Клиент задержал оплату счёта, а менеджер по продажам должен напомнить об этом так, чтобы сохранить отношения и обойтись без навязчивости — нейросеть готовит цепочку из двух-трёх писем с нарастающим тоном за 10–15 минут вместо получаса подбора формулировок вручную под каждого клиента.
Что делает модель
По прайсам сервисов на сентябрь 2026, нейросеть готовит цепочку из двух-трёх писем-напоминаний о счёте с растущей твёрдостью тона за 10–15 минут вместо получаса ручного подбора формулировок под конкретного клиента.
Первое письмо после просрочки на день-два звучит мягко — вежливое напоминание вроде «возможно, счёт затерялся в почте». Второе, через неделю, суше и конкретнее — с точной суммой, датой счёта и прямым вопросом о сроках оплаты. Третье, если долг висит больше двух недель, называет последствия — приостановку отгрузки или передачу вопроса в бухгалтерию для сверки.
Модель держит этот подъём тона по всей цепочке, если задать его явно в промпте, и подставляет в каждое письмо реквизиты счёта, сумму и число дней просрочки — рутину, которую иначе менеджер вписывает вручную в каждое письмо каждому клиенту отдельно.
На практике внедрений менеджер с портфелем в 40–60 активных клиентов рассылает по 8–12 таких напоминаний в неделю в периоды массовых платежей — например, в начале месяца, когда закрывается сразу несколько счетов. Ручной подбор тона под каждого клиента при таком потоке съедает час-полтора рабочего времени, а с готовым каркасом цепочки эта же работа занимает 15–20 минут.
Подбор модели
GigaChat и YandexGPT достаточно уверенно держат деловой тон для типового напоминания и подходят, когда переписка идёт через корпоративную почту с внутренними данными о клиенте. ChatGPT и Claude точнее калибруют степень твёрдости — особенно полезно для третьего письма в цепочке, где важно звучать настойчиво без грубости и без перехода на угрозы.
Для клиента, с которым давние отношения и важно сохранить тон обычной переписки, полезно дать модели пример прошлых писем этому клиенту — тогда напоминание получается в узнаваемом стиле вместо обезличенного шаблона, присланного явно роботом.
DeepSeek выручает, когда напоминания нужно разослать сразу полусотне клиентов с типовыми условиями оплаты — здесь важна скорость и низкая цена массовой генерации, а тонкая индивидуальная подстройка тона под каждого отдельного покупателя остаётся на втором плане.
Шаблон промпта
- Указать номер и сумму счёта, дату выставления и число дней просрочки на сегодня.
- Задать модели номер письма в цепочке — первое, второе или третье — и соответствующий уровень твёрдости тона.
- Попросить включить точную сумму и реквизиты счёта прямо в текст вместо отсылки «см. вложение».
- Для третьего письма — явно указать, какое конкретное действие последует при неоплате в указанный срок.
Готовые формулировки полезно сохранить как каркас для похожих клиентов — цепочка из трёх писем с разным тоном пишется один раз, а дальше меняются только сумма, дата и имя в обращении.
Отдельная деталь для второго письма — прямой вопрос вместо утверждения. Формулировка «когда планируете оплатить счёт» получает ответ чаще, чем констатация «счёт до сих пор без оплаты», потому что прямой вопрос вынуждает клиента дать хоть какой-то ответ вместо того, чтобы просто прочитать письмо и отложить его в сторону.
Где нужен человек
- Клиент с многолетней историей и разовой просрочкой на два-три дня — стандартный тон второго письма звучит здесь чужеродно, и менеджер обычно вручную смягчает формулировку.
- Крупный заказчик, у которого оплата идёт через внутренний цикл согласования на 20–30 дней, — твёрдый тон уже во втором письме читается как незнание того, как устроена бухгалтерия таких компаний.
- Клиент прислал скан платёжки, но деньги ещё идут до счёта, — письмо здесь должно уточнять статус зачисления вместо повтора требования об оплате, которая фактически уже отправлена.
- Третья подряд просрочка от одного и того же клиента — менеджер обычно меняет саму схему работы с ним (предоплата, укороченная отсрочка) вместо очередного письма по прежней цепочке.
- Партнёр с крупным заказом задержал оплату из-за смены бухгалтера или банка — здесь разумнее один звонок с уточнением причины, чем формальный проход по цепочке «мягко → твёрже → жёстко».
Общее в этих случаях одно: модель видит только формальные признаки просрочки и предлагает тон по средней логике цепочки, без истории отношений с конкретным клиентом. Определить, какой из пяти сценариев перед менеджером в моменте и какой тон здесь уместен, — управленческая часть задачи, которую цепочка писем от нейросети оставляет человеку.
Показать нейросети свою цепочку напоминаний о счетах?
Частые ошибки
- Отправлять все три письма одним и тем же тоном — цепочка тогда выглядит как игнорирование первых напоминаний вместо роста настойчивости.
- Указывать в письме сумму без учёта уже прошедших частичных оплат — клиент видит неверную цифру и теряет доверие к самому напоминанию.
- Копировать письмо у другого клиента без замены имени и деталей — обращение по чужому имени убивает доверие к переписке мгновенно.
- Переходить к угрозам приостановки отгрузки уже во втором письме — это уместно ближе к концу цепочки, а в начале выглядит преждевременно.
- Слать напоминание в пятницу вечером или перед праздниками — письмо тонет среди других уведомлений и часто остаётся без ответа до понедельника или конца выходных.
Похожая по механике, но противоположная по цели задача — деловое письмо клиенту сразу после встречи, разобранная в статье про письмо после встречи: там модель закрепляет договорённости и двигает сделку вперёд, здесь — напоминает о просроченной оплате уже заключённой сделки. Холодное письмо для первого контакта с незнакомым адресатом устроено совсем иначе и разобрано в статье про холодные письма.
Стоит также держать под рукой короткую внутреннюю шпаргалку — какие клиенты обычно платят с задержкой по объективным причинам (например, крупные корпоративные заказчики с длинным циклом согласования счетов), а каким твёрдый тон уместен уже во втором письме без долгих раздумий.
Общий обзор задач отдела продаж, которые уже закрывает нейросеть, собран в статье про нейросети для отдела продаж. Поставить такие сценарии на поток внутри команды помогает программа обучения сотрудников работе с нейросетями.