CRM-система для B2B-продаж производственной компании
Разработали кастомную CRM под нужды B2B-продаж: длинный цикл, технически сложный продукт, множество ЛПР на стороне клиента. Конверсия сделок выросла на 22%.
Задача
Производитель промышленного оборудования работал в Excel и почте. Цикл сделки — 6–18 месяцев, в каждой участвуют 5–8 сотрудников с обеих сторон. Годовой оборот компании — 1,2 млрд ₽, при этом потеря одной крупной сделки означала убыток в десятки миллионов.
- История переговоров терялась при смене менеджера — за год ушли 3 ключевых продавца, забрав контекст сделок в головах
- Нет прозрачности по воронке — РОП строил прогноз выручки вручную в Excel, точность составляла ±40%
- Технические требования клиентов фиксировались в разных местах — переписка, WhatsApp, заметки в блокноте. При подготовке КП собирали данные по 2–3 дня
- Типовые CRM не подходят — Bitrix24 и amoCRM не справляются с многомесячным циклом и множеством ЛПР
- Нет конфигуратора продукта — каждое КП собиралось инженером вручную, что занимало 3–5 рабочих дней
Руководство оценивало потери от несостоявшихся сделок (из-за медленного реагирования и потери контекста) в 80–120 млн ₽ в год.
Решение
Разработали CRM на Python/Django с учётом специфики длинных B2B-продаж промышленного оборудования.
Этап 1: Проектирование (3 недели)
- Карта процессов продаж: 7 стадий, 40+ точек касания с клиентом
- Модель данных под технические запросы и полную историю изменений спецификаций
- Прототипирование интерфейсов совместно с менеджерами по продажам
Этап 2: Разработка ядра (8 недель)
- Воронка продаж — настраиваемые стадии с автоматическими триггерами (напоминания, эскалации, задачи)
- Карточка клиента — карта ЛПР с ролями и влиянием, полная история коммуникаций, привязка к организационной структуре клиента
- Модуль технических требований — структурированное хранение ТЗ с версионированием и историей правок
- Конфигуратор продукта — инженер собирает комплектацию из каталога, система автоматически рассчитывает стоимость и сроки
Этап 3: Аналитика и интеграции (4 недели)
- Дашборд для РОП — прогноз выручки на квартал с учётом вероятности закрытия каждой сделки
- Интеграция с 1С — автоматическая передача данных по закрытым сделкам, синхронизация каталога продукции
- Генератор КП — автоматическое формирование коммерческого предложения по шаблону с подстановкой конфигурации
Технические детали
CRM построена на Django с React-фронтендом. Конфигуратор продукта использует древовидную структуру каталога с зависимостями между компонентами — система автоматически проверяет совместимость выбранных опций и рассчитывает итоговую стоимость. Интеграция с 1С через REST API обеспечивает синхронизацию каталога и передачу данных по закрытым сделкам.
Карта ЛПР
Ключевая функция для длинных B2B-сделок — визуальная карта лиц, принимающих решения, на стороне клиента. Для каждого ЛПР фиксируется роль (инициатор, технический эксперт, бюджетодержатель, финальный подписант), степень влияния и история контактов. При смене менеджера по продажам новый сотрудник мгновенно входит в контекст.
Результаты после 6 месяцев
- Конверсия в сделку выросла на 22% — за счёт системной работы с каждым ЛПР
- Время подготовки КП сократилось с 3–5 дней до 1 дня благодаря конфигуратору
- РОП видит прогноз выручки в реальном времени с точностью ±15% (было ±40%)
- При уходе менеджера переход сделок к новому сотруднику занимает 1 день вместо 2 недель
"Система сделана именно под наш процесс — не мы под неё подстраивались, а она под нас."