Jak podłączyć AI do Raynet CRM i co naprawdę może zrobić z Waszym lejkiem sprzedaży?

Tak, da się to zrobić. Raynet CRM ma otwarte REST API, więc AI można do niego podłączyć bezpośrednio i pracować na żywych danych z Waszego systemu. Wyciągamy szanse sprzedaży, aktywności, oferty i historię kontaktów, a AI robi z tego konkretne rzeczy: przypomina handlowcowi, że szansa czeka trzeci tydzień bez ruchu, przygotowuje brief przed spotkaniem z klientem albo pisze draft follow-upa po wysłanej ofercie. Żadnej magii i żadnych osobnych pośredników do instalowania.

Co Raynet przechowuje i które dane są dla AI najbardziej wartościowe

Raynet dzieli dane na kilka głównych obszarów. Firmy i kontakty to fundament: każda firma ma przypisanego opiekuna, datę ostatniego kontaktu, kategorię i własne pola dostosowane przez administratora. Do firm i kontaktów przypisane są szanse sprzedaży, aktywności, oferty i zamówienia.

Szansa sprzedaży to dla AI najcenniejszy obiekt. Ma nazwę, firmę, fazę w lejku (w Raynecie fazy są konfigurowalne, typowo: "Nowe", "Propozycja", "Negocjacje", "Kontrakt"), prognozowaną wartość, datę planowanego zamknięcia i przypisanego handlowca. Ma też historię aktywności przypiętych do tej szansy: widać, kiedy był ostatni kontakt, co ustalono i czy coś zostało do zrobienia.

Aktywności w Raynecie to: spotkania, telefony, e-maile i zadania. Każda ma typ, temat, termin, status (wykonana / niewykonana) i notatkę z treścią. Zaległe aktywności, czyli takie z przekroczonym terminem i statusem "niewykonana", to gotowy sygnał dla AI: tu coś utknęło.

Oferty mają własny cykl: przygotowana, wysłana, zaakceptowana, odrzucona. Data ważności oferty i jej status to dwa parametry, z których AI korzysta najczęściej. Oferta wysłana dziesięć dni temu, bez odpowiedzi, z datą ważności za cztery dni: to jest sytuacja, na którą handlowiec powinien zareagować dziś. Bez przypomnienia często nie reaguje wcale, bo inne tematy gonią.

Zamówienia w Raynecie uzupełniają obraz klienta. Jeśli firma kupuje u Was regularnie, historia zamówień w połączeniu z aktywnościami daje AI konkretny kontekst: czego klient szukał, co kupił, kiedy był ostatni kontakt handlowy.

Jak wygląda fizyczne podłączenie: REST API Raynetu, klucze i uprawnienia

Raynet udostępnia REST API opisane w dokumentacji na developers.raynet.cz. To standardowe API: wysyłacie zapytanie HTTP z odpowiednimi nagłówkami, dostajecie odpowiedź w JSON. Nie trzeba instalować żadnych dodatkowych modułów ani wtyczek po stronie Raynetu.

Do integracji potrzebujecie trzech rzeczy:

• Konta API w Raynecie: tworzy je administrator instancji. W ustawieniach systemu jest sekcja "Klucze API" albo "Integracje". Konto dostaje login i klucz API, czyli długi ciąg znaków. Ten klucz przechowujemy jako zaszyfrowany sekret w portalu, nie wpisujemy go w pliki konfiguracyjne ani w kod skryptu.
• Nazwy instancji Raynetu: każda firma ma swoją subdomenę, np. nazwafirmy.raynet.cz. Ta nazwa identyfikuje, do której bazy CRM kierujemy zapytania. Bez niej API nie wie, o czyje dane pytacie.
• Odpowiednich uprawnień dla konta API: jeśli chcemy pobierać szanse sprzedaży i oferty, prawa do odczytu tych modułów muszą być włączone dla konta integracji. Bez tego API zwróci błąd 403 i nic więcej.

Sam przepływ danych jest prosty. Skrypt albo agent AI odpytuje API Raynetu: "daj mi wszystkie szanse sprzedaży ze statusem Propozycja, które nie miały żadnej aktywności od czternastu dni". API zwraca listę rekordów w JSON, AI czyta te dane i generuje gotowe treści albo podsumowania.

W większości wdrożeń zaczynamy od czystego odczytu, bez zapisu przez AI. Zapis do Raynetu przez API też jest możliwy i ma sens np. przy automatycznym tworzeniu aktywności-przypomnień, ale to krok drugi, po tym jak odczyt już działa stabilnie.

