Антон Дегтярёвкак автоматизировать ответы на авито через ai + битрикс24
Шаблонный автоответ на Авито закрывает от силы 3 типовых вопроса из 10 — остальные семь всё равно ждут человека, потому что клиенты формулируют один и тот же вопрос десятком разных способов. Именно здесь появляется смысл в AI-слое поверх обычного коннектора. Разбираю, из чего он технически собран, что можно доверить автоматике полностью, а что нет.
чем ai-бот отличается от шаблонного автоответа
Шаблонный автоответ на первое сообщение работает по жёсткому триггеру: пришло сообщение — ушёл заготовленный текст с ценой, адресом или ссылкой на сайт. Это быстро и надёжно, но ловит только те формулировки, которые предусмотрел человек, когда настраивал шаблон.
На аудите переписки Авито я обычно вижу, что 7 из 10 входящих сообщений — типовые вопросы о цене, наличии и адресе, но текст каждый раз сформулирован по-разному: «сколько стоит», «а цена окончательная», «торг уместен», «это ещё продаётся». Жёсткий шаблон, завязанный на ключевые слова, часть этих формулировок просто не распознаёт.
AI-слой решает другую задачу — он не ищет точное совпадение фразы, а определяет намерение покупателя вне зависимости от формулировки, и подбирает ответ по смыслу, а не по ключевому слову. Про сам шаблонный автоответ на первое сообщение и его настройку я подробно писал в статье про ответы на сообщения Авито — здесь беру только AI-надстройку сверху.
из чего технически собрана связка
Никакого отдельного «официального API чат-ботов Авито» не существует — связка строится из трёх компонентов, которые уже существуют отдельно друг от друга. Первый — коннектор, который передаёт переписку Авито в CRM (через Wazzup, официальный API Авито или специализированный сервис — подробно сравнивал варианты в статье про коннекторы Авито и CRM).
Второй компонент — языковая модель, которая анализирует текст входящего сообщения и формулирует ответ. В Битрикс24 для этого можно использовать встроенный CoPilot с выбором провайдера — GigaChat, YandexGPT или модель по умолчанию. Как переключить провайдера и в чём разница между ними, разбирал в статье про GigaChat в Битрикс24.
Третий — правило автоматизации, которое связывает первые два: при поступлении сообщения в открытую линию CRM запускается обращение к AI-модели с текстом сообщения и контекстом карточки (товар, цена, статус сделки), а результат — либо готовый текст, либо структурированная классификация — попадает обратно в карточку.
как ai классифицирует намерение покупателя
На практике удобнее не просить модель сразу писать ответ клиенту, а сначала классифицировать сообщение по типу: вопрос о цене, вопрос о наличии, вопрос о доставке, жалоба или конфликт, нецелевое сообщение (спам, реклама, попытка увести с площадки).
Такая двухшаговая схема даёт контроль: по каждому типу можно задать свою логику. Вопрос о цене и наличии — модель формирует ответ автоматически на основе данных карточки. Жалоба или конфликт — сообщение сразу эскалируется человеку без попытки автоответа, потому что здесь цена ошибки высокая.
На моих проектах именно разделение по типу намерения, а не единый универсальный промпт «ответь на сообщение клиента», даёт предсказуемый результат. Универсальный промпт время от времени выдаёт странные ответы на нетиповые сообщения, а классификация с разной логикой на каждый тип таких сюрпризов не создаёт.
что можно доверить автоматике, а что нет
Полностью автономно, без проверки человеком, я рекомендую отдавать AI только вопросы с однозначным фактическим ответом из данных карточки: актуальная цена, есть ли товар в наличии, адрес и часы работы, ссылка на дополнительные фото. Здесь риск ошибки минимален, потому что модель просто подставляет данные, а не сочиняет условия сделки.
Вопросы про торг, индивидуальные условия, сроки доставки в конкретный город, состояние товара с нюансами (небольшая царапина, отсутствие коробки) — это зона, где автономный ответ рискует пообещать клиенту то, чего компания не планировала. Здесь модель готовит черновик, но отправляет его человек, после беглой проверки.
Жалобы, споры, сообщения на повышенных тонах — сюда AI вообще лучше не подпускать на отправку, даже с проверкой. Правильная реакция бота на конфликтное сообщение — мгновенная эскалация ответственному менеджеру с пометкой «требует внимания», а не попытка сгладить ситуацию текстом.
черновик ответа вместо автономной отправки
В проектах, где я ставил AI-черновик вместо автономной отправки, ни разу не было жалобы клиента на «робота» — потому что финальный текст всегда проверял человек, и странности отлавливались до отправки, а не после.
Технически это выглядит так: сообщение приходит в открытую линию, AI формирует вариант ответа и кладёт его в комментарий к диалогу или во внутреннее поле карточки, менеджер видит черновик рядом с окном переписки, при необходимости правит одно слово и отправляет одним кликом, а не печатает с нуля.
Разница по времени ощутимая: набрать ответ с нуля на типовой вопрос занимает у менеджера 1-2 минуты, проверить и отправить готовый черновик — 10-15 секунд. При потоке в 50-100 сообщений в день за счёт этого освобождается несколько часов рабочего времени в неделю.
Автономную отправку без проверки я рекомендую включать только после 2-3 недель работы в режиме черновика, когда видно на реальных данных, что модель не ошибается на типовых вопросах компании — а не сразу с первого дня подключения.
риски и ограничения — что может пойти не так
Первый риск — устаревшие данные в карточке товара. Если цена в CRM не совпадает с ценой в самом объявлении на Авито, AI честно озвучит неверную цену клиенту, потому что берёт данные из системы, а не проверяет площадку заново. Актуальность карточек — обязательное условие до включения автоответов, а не опция.
Второй риск — площадка может расценить массовую автоматическую переписку как подозрительную активность, особенно если ответы идут мгновенно и без вариативности формулировок. Практический совет — не убирать задержку полностью: короткая случайная пауза в 20-60 секунд перед отправкой ответа выглядит естественнее и снижает такой риск.
Третий момент, чисто человеческий — часть клиентов прямо спрашивают «это бот отвечает?». Здесь я советую клиентам не врать: честный ответ «да, первичную обработку веду с помощью ассистента, а окончательные условия обсуждаем лично» работает лучше попытки выдать бота за живого человека, которая почти всегда вскрывается на втором сообщении.
Четвёртый риск — модель может ответить уверенным тоном там, где на самом деле не хватает данных в карточке, например про точную комплектацию товара. Здесь помогает простое правило в промпте: если данных для однозначного ответа нет, модель обязана вернуть пометку «нужен уточняющий ответ человека», а не додумывать детали от себя.
как это встраивается в существующую crm-воронку
Правило простое: AI-слой не создаёт отдельную сущность рядом с воронкой, он работает внутри уже существующей карточки лида, которую создаёт коннектор. Классификация намерения и черновик ответа — это дополнительные поля и комментарии в той же карточке, а не параллельная система учёта.
Если намерение классифицировано как «горячий интерес» (клиент спрашивает про оформление, готов приехать смотреть), это можно использовать как триггер для смены стадии сделки или назначения приоритетного ответственного — без участия человека на этом конкретном шаге.
Отчётность тоже получается более честной: вместо общей цифры «пришло 200 сообщений» руководитель видит разбивку по типам намерений и долю, закрытую автоматикой без участия менеджера — это тот показатель, который реально демонстрирует эффект от внедрения AI, а не абстрактное «стало удобнее».