«Лунара» — онлайн-школа для женщин.

Школа работает в продюсерской модели: под задачи подбирают практикующих экспертов и «выпускают» курсы как продюсерский центр внутри проекта. Основные направления эзотерики включают астрологию, астропсихологию и расчёт «формулы души» по дате рождения; помимо этого есть мини-курсы.

Флагманский курс по астрологии прошли более 3000 человек (платный курс, наборы идут через трёхдневный автоворонок-формат). Платформа — GetCourse.

Из принципиальных позиций: продукты с высоким чеком «должен продавать человек»; автоматизацию продаж в рамках данного проекта школа не рассматривала.

«Лунара» работает со сложными автоворонками, одновременно ведёт множество вебинаров, активно использует нейросети в процессах (включая создание контента для одного из курсов). Репутационно строится на заботе о клиентах и быстроте реакции.

Воронки и запуски

Базовый источник продаж — трёхдневные автовебинары с дожимом; вокруг них — методички, downsale/допродажи. Параллельно могут идти до 15 автовебинаров одновременно, для слежения используют «монитор автовебов».

Поддержка/забота

• на линии работали: один сотрудник «на пятидневке» (днём) и двое по графику «2-2» с 9 до 21;
• время ответа часто превышало 30 минут;
• объём обращений доходил до ~120 на человека в день.

Типовые обращения

Ссылки на вебинары и материалы, вопросы по доступам и их продолжительности, «где моя ссылка за 2 минуты до вебинара» и т. п.

Проблемы до внедрения

Длительное время ответа на «горячих» участках, «хаос» в отделе заботы при больших объёмах, проскакивание спама/шумных сообщений при большом числе параллельных вебинаров.

1. Собрали и структурировали базу знаний.

Базу формировал сотрудник отдела заботы; в неё вошли частые вопросы и регламентированные ответы.

2. Ввели сегментацию по продуктам/воронкам.

Из-за множества курсов ответы завязали на сегмент: сделали общую страничку входа и определение сегмента, чтобы AI понимал, о каком именно продукте идёт речь.

3. Отработали правила ответов и ссылки.

Практика «если в ответе должна быть ссылка — добавь её» закреплена как обязательная.

4. Настроили операцию «Позвать человека».

Если вопрос вне базы/уникальный, AI предлагает подключить оператора. Этот модуль впервые обкатали на «Лунаре».

5. Итерационный запуск.

От тестов на реальных обращениях — к корректировке формулировок и развёртыванию на рабочий поток.

Количественные наблюдения (по словам Маргариты):

• После запуска, по внутренним отчётам, количество ручных ответов у сотрудников снизилось с ~120-140 до ~80 в день. Маргарита оценила этот результат как «очень хорошее снижение».
• В июле 2025 года, когда трафика было не так много, AI закрывал около 30% обращений.
• Целевая планка по качеству ответов «90%+ верных» достигалась как рабочая, но «не 100%»: AI иногда ошибается, и школа это признаёт.

Качественные эффекты:

• Штатная нагрузка снизилась: «мне одного человека на пятидневку с 10 до 19 — достаточно, потому что Ирина Иванова (AI-ассистент) подхватывает».
• Лояльность и «качество обслуживания» по ощущениям не пострадали; негатива от клиентов нет, в том числе когда люди осознают, что отвечает ИИ-ассистент.
• Тональность и человечность общения сохранены: AI ведёт длинные «вежливые» ветки, не утомляя живого сотрудника.
• Ограничения по метрикам: точность учёта в стандартных отчётах GetCourse признаётся ограниченной; школа аккуратно трактует эти цифры как ориентировочные.