Разбор

Кейсы

Свои проекты и публичные разборы в одной библиотеке.

Мы честно маркируем, где работа Contexter, а где публичный разбор чужого паттерна.

Обсудить похожий кейс

Наш кейс

EXOmassage

Услуги и офлайн-операции

Рабочая станция для EXOvolna: запись клиентов, календарь, WhatsApp-коммуникации, отчётность, финансовые события и операционные правила.

Что было

  • — Запись, клиентские статусы, оплаты и отчёты были разнесены между таблицами, мессенджерами и ручными процедурами.
  • — DIKIDI и внешние инструменты закрывали часть записи, но не становились источником правды для бизнеса.
  • — Для ИИ-менеджера не хватало безопасной базы: календаря, валидированных данных, handoff-правил и журналов действий.

Что сделали

  • — Спроектировали EXM как собственную операционную систему: клиенты, записи, абонементы, балансы, события CRM и финансовый журнал.
  • — Развернули Cloudflare D1/R2 foundation, защищённые API, календарные endpoints и read-only workstation для рабочих данных.
  • — Заложили WhatsApp-контур через Kelesu: быстрый webhook, хранение истории, статусы сообщений, сценарии и будущий ИИ-слой через ActionPlan.

Как стало

  • — Появился единый контур, где календарь, клиенты, записи и отчёты могут жить внутри EXM, а не в наборе внешних сервисов.
  • — ИИ подключается после данных и правил, поэтому не принимает решения из памяти модели.
  • — Операции можно масштабировать: от ручного сценарного бота до ИИ-менеджера, напоминаний, no-show контроля и KPI.

Наш кейс

Provizor

Фармацевтическая автоматизация

Архитектура аптечного BOS: WhatsApp-ассистент, ассортимент, дефектура, ценообразование, 1С и unit-экономика для аптечной сети.

Что было

  • — Сеть работала с 5 аптеками, 1С, маркетплейсами, ручной ревизией и отдельными каналами клиентских обращений.
  • — Ассортимент в 6-7 тысяч позиций требовал регулярной сверки наличия, цен, сроков годности и закупок.
  • — Клиенты приходили из офлайна, Halyk Market, Wolt Apteka и iTeka, но данные по спросу не собирались в единую управленческую картину.

Что сделали

  • — Разложили проект на домены: WhatsApp-бот, аналитика ассортимента, ценообразование и unit-экономика.
  • — Спроектировали WhatsApp-бота как информационного фармацевта: наличие, цена, аналоги, симптомы, история обращений и перевод к фармацевту.
  • — Собрали дорожную карту: Meta Business, верификация, MVP, тестирование, soft launch на одной аптеке и дальнейшая 1С-интеграция.

Как стало

  • — У владельца появилась понятная архитектура внедрения вместо списка разрозненных идей.
  • — Первый запуск можно вести через одну аптеку, не ломая всю сеть.
  • — Бизнес получает основу для спросовой аналитики, контроля дефектуры, маржинальности и клиентской базы.

Наш кейс

Starteam

Дистрибуция БАДов

Единый workspace для группы компаний: продажи, операционные правила, ответственность, документы и управление контекстом между странами.

Что было

  • — Группа из 4 компаний работала на 7 стран СНГ и LATAM, а управленческий контекст был размазан между командами и рынками.
  • — Правила, документы, задачи и решения не жили в одном рабочем пространстве.
  • — Руководителю приходилось удерживать много маршрутов руками: страны, продукты, роли, исключения и отчётность.

Что сделали

  • — Собрали единый workspace для группы компаний и перенесли туда управленческий контекст.
  • — Разложили работу по ролям, направлениям, регламентам, документам и операционным задачам.
  • — Создали основу, где ИИ-агент может работать с правилами компании, а не с общими ответами из чата.

Как стало

  • — Команда получила единое место для работы с процессами, документами и задачами.
  • — Операционные решения стало проще передавать между рынками и отделами.
  • — Workspace стал базой для дальнейшей автоматизации и подключения ИИ к реальным правилам бизнеса.

Публичный разбор

1С + WhatsApp + CRM для отдела продаж

Продажи и дистрибуция

Публичный разбор типового внедрения: синхронизация 1С, WhatsApp, CRM, задач и отчётов для отдела продаж.

Что было

  • — Менеджеры ведут переписку в WhatsApp, сделки фиксируют в CRM, остатки проверяют в 1С.
  • — Часть заявок остаётся без статуса, а руководитель видит результат только после ручной сверки.
  • — Команда тратит время на перенос данных вместо работы с клиентом.

Что сделали

  • — Описываем целевой процесс: заявка, проверка остатка, КП, задача менеджеру, контроль оплаты и отчёт руководителю.
  • — Проектируем слой интеграции между 1С, CRM и WhatsApp без замены всего текущего софта.
  • — Добавляем правила эскалации: когда отвечает ИИ, когда менеджер, когда задача уходит руководителю.

Как стало

  • — Заявки получают статус и ответственного сразу после входящего сообщения.
  • — Остатки, цены и КП подтягиваются из источника данных, а не из памяти менеджера.
  • — Руководитель видит просрочки, потерянные заявки и ручные места в процессе.

Публичный разбор

AI-агент для товарной базы

Оптовая торговля

Публичный разбор: ИИ-агент для поиска товаров, остатков, цен, аналогов и подготовки коммерческих предложений.

Что было

  • — Менеджеры ищут товары в прайсах, таблицах, 1С и старых переписках.
  • — Клиент ждёт ответа, пока сотрудник вручную сверяет остатки, цену и условия.
  • — Ошибки в КП появляются из-за устаревших файлов и неявных правил скидок.

Что сделали

  • — Проектируем рабочий контекст для агента: товарная база, правила цен, роли, ограничения и источники данных.
  • — Добавляем сценарии: найти товар, предложить аналог, собрать КП, показать остатки, передать менеджеру исключение.
  • — Фиксируем валидации: агент предлагает, а финальные цены и доступность берутся из учётной системы.

Как стало

  • — Менеджер быстрее отвечает на типовые вопросы и меньше копирует данные между окнами.
  • — КП собирается по правилам компании, а спорные случаи уходят человеку.
  • — Руководитель получает журнал запросов: что спрашивают, где нет остатков, какие позиции теряют спрос.

Публичный разбор

CRM для услуг с записью

Клиники, салоны, сервисы

Публичный разбор для сервисного бизнеса: запись, календарь, напоминания, повторные визиты, администраторы и отчёты.

Что было

  • — Запись ведётся в календаре, заявки приходят в мессенджеры, повторные продажи держатся на памяти администратора.
  • — No-show, переносы и отмены видны поздно, а потерянные заявки редко попадают в отчёт.
  • — Регламенты есть отдельно от ежедневной работы, поэтому качество сервиса зависит от конкретной смены.

Что сделали

  • — Проектируем единый процесс: входящая заявка, слот, подтверждение, напоминание, визит, оплата, повторный контакт.
  • — Добавляем роли администратора, руководителя и ИИ-помощника с понятными границами действий.
  • — Настраиваем отчёты по загрузке, no-show, повторным визитам, каналам и качеству обработки заявок.

Как стало

  • — Сервис видит загрузку и проблемы до конца месяца.
  • — Администраторы работают по одному процессу, а не по личной памяти.
  • — Повторные продажи и напоминания становятся частью системы, а не отдельной задачей в голове сотрудника.