Integracja AI z Pipedrive: lejek sprzedaży pod kontrolą AI

Typowy lejek sprzedażowy w Pipedrive wygląda tak samo u co drugiego klienta, do którego wchodzimy: kilkadziesiąt otwartych dealów, część z nich od 40 dni w etapie "Oferta wysłana", kilkanaście aktywności z datą "wczoraj" i notatki pisane skrótami zrozumiałymi tylko dla autora. Wszystko jest w systemie. Tylko że nikt tego nie czyta przed dzwonieniem do klienta.

AI nie dodaje tu żadnej magii. Robi coś prostszego: czyta to, co już jest w Pipedrive, i odpowiada na pytania, których ręczne opracowanie zajęłoby 20 minut szukania po historii. Handlowcy nie muszą zmieniać nawyków, menedżer dostaje codzienny przegląd bez budowania filtrów w Insights. To tylko kwestia tego, żeby dane, które firma już zbiera, faktycznie pracowały.

Co siedzi w Pipedrive, zanim AI do tego dotrze

W każdym wdrożeniu Pipedrive, z którym pracujemy, mamy do czynienia z kilkoma warstwami danych. Część firm zbiera je sumiennie od lat. Część ma dziury w notatkach i aktywności wpisywane z oporami. Tak czy inaczej, struktura jest ta sama:

• Deale z wartością, etapem (Stage), planowaną datą zamknięcia (Expected Close Date) i statusem Won/Lost
• Kontakty w dwóch obiektach: Person (imię, stanowisko, telefon, mail) i Organization (firma, branża, adres)
• Aktywności: połączenia telefoniczne, spotkania, maile, zadania, z datami i notatkami po rozmowie
• Notatki wpisywane ręcznie do deala lub kontaktu, często z treścią negocjacji i ustaleniami
• Pola własne (Custom Fields) dobrane pod firmę, np. źródło leada, typ kontraktu, branża klienta
• Powody przegranej (Lost Reason) przy zamkniętych dealach
• Historia zmian etapów: kiedy deal przeszedł z "Demo umówione" do "Negocjacje" i ile tam siedzi

To jest dużo. Typowy handlowiec z 2 latami pracy w firmie ma w Pipedrive setki notatek i kilkaset wpisanych aktywności. Nikt tego nie przegląda w całości przed każdym telefonem. AI robi to za niego w kilka sekund.

Jak wyciągamy dane przez API

Pipedrive ma REST API z dobrą dokumentacją. Podłączamy się przez tokeny API przypisane do konkretnego konta lub użytkownika. Z praktycznego punktu widzenia korzystamy przede wszystkim z endpointów /deals, /persons, /organizations, /activities, /notes oraz /dealFields. Ten ostatni jest potrzebny po to, żeby znać nazwy i znaczenie pól własnych danej firmy, bo każda konfiguruje je inaczej.

Dane można pobierać na dwa sposoby. Pierwszy to tryb "na żądanie": handlowiec pyta asystenta o konkretny deal i AI w czasie rzeczywistym wyciąga aktualne dane z Pipedrive. Drugi to tryb cykliczny: raz dziennie, zazwyczaj rano, asystent przegląda cały aktywny lejek i wysyła raport do menedżera lub do kanału na Slacku czy Teams.

Ważna kwestia: dane nie lądują nigdzie na stałe w zewnętrznych bazach. AI przetwarza je i zwraca wnioski. Surowe dane z CRM pozostają w Pipedrive.

Podsumowanie relacji z klientem przed spotkaniem

Jeden z najczęstszych scenariuszy, od których zaczynamy: handlowiec ma jutro spotkanie z klientem. Deal jest otwarty od trzech miesięcy. W tym czasie była oferta, dwie rozmowy telefoniczne i jedno spotkanie online, z którego ktoś wpisał notatkę zaczynającą się od "omówiliśmy cennik, klient pytał o..."

Zamiast scrollować przez historię deala przez 10 minut, handlowiec pisze do asystenta: "Przypomnij mi, co wiem o [nazwa klienta] przed jutrzejszym spotkaniem." AI czyta wszystkie notatki, aktywności, datę ostatniego kontaktu i historię zmian etapów. Odpowiada w kilku zdaniach: kiedy był ostatni kontakt, co ustalono, jakie padły obiekcje, co zostało obiecane.

U jednego z klientów, firma doradcza z kilkunastoma handlowcami, po 6 tygodniach od uruchomienia tego scenariusza handlowcy przestali otwierać zakładkę historii deala przed telefonem. Pytają asystenta. Różnica w jakości przygotowania do rozmowy jest wyraźna, szczególnie przy dealach, które wróciły po kilku miesiącach przerwy.

Zaniedbane deale: AI jako system wczesnego ostrzegania

Pipedrive ma wbudowany wskaźnik rotting: deal zostaje oznaczony jako zaniedbany po określonej liczbie dni bez aktywności. To użyteczna funkcja, ale działa tylko na jednym wymiarze. AI patrzy głębiej.

