP BY contact_id
)
SELECT 
  contact_id,
  (MIN(total_msgs, 20) / 20.0) * 20 +  -- Messages factor (max 20%)
  (CASE WHEN buyer_ratio > 0.5 THEN 25 ELSE buyer_ratio * 25 END) +  -- Buyer initiation (25%)
  (CASE WHEN resp_time < 120 THEN 15 WHEN resp_time < 480 THEN 10 ELSE 5 END) +  -- Response time (15%)
  (MIN(dealing_keywords_count, 5) / 5.0) * 20 +  -- Dealing keywords (20%)
  (CASE WHEN inactive_days <= 7 THEN 20 WHEN inactive_days <= 14 THEN 10 ELSE 0 END)  -- Recency (20%)
  as deal_score
FROM contact_analysis;

5. Практические индикаторы

Красные флаги (низкая вероятность сделки):

• Нет ответа в течение 2 недель
• Все вопросы от продавца, никто от покупателя не спрашивает
• Покупатель просит дополнительную информацию на уже пройденные темы
• Упоминание конкурента как уже выбранного
• "Вернемся к этому в Q3/Q4"

Зеленые флаги (высокая вероятность сделки):

• Покупатель проинициировал контакт
• Быстрые ответы на сообщения
• Обсуждение условий оплаты, сроков внедрения
• Все больше людей участвуют с их стороны
• Вопросы о контрактах, лицензировании, SLA
• Запрос на демонстрацию или пробный период

6. Метрики для отслеживания

-- Дашборд мониторинга контактов
SELECT 
  c.contact_id,
  c.contact_name,
  c.company_name,
  COUNT(m.id) as total_messages,
  MAX(m.created_at) as last_contact,
  EXTRACT(DAY FROM NOW() - MAX(m.created_at)) as days_inactive,
  COUNT(DISTINCT m.date_trunc('day', created_at)) as days_with_activity,
  COUNT(CASE WHEN m.sender = 'buyer' THEN 1 END) as buyer_messages,
  ROUND(100.0 * COUNT(CASE WHEN m.sender = 'buyer' THEN 1 END) / COUNT(*), 1) as buyer_percent,
  CASE 
    WHEN COUNT(m.id) > 10 AND EXTRACT(DAY FROM NOW() - MAX(m.created_at)) < 7 THEN 'HOT'
    WHEN COUNT(m.id) > 5 AND EXTRACT(DAY FROM NOW() - MAX(m.created_at)) < 14 THEN 'WARM'
    ELSE 'COLD'
  END as status
FROM contacts c
LEFT JOIN messages m ON c.id = m.contact_id
GROUP BY c.id, c.contact_name, c.company_name
ORDER BY days_inactive ASC;

7. Автоматизация прогнозирования

Можно использовать инструменты вроде:

• Sirdata, 6sense — AI для прогнозирования сделок
• Custom Python скрипт — для анализа вашей CRM
• Salesforce Einstein — встроенное AI для прогнозов

Заключение

Да, по общению можно определить близость к сделке! Ключевые факторы:

1. Частота и качество сообщений — активные контакты ближе
2. Инициатива покупателя — когда покупатель инициирует, это хороший знак
3. Ключевые слова — слова вроде "контракт", "бюджет", "сроки" говорят о близости
4. Многоучастие — когда все больше людей с их стороны участвует
5. Время ответа — быстрые ответы = высокая заинтересованность

Комбинируя эти факторы, можно с уверенностью 70-80% предсказать вероятность сделки в ближайшие недели.