Кейсы про AI-поддержку почти всегда выглядят одинаково: «подключили — конверсия выросла на 40%». Проблема в том, что число без контекста не доказывает вообще ничего — оно может означать что угодно, от реального эффекта до статистической случайности на маленькой выборке.
Вопрос первый: 40% от чего?
Рост конверсии с 1% до 1,4% — это тоже «плюс 40%», но выглядит совершенно иначе, чем рост с 20% до 28%. Кейс, который не называет исходную базу, не даёт возможности оценить, насколько результат вообще значим для бизнеса такого масштаба, как ваш.
Вопрос второй: за какой период и на каком объёме данных
Прирост, посчитанный за одну неделю на паре сотен диалогов, может быть случайным колебанием, а не устойчивым эффектом — особенно если в эту неделю совпала распродажа или сезонный всплеск спроса, никак не связанный с AI-агентом. Устойчивый результат обычно показывают на промежутке в несколько месяцев, а не в первую неделю после запуска.
Вопрос третий: что именно изменилось одновременно с подключением
Если бизнес одновременно с AI-агентом поменял ещё и дизайн сайта, запустил рекламную кампанию или расширил ассортимент — приписывать весь эффект одному только AI-агенту нечестно, даже если так проще и красивее выглядит в презентации. Хороший кейс явно называет, что оставалось неизменным, а что менялось.
Как читать спокойно, а не скептически
Смысл этих вопросов не в том, чтобы не верить никаким цифрам вообще, а в том, чтобы отличать кейс с методологией от кейса-рекламы. Честный кейс не боится назвать базовые цифры и период — потому что ему не нужно ничего прятать за круглым процентом.