Które deale mają za sobą trzy nieodebrane połączenia z rzędu? Który klient odpowiadał regularnie, a nagle umilkł po tym jak wysłaliśmy wycenę? Który deal utknął w etapie "Negocjacje" dwa razy dłużej niż średnia dla tego etapu w historii wygranych dealów?

Jeden przykład z praktyki: klient z branży IT, deal z firmą produkcyjną siedział 8 tygodni w etapie "Demo umówione" bez żadnej aktywności. Handlowiec "pamiętał o tym". Codzienny raport AI wyciągnął ten deal z kontekstem: trzy nieodebrane połączenia, brak odpowiedzi na mail z wyceną, ostatni kontakt 53 dni temu. Manager zadzwonił osobiście. Deal się zamknął.

Taki raport AI może generować co rano. Lista zaniedbanych dealów z krótkim streszczeniem sytuacji i konkretną sugestią działania. Nie "skontaktuj się z klientem", tylko: "Ostatni kontakt 18 dni temu, klient poprosił o 2 tygodnie na decyzję. Termin minął 4 dni temu. Zaproponuj krótkie spotkanie telefoniczne zamiast kolejnego maila."

Prognoza lejka: który deal naprawdę się zamknie

Expected Close Date i Probability w Pipedrive to pola wpisywane ręcznie przez handlowca. W praktyce bywają zbyt optymistyczne. Handlowiec wpisuje 70% szansy, bo "sprawa idzie dobrze", a deal ląduje w Lost po 3 miesiącach.

AI może patrzeć na wzorzec zamiast na subiektywną ocenę. Jak długo deal jest w danym etapie w porównaniu z historią wygranych dealów tej firmy? Jak wygląda aktywność na tym dealu: rośnie przed spodziewanym zamknięciem czy spada? Czy w notatkach pojawiały się obiekcje cenowe, które historycznie poprzedzały przegraną?

To nie jest gotowy moduł w Pipedrive, który włączamy jednym kliknięciem. To jest analiza, którą AI robi na danych z API, ucząc się wzorców z historii konkretnej firmy. Efekt: menedżer pyta "Które szanse z Q3 mają realną szansę zamknąć się w tym kwartale?" i dostaje listę z uzasadnieniem, a nie tylko subiektywny ranking z odpraw handlowych.

Porządek w pipeline: co AI widzi patrząc na całość

Przy dużej liczbie dealów manager traci orientację. AI może w każdej chwili odpowiedzieć na pytania, które w normalnym trybie wymagają ręcznego budowania filtrów w zakładce Insights lub eksportu do Excela:

• Które deale w etapie "Propozycja wysłana" czekają ponad 30 dni bez aktywności?
• Ile dealów zakończyło się Lost w tym kwartale z powodem "cena" i jak to się ma do poprzedniego kwartału?
• Które Organization mają otwarte deale od ponad roku bez zmiany etapu?
• Które deale mają puste pole Expected Close Date lub brakujące Custom Fields wymagane do przygotowania oferty?

Przy okazji AI wyłapuje problemy z jakością danych w CRM. Deale bez przypisanego handlowca, zduplikowane Organization pod różnymi nazwami, kontakty Person bez numeru telefonu mimo że "byliśmy na spotkaniu w październiku" (tak stoi w notatce z działań). To częstszy problem niż firmy przyznają, i AI go pokazuje wprost, bez owijania w bawełnę.

Od czego zaczynamy

Zanim podłączymy cokolwiek, patrzymy na stan danych w Pipedrive. Konkretnie sprawdzamy kilka rzeczy:

• Jak zdefiniowane są etapy (Stages) i czy handlowcy rozumieją je tak samo w całym zespole
• Jak gęste są notatki i aktywności, bo jeśli handlowcy wpisują minimum, AI nie ma z czego korzystać
• Które Custom Fields są faktycznie wypełniane, a które są puste od momentu konfiguracji
• Czy Lost Reasons są wpisywane konsekwentnie, bo to cenne dane do analizy wzorców przegranych dealów

Pierwszy scenariusz to zazwyczaj albo podsumowanie relacji z klientem przed rozmową, albo codzienny raport zaniedbanych dealów. Jeden z dwóch, nie oba naraz. Po 4-6 tygodniach pracy z jednym scenariuszem widać, gdzie leżą kolejne miejsca do zagospodarowania. Tak budujemy to stopniowo, zamiast próbować objąć cały proces sprzedaży za jednym razem.

Jeśli masz Pipedrive i zastanawiasz się, co realnie można z tych danych wyciągnąć w Twojej firmie, zacznij od bezpłatnego audytu. Sprawdzimy stan danych, dobierzemy pierwszy scenariusz i pokażemy jak to wygląda na Twoich dealach, nie na danych testowych. Możesz też zerknąć na realne wdrożenia, żeby zobaczyć jak to działa u innych firm.