9 способов использовать MCP-сервер в чат-ботах и CRM в SendPulse

Встречайте официальный MCP-сервер SendPulse! Эта функция позволяет подключить инструменты искусственного интеллекта к SendPulse, чтобы превратить их в вашего личного помощника по директ- и CRM-маркетингу. Разберем, кому пригодится новая функция и как ее использовать для автоматизации ежедневных задач.

Что такое MCP-сервер и как он превращает ИИ из советника в исполнителя

ИИ-модели могут подсказать правильную идею, но не реализуют ее за вас. Они не могут получать данные в режиме реального времени и выполнять действия, например, обновлять статус заказа в CRM или отправлять рассылки.

Протокол контекста модели (MCP) — открытый стандарт, разработанный в 2024 году американской компанией Anthropic для решения этой проблемы. MCP выступает «мостиком» между ИИ и внешними сервисами. Он позволяет перейти от статических рекомендаций к динамическому ИИ-агенту, самостоятельно получающему актуальную информацию из сторонних систем — локальных файлов, баз данных, аккаунтов в онлайн-сервисах — и выполняет необходимые действия.

Принцип работы MCP-сервера после подключения прост:

• Вы задаете вопросы ИИ-агенту в чате программы-клиента, например OpenAI, Claude или Cursor IDE .
• ИИ посылает запрос к MCP-серверу SendPulse.
• MCP-сервер обращается к API SendPulse и получает данные или выполняет требуемое действие.
• Результат возвращается в чат в виде ответа от ИИ-агента.

MCP-сервер SendPulse имеет доступ к сервисам чат-ботов и CRM.

В разработке — автоматизация работы в email сервисе и сервисе попап-форм, а также переход к автономным ИИ-агентам, реализующим сложные механики вроде мультиканальных кампаний.

Например, в сервисе чат-ботов ИИ может:

• получать информацию об аккаунте и перечне ботов,
• просматривать статистику и список тегов,
• отправлять рассылки,
• просматривать и запускать цепочки,
• просматривать и добавлять заметки,
• управлять контактами,
• просматривать диалоги и сообщения.

Чтобы просмотреть описание каждой команды и необходимые параметры запроса, нажмите на стрелку напротив команды.

Использование MCP-сервера позволяет автоматизировать выполнение типовых заданий в аккаунте SendPulse, экономит время, повышает эффективность ежедневной работы и ускоряет получение результатов.

Далее рассмотрим конкретные кейсы применения MCP.

5 кейсов использования MCP-сервера в сервисе чат-ботов

Помните: при общении с инструментами ИИ важно сформировать правильный запрос. Если результат не устраивает, скорректируйте инструкции.

Также обратите внимание, есть ли желаемая команда в списке доступных. К примеру, ИИ не сможет создать цепочку бота даже на основе подробной инструкции, поскольку соответствующая команда отсутствует.

Проиллюстрируем возможности ИИ после подключения MCP-сервера на основе чат-бота Instagram-магазина женской одежды. Название бренда и адрес сайта не раскрываем из соображений конфиденциальности.

1. Анализ диалогов и поиск инсайтов

В отличие от классических метрик — CTR, open rate, конверсии — диалоги показывают, что стоит за действиями пользователя: любопытство, сомнения, страхи, необходимость получить больше данных.

Именно поэтому анализ чатов открывает более глубокие инсайты:

• какие темы и формулировки вызывают эмоциональный отклик,
• в каком месте сценария пользователи теряются,
• какая информация помогает принять решение,
• как меняется поведение разных сегментов аудитории.

Благодаря MCP-серверу ИИ может получить контролируемый доступ к диалогам, проанализировать их и предоставить ценные инсайты, которые помогут оптимизировать цепочки, персонализировать предложения и скорректировать стратегию директ-маркетинга.

Чтобы реализовать кейс, подключите MCP согласно инструкции и предоставьте доступ к команде chatbots_dialogs_list.

Пример запроса:

Проанализируй диалоги бота bot_name и найди скрытые закономерности и инсайты в общении подписчиков. Порекомендуй, что мы можем улучшить на основе этих инсайтов.

ИИ-агент приступит к работе и запросит разрешение на чтение диалогов. Для разрешения нажмите Accept.

За одну-две минуты бот дает обстоятельный ответ, содержащий:

• частые намерения подписчиков;
• периоды наибольшей активности в директе;
• точки трения, в которых аудитория выпадает из воронки или откладывает целевое действие;
• конверсионные сигналы, на которые должен реагировать чат-бот или менеджер.

