Оглавление
Связанные документы:
Dream Teams: Архитектура системы
Executive Summary
Dream Teams — это эволюция конвейера Model T в систему проактивных продаж.
Цель: Через короткие итерации с малым числом клиентов найти повторяющиеся паттерны, сформировать Unique Selling Propositions (USP), извлечь reusable модули для масштабирования — и выйти на новый уровень контрактов через создание реальной ценности для клиентов.
Принцип: Глубина > Охват. Лучше глубоко понять 3 клиентов, чем поверхностно 30.
Что мы делаем: Создаём кросс-функциональные команды, которые тщательно готовятся к встречам с клиентами. Вместо того чтобы приходить с вопросом "Что вам нужно?", мы приходим с готовым пониманием проблем клиента и предложением решений, которые создают для него реальную ценность.
Как это работает:
- Команда изучает клиента: его бизнес, проблемы, возможности
- На основе анализа разрабатывается индивидуальное предложение
- На встрече мы показываем, что понимаем клиента и можем помочь
- После встречи собираем обратную связь и улучшаем подход
Почему это важно:
- Клиент видит, что мы инвестировали время в понимание его ситуации
- Предложение релевантно его реальным потребностям
- Это создаёт основу для долгосрочных отношений и крупных контрактов, а не разовых сделок
Стратегическая цель: Через анализ множества встреч мы выявляем паттерны — какие проблемы повторяются, какие решения работают. Это позволяет:
- Сформулировать USP (уникальные торговые предложения)
- Из USP создать платформы — переиспользуемые модули, шаблоны, компоненты
- Получить leverage — каждая следующая сделка требует меньше усилий
- Масштабировать успешные подходы на всю компанию
Общая архитектура
┌─────────────────────────────────────────────────────────────────────────┐
│ ВХОДЫ │
│ 5 клиентов на команду (с запасом для скоринга) │
├─────────────────────────────────────────────────────────────────────────┤
│ CRM / Backlog Model T Триггеры / Мониторинг Referrals │
└───────────────┬─────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────────────┐
│ МОДУЛИ ОБРАБОТКИ │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ ┌───────────────┐ ┌──────────────┐ │
│ │ 1. PRE-RESEARCH│───▶│ 2. SCORING │ │
│ │ (Researcher) │ │ (AI + чел) │ │
│ │ 5 клиентов │ │ выбор 3-х │ ┌──────────────────┐ │
│ └───────────────┘ └──────────────┘ │ │ │
│ │ │ AI ORCHESTRATOR│ │
│ ▼ │ │ │
│ ┌──────────────┐ │ ┌────────────┐ │ │
│ │ 3. RESEARCH │───┐ │ │ Профили │ │ │
│ │ (Researcher) │ │ │ │ команды │ │ │
│ │ 3 клиента │ │ │ └────────────┘ │ │
│ └──────────────┘ │ │ ┌────────────┐ │ │
│ │ │ │ │ Цели │ │ │
│ ┌──────────────┐ │ │ │ спринта │ │ │
│ │ 4. OFFER │◀──┘ │ └────────────┘ │ │
│ │ (Architect) │ │ ┌────────────┐ │ │
│ │ 3 оффера │ │ │ Daily │ │ │
│ └──────────────┘ │ │ logs │ │ │
│ │ │ └────────────┘ │ │
│ ▼ │ │ │ │
│ ┌──────────────┐ │ ▼ │ │
│ │ 5. MEETING │ │ ┌────────────┐ │ │
│ │ (Presenter) │◀─────────│ │ Задачи │ │ │
│ └──────────────┘ │ │ на день │ │ │
│ │ │ └────────────┘ │ │
│ ┌─────────────────────────┘ │ │ │
│ │ │ cronjob: ночью │ │
│ ▼ │ Claude Code │ │
│ ┌──────────────┐ ┌──────────────┐ │ Server │ │
│ │ 6. FEEDBACK │────────▶│ 7. USP │ └──────────────────┘ │
│ │ (AI + Team) │ │ ACCUMULATION│ ← Начинается с 1-го │
│ └──────────────┘ │ (постоянно) │ feedback │
│ │ └──────────────┘ │
│ │ │
│ ◀──────┘ Итерация: следующие 3 клиента │
│ │
└──────────────────────────────────────────────────────────────────────────┘
│
▼ После 2-3 итераций
┌─────────────────────────────────────────────────────────────────────────┐
│ ВЫХОДЫ │
├─────────────────────────────────────────────────────────────────────────┤
│ Validated USP Модули / Платформы Шаблоны офферов │
└─────────────────────────────────────────────────────────────────────────┘
Модули системы
Модуль 1: Pre-Research (Предварительное исследование)
Что делает: Сбор базовой информации о клиенте для скоринга.
| Параметр | Значение |
|---|---|
| Вход | 5 клиентов на команду (с запасом) |
| Выход | Краткий профиль для скоринга |
| Время | 4-5 часов на клиента, 2 клиента в день |
| Кто | Researcher |
Что собираем:
- Чем занимается компания
- Размер, география
- Есть ли потенциал для hardware/embedded проектов
- Возможность быстро назначить встречу (контакт, referral)
- Актуальность: новости, hiring, проекты
Важно: На 5 клиентов Pre-Research занимает ~2.5 дня.
