عرضت MTS Exolve كيفية أتمتة تعبئة الصفقات في Bitrix24 باستخدام YandexGPT

أظهرت MTS Exolve نهجاً عملياً لأتمتة المبيعات: بعد انتهاء المكالمة، تسترجع خدمة Python تلقائياً نسخة نصية من المحادثة، وترسلها إلى YandexGPT وتحدّث بطاقة الصفقة في Bitrix24. الفكرة بسيطة لكنها مفيدة لأي فريق حيث يفقد المديرون التفاصيل بعد المكالمات أو يدخلون البيانات في نظام إدارة علاقات العملاء بتأخير.

كيفية عمل خط الأنابيب

تكمن أساس الحل في webhook على Flask يستقبل حدث انتهاء المكالمة من MTS Exolve. ثم تسترجع الخدمة بيانات المحادثة وتحفظ السياق التقني في SQLite وتطلق سلسلة معالجة بدون تدخل المدير. يحول هذا النهج المكالمة إلى كائن منظم: لديه نسخة نصية ومعرف واتصال بالصفقة ومجموعة من الحقول التي يجب تحديثها في نظام إدارة علاقات العملاء.

الخطوة التالية هي النسخ النصي. بدلاً من الاستماع اليدوي، يتم استخدام Call Transcription API التي توفر نص المحادثة للمزيد من التحليل. بعد ذلك يأتي دور YandexGPT: يتلقى النموذج موجهاً يحتوي على مخطط الاستخراج اللازم ويعود بليس نصاً حراً، بل إشارات محددة لتأهيل العميل المحتمل.

المرحلة النهائية هي استدعاء واجهة برمجية REST لـ Bitrix24 التي تحدّث الصفقة الموجودة وتحفظ النتيجة مباشرة في بطاقة العمل. بالإضافة إلى ذلك، يترك هذا المخطط أثراً شفافاً: يمكن للفريق التحقق بدقة مما استخرجه النموذج وأي الحقول تم تغييرها تلقائياً.

في الأساس، توضح MTS Exolve ليس مجرد تكامل بين ثلاث واجهات برمجية، بل سير عمل أدنى حد للمعالجة اللاحقة لمكالمات المبيعات. لا يتطلب بنية تحتية ثقيلة: Python 3.10+ و Flask و SQLite ومنطق واضح لتوجيه الأحداث كافية. بالنسبة للمنتج القابل للتطبيق بحد أدنى، هذا كاف للتحقق من التأثير الرئيسي — ما إذا كان المديرون سيعملون بشكل أسرع مع الصفقات المؤهلة ويفقدون سياقاً أقل بين نقاط الاتصال.

ما هي الحقول التي تستخرجها الذكاء الاصطناعي

يعتمد على BANT — أحد أكثر أطر تأهيل العملاء المحتملين بديهية. لكن في المثال لا يُترك في صيغته الكتابية. يتم تكملة Budget و Authority و Need و Timing الكلاسيكية بإشارات عملية من المحادثة الفعلية: مدى اهتمام العميل والمنافسين الذين يذكرهم والاعتراضات التي يثيرها.

نتيجة لذلك، لا يتلقى نظام إدارة علاقات العملاء نسخة نصية طويلة، بل ملخصاً مختصراً يمكن التخطيط بناءً عليه للخطوة التالية.

• ميزانية العميل أو نطاق توقعات السعر
• متخذ القرار ودوره في العملية
• الاحتياج المصرح به وحالة الاستخدام المحددة
• الجدول الزمني للتنفيذ أو التجربة أو تاريخ الاتصال التالي
• مستوى الاهتمام والمنافسين والاعتراضات الرئيسية

هذه نقطة مهمة: القيمة هنا ليست فقط في توفير الوقت لملء البطاقة. تتيح الحقول المنظمة طريقة عمل مختلفة مع القمع — تصفية أسرع لتدفق الإدخال الخام وتحديد أولويات الصفقات الساخنة وعدم بدء كل مكالمة تالية من الصفر. وهذا مفيد بشكل خاص للفرق حيث يدير مدير واحد عشرات جهات الاتصال ولا يستطيع الاحتفاظ بتفاصيل كل مكالمة في ذهنه.

ميزة إضافية هي اعتدال المخطط. لا يحاول المؤلفون تحويل نظام إدارة علاقات العملاء إلى استمارة بها عشرات الحقول الإلزامية. بالعكس، يُظهرون توازناً بين الاكتمال والعملية: خذ الحد الأدنى من المجموعة التي تساعد فعلاً المبيعات والحفاظ عليها تلقائياً في الحالة الحالية. بالنسبة للمشاريع الداخلية للذكاء الاصطناعي، هذا مسار أكثر قابلية للتطبيق من تنفيذ تصنيف معقد جداً من البداية.

ماذا يعني هذا

يوضح مادة MTS Exolve بوضوح إلى أين تتجه الذكاء الاصطناعي المطبق في المبيعات: من مساعدات الدردشة إلى خدمات خلفية تملأ نظام التتبع تلقائياً بعد حدث. هذا السيناريو لا يتطلب استبدال نظام إدارة علاقات العملاء ولا يبدو كنموذج أولي بحثي — إنه منتج قابل للتطبيق بحد أدنى واضح يمكن بناؤه على كومة Python قياسية واختباره بسرعة على المكالمات الحقيقية. إذا كانت جودة النسخ النصي والموجه عالية بدرجة كافية، تحصل الشركة على قمع مبيعات أنظف بدون عمل يدوي إضافي تقريباً.