Также ИИ рекомендует, как улучшить общение в директе и контенте на Instagram-странице и предлагает варианты автоматизаций, которые помогут снять нагрузку с работников.

Инструмент точно определяет проблемы коммуникаций, в то же время предоставляя предложения, которые действительно улучшат пользовательский опыт и производительность работников.

2. Создание FAQ на основе реальных вопросов подписчиков

Напоминаем: ИИ-агент пока не может генерировать цепочки в конструкторе SendPulse. Но он пригодится на этапе разработки контента: проанализирует типовые запросы, соберет актуальную информацию с сайта и сгенерирует ответы в формате кратких ответов чат-бота.

Пример запроса:

Создай цепочки с ответами на ТОП-FAQ на основе анализа запросов пользователей. При формировании ответов используй информацию с официального сайта site.com, особенно со страниц site.com/ru/about_us, site.com.com/ru/delivery, site.com.com/ru/exchange/, site.com/ru/contact/ и site.com/ru/store-rules.

Поскольку ИИ-агент анализировал диалоги в предыдущем шаге, он не запросил никаких дополнительных данных или разрешений. Через несколько секунд рассуждения получаем ответ, содержащий список возможных триггеров для запуска цепочек, перечень цепочек и контент каждого.

Вы можете поэкспериментировать с другими инструкциями, чтобы цепочки выглядели так, как вы хотите. Скажем, скопировать примеры реально работающих автоматизаций или загрузить внутренние правила ведения переписки в директе, чтобы ИИ-агент придерживался tone of voice.

Если вы хотите больше контроля над текстом цепочек, разделите запрос на шаги. Например, сначала попросите ИИ написать текст для цепочки об обмене и возврате, а когда будете удовлетворены содержимым, переходите к другим вопросам.

3. Запуск рассылки

Хватит рассуждений и анализа, переходим к действиям!

В настройках MCP есть пять схожих команд, начинающихся с chatbots_bots_campaigns — именно они позволяют создать полноценную чат-бот рассылку в Instagram, WhatsApp, Facebook, Telegram или Viber.

В зависимости от канала ИИ-агента доступен разный набор действий с рассылкой.

В Instagram он может:

• создать рассылку с текстом, изображением и файлом;
• отправить ее пользователям, которые были активны последние 24 часа, или запланировать на нужную дату и время;
• при необходимости сегментировать получателей.

Если вы хотите добавить в рассылку дополнительные элементы — быстрый ответ, кнопку или карточку товара, — запланируйте рассылку через MCP, а затем перейдите в аккаунт SendPulse и добавьте необходимые компоненты вручную.

Пример запроса:

Запланируй рассылку с типом «Подтверждение события» на 24 ноября 2025 года для подписчиков бота bot_name с тегом event о том, что 24–27 ноября в нашем пространстве в ЦУМ в Киеве по случаю Черной пятницы состоятся дни стиля с консультациями стилистов. Подписчики ранее получили приглашение на email, поэтому цель рассылки — напомнить о событии, времени и дате проведения, а также мотивировать посетить магазин. Адрес пространства — улица Крещатик, 38, время работы — с 10:00 до 22:00.

Примерно за минуту ИИ-агент запланировал рассылку и ответил в чате:

Как видим, рассылка действительно отображается в запланированных в аккаунте SendPulse:

Хотя на самом деле он планировал новую рассылку для того же бота и сегмента с обновленным текстом. Это означает, что система отправит обе рассылки: изначальный вариант и обновленный с правками.

Рекомендуем проверять и корректировать результаты работы ИИ-агента, ведь он может делать ошибочные выводы или извращать факты. Помните: ИИ — только инструмент, ответственность всегда несет использующий его специалист.

Кроме рассылки ИИ дает рекомендации по повышению эффективности:

• напоминает проставить тег;
• предлагает привлечь необходимый сегмент к коммуникации перед рассылкой, чтобы потенциальные получатели попали в 24-часовое окно;
• информирует о том, что временная зона аккаунта должна соответствовать временной зоне получателей, чтобы рассылка была отправлена вовремя.

