Dr. Martens автоматизировала около половины поддержки — после объединения клиентских данных

У Dr. Martens была не столько проблема с операторами, сколько проблема с инфраструктурой: работа более чем на 20 рынках электронной торговли, около 280 магазинов и разные системы в разных регионах.

Поддержка в США работала в Zendesk, а в Великобритании и Европе — в Salesforce. Телефония и система управления заказами не были связаны с CRM. Чтобы разобраться в обращении, сотруднику приходилось вручную переключаться между системами и собирать историю клиента по частям.

С чего начала компания

Dr. Martens не стала накладывать ИИ поверх разрозненной инфраструктуры. Сначала компания:

1. объединила поддержку разных регионов в общей системе;
2. создала единую модель клиентских данных;
3. связала телефонию, заказы и коммуникации;
4. дала сотруднику один актуальный контекст клиента;
5. только затем начала автоматизировать обращения.

По словам руководителя Dr. Martens, переход от проектирования к запуску занял около семи месяцев.

Что получилось

Доля обращений, которые решаются без участия человека, выросла примерно с 10% до 50%. Внутренняя цель компании — 75%.

Автоматизация особенно важна вне рабочего времени команды: обращения поступают примерно 17 часов в сутки семь дней в неделю, а традиционная поддержка работала по более узкому расписанию.

Компания также заявляет, что развернула негативную динамику удовлетворённости клиентов и оценки на Trustpilot. В интервью речь идёт о росте из «красной зоны» в районе 2 баллов в «янтарную»; точную причинную связь между автоматизацией и оценкой публикация не доказывает.

Почему этот порядок важен

Более умная модель не исправляет отсутствие контекста. Если система не видит заказ, предыдущие письма, обещанный следующий шаг и уже известную проблему, она быстрее создаёт ещё один неполный ответ.

Схема Dr. Martens выглядит практичнее:

единые данные → единый контекст клиента → автоматизация → измеримый результат.

Компания не просто ускорила ответы. Общие данные позволяют находить повторяющиеся причины обращений — например, ошибки оплаты или задержки доставки — и устранять проблему в самом процессе.

Что можно попробовать у себя

Перед запуском ИИ в продажах или поддержке стоит проверить, видит ли система:

• всю историю писем и звонков;
• текущий этап сделки или обращения;
• заказанные продукты и фактический статус заказа;
• предыдущие обещания клиенту;
• последнее возражение и согласованный следующий шаг;
• человека, которому нужно передать сложный случай.

Если этих данных нет в одном доступном контексте, начинать лучше не с настройки подсказок для ИИ, а со связывания систем и правил обновления информации.

Связанные материалы

• AI SDR или живой SDR: что реально можно автоматизировать
• Автоматизация холодных B2B-продаж: как выстроить воронку
• Авто-SDR B2B-Leadflow

Источник: интервью CX Today с руководителем Dr. Martens, сентябрь 2026 года.