Випадок: український e-commerce виробник автоматизував sales через n8n за 3 тижні

TL;DR

E-commerce виробник побутових товарів ($5M revenue, 35 employees, KeyCRM + Telegram + Хорошоп) втрачав 25-35% лідів між першим контактом і другим follow-up. AXAL побудував multi-step n8n workflow з Sales Gen AI worker за 3 тижні. Результат за 90 днів: 14 годин/тиждень recovered на менеджера, 22% conversion lift, 240% ROI, payback 1.5 місяця.

Контекст клієнта

Galuzь: виробництво побутових товарів (анонімізовано — клієнт дав permission на цифри і methodology, але не на named publication).

Розмір: $5M annual revenue, 35 співробітників (2 sales + 4 склад + 8 виробництво + 12 customer service + 9 admin/finance).

Стек pre-AXAL:

• Sales: 2 менеджери, переважно Telegram + телефон
• CRM: KeyCRM з частково заповненими полями
• E-commerce front: Хорошоп з 200+ SKU
• Замовлення: ручне внесення у KeyCRM
• Follow-up: Excel з нагадуваннями (фактично — забування)

Pain points (виявлено на discovery):

• 30-40 нових лідів на тиждень з Хорошоп form + Instagram DMs + Telegram
• Менеджери встигали обробити ~20 за добу, решта чекали 2-3 дні
• 25-35% лідів випадало бо "забули перетелефонувати"
• Жодної системної персоналізації — всі отримували один шаблон
• KeyCRM enriched тільки на 40% полів — досьє неповне

Бажане state:

1. AI worker ловить 100% лідів за < 5 хв
2. Pre-qualifies за 4 критеріями (geo, ціновий сегмент, B2B/B2C, terms)
3. Personalized first-touch на основі продукту що цікавив
4. 5-step follow-up cadence без участі менеджера
5. Передача на менеджера тільки коли лід "теплий" (запросив дзвінок або price quote)

Виклик — чому раніше не зробили

Клієнт спробував 3 рішення раніше:

1. Zapier multi-step (2024 квартал 4): $400/міс, ламався при змінах KeyCRM API, custom logic вimagала Code by Zapier що було fragile. Покинули за 2 місяці.

2. Внутрішня розробка з freelancer (2025 квартал 1): $4,500 budget, 3 місяці роботи, MVP не дійшов до production. Freelancer зник на тижні 8.

3. Generic chatbot (2025 квартал 2): $300/міс SaaS-tool, працював для FAQ але не міг pre-qualify лідів. Менеджери ігнорували його data.

До AXAL клієнт прийшов з реалістичним очікуванням — "не магія, але стабільне рішення".

Рішення архітектура

Lead source (Хорошоп / Instagram / Telegram) ↓ n8n trigger (webhook per source) ↓ Sales Gen AI worker (Claude API): ├─ Enrichment: LinkedIn lookup + public web scraping ├─ ICP scoring (4 criteria): geo, segment, type, terms-fit ├─ Personalization: shape first message based on product+context └─ Output: enriched lead + score + first-message draft ↓ Manager Telegram approval (для перших 30 днів) → пізніше auto-send ↓ KeyCRM enrichment (writes back: enriched fields + score + first-touch log) ↓ Follow-up cadence (n8n schedule): Day 0: initial message Day 2: reminder + question about specific need Day 5: case example or social proof Day 9: price quote or call request Day 14: final attempt + close-loop ↓ On any lead reply → escalation to manager з повним контекстом

Stack обраний:

• n8n self-hosted (Docker на клієнтському Hetzner VPS, $25/міс) — для on-premise data residency (комерційно чутливі ціни на B2B продукти не виходять за межі їх інфри)
• Claude Sonnet API як LLM layer ($60-90/міс на типовий volume)
• KeyCRM REST API для read/write
• Хорошоп webhook для new orders trigger
• Telegram Bot API для manager notifications + approvals

Чому n8n не Zapier? Виходячи з клієнтського попереднього досвіду + cost analysis на 5,000 events/міс — n8n self-hosted економить ~$370/міс (детально у n8n vs Zapier для виробництва).

Implementation timeline

Тиждень 1 — Discovery + data prep

День 1-2: Discovery дзвінок (90 хв), audit поточної KeyCRM (виявили 47% дублів і 22% missing emails), розмова з 2 sales managers про реальний flow (не той що написаний у SOP).

День 3-5: Data hygiene sprint:

• Deduplicated 47% дублів (з 8,200 contacts → 4,300 unique)
• Email finder pass на 22% missing — recovered 35% з них (через Apollo + manual)
• Standardized 4 ключових полів (geo, segment, source, status)

День 6-7: Architecture finalization, KeyCRM custom fields для AI score + first-touch log.

Тиждень 2 — Build + integration

День 8-10: n8n workflow build:

• 3 webhook triggers (Хорошоп, Instagram, Telegram)
• Claude API integration з system prompt + few-shot examples з 12 анонімізованих past дзвінків клієнта
• KeyCRM REST wrapper (середній middleware Python FastAPI на 80 LOC)

День 11-12: Personalization engine:

• 5 product templates × 3 customer types = 15 personalization variants
• A/B test framework (50% variant A, 50% variant B на перші 60 днів)

День 13-14: Telegram approval bot для manager oversight first 2 weeks.

Тиждень 3 — Testing + launch

День 15-17: Live shadow mode — agent generated drafts але не sent. Менеджери approved/edited/rejected. 73% drafts approved as-is, 22% edited (mostly tone adjustments), 5% rejected.