Вы можете запрашивать другие инсайты, чтобы максимизировать эффективность кампании. Например, по запросу ИИ может подсказать оптимальное время рассылки:

4. Сегментация на основе диалоговых паттернов

Этот кейс пригодится маркетологам и владельцам бизнеса, которые ищут новые подходы к сегментации аудитории. Если стандартные параметры — география, возраст, пол, активность в боте — исчерпали себя, попробуйте микросегментацию по поведенческим и коммуникационным признакам. ИИ-агент через MCP-сервер проанализирует необходимое количество диалогов и на основе того, как пользователь общается и о чем говорит, выделит новые сегменты для дальнейших персонализированных коммуникаций и проставит теги в аудитории SendPulse.

Пример запроса:

Проанализируй аудиторию бота и распределения подписчиков на три группы по признаку заинтересованности в покупке: готовы купить, теплые, холодные. Назначьте соответствующие теги: hot, warm, cold. Дай рекомендации по особенностям дальнейшей коммуникации с каждой группой.

Перед тем как выделить сегменты, ИИ проанализировал диалоги и выделил следующие группы подписчиков в соответствии с заданной системой тегов:

• Hot (готовы купить): ~10–15% — прислали контакты для отправки или запросили реквизиты для оплаты, согласовали условия отправки или запись на примерку, отправили скриншот об оплате.
• Warm (теплые): ~55–60% — активно уточняют цену, цвет, размер, условия обмена или доставки, просят дополнительные фото или видео. Берут время на размышления.
• Cold (холодные): ~20–25% — одноразовые или эмоциональные реакции без развития диалога, отрицание «дорого, нет моего размера, не нравится цвет», длительное отсутствие активности.

Также ИИ описал поведенческие сигналы для назначения тегов, скоринговые правила и уточнил техническую реализацию.

В соответствии с промптом ответ содержит рекомендации, как общаться с каждой группой, чтобы ускорить движение по воронке продаж и реактивировать неактивный сегмент.

После финального согласования ИИ начинает назначать теги, отображая прогресс в чате.

5. ИИ-песочница для тестирования цепочек

Вы можете использовать ИИ не только в качестве аналитика, работающего со статистикой кампании, но и как виртуальную модель целевой аудитории до запуска.

Это позволяет:

• избежать тестирования первой версии автоматизаций на реальных подписчиках,
• найти потенциальные узкие места и исправить их,
• спрогнозировать результаты CTR и open rate,
• улучшить эффективность первого запуска.

В этом кейсе ИИ выступает как фокус-группа, которая дает мгновенные результаты с высокой точностью, ведь действует на основе реальных диалогов.

Пример запроса:

Запусти симуляцию поведения 500 пользователей в цепочке «Оформление заказа», чтобы проанализировать его, найти узкие места и спрогнозировать удобство оформления заказа целевой аудиторией.

Предпосылки:

• Вход в цепочку 500 пользователей, нажавших «Оформить заказ» при переходе с рекламы или других цепочкек бота.
• Последовательность шагов: Выбор способа оплаты (наложенный платеж или 100% предоплата) → отправка реквизитов и просьба отправить скриншот квитанции после перевода → после получения скриншота запрос данных для отправки (имя и фамилия, телефон, email, город и адрес отделения Новой почты).

ИИ-агент практически мгновенно сформулировал основные предположения поведения пользователей, посчитал, что к концу цепочки дойдут ориентировочно 54% подписчиков в течение 5–7 минут, указал точки трения и основные риски, а также предложил, как улучшить конверсию.

4 кейса использования MCP-сервера в CRM

Классическая CRM-система фиксирует данные клиентов и помогает управлять ими для построения долгосрочных и эффективных отношений. ИИ понимает контекст, поэтому анализирует глубже и действует проактивно: например, благодаря симуляции поведения реальных пользователей может предусматривать узкие места в воронке или риск оттока клиентов.

Проиллюстрируем возможности ИИ в CRM-системе SendPulse после подключения MCP-сервера на основе воронки Instagram-магазина женской одежды, данные которой использовались в первой части этого материала. Данные контактов, количество и суммы сделок и другие чувствительные данные не раскрываем из соображений конфиденциальности.

1. Оптимизация воронки продаж

Чтобы оптимизировать воронки в классическом подходе, вам нужен бюджет, время и команда: проанализировать конверсии и слабые места воронки, улучшить сценарии работы отдела продаж, провести тестирование и отследить обновленные результаты.

ИИ позволяет получить мгновенные результаты без привлечения дополнительных средств или людей.

