Приветствую вас! Меня зовут Антон Чернышев.

Я помогу решить две задачи:
- увеличить конверсию первичных звонков по объектам и исходящим по заявкам через собственный сервис ИИ Аналитики callaudit.ai
- провести аудит агентства (экспозиция, реклама) и бесшовно перенастроить процессы в компании для получения максмиума звонков по объектам

Всегда с удовольствием познакомлю со своим агентством и его результатами, чтобы не было сомнений в компетентности.

+79623527534
https://wa.me/+79623527534

Наша нейросеть в после анализа разговора сама решила что логично, а что нет.

Что она себе позволяет? 😂

Сегодня изучал темы предстоящего конгресса в Сочи. Там так много людей, которые будут учить продавать недвижимость клиентам и закрывать много сделок.

Но вот вопрос: кому продавать недвижимость если сначала надо решить проблему со звонками?
Все просто: если Вам не позвонили, то вы никому ничего не продали.

Странно, что на конгрессе не особо затрагивают эту тему.

На следующей неделе начну серию постов о том как получить клиентов и как правильно распорядиться данными о них, чтобы выжать максимум.

Очень обидно. Так хотелось квартиру в подарок.

На самом деле это мошенники, надо научить ИИ сразу отправлять это добро в спам.

Очень интересная статья вышла на форбс. Несмотря на развитие языковых моделей (они же LLM) у топовых компаний, таких как Яндекс и Сбер - в Российском бизнесе почти никто не понимает как их использовать.
Подозревал конечно, но не думал что все так плачевно.

Разбираться некогда, надо действовать 😎

А вот пока читаем саму статью.

У нас получился принудительный эксперимент.
17 марта какие-то уважаемые партнеры негодяи положили серверы на которых размещаются ….. ну очень много крупных клиентов.

С утра 17 марта до обеда 20 марта у нас парализовало все ИИ алгоритмы работы с объявлениями и рекламой.

Как итог -30% просмотров и звонков. И как только мы восстановили то телефон снова задымился.

Но больше всего мы задумались над тем как сильно технологии вплетены в наши бизнес процессы. То есть один брокер успевает в 2024 году где-то раз в 5 чем в 2020: оперирует 30-40 объектами без проблем, мониторит всю рекламу, переписки с клиентами и все это делает с телефона.

Во многих компаниях все держится на брокерах и они это чувствуют, но в нашем случае брокеры почувствовали насколько работа становится неэффективной без правильных технологий.

Брокеры и нейросети гораздо лучше чем просто брокеры.

Как можно использовать ИИ в фотографиях недвижимости?

Самое первый и важный вопрос который мы решили закрыть - нужно было научить распознавать то что на фото. (Скрин). Кто-то то скажет что можно это руками проставить. Да, можно. Но зачем?

Просто прокликать (проставить то что там изображено или прописать хештег) каждую фото это 3 секунды / фото. И вот теперь считаем.
20 фото*3 секунды*200 объектов в месяц = 200 минут в месяц в стерильных условиях.

А если брокер:
- отвлекся
- глючит интернет
- просто тупо забил на это/не считает нужным

Ну тут все 500 минут. По факту 1 рабочий день в месяц, 2,5 рабочих недели в год. Готовы терять? Мы - нет.

Теперь вопрос «зачем»?
А вот тут начинается магия
- исключить попадание ненужных фото на титульную
- исключить попадание лишних фото в галерею
- формирование pdf презентация с фотографиями в нужном логическом порядке (например чтобы фото внешнего вида дома были сгруппированы вместе а планировка шла в конце)
- отбор фото для маркетинга/маркетолога
- анализ эффективности фото

А теперь представьте, что к тем 2.5 неделям мы прибавим зарплату и время дизайнера/верстальщика презентаций (а мы знаем что так делают даже в топовых агентствах) то это это еще минимум 200к в год и еще пол месяца работы.


И самое важное: предыдущие наработки ИИ это фундамент для будущих наработок.

Следующий пост будет про то как еще более глубоко можно использовать анализ фото для повышения эффективности брокера.
Спойлер: анализ того что на фото, анализ просматриваемости фото.

Продолжаем?

Удивительные вещи происходят вокруг. То что вчера было дико, сегодня становится нормой. Вот интересная статья, которая осталась незамеченной - сбербанк планирует слушает слушать ваши разговоры с telegram и whatsapp.

Мы быстро решили прикинуть, как они это реализовали.
На данный момент перехват в той же телеге невозможен ввиду способа шифрования.
Так как сам перехват невозможен, то единственным ноу-хау на самом деле нет остается снятие речи с аппаратной части телефона - вашего микрофона.

По идее для полного охвата это может быть реализовано в любом или во всех приложениях сбера. Если не стоит приложение сбербанка, то наверняка у вас стоит Самокат, Еда, Мегамаркет, Домклик и прочее. Охват людей получается потрясающий.

Итак:
- Активация голосового помощника сбера требует доступа к микрофону
- Локация уже известна
- Анализ речи тоже уже не новость. Сейчас уже можно анализировать с небольшим лагом то что вы говорите собеседнику и через 20-40 секунд выдать вам подсказку о мошенничестве или проводить любой анализ.

