AI-классификация откликов

Когда ваша рассылка идёт через 5-10 SMTP-аккаунтов, ответы возвращаются в каждый из этих ящиков. Без автоматизации нужно открывать 10 inbox'ов и вручную сортировать сотни писем — что лид, что вопрос, что bounce, что auto-reply.

Postigo автоматически забирает все ответы по IMAP в единый дашборд и размечает каждое письмо через AI-классификатор.

5 категорий

1. Positive — заинтересован, хочет узнать больше, готов на следующий шаг (созвон, демо, продолжение разговора)
2. Negative — не интересно, не сейчас, отказ. Не значит что навсегда, но текущий outreach закрыт
3. Question — нужны детали, уточнение, ответ на конкретный вопрос. Часто переходит в Positive после ответа
4. Bounce — автоматическое сообщение от почтовой системы о недоставке (550, 553 коды)
5. Auto-reply — out-of-office, отпуск, праздничное автоматическое сообщение

К каждой классификации идёт confidence score от 0 до 1 — насколько AI уверен. При score < 0.7 письмо переходит в категорию «manual_review», и вы решаете сами.

Что это даёт на практике

На 1000 отправленных писем при reply-rate 3% получаете 30 ответов. Из них:

• ~5-10 positive (ваши лиды)
• ~10-15 negative (исключите из дальнейших рассылок)
• ~5-7 questions (нужен ваш ответ — это потенциальные positive после уточнений)
• ~3-5 auto-reply (отвечать через 1-2 недели)

Без AI-классификации вы тратите 30-40 минут чтобы разобрать 30 писем. С AI — открываете дашборд и видите сразу 5-10 positive отдельным списком. Экономия времени радикальная.

Точность

На реальных данных Postigo точность классификации positive/negative держится на уровне 92-95%. Question и auto-reply классифицируются с точностью 88-92% — там сложнее, потому что выражения многозначные. При confidence < 0.7 письмо попадает на ручной просмотр — это ~5-8% всех откликов.

Follow-up по триггеру

На основе классификации работает автоматический follow-up: positive ответы получают второе письмо с продающими деталями через N часов. Negative — никогда не получают follow-up. Question — можете настроить вручную.

Подробности в статье по спинтаксу и в дашборде «Отклики».