Модуль 2: Scoring
Что делает: Оценка и выбор топ-3 клиентов из 5.
| Параметр | Значение |
|---|---|
| Вход | 5 клиентов с Pre-Research |
| Выход | Топ-3 клиента с приоритетами, решение по встречам |
| Время | 1-2 часа на всех 5 |
| Кто | AI + Researcher (валидация) |
Критерии скоринга:
- Fit с компетенциями Promwad (25%)
- Размер потенциальной сделки (20%)
- Timing / готовность к проекту (20%)
- Возможность быстро назначить встречу (20%) ← критически важно
- Конкурентная ситуация (15%)
Выход скоринга:
- Топ-3 клиента для работы
- Для каждого: можно ли быстро назначить встречу?
- 2 клиента в резерве (если кто-то отвалится)
Модуль 3: Research (Глубокое исследование)
Что делает: Подготовка полного Brief для создания оффера.
| Параметр | Значение |
|---|---|
| Вход | 3 отобранных клиента после скоринга |
| Выход | Company Brief (1-2 страницы) |
| Время | 4-6 часов на клиента |
| Кто | Researcher |
Два режима:
| Режим | Когда | Время |
|---|---|---|
| AI-анализ | Новый клиент | 4-6 часов |
| Model T материалы | Клиент из backlog | 2-3 часа |
Что должно быть в Brief:
- Детальный профиль компании
- 1-2 конкретные боли/возможности
- Decision maker + как выйти на контакт
- Триггер для контакта
- Релевантные компетенции Promwad
Модуль 4: Quick Offer
Что делает: Создание предложения для клиента.
| Параметр | Значение |
|---|---|
| Вход | Company Brief |
| Выход | Quick Offer (3-5 слайдов), talking points |
| Время | 4-8 часов |
| Кто | Architect (+ Researcher для контекста) |
Структура Quick Offer:
- Понимание ситуации клиента (1 слайд)
- Проблема / Возможность (1 слайд)
- Предлагаемое решение (1-2 слайда)
- Почему Promwad (1 слайд)
- Следующие шаги
Модуль 5: Meeting
Что делает: Презентация оффера клиенту.
| Параметр | Значение |
|---|---|
| Вход | Quick Offer, talking points |
| Выход | Meeting notes, structured feedback |
| Время | 1-2 ч (встреча) + 1 ч (notes) |
| Кто | Presenter (+ Architect опционально) |
Outcome:
- Interest → следующий этап продаж
- Need more info → доработка
- No fit → только feedback для обучения
Модуль 6: Feedback Analysis
Что делает: Анализ результатов встречи.
| Параметр | Значение |
|---|---|
| Вход | Meeting notes, outcome |
| Выход | Что сработало/не сработало, корректировки |
| Время | 1-2 часа |
| Кто | AI + Team |
Фиксируем:
- Какие части оффера зацепили
- Вопросы и возражения клиента
- Что изменить в следующем оффере
Модуль 7: USP Accumulation (Накопление USP)
Что делает: Постоянный анализ паттернов, формулировка USP.
| Параметр | Значение |
|---|---|
| Вход | Каждый новый feedback |
| Выход | USP гипотезы, обновление паттернов |
| Когда | Начинается с первого feedback, не в конце |
| Кто | AI + Team (на ретро) |
Как работает:
- После каждой встречи: добавляем данные в анализ
- Смотрим: появляются ли паттерны?
- К концу спринта: формулируем USP гипотезы
- В следующем спринте: тестируем гипотезы
Что ищем:
- Какая боль повторяется?
- Какое решение резонирует?
- Чем Promwad отличается?
AI Orchestrator (Модуль оркестрации)
Что делает: Координирует работу команды, распределяет задачи, отслеживает прогресс.
| Параметр | Значение |
|---|---|
| Вход | Daily logs участников, статус задач, цели спринта |
| Выход | Задачи на день для каждого участника |
| Когда | Ночью (cronjob), результаты — утром |
| Реализация | Claude Code Server + Skills в репозитории |
Что знает Orchestrator:
-
Профили команды
- Кто какую функцию выполняет (Researcher, Architect, Presenter)
- Загрузка, доступность
- Компетенции по доменам/клиентам
-
Цели спринта
- Сколько офферов нужно сделать
- Сколько встреч провести
- Deadline'ы
-
Текущий статус
- Что сделано вчера (daily logs)
- Что осталось сделать
- Блокеры
Daily Log (участники заполняют вечером):
## Daily Log: [Дата]
### Сделано сегодня
- ...