Благодаря MCP-серверу искусственный интеллект:

• получает доступ к CRM-данным в реальном времени;
• за несколько минут анализирует тысячи сделок;
• выявляет, на каких этапах бизнес теряет деньги и дает обоснованные рекомендации по повышению конверсий.

ИИ не просто констатирует факты, а объясняет причины и предлагает решение. Такой уровень аналитики недостижим в классических CRM-отчетах, ведь показывает контекст, а не только цифры.

Чтобы оптимизировать свою воронку, подключите MCP и предоставите доступ к команде crm_pipelines_list.

Пример запроса:

Проанализируй воронку ID 24759 и подскажи шаги оптимизации и повышения ее эффективности.

Ответ ИИ состоит из нескольких блоков:

• описание воронки и отдельных ее этапов,
• общие рекомендации по повышению эффективности,
• советы по оптимизации путей конверсии,
• технические рекомендации.

К примеру, ИИ предложил выделить неудачные платежи как один из самых мощных рычагов для роста конверсии. Чем больше внимания получат те клиенты, которые уже прошли путь от знакомства с продуктом до принятия решения, тем выше возможность завершения сделки.

Чтобы менеджерам было удобнее работать с теми, чей платеж не прошел, ИИ создал отдельный этап «Неуспешный платеж» в воронке и выделил его красным цветом:

Изменения отобразились в аккаунте SendPulse:

Чтобы убедиться, что обновленная воронка работает корректно, ИИ-агент создал тестовое соглашение и провел его по всем этапам: от появления потенциального клиента до успешного соглашения.

Результат теста подтвердил:

• воронка работает,
• новый шаг «Неуспешный платеж» доступен для использования в сценариях повторного взаимодействия с клиентом.

Вы можете сотрудничать с ИИ дальше, чтобы оптимизировать максимум элементов воронки: изменять очередность этапов, генерировать серии сообщений между шагами, работать с валютой, ответственными и другими настройками.

2. Создание сделок по результатам общения

После звонка менеджеры должны фиксировать результаты сделки, чтобы сохранить структурированные данные — имя и фамилию контакта, номер телефона, сумму, этап или тег — и контекст разговора. Это формирует реалистичную картину продаж и снимает риски потери информации при изменении ответственных или росте команды.

Чтобы упростить и ускорить создание сделок, менеджеры могут предоставлять ключевую информацию ИИ-агенту через MCP-сервер. Он самостоятельно обработает ее и создаст контакт и сделку — без ручной работы в интерфейсе.

Пример запроса:

Создай новый контакт Никита Василенко, [номер телефона], [email], компания ABCGroup, должность управляющего партнера.

Привяжи этот контакт к новому соглашению в воронке Интернет-магазин со статусом Партнерство со сроком выполнения 31.12.2025 и суммой 50 000 грн.

ИИ выполняет несколько команд — crm_contacts_create, crm_deals_create и crm_deals_update — и возвращает ответ в чат:

Контакт действительно создан, но с ограничениями: имеющиеся MCP-команды не позволяют добавить номер телефона, email, должность и другие атрибуты, поэтому ИИ указал эти данные комментарием.

Также из-за функциональных ограничений ИИ-агент не смог указать срок выполнения соглашения в соответствующем поле и добавил информацию комментарием:

Этот кейс показывает важную характеристику ИИ-агента: он не теряет важные данные даже при отсутствии команд для их обработки, а пытается добавить информацию в контакты и соглашения любым доступным способом.

В скором времени функциональность MCP-сервера расширится и эти ограничения будут сняты.

3. Автоматическое создание контактов и соглашений по чатам бота

В предыдущем кейсе мы рассмотрели возможность создавать сделки и контакты после ручного запроса, но ИИ-агент может больше. К примеру, анализировать переписки в чат-ботах, находить оформленные заказы и формировать сделки в CRM без вмешательства менеджера.

Пример запроса:

Проанализируй последние 100 диалогов бота bot_name. Если в переписке клиент оформил заказ, заключай соглашение в воронке «Интернет-магазин» со стаусом «Оформили заказ и типом «Продажа товаров». Добавляй туда всю информацию, которая есть в диалоге: данные клиента, заказанный товар, стоимость товара, способ доставки и оплаты.

