🎯 О чём этот конспект: Пошаговое руководство по созданию и продаже AI-агентских систем для локального бизнеса (рестораны, стоматологии, автосервисы). Автор разбирает стратегию «трех офферов», которая позволяет зайти в бизнес с минимальным сопротивлением и выйти на стабильный ретейнер, используя Claude Code для подготовки данных и кастомные AI-сеттеры для обработки лидов.

👤 Кому будет полезно: Вайбкодерам, владельцам AI-агентств и разработчикам, которые хотят монетизировать навыки работы с LLM и инструментами автоматизации.

✨ Что получите: Готовую бизнес-модель продажи AI-услуг, структуру воронки продаж и технический стек для развертывания системы записи клиентов (Appointment Setter) на базе Open Source решений.

1. Стратегия «Трех офферов»: Как зайти в бизнес и закрепиться

Контекст: Продавать «AI» локальному бизнесу напрямую сложно — владельцы не понимают ценности технологии. Вместо этого нужно продавать конкретный финансовый результат через последовательное повышение доверия. Автор предлагает начинать с того, что не несет рисков для клиента, постепенно переходя к критически важным бизнес-процессам. Это минимизирует цикл сделки и позволяет обосновать высокий чек на финальном этапе.

Выгода: Быстрый вход в сделку, прогрев инфраструктуры (номеров телефонов) и обоснование ретейнера в $1,000–$3,000.

Как применить:

• Шаг 1: Review Rebate (Сбор отзывов) — Предложите клиенту бесплатно получить первые 10-15 отзывов в Google/Facebook от его текущей базы. Это «нога в двери», которая показывает вашу экспертность без затрат со стороны клиента.
• Шаг 2: Lead Reactivation (Реактивация базы) — Разовая кампания по «мертвым» лидам, которые не купили ранее. Чек: $5,000–$10,000 за кампанию или фикс + комиссия за каждого реанимированного клиента.
• Шаг 3: Appointment Setter (AI-запись) — Внедрение AI-агента на постоянной основе для обработки входящих заявок 24/7. Это переход на ежемесячную абонентскую плату (ретейнер).

Результат: Доверительные отношения с клиентом и стабильный денежный поток от автоматизированного сервиса.

2. Подготовка и очистка данных с помощью Claude Code

Контекст: У локального бизнеса данные часто находятся в хаосе: сканы журналов, разрозненные CSV или устаревшие CRM. Чтобы запустить персонализированную рассылку, данные нужно структурировать и обогатить. Claude Code идеально подходит для написания скриптов трансформации данных и генерации уникальных сообщений для каждого контакта, что резко повышает конверсию в ответ.

Выгода: Экономия десятков часов на ручной обработке баз данных и повышение Response Rate за счет гипер-персонализации.

Как применить:

• Шаг 1: Импорт данных — Соберите все имеющиеся данные (CSV, выгрузки из CRM).
• Шаг 2: Очистка через Claude Code — Используйте Claude для написания скрипта на Python или Node.js, который отфильтрует лиды (например, только за последние 12 месяцев) и приведет телефоны к единому формату.
• Шаг 3: Генерация персонализации — Используйте промпт для создания уникального первого предложения для каждого клиента.

Промпт для Claude Code:

Я создаю кампанию по сбору отзывов для бизнеса по удалению деревьев. 
У меня есть список клиентов. Мне нужно создать персонализированное сообщение для каждого.
Требования:
1. Супер-коротко, формат вопроса.
2. Использовать Имя и дату услуги в человекочитаемом формате.
3. Тон: дружелюбный, как будто пишет мастер Джон.
Пример базы: [Вставить данные или путь к CSV]
Выдай обновленный CSV с колонкой 'personalization', где будет готовый текст сообщения без кавычек.

Результат: Готовый к загрузке в систему рассылки файл с уникальным подходом к каждому клиенту.