Czego Raynet nie udostępnia przez API: treści e-maili wysyłanych z zewnętrznego klienta pocztowego, jeśli nie były logowane ręcznie do CRM. Załączniki dodane do akt klienta nie wychodzą automatycznie jako czytelny tekst. AI widzi dokładnie to, co zostało wpisane do systemu przez handlowca albo importowane z zewnątrz. To ważne ograniczenie i dlatego jakość danych w CRM ma bezpośredni wpływ na jakość wyników AI.

AI przypomina o szansach, które utknęły w połowie lejka

Handlowiec wysyła ofertę. Klient "musi się zastanowić". Temat cichnie. W Raynecie szansa zostaje z fazą "Propozycja" i nikt jej nie rusza, bo inne sprawy gonią. Po trzech tygodniach nikt już nie pamięta, co ustalono na ostatnim kontakcie i czy w ogóle coś ustalono.

AI raz dziennie albo raz w tygodniu przegląda szanse, które spełniają określone warunki: faza aktywna, brak aktywności od X dni, termin zamknięcia minął albo zbliża się za kilka dni. Dla każdej takiej szansy generuje krótki komunikat do handlowca: nazwa firmy, ostatnia aktywność, liczba dni bez kontaktu, sugerowany następny krok.

U jednego klienta, firmy doradczej z działem sprzedaży projektowej, po uruchomieniu tego mechanizmu wyszło, że z czterdziestu kilku szans w lejku jedenaście nie miało żadnej aktywności od ponad trzech tygodni. Handlowcy wiedzieli o tych tematach, ale każde "poczekamy na ich decyzję" zamieniło się w zapomnienie. AI po prostu wyciągnęło te rekordy i wygenerowało listę dla każdego opiekuna. Żadna filozofia.

Ważny szczegół: AI w tym miejscu nie ocenia, czy warto dzwonić, ani nie zna kontekstu relacji. Jego rola to tylko upewnienie się, że żadna szansa nie gubi się przez przeoczenie. Decyzja, co zrobić dalej, zostaje po stronie handlowca.

Notatka przed spotkaniem, którą AI przygotowuje w kilka minut

Handlowiec jedzie na spotkanie z klientem o 10:00. O 9:45 chce wiedzieć: co ustaliliśmy ostatnio, co obiecaliśmy, co klient kupił wcześniej, czy są jakieś zaległe sprawy. Zazwyczaj to kilkanaście minut szukania w CRM, przewijania historii aktywności i przypominania sobie e-maila sprzed miesiąca.

AI robi to inaczej. Na żądanie ("przygotuj brief na spotkanie z firmą Kowalski Sp. z o.o.") albo automatycznie przed każdym zaplanowanym spotkaniem z kalendarza handlowca, pobiera z Raynetu:

• wszystkie aktywności przypisane do tej firmy i kontaktu z ostatnich 90 dni, z treścią notatek
• otwarte szanse sprzedaży i ich fazy
• ostatnią wysłaną ofertę ze statusem i datą ważności
• zamówienia złożone przez tego klienta, jeśli są w Raynecie

Z tego składa jedną stronę: co klient kupił, co negocjujemy, co ustalono na ostatnim kontakcie, jakie były zastrzeżenia i jakie pytania warto zadać. Nie jest to analiza przygotowana przez konsultanta. To zebranie danych w czytelną formę, zamiast przeklikiwania zakładek w CRM tuż przed wyjściem z biura.

Jeden warunek, o którym zawsze mówimy przy wdrożeniu: notatki w Raynecie muszą być. Jeśli historię kontaktów handlowcy trzymają w głowach albo w prywatnych mailach, AI też tego nie wyciągnie. Przy okazji to dobry moment, żeby zacząć dbać o jakość danych w CRM: brief z Raynetu jest tak dobry, jak dobre są notatki z aktywności.

Follow-up po wysłanej ofercie: AI przygotowuje draft, handlowiec decyduje czy wysyła

Oferta poszła do klienta. Mija tydzień, dwa tygodnie, cisza. Handlowiec wie, że trzeba się odezwać, ale nie wie jak zacząć. "Chciałem zapytać czy Pan zapoznał się z ofertą" brzmi blado i obie strony to wiedzą.

AI przygotowuje projekt wiadomości na podstawie danych z Raynetu: nazwy oferty, jej wartości, poprzednich rozmów i kontekstu z notatek. Wiadomość jest spersonalizowana pod konkretną firmę i osobę kontaktową, a nie generyczna. Handlowiec dostaje gotowy draft, może go poprawić i wysyła ze swojego klienta pocztowego.