Триггером оформления заказа давай считать отправку следующего сообщения:

«Напишите, пожалуйста, свои данные для отправки заказа: Ф.И.О. получателя, город, номер почтового отделения, контактный номер телефона, электронная почта»

Триггер выбран не случайно: именно это сообщение посылает бот или менеджер вручную после получения сундука об оплате. Если подписчик оплатил товар, значит, решение о покупке принято и заказ считается оформленным.

Важно: чтобы выбрать релевантный триггер, проанализируйте типичный сценарий оформления заказа в своем бизнесе. Например, если прием заказов полностью автоматизирован, ИИ сможет создавать соглашения для тех контактов, которые прошли цепочку до конца.

Сначала ИИ-агент сформулировал план действий:

После утверждения началась обработка данных и выполнение команд через MCP-сервер. Процесс длился около 10 минут.

За это время ИИ:

• проанализировал диалоги и отфильтровал содержащие триггерное сообщение;
• создал первый контакт и в комментарии добавил номер телефона и email;
• создал соглашение в воронке «Интернет-магазин» со статусом «Оформили заказ», указал ответственного и тип сделки;
• связал контакт с соглашением;
• указал сумму сделки и в комментарии добавил ключевые атрибуты.

Дальнейшее создание контактов и соглашений мы остановили, чтобы не тратить токены.

При выполнении многоэтапных задач MCP-сервер может блокировать выполнение команд из-за превышения количества запросов для выбранной ИИ-модели. Это никак не влияет на результат: просто подождите указанное в уведомлении времени — от 1 до 40 секунд — и напишите в чате «продолжай».

4. Определение источников качественных лидов

Дашборд в CRM иллюстрирует, откуда приходят лиды, но не показывает дополнительных данных: какие источники реально приносят деньги, сколько времени длится заключение сделок и вовлечен ли в процесс менеджер. Без глубочайшего анализа тяжело отличить количество от качества, потому стоит привлечь ИИ. Он не просто считает конверсии, а отслеживает жизненный цикл лида и формирует точную картину: по каким каналам приходят покупатели, которые покупают быстрее, тратят больше и остаются дольше.

К примеру, ИИ-агент может определить, что Facebook Ads дает вдвое меньше лидов, чем Google Ads, но средний чек с Facebook втрое выше. Благодаря этому маркетинг-отдел скорректирует бюджеты не интуитивно, а на основе реальных бизнес-показателей.

Пример запроса:

Определи источники самых качественных лидов — конвертируемых в покупки и попавших на этап «Успешное соглашение» — для воронки «Интернет-магазин» и дай рекомендации по лучшей конвертации лидов в покупателей.

ИИ-агент запрашивает разрешение на пересмотр сделок и через несколько минут дает обстоятельный ответ, содержащий:

• список проанализированных воронок,
• источники наиболее качественных лидов,
• рекомендации по улучшению конвертации лидов в покупателей,
• список метрик, на основе которых сделаны выводы.

Источником самых качественных лидов стал соответствующий действительности чат-бот, а советы сфокусированы на ускорении движения воронкой и качественном заполнении полей сделок.

Чем больше данных содержит воронка, тем глубже будет анализ. Кроме прибыли, которую приносит каждый источник лидов, ИИ может принимать во внимание и другие показатели из вашей CRM-системы: количество и частоту возвратов, скорость закрытия сделок, средний чек, неуспешные платежи и т. д. Чем больше данных аккумулирует CRM, тем более глубокие инсайты найдет ИИ-агент.

Что дальше: от ИИ-исполнителя до автономного ИИ-агента

Как видно из примеров, MCP-сервер дал возможность ИИ получать доступ к данным в режиме реального времени и выполнять простые команды. Но это только первый шаг. Следующий — переход к автономным ИИ-агентам, способным выполнять более сложные запросы и даже самостоятельно инициировать действия.

ИИ-агенты будущего будут знать контекст всех каналов — чат-ботов, web push, email и SMS кампаний — отслеживать изменения в воронке и анализировать поведение клиентов, чтобы самостоятельно предлагать новые стратегии коммуникации. Также ИИ упростит работу с CRM, автоматизируя буквально каждый шаг и исключая потерю данных или пропущенных задач. Человек в этих условиях станет куратором ИИ-экосистемы, формирующей цели, а не отдельные задачи.

Подключите MCP-сервер, чтобы создать своего собственного ИИ-ассистента и оценить, как новые технологии высвобождают время, повышают эффективность ежедневной работы и ускоряют получение бизнес-результатов.