Но имея ваш голос нет проблемы хранить цифровой профиль голоса и тогда без проблем можно установить вашего собеседника. Рано или поздно слепки всех людей попадут в базу (даже через звонки в поддержку).

Промышленный шпионаж, семейные секреты, поведенческие факторы, интересы, доходы.

Реклама и продажи точно выйдут на новый уровень.

Постпанк уже здесь, товарищи.
И самое главное под это нет законодательной базы, а значит можно все.

Самый популярный вопрос: как можно использовать LLM в недвижимости?
Сейчас расскажу вам одно очевидное направление с неочевидными возможностями - анализ данных.

- возможно собрать данные с разных источников: api, электронные таблицы, текстовые файлы, базы данных. То есть можно получить структирированную информацию из различных неструктурированных источников.

Пример: получить выборку по нужному триггеру из данных о квартирах, их описаний, комментариев брокера и результатов парсинга и придать им читаемый вид по определенному образцу.

- очистка данных из разных источников. Ну это обратный процесс тому что написано выше. Как использовать? Убрать мусор из комментариев брокера к объектам и лидам.

- поиск закономерностей. Это мы используем в сводной статистике и проверке гипотез. Например: объявления имеющие в описании такую-то фразу более просматриваемые, чем другие.

- опережающие показатели или прогнозное моделирование на основе предыдущих данных. Это про прибыль, планы и т.д.

- визуализация данных. Ну тут совсем все просто - все можно превратить в график или диаграмму

- систематизировать данные и показать лаконичный результат

Это сейчас на первый взгляд кажется сложным и даже бесполезным.
Но что если бы вы могли выбрать всех лидов, которые хотели продавать свою квартиру, но брокер это не “услышал” или не “записал”? Что если в вашей базе есть горячий клиент, но работа с ним ведется в рутинном режиме?


Кстати для лучшего понимимания как устроены LLM - вот ссылка на англоязычное видео с русскими субтитрами. Стоит посмотреть.

Сегодня на ВЖК один из спикеров по нейросетям рассказал о планах завести нейросеть в разговоры по телефону.

То есть идея такова - с клиентом будет общаться обученная нейросеть и заменит «первичного консультанта» с голосом какого-нибудь брокера.

На самом деле эта задача не решаема на текущем этапе.
Сейчас объясню почему.

Представьте какую цепочку предстоит пройти:

Клиент: - есть ли у вас варианты в этом ЖК Лермонтов?
Нейросеть: сохранила эту фразу -> передала на сервер аудиофайл -> превратила в речь, расставив пунктуацию -> распознала суть разговора -> обратилась к базе данных для уточнения наличия -> сформировала текстовый ответ в одной нейросети -> передала для создания голосового ответа в другую нейросеть -> вернула в качестве ответа клиенту

Даже если будут минимальные задержки на всех этапах то такая генерация выльется в 30-40 секунд.

С такими задержками разговора не получится.

Однако если это предустановленные ответы голосом нужного брокера - то это уже не магия, а просто чат-бот. И никакого ИИ тут нет.

Кстати, если вам нужно короткое решение, как сделать слепок голоса вашего сотрудника - ставьте огонь и в ближайшие дни будет инструкция.

Подведу небольшой итог в теме использования нейросетей в переписке с клиентами

Сама идея автоматизации всего и вся не покидает ум любого руководителя. И это правильно - автоматизация это всегда снижение затрат.

Сначала чат-боты, а потом и нейросети пришли в переписки с клиентами именно для сокращения затрат, а не повышения качества сервиса (хотя заявлено наоборот 😂)

Классический пример техподдержки какого-нибудь провайдера интернета:
У клиента сломался интернет и он будет «терпеть» нейросеть потому что он зависим от провайдера и ему надо решать вопрос.

Клиент в принципе может «доставать» нейросеть, задавать свои сложные вопросы, и даже покричать и в конце концов ЕСЛИ НЕ РЕШИТ ВОПРОС достучаться до оператора.

То есть провайдер нужен клиенту больше, чем клиент провайдеру.

Провайдер благодаря такой воронке имеет в своем штате в несколько раз меньше операторов. Win?

Техподдержка это идеальное место для применения нейросетей.

Мы не можем ему что-то продать в его гневном обращении к нам - значит не будем тратить время на общение - сливаем его нейросети.

✅ Кто-то готов отдать клиента с потенциальным чеком в несколько сотен тысяч рублей на отработку нейросети ради автоматизации?

Вот и ответ на вопрос: можно ли сделать искусственный интеллект с реалистичными ответами клиенту в реальном времени.

Обратите внимание на задержки с ответами. OpenAI имеет доступ к своим же технологиям на максимальной скорости и не может добиться быстрых ответов, а надо ещё синтезировать голос и получить ответ из базы данных.

Но прогресс впечатляет.

Кстати вчера вышел claudе в appstore. Авторизация через google с vpn работает. Вот.

Сильный конкурент GPT.