Хлібопекарське та кондитерське виробництво
AI-екосистема для пекарні з кількома точками
Голосовий AI-агент приймає дзвінки й замовлення, сам кваліфікує клієнтів за BANT, а щоп’ятниці надсилає власнику прогноз і ризики на тиждень.
- Для кого
- Пекарня з кількома точками
- Формат
- Комерційний кейс
- Технології
- Happ.tools, n8n, OpenAI GPT-5-mini
- 0ручних дій на дзвінок замість 4
- 24/7консультації та прийом замовлень
- 1 звітдля власника щотижня, без ручного аналізу
Задача
Пекарня щодня приймає багато дзвінків і повідомлень: клієнти питають про асортимент, замовляють випічку, уточнюють доставку. Кожне звернення треба було прийняти, зафіксувати замовлення, повідомити менеджера і внести клієнта в облік. На один дзвінок припадало щонайменше 4 ручні дії.
Через це клієнти не могли додзвонитися поза робочим часом, деталі замовлень губилися, менеджер дізнавався про нові замовлення із затримкою, а власник не бачив загальної картини по клієнтах.
Рішення
Голосовий AI-асистент на Happ.tools зі своєю базою знань про пекарню. В одній розмові він:
- консультує клієнта по товарах, цінах і доставці;
- приймає замовлення: товари, кількість, спосіб отримання, адресу, дату;
- непомітно для клієнта оцінює його готовність купити за методологією BANT і за потреби переводить розмову на менеджера.
Агента можна перемкнути з голосу на текстовий чат без зміни логіки.
Навколо асистента побудовано 4 процеси в n8n:
- Init. Перед розмовою шукає клієнта в CRM за номером телефону й передає агенту його ім’я. Постійний клієнт чує звернення на ім’я.
- Create_order. Щойно клієнт підтверджує замовлення, менеджер отримує його в Telegram: склад, адреса, дата.
- Post_call. Після дзвінка GPT-5-mini розбирає транскрипт за JSON-схемою: тип звернення, тональність, успішність, оцінка по кожному пункту BANT і загальний
Ai_Scoreвід 0 до 100. Дані, яких клієнт не назвав, позначаються окремо, а не вигадуються. CRM оновлює наявного клієнта або створює нового, без дублів. - CEO Forecast. Щоп’ятниці о 18:10 окремий AI-агент зводить усі дзвінки й ліди та надсилає власнику в Telegram прогноз на тиждень, топ-3 ризики з посиланнями на конкретні дзвінки й рекомендації з дедлайнами.
Результат
| До | Після | |
|---|---|---|
| Ручні дії на один дзвінок | щонайменше 4 | 0 |
| Сповіщення про замовлення | вручну, із затримкою | миттєво в Telegram |
| Оцінка готовності клієнта | не проводилась | BANT + Ai_Score на кожен дзвінок |
| Аналітика для власника | нерегулярно, вручну | щотижня автоматично |
| Консультація для клієнта | у робочий час | цілодобово |
CRM зараз працює на Google Sheets, але її можна замінити на будь-яку іншу без зміни основної логіки.
Процес роботи
Як проходила робота над цим проєктом: від розбору задачі до запуску й доопрацювання.
- 01
Аналіз
Розібрав, як пекарня зараз приймає дзвінки й замовлення: хто відповідає, що записується і де губляться деталі. На кожен дзвінок припадало щонайменше 4 ручні дії, а поза робочим часом клієнти не могли додзвонитися.
- 02
Проєктування рішення
Склав сценарій розмови й базу знань агента, критерії BANT і JSON-схему для розбору дзвінка. Розділив логіку на 4 незалежні процеси в n8n, щоб кожен можна було змінювати окремо.
- 03
Реалізація
Налаштував голосового агента на Happ.tools і зібрав процеси Init, Create_order, Post_call і CEO Forecast. Підключив CRM на Google Sheets і сповіщення в Telegram.
- 04
Тестування
Прогнав тестові дзвінки за різними сценаріями: консультація, замовлення, новий і постійний клієнт, скарга, неповні дані. Перевірив, що замовлення доходять у Telegram, а CRM не створює дублів.
- 05
Запуск
Агент приймає дзвінки цілодобово, менеджер отримує замовлення в Telegram одразу після підтвердження, а власник щоп’ятниці отримує звіт і прогноз на тиждень.
- 06
Оптимізація
Транскрипт і Ai_Score кожного дзвінка показують, де агент відповідає неточно, і за ними доповнюється база знань і промпт. CRM можна замінити на іншу без зміни основної логіки.
Скриншоти
База знань: асортимент, ціни, доставка
Інструменти агента: init, create_order, post_call
n8n: постаналіз дзвінка й оновлення CRM
Тижневий звіт власнику в Telegram