Квалификация лидов и персональные follow-up письма с помощью LLM

2026-11-04 · продажи лиды автоматизация ai

Большая языковая модель может взять на себя рутинную часть работы менеджера по продажам: прочитать текст заявки или переписки, определить «горячий» это лид или «холодный» и сразу написать персональное follow-up письмо. Это ускоряет реакцию на входящие обращения, разгружает отдел продаж и делает первое касание по-настоящему персональным. Ниже — готовый скрипт на Python, который выполняет эту работу за секунды через OpenAI-совместимый API шлюза TokenMaster.

Что понадобится

API-ключ TokenMaster — он создаётся в разделе «Ключи» после регистрации на tokenmaster.ru.
Python 3.8+ с установленной библиотекой openai (или requests). Либо любая интеграция с вашей CRM, которая умеет обращаться к OpenAI-совместимому API.
Тексты заявок или переписок, которые вы хотите обрабатывать.

Пошаговая настройка

Скрипт принимает текст заявки, отправляет его модели с системным промптом «ты — менеджер по продажам» и получает обратно оценку лида вместе с готовым письмом. Сначала установите официальный клиент OpenAI:

pip install openai

Теперь напишите такой код:

from openai import OpenAI

client = OpenAI(
    base_url="https://tokenmaster.ru/v1",
    api_key="sk-ваш-ключ",
)

def qualify_lead(text: str) -> str:
    response = client.chat.completions.create(
        model="deepseek-flash",
        messages=[
            {
                "role": "system",
                "content": (
                    "Ты — менеджер по продажам. Оцени лид по тексту заявки "
                    "и определи его температуру: «горячий» или «холодный». "
                    "Обоснуй оценку одной фразой и напиши короткое персональное "
                    "follow-up письмо клиенту."
                ),
            },
            {"role": "user", "content": text},
        ],
        temperature=0.4,
    )
    return response.choices[0].message.content

lead = "Здравствуйте, ищем решение для автоматизации отдела продаж на 20 человек. Нужен расчёт в течение недели."
print(qualify_lead(lead))

Модель вернёт температуру лида, короткое обоснование и готовое письмо. В примере использован deepseek-flash, но вы можете указать glm-4.5, qwen или другую модель из каталога — код не меняется.

Если заявок несколько, просто прогоните их по очереди и сохраните результат в отдельный файл или передайте обратно в CRM:

leads = [
    "Нужна интеграция с 1С и Битрикс24 до конца месяца.",
    "Просто интересуюсь ценами, пока сравниваю варианты.",
]

for text in leads:
    result = qualify_lead(text)
    print(result)
    print("---")

При желании можно попросить модель возвращать строгий JSON со статусом лида (hot / cold) и текстом письма в отдельных полях — так ответ удобнее разбирать автоматически и записывать в базу.

Подключение TokenMaster

Скрипт работает с любым OpenAI-совместимым API, а TokenMaster предоставляет именно такой интерфейс:

Base URL: https://tokenmaster.ru/v1
API Key: ваш ключ вида sk-…

Один ключ и один баланс покрывают сразу все модели — DeepSeek, GLM (Zhipu) и Qwen. Оплата из России, без привязки к зарубежной карте: пополняйте баланс и расходуйте его на любые модели. Подробнее о моделях и параметрах запросов — в документации tokenmaster.ru/docs.

Проверка работы

Запустите скрипт с реальным текстом заявки. Если в ответе есть оценка и письмо — всё настроено верно. Для проверки хорошо подходит заявка из примера: модель должна пометить её как «горячую», потому что в ней указаны сроки и размер команды. Если появилась ошибка:

401 / invalid api key — ключ неверный или скопирован не целиком (он должен начинаться с sk-).
connection error — проверьте Base URL: ровно https://tokenmaster.ru/v1, без лишнего /chat/completions в конце.
insufficient quota — на балансе недостаточно средств, пополните его в разделе «Кошелёк».

Частые вопросы

Можно ли обрабатывать лиды из CRM автоматически? Да. CRM обычно умеет вызывать вебхуки или внешние скрипты: достаточно передавать текст заявки в функцию qualify_lead при создании новой сделки и сохранять ответ в карточку лида. Так квалификация срабатывает сразу при поступлении заявки, без участия человека.

Какую модель выбрать для квалификации лидов? Для быстрых и дешёвых оценок подойдёт deepseek-flash, для более развёрнутых писем — deepseek-v4-pro, glm-4.5 или qwen. Актуальный каталог смотрите на tokenmaster.ru/pricing.

Что делать, если модель ошибается в температуре лида? Уточните системный промпт — добавьте примеры «горячих» и «холодных» заявок или список критериев. Например, «горячий» лид — это наличие сроков, бюджета и конкретной задачи. Точность растёт вместе с качеством инструкции, а за счёт единого ключа TokenMaster экспериментировать с промптами и моделями можно без лишних настроек.

Итог

LLM через OpenAI-совместимый API TokenMaster закрывает рутинную часть работы с входящими заявками: квалифицирует лиды и пишет персональные follow-up письма за секунды, а менеджеру остаётся только утвердить результат и отправить. Подключите скрипт, укажите Base URL https://tokenmaster.ru/v1 и ключ — и автоматизируйте первый шаг продаж без сложной инфраструктуры.