Możemy to zautomatyzować dalej: AI raz w tygodniu generuje listę ofert "bez odpowiedzi od X dni" i dla każdej z nich przygotowuje draft follow-upa. Handlowiec w piątek po południu przegląda listę, zatwierdza albo koryguje, wysyła. Zamiast pisać każdą wiadomość od zera i zamiast zapominać o połowie z nich.

Co AI bierze pod uwagę przy pisaniu follow-upa: czy to nowy klient czy stały, wartość oferty, czy wcześniej były zastrzeżenia (z notatek z aktywności), jaka branża klienta. Im lepiej wypełnione dane w Raynecie, tym trafniejszy draft. Przy słabo uzupełnionym CRM dostajecie generyczny tekst. Przy dobrze uzupełnionym: wiadomość, do której mało co trzeba dopisywać.

Tygodniowe podsumowanie lejka dla szefa sprzedaży

Poniedziałkowy ranek. Szef sprzedaży chce wiedzieć: ile mamy szans, w jakich fazach, co się zmieniło w stosunku do zeszłego tygodnia, kto nie ruszył swoich tematów. W większości firm to albo ręczna robota w excelu, albo pół godziny klikania po raportach CRM.

AI raz w tygodniu, w ustalony dzień i godzinę, pobiera dane z Raynetu i przygotowuje podsumowanie. Raport zawiera:

• liczbę aktywnych szans w podziale na fazy lejka i zmiany od poprzedniego tygodnia
• łączną prognozowaną wartość lejka
• szanse, które zmieniły fazę: wygrane, przegrane, przesunięte do przodu
• handlowców z największą liczbą zaległych aktywności
• szanse, które przekroczyły planowaną datę zamknięcia bez ruchu
• oferty wysłane, bez odpowiedzi od ponad dwóch tygodni

Raport idzie mailem do szefa sprzedaży w poniedziałek o 7:30 albo pojawia się w wybranym komunikatorze. Bez logowania do systemu, bez przeklikiwania. Jeden zwięzły dokument przed porannym stand-upem.

Typowo taki raport ma dwie strony tekstu i jedną tabelę z podziałem na handlowców. Więcej zaczyna być nieczytelne. Zakres i formę ustalamy przy wdrożeniu razem z osobą, która będzie go czytać, bo "co ważnego w lejku" różni się między firmą z pięcioma handlowcami a firmą z dwudziestoma.

Od czego zaczynacie i jak wygląda wdrożenie w praktyce

Pierwsza rzecz: sprawdzamy, czy dane w Raynecie są wystarczające. API wyciągnie to, co jest wpisane. Jeśli szanse sprzedaży mają uzupełnione fazy, wartości i daty zamknięcia, a aktywności mają notatki, to mamy materiał do pracy. Jeśli CRM jest wypełniony połowicznie, zaczynamy od ustalenia, które dane są obowiązkowe do uzupełniania, zanim wpinamy AI.

Kolejne kroki:

• Tworzymy konto API w Raynecie z prawami do odczytu wybranych modułów.
• Budujemy pierwsze zapytanie testowe i sprawdzamy, czy dane wracają kompletne i w oczekiwanym formacie.
• Uruchamiamy jeden mechanizm: np. tygodniowe przypomnienie dla handlowców o szansach bez ruchu. Przez dwa, trzy tygodnie sprawdzamy, czy lista jest trafna i czy handlowcy z niej korzystają.
• Dopiero potem dokładamy kolejne: notatki przed spotkaniami, follow-upy, raport dla szefa sprzedaży.

Nie warto wdrażać wszystkiego naraz. Każdy mechanizm wymaga kalibracji: ile dni bez aktywności to "za długo", jakie fazy lejka mają być monitorowane, kto dostaje jakie raporty i jak często. To się ustala w rozmowie z handlowcami i szefem sprzedaży, a nie z góry, przy biurku, z pustą tabelą założeń.

Mamy za sobą kilka integracji z systemami CRM i dobrze widać, gdzie leży różnica między "działa technicznie" a "naprawdę używają". Ta różnica to właśnie kalibracja pod konkretny proces sprzedaży Waszej firmy. Dane w CRM muszą być wiarygodne, a mechanizmy AI muszą dawać wyniki, które handlowcy rzeczywiście sprawdzają. Jedno bez drugiego nie działa.

Chcecie zobaczyć, jak to mogłoby wyglądać u Was? Umówcie się na 15 minut rozmowy i sprawdzimy razem, czy dane w Waszym Raynecie są gotowe do pracy. Możecie też zajrzeć na realne wdrożenia, żeby zobaczyć, jak podobne integracje wyglądają u innych firm.