Нейросеть за 15–20 минут собирает черновик подготовки к переговорам о скидке: сводку истории клиента и прошлых уступок, границу допустимой скидки и альтернативные варианты вместо прямого снижения цены — менеджер задаёт данные о клиенте и текущей сделке, а модель формулирует план разговора, который затем проверяет руководитель отдела.
Что делает модель
Подготовку к переговорам о скидке с историей клиента и границей уступки модель собирает за 15–20 минут вместо получаса ручного сбора данных, по нашему опыту внедрений: альтернативы прямому снижению цены и вероятные аргументы клиента.
Перед разговором о скидке менеджеру полезно держать под рукой конкретные факты вместо общего ощущения — сколько скидки клиент получал раньше, какой объём заказа сейчас на столе, где проходит граница, ниже которой сделка теряет смысл для компании. Модель хорошо сводит эти факты в короткую сводку перед встречей.
- Сводка истории прошлых скидок и объёмов заказов этого клиента
- Граница допустимой уступки для конкретной сделки
- Альтернативы прямой скидке — рассрочка, бонус, увеличение объёма
- Вероятные аргументы клиента и заготовленный ответ на каждый
Итог переговоров о скидке обычно фиксируется письмом клиенту сразу после встречи; готовый промпт под эту задачу разобран в статье про письмо менеджера после встречи. Здесь разобрана подготовка к самому разговору, а письмо — следующий шаг после него.
Общая техника аргументации ценности без скидки — отдельная тема, разобранная в статье про промпт для повышения чека на переговорах. Здесь — конкретная подготовка к разговору с определённым клиентом по определённой сделке, с его историей и цифрами.
Модель для подготовки
Модель для подготовки подбирается по объёму истории клиента и по сложности сделки. GigaChat и YandexGPT быстро собирают короткую сводку для разового клиента без долгой истории. ChatGPT и Claude точнее формулируют альтернативы скидке и вероятные возражения для клиента со сложной историей заказов.
- GigaChat — быстрая сводка для разового клиента без долгой истории
- YandexGPT — короткая подготовка без сложных альтернатив
- ChatGPT (GPT-5) — точнее формулирует альтернативы прямой скидке
- Claude — лучше предугадывает вероятные возражения клиента
- DeepSeek — дешёвый вариант для первого черновика подготовки
Для клиента, который просит скидку повторно, полезно явно указать модели, сколько уступок уже было сделано за последний год, — если скидки повторяются каждый квартал, модель предлагает сместить разговор с прямой скидки на пересмотр условий контракта целиком.
Отраслевая специфика тоже играет роль — для дистрибьютора аргумент чаще строится вокруг объёма и логистики, для сервисной компании — вокруг долгосрочности контракта и объёма поддержки. Модель точнее формулирует аргументы, если получает в промпте пример удачных прошлых переговоров по похожей сделке.
Для нового менеджера, который ведёт клиента первый квартал, полезно приложить к промпту заметки прежнего ответственного за этот аккаунт — так модель учитывает договорённости, которые состоялись до смены менеджера, вместо построения подготовки с чистого листа.
Отдельно стоит учитывать сезон закупок клиента — просьба о скидке в конце квартала часто связана с внутренними планами клиента по закрытию бюджета вместо реального изменения ценности сделки для него. Модели полезно передать эту деталь явно, чтобы она предлагала альтернативы, которые решают сезонную задачу клиента без постоянного снижения цены на будущие периоды.
Шаблон промпта
Хороший промпт для подготовки задаёт четыре параметра: историю клиента и прошлых уступок, параметры текущей сделки, границу допустимой скидки и желаемый итог переговоров.
- Опишите роль: «Ты менеджер по продажам, готовишься к переговорам о скидке»
- Вставьте историю прошлых уступок и параметры текущей сделки
- Задайте границу допустимой скидки для этой сделки
- Попросите три альтернативы прямой скидке под ситуацию клиента
- Попросите заготовленный ответ на два-три вероятных возражения клиента
Какую максимальную скидку вы обычно готовы дать?
Формулировку альтернативы стоит проверять на реалистичность для конкретной компании — рассрочка платежа подходит лишь части клиентов, а увеличение объёма поставки требует свободных мощностей на складе прямо сейчас.
Отдельно полезно попросить модель сформулировать границу, после которой менеджер прекращает торг и передаёт решение руководителю отдела, — заранее установленный порог убирает соблазн уступить больше положенного под давлением разговора с клиентом.
Что проверяет менеджер
Модель хорошо собирает сводку и формулирует альтернативы, но окончательное решение о реальной границе уступки для конкретной сделки — зона ответственности менеджера и руководителя отдела: подготовка от модели строится из вводных, и устаревшая цифра по марже сделки искажает всю дальнейшую логику разговора.
| Блок подготовки | Что делает модель | Что проверяет менеджер |
|---|---|---|
| История клиента | Сводит прошлые уступки и объёмы заказов | Полноту и актуальность истории по клиенту |
| Граница уступки | Формулирует нижнюю границу по вводным | Актуальность маржи и себестоимости на сегодня |
| Альтернативы | Предлагает варианты вместо прямой скидки | Реалистичность альтернативы для этого клиента |
Особенно внимательно стоит сверять предложенную альтернативу с текущими возможностями компании — модель может предложить рассрочку платежа, хотя финансовый отдел уже ограничил такие условия для клиентов определённой отрасли на этот квартал.
Финальную подготовку полезно показать руководителю отдела продаж перед встречей, если сделка крупная, — свежий взгляд часто ловит слабое место в аргументации или напоминает о договорённости с этим клиентом, которую менеджер мог упустить из виду.
Ещё одна деталь для проверки — согласованность предложенной скидки с условиями, которые уже действуют у похожих клиентов той же отрасли. Менеджер о таких условиях порой остаётся в неведении, если сделки ведут несколько человек в отделе, а различие в итоговых условиях между похожими клиентами со временем создаёт репутационный риск и повод для будущих претензий по справедливости цены.
Как внедрить
Внедрение стоит начинать с подготовки к одному предстоящему разговору вместо всех клиентов сразу — так проще сравнить результат модели с тем, что менеджер обычно готовит в голове перед встречей.
Возьмите историю одного клиента, который недавно попросил скидку, прогоните через модель и сравните итоговую подготовку с тем, как вы обычно готовитесь сами.
Вторая подготовка по похожему клиенту обычно собирается быстрее первой — модель уже видела структуру отрасли клиента и реже переспрашивает контекст сделки.
Стандартизация такого промпта на весь отдел продаж — тема отдельного обучения, формат разобран в разделе про обучение сотрудников работе с ИИ.
Стоит держать под рукой запись прошлых переговоров с этим же клиентом — сравнение с ней быстро показывает, какие аргументы уже звучали и провалились, а какие сработали и заслуживают повторного использования в новом разговоре о скидке.