INB Team
26 Травня, 2026
Як CCO INB.bio будує системи продажів, що масштабуються у 15 країнах і не ламаються
Марк Спасонов приєднався до INB.bio на позицію Chief Commercial Officer кілька місяців тому. Його завдання – забезпечити, щоб sales-команди у 15 країнах виконували свої показники. Не через більшу мотивацію чи швидші продажі, а через побудову систем, які працюють при масштабуванні.
Ми поговорили про те, як будувати процеси, які не руйнуються при зростанні, чому документація важливіша за натхнення і що відбувається, коли ваша система продажів одночасно охоплює Танзанію, Пакистан і Венесуелу.
Я відповідаю за дохід і прибуток через ринки та команди продажів. Повний цикл: найм керівників продажів та продавців на локальних ринках, побудова операційної системи, яка запускає комунікацію з клієнтами, встановлення метрик, робота з даними. Ми підтримуємо ринки, щоб вони могли працювати. Вирішуємо проблеми та передаємо їх у маркетинг, IT, операції, логістику. Але все, що стосується продажів – це наша зона відповідальності.
Ми маємо бути впевнені, що є люди, які обробляють вхідні ліди, що вони роблять це якісно, за стандартами, вчасно і виконують наші внутрішні KPI продуктивності, які безпосередньо впливають на дохід.
Коли ви працюєте з обсягом і масштабом, потрібна чітко структурована операційна модель. Необхідно чітко розуміти, які процеси є критичними. Вони мають бути прописані, описані та зрозумілі.
Мій внутрішній орієнтир: людина має виконати 90% процесу без проблем, спираючись лише на внутрішні інструкції та флоу.
Усі наші процеси оформлені так: є блок-схема, щоб візуально розуміти залежності між людьми та задачами. Усе зберігається в Notion разом із RACI-матрицею. Кожен етап процесу містить детальні інструкції для виконання. Маючи цю базу, ми можемо щодня працювати за чек-листами. Коли я впевнений, що команда розуміє процес, ми передаємо його локальним ринкам.
Зрілість процесів дозволяє досягати повторюваних результатів. Але важливо залишатися гнучкими і не витрачати занадто багато часу на процеси, які не критичні або не мають значного впливу на результат. Ми дотримуємося принципів KAIZEN: постійно шукаємо невеликі покращення, усуваємо втрати та щодня робимо процеси трохи кращими.
Також ми використовуємо agile-підхід до створення нових процесів:
І ще один важливий момент – критерії прийняття. Коли ми працюємо над задачею, ми завжди питаємо себе: навіщо ми це робимо? Чіткі критерії прийняття дають уже половину відповіді. Це дозволяє не робити зайвого і фокусуватись лише на тому, що реально впливає на результат.

Звісно, культура і підходи відрізняються. В одних країнах багато мусульман, в інших – християн, а десь це взагалі не має значення. Навіть релігія впливає на поведінку продавців і клієнтів: свята, ритм життя. І це ще без урахування культурного та історичного контексту: рівень розвитку країни, норми поведінки, рівень діджиталізації.
Тому процеси можуть відрізнятись, бо цього вимагає ринок. Але є ядро, в яке ми віримо – це консультативні продажі, продажі через допомогу клієнту. Ми намагаємось зрозуміти біль клієнта і показати, як наш продукт може її вирішити. Ми завжди прагнемо дотримуватися цього основного принципу, адже насамперед йдеться про допомогу, а не про нав’язування товарів. Все інше – це надбудова, яка може змінюватися залежно від ринку.
Однаковими для всіх є процеси дисципліни, ключові нюанси продажів і операційна система: як ми працюємо з CRM та даними. Далі з’являються надбудови, пов’язані з культурою.
У деяких країнах прийнято спілкуватися прямо. В інших – потрібно вибудовувати особистий контакт уже з першого дзвінка. Такі речі відрізняються.
Я оцінюю кілька речей. Перше – базові навички для позиції. Але найм починається не з оцінки кандидата, а з розуміння, кого саме ми шукаємо під конкретні задачі. Можна знайти сильну людину, але без чіткого розуміння ролі легко помилитися.