### Блокеры
- ...
### Планы на завтра (опционально)
- ...
Ночной цикл Orchestrator:
- Читает все daily logs за день
- Сверяет с целями спринта
- Определяет, что нужно сделать завтра
- Распределяет задачи по участникам (с учётом загрузки)
- Генерирует план дня для каждого
Выход (утром):
## Задачи на [Дата]
### [Имя участника] — Researcher
- [ ] Pre-Research: Клиент X (4 ч)
- [ ] Scoring sync с командой (1 ч)
### [Имя участника] — Architect
- [ ] Quick Offer для Клиента Y (6 ч)
- [ ] Review оффера от Researcher (1 ч)
Режимы работы:
| Фаза | Режим | Описание |
|---|---|---|
| Спринты 1-2 | Поддерживающий | AI предлагает, человек проверяет и корректирует |
| Спринты 3+ | Автономный | AI распределяет, человек валидирует утром |
Обучение с первого дня:
- Даже в поддерживающем режиме AI генерирует план
- Человек корректирует → AI учится на корректировках
- Постепенно качество планов растёт
Техническая реализация:
┌─────────────────────────────────────────────┐
│ Claude Code Server │
│ │
│ ┌───────────────┐ ┌─────────────────┐ │
│ │ Skills: │ │ Данные: │ │
│ │ - orchestrate │ │ - team_profiles │ │
│ │ - analyze_day │ │ - sprint_goals │ │
│ │ - plan_tasks │ │ - daily_logs/ │ │
│ └───────────────┘ └─────────────────┘ │
│ │ │ │
│ └─────────┬─────────┘ │
│ ▼ │
│ cronjob: 03:00 │
│ │ │
│ ▼ │
│ tasks_[date].md │
└─────────────────────────────────────────────┘
Функции и люди
Три ключевые функции
| Функция | Модули | Что делает |
|---|---|---|
| Researcher | 1, 2, 3 | Pre-Research, Scoring, Research |
| Architect | 4 | Создание оффера, техническая часть |
| Presenter | 5 | Проведение встречи, презентация |
Важно о функциях
-
Один человек может выполнять несколько функций
- Researcher + Architect
- Architect + Presenter
- Все три (если опытный)
-
Функции могут меняться
- В зависимости от загрузки
- В зависимости от компетенций по конкретному клиенту
- По ходу спринта
-
Минимальная команда: 2-3 человека
- Вариант A: Researcher-Architect + Presenter
- Вариант B: Researcher + Architect-Presenter
- Вариант C: 3 человека по функциям
Пример распределения
Dream Team (3 человека):
| Человек | Функции | Фокус |
|---|---|---|
| A | Researcher | Pre-Research, Research, Scoring |
| B | Architect | Офферы, техническая валидация |
| C | Presenter | Встречи, коммуникация с клиентами |
Гибкость: Если A перегружен, B может помочь с Research. Если нет встреч, C помогает с офферами.
Единая среда
IDE: Cursor / Anti-Gravity / VS Code с AI
Репозиторий: GitLab (этот repo)
Формат: Markdown, всё в Git
Структура проекта Dream Teams:
_system/dream_teams/
├── team_profiles/
│ ├── team_1.md # Профиль команды 1
│ └── team_2.md # Профиль команды 2
├── sprint_goals/
│ └── sprint_1.md # Цели текущего спринта
├── daily_logs/
│ ├── 2025-01-27_team1.md # Daily log команды
│ └── ...
├── tasks/
│ ├── 2025-01-28_team1.md # Задачи на день (генерирует AI)
│ └── ...
└── skills/
└── orchestrator/ # Skills для Claude Code Server
├── SKILL.md
└── ...
dt-[team]-[client]/ # Папка клиента
├── 00-pre-research.md
├── 01-scoring.md
├── 02-brief.md
├── 03-quick-offer.md
├── 04-meeting-notes.md
└── 05-feedback.md
Цифры
За 1 спринт (2 недели) на 1 команду:
- Спринт 1: setup + 3 оффера (максимум)
- Спринт 2: 3-5 офферов
За месяц (2 спринта) на 1 команду:
- 6-8 офферов и встреч
На 2 команды за месяц:
- ~15 офферов и встреч
- Достаточно данных для первых USP гипотез
См. также
- План имплементации — конкретные шаги на первые 2 спринта