3. Развертывание AI-инфраструктуры (Operating System)

Контекст: Для работы агентства нужна «операционная система» — интерфейс для мониторинга диалогов, управления лидами и настройки AI-агентов. Автор рекомендует использовать Open Source решение (доступно в его сообществе), которое объединяет возможности CRM и AI-сеттера. Система должна поддерживать текстовые (SMS, WhatsApp) и голосовые каналы связи.

Выгода: Полный контроль над данными и возможность масштабирования на неограниченное количество клиентов без оплаты дорогих SaaS-платформ за каждого пользователя.

Как применить:

• Шаг 1: Клонирование репозитория — Используйте Claude Code для развертывания системы на локальной машине или сервере (например, Vercel/Render).
• Шаг 2: Настройка интеграций — Подключите API ключи: OpenRouter (для доступа к LLM типа Claude 3.5 Sonnet или Gemini Flash), Twilio (для SMS) и Retell AI (если нужны голосовые звонки).
• Шаг 3: Настройка Сеттера — Создайте профиль AI-агента, задав ему роль, миссию и базу знаний о компании клиента.

Пример конфигурации сеттера (Identity):

Имя: John AI
Миссия: Реактивировать старых клиентов и мягко попросить оставить отзыв в Google.
Контекст: Мы уже работали с ними, они довольны. Если клиент недоволен — не просить отзыв, а передать информацию владельцу.
Тон: Профессиональный, но простой, без эмодзи.

Результат: Работающая система, которая сама ведет диалоги с клиентами от имени бизнеса.

4. Технический стек: Инструменты вайбкодера

Контекст: Для сборки подобного решения не нужно писать код с нуля. Важно уметь соединять готовые блоки через API и дорабатывать их с помощью AI-агентов.

Выгода: Снижение порога входа в разработку сложных AI-систем.

Список инструментов:

1. Claude Code / Cursor — Основные инструменты для написания кода и автоматизации задач.
2. GoHighLevel (GHL) — Используется как «технический слой» для подключения каналов связи (SMS, Instagram, FB, WhatsApp).
3. OpenRouter — Единый API для переключения между моделями (Claude 3.5 Sonnet для сложных задач, Gemini Flash для дешевых и быстрых ответов).
4. Retell AI — Лучшее решение для создания голосовых AI-агентов с низкой задержкой (SDK легко интегрируется через Claude Code).
5. Supabase — В качестве базы данных для хранения лидов и логов диалогов.

FAQ

В: Почему сначала Review Rebate, а не сразу продажа лидов? О: Продажа лидов (Lead Gen) вызывает у бизнеса скепсис и требует больших бюджетов. Сбор отзывов — это работа с уже лояльной базой. Это безопасный способ показать владельцу, что ваш AI работает, не рискуя его рекламным бюджетом.

В: Можно ли использовать ChatGPT вместо Claude Code? О: Можно, но Claude 3.5 Sonnet (особенно через Claude Code) на текущий момент лучше справляется с написанием кода для интеграций и структурированием данных без галлюцинаций в форматах CSV/JSON.

В: Какую модель LLM выбрать для чат-бота? О: Автор рекомендует Gemini 1.5 Flash через OpenRouter. Она крайне дешевая и быстрая, что важно для имитации человеческого общения в чате. Для генерации сложных системных промптов лучше использовать Claude 3.5 Sonnet.

В: Как избежать блокировок за спам при рассылке SMS? О: Начинайте с малых объемов по существующей базе клиентов (высокий Response Rate прогревает номер). Используйте гипер-персонализацию через Claude, чтобы каждое сообщение было уникальным — операторы связи реже блокируют такие рассылки.

В: Сколько времени занимает внедрение такой системы? О: При использовании готовых Open Source шаблонов и Claude Code для настройки, базовую систему для одного клиента можно развернуть за 1-2 дня. Основное время уходит на согласование оффера и подготовку базы данных.

Конспект создан на основе видео «How to Sell Claude Code to Local Businesses for $10,000+» канала Eugene Kaden. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/V2yuIaE6q6Q