Сьогодні технології – це основа ефективності як у B2B, так і у B2C. Робота з людьми залишається роботою з людьми. Психологія та поведінка людей суттєво не змінюються. Але технології значно прискорюють операційну роботу: просунуті CRM-системи, звітність і так далі.
Штучний інтелект допомагає пришвидшувати роботу через аналіз даних, пошук і перевірку гіпотез – він дозволяє швидше їх формулювати і швидше розуміти, де саме шукати проблему. Він допомагає аналізувати дані та поєднувати речі, на які раніше вручну витрачалося набагато більше часу. Також прискорюється контроль якості: можна розшифровувати розмови в текст, автоматично аналізувати їх, знаходити патерни. Революцію AI вже неможливо скасувати, тому той, хто швидше адаптується, буде попереду.
Так, такі моменти були. Я людина, яка любить відштовхуватися від цифр і перевіряти гіпотези на основі даних, а не лише емпіричних спостережень. І одного разу ми перебудували процес аналітики. Хоча це не пряма зміна в продажах, вона дуже сильно покращила нашу роботу.
Було так: у нас просіла конверсія на багатьох ринках, і стало зрозуміло, що коли ми допомагаємо локальним керівникам відділів продажів фокусувати увагу, ми хаотично знаходимо проблеми і так само хаотично їх вирішуємо.
Тоді ми переглянули підхід і створили новий, простий і швидкий формат звітності, за яким відстежуємо показники та проблемні зони. Ми обираємо конкретну групу, фокусуємося на ній і дивимося динаміку: ростуть результати чи падають.
Саме тоді ми почали бачити реальні результати. Фідбек і робота з операторами перейшли з рівня «ось проблемний агент, помітили кілька питань – виправте» до формату «ось чіткий проблемний патерн, ось конкретна група, яка не росте, тут працюємо прицільно». Ми бачимо, хто росте, а хто ні.
З тими, хто не хоче або не може рости, ми прощаємось. Тих, хто готовий – розвиваємо. І обов’язково проводимо ретроспективу, щоб зрозуміти, де була проблема, і надалі знаходити та закривати її швидше.
Я б сказав, що найбільша інновація – це можливість пришвидшити операційну роботу та знаходити проблеми за допомогою AI. Саме прийняття рішень – це не така вже складна частина. Що впровадити, що змінити, що прибрати – це зазвичай зрозуміло. Проблема – правильно визначити, у чому саме полягає проблема, на основі даних. Коли у нас є вся інформація, рішення приймається легко. Але зібрати дані та знайти причину – це складно.
І тут AI дуже допомагає: у контролі якості, автоматичному аналізі та виділенні проблем, у транскрибації, у пришвидшенні створення скриптів і, найголовніше, в аналізі даних і виявленні проблемних патернів у конверсії. Найбільший результат у тому, що раніше потрібно було більше часу, щоб прийняти правильне рішення. А зараз можна приймати більше правильних рішень, бо сам процес отримання даних став значно швидшим.

Чесно кажучи, мені складно зрозуміти, що таке «швидкий» процес, тому що процес у першу чергу має бути ефективним. А вже швидкий він чи довгий – залежить від ситуації.
Головний принцип – чітке розуміння проблеми, яка перед нами стоїть, і формулювання того, як ми хочемо її вирішити та який саме результат має бути на виході. Дуже часто ми робимо багато речей, які нікуди не ведуть, тому що не формулюємо фінальний результат.
Якщо проблема сформульована погано, навіть хороше рішення її не вирішить. Або виявиться, що це взагалі не та проблема, яку варто було вирішувати.
Але коли проблема сформульована, ми можемо побудувати зрозумілий шлях до її вирішення хоча б у форматі MVP. Ми формуємо чіткий результат і критерії прийняття. Коли ми вміємо правильно ставити питання «яку саме проблему ми вирішуємо і як виглядає її рішення», тоді процеси будуються і швидко, і ефективно, і дійсно вирішують проблему.
Не пропускайте «нудну» частину. Документація, блок-схеми, критерії прийняття – це здається бюрократією, поки ви не починаєте масштабуватися. Потім це єдине, що вас рятує.
І ставте кращі запитання. Половину часу ми вирішуємо не ту проблему, тому що неправильно її сформулювали. Гарне запитання – гарна відповідь. Погане запитання – не важливо, наскільки розумне рішення.