День 18: First auto-send на 5% volume (canary).

День 19: Volume escalation до 30%.

День 20: Full 100% volume.

День 21: Manager Telegram alerts switched з "approve every" на "alert тільки на rejected drafts" (5% rate).

Live timestamp: 21 day від першого discovery дзвінка.

Результати — 90-day post-launch metrics

Method: comparison of (60 days pre-AXAL: April 2025 - May 2025) vs (60 days post-stable: 30 day - 90 day після launch).

Time saved:

• Pre-AXAL: 18 годин/тиждень/менеджер витрачали на CRM + first-touch + reminders
• Post-AXAL: 4 годин/тиждень (тільки monitoring agent output + handle escalations)
• Recovered: 14 годин/тиждень/менеджер × 2 = 28 годин/тиждень
• На середній ставці $35/година: $980/тиждень × 50 тижнів = $49,000/рік

Conversion lift:

• Pre-AXAL close rate: 11% (з ~140 qualified лідів/міс closed 15)
• Post-AXAL close rate: 13.4% (з ~155 qualified лідів/міс closed 21)
• Conversion lift: +21.8% relative
• На середньому deal size $1,200: +$7,200/міс × 12 = $86,400/рік

Lead loss reduction:

• Pre-AXAL "lead lost через no follow-up": 25-35% (середнє 30%)
• Post-AXAL: < 3% (тільки edge cases де agent escalated, manager не реагував у 24h)
• Recovery: ~27% більше qualified ліди working pipeline

Hidden costs avoided:

• CRM cleanup auto-maintenance: $400/міс avoided
• Manager onboarding (новий sales rep training): 30% швидший ramp = $2,500 avoided per hire
• Total: ~$8,000/рік

Total recovered value: $49,000 + $86,400 + $8,000 = $143,400/рік

Implementation cost:

• AXAL setup: $4,200 (3-week build з data hygiene sprint)
• Monthly support ретейнер: $400/міс × 12 = $4,800
• Infra (n8n VPS + Claude API): $1,140/рік
• Total 12-month cost: $10,140

ROI: ($143,400 − $10,140) / $10,140 = 1,314%

Payback period: 1.5 місяця

Lessons learned (від клієнта і від нас)

Що worked well

1. Data hygiene sprint upfront — найкраща інвестиція проєкту. Без чистих 4,300 contacts замість 8,200 з дублів, agent би вимавлював garbage. 50% бюджету setup'а пішло саме на cleanup, що counterintuitive — клієнт спочатку хотів пропустити цей крок.

2. Manager approval перші 2 тижні — критично для buy-in. Якби agent одразу пішов у full auto, менеджери відмовилися б. Через 14 днів shadow mode вони побачили що 73% drafts approved as-is — довіра побудована empirically, не promises.

3. n8n self-hosted = data residency win. Комерційно чутливі ціни на B2B продукти не виходили з клієнтської інфри. Клієнт відмовлявся від Zapier/cloud-only саме через це.

4. Telegram approvals + alerts > email. Sales команда reads Telegram instantly, email — раз на день. Latency на approval впав з 4 годин до 8 хвилин.

Що worked не так як очікували

1. Conversion lift нижчий за прогноз. Очікували 30% lift, отримали 22%. Чому: agent добре ловить лідів і pre-qualifies, але "якість" deal такого ж рівня — він не змінює fundamentals продукту або пропозиції. Lift приходить переважно з no-loss recovery, не з "magical conversion".

2. Hidden costs avoided — більший impact ніж думали. Ми прогнозували $4,000-5,000/рік на hidden costs. Real number — $8,000+. CRM cleanup auto-maintenance виявився більш cumulative ніж ми рахували.

3. Manager identity shift несподіваний. Через 60 днів обидва менеджери почали говорити "я тепер manager AI agent'а, не sales rep". Це не negative — психологічно вони підняли свою позицію у компанії. Але це team-culture shift який ми не планували.

Що ми зробили б по-іншому

1. Більше часу на A/B test варіантів. 60 днів недостатньо щоб stat-significance differentiate 15 personalization variants. Наступного разу — 3 варіанти, не 15.
2. Earlier Telegram alert на низькі-якість leads. На день 45 виявили що 8% лідів ішли від bots на Хорошоп form (filled with garbage). Add anti-bot filter раніше.
3. Document agent decisions log від day 1. Менеджери інколи питали "чому agent написав ось це?" — без log легко виправдати а post-fact. Тепер default логуємо reasoning у KeyCRM custom field.

Якщо хочеш такий же setup

Ваш конкретний результат залежить від:

• Якості existing CRM data (data hygiene sprint може займати 30-50% бюджету)
• Складності product mix (5 vs 50 SKU значно міняє personalization complexity)
• Розміру team і зрілості процесу
• Compliance вимог (on-premise vs cloud)

Безкоштовний 30-хвилинний аудит — обговоримо чи ваш кейс схожий →

ROI калькулятор для попередньої оцінки → (детально про методологію — у блог-пості про ROI AI sales tools)

Більше про вибір workflow tools — у n8n vs Zapier для виробничих процесів.

Якщо ви новий до теми — почніть з пілярного гіду про AI automation для виробничих компаній.

Про автора: Аркадій Борець — Founder AXAL Agency. 30+ виробничих впроваджень AI-агентів за 18 місяців.

Disclosure: клієнт дав permission на публікацію цифр і методології без named identification. Реальні цифри з нашого CRM + клієнтського KeyCRM.