Автоматизация коммерческих предложений для агентств: полный гайд по связке Claude + n8n

Четыре часа на одно КП. Листаешь прошлые проекты в поисках подходящего кейса, вручную тянешь смету — а потенциальный клиент уже смотрит предложения конкурентов. По данным AdAI (май 2026), агентства отказывают 30–40% квалифицированных входящих лидов именно потому, что писать предложения физически некогда.

15 КП в месяц — это 60–90 часов работы команды. Фактически один сотрудник на полную ставку, который занимается только предложениями. Если тот же объём закрыть автоматизацией за $400–2000 в год на инструменты, разница в прибыли составит до $120 000 в год в дополнительных заключённых сделках (AdAI, май 2026).

В этой инструкции — не «используйте ChatGPT и шаблон». Здесь полный pipeline: от транскрипта звонка до подписанного договора. Claude через Anthropic API или MCP (Model Context Protocol — стандарт, который позволяет Claude напрямую подключаться к вашим приложениям и данным) плюс n8n в роли оркестратора. С конкретными шагами, промптами и кейсами агентств, которые уже работают именно так.

Примечание о доступности. Anthropic API доступен напрямую не во всех регионах. Если у вас нет прямого доступа к claude.ai или к ключам Anthropic API — для получения ключа может понадобиться зарубежная карта или сторонний канал. Это стоит проверить до начала сборки.

Содержание

• Почему КП — это скрытая дыра в $120K в год
• Стек: Claude API + n8n + CRM + PandaDoc
• Шаг 1: Модульный шаблон КП
• Шаг 2: Автоматический триггер из CRM
• Шаг 3: Claude-нода, которая пишет КП
• Шаг 4: Автовыбор кейсов из библиотеки
• Шаг 5: Логика ценообразования и сборка скопа
• Шаг 6: Пуш в PandaDoc и синхронизация с CRM
• Кейс RSL/A: с 4 часов до 45 минут
• Метод MCP: Claude строит n8n-сценарии сам
• Агент follow-up на Claude Managed Agents
• Кейс AutogenAI: pipeline на больших объёмах
• Где человек остаётся необходимым
• Обработка ошибок в n8n
• Метрики, которые говорят, что система работает
• Частые вопросы

---

Почему КП — это скрытая дыра в $120K в год

Звучит как преувеличение — пока не посчитаешь. Агентство с 15 заявками в месяц, средним ретейнером $5000/мес и конверсией 20% закрывает 3 клиента. Если автоматизация коммерческих предложений поднимает конверсию на 5–8 процентных пунктов и утраивает пропускную способность — дополнительные 4–8 сделок в месяц дают те самые $120 000 в год, которые уже ни для кого не гипотетические (AdAI, май 2026).

Проблема не в качестве текста. Проблема в структуре: каждое КП собирается заново из разрозненных кусков. Кейсы — в Notion, сметы — в Google Sheets, история клиента — в голове менеджера. Автоматизация меняет логику: один раз правильно собираешь структуру, дальше Claude достаёт нужные блоки и склеивает их под конкретного клиента.

Персонализированные предложения закрываются на 32% чаще шаблонных (AdAI, май 2026). Не потому что написаны лучше — потому что показывают, что агентство реально слушало на звонке.

---

Стек: Claude API + n8n + CRM + PandaDoc

Перед тем как строить — выбор инструментов.

Claude (Sonnet или Haiku) — языковой движок. Берёт транскрипт Discovery-звонка, контекст клиента и библиотеку кейсов, возвращает готовые блоки КП. Sonnet оптимален для боевой среды: достаточно умный для нюансов, достаточно быстрый для автоматизации.

n8n — оркестратор. Соединяет CRM-webhook, API транскрипции, Claude, базу кейсов, PandaDoc и CRM в один поток. n8n можно развернуть в облаке (n8n Cloud, без сервера) или self-hosted. Для большинства агентств n8n Cloud — правильный старт: меньше инфраструктуры, больше времени на сборку логики.

CRM (HubSpot, Pipedrive, любой с webhook-поддержкой) — источник триггера и хранилище данных сделки.

Fathom или Fireflies — транскриберы звонков. Оба дают API-доступ к транскрипту после встречи; Fathom бесплатен для базовых функций.

Airtable или Notion — библиотека кейсов с тегами по отрасли, типу задачи и метрике результата.

PandaDoc или Proposify — финальная оболочка: брендированный PDF, электронная подпись, трекинг просмотров.

Итоговая стоимость стека: $50–200/месяц в зависимости от плана n8n и объёма Claude API-запросов. При 15 КП/мес это $3–13 за предложение.

---

Шаг 1: Модульный шаблон КП

Не начинайте с автоматизации — начните с архитектуры шаблона. Claude хорошо заполняет блоки; угадывать структуру, которую вы ещё не определили, он не умеет.

Разбейте КП на независимые секции:

1. Введение — кто вы, почему этот клиент
2. Описание проблемы — то, что услышали на Discovery-звонке
3. Решение — ваш подход, методология
4. Релевантные кейсы (2–3 штуки)
5. Скоп и смета — конкретные работы, сроки
6. Инвестиция — ценообразование
7. Следующий шаг — конкретное действие

Каждую секцию сохраните как отдельный промпт-блок в Google Docs или Notion с переменными в двойных фигурных скобках: {{client_name}}, {{industry}}, {{pain_point}}, {{budget}}. Claude будет заполнять эти переменные данными из транскрипта и CRM.

Три часа на создание шаблона — и дальше он работает на каждое КП без участия человека.

---

Шаг 2: Автоматический триггер из CRM

Pipeline стартует, когда менеджер переводит сделку в статус «КП запрошено» в CRM. HubSpot, Pipedrive и большинство современных CRM поддерживают webhooks — n8n подхватывает событие автоматически.

В n8n создайте Webhook node и скопируйте URL в настройки вашей CRM. Дальше добавьте HTTP Request node, который запрашивает транскрипт Discovery-звонка из Fathom или Fireflies по API. Для этого понадобится API-ключ транскрибера — он вставляется один раз в настройках n8n credentials.

Результат шага 2: n8n получает полный транскрипт звонка плюс данные сделки (имя клиента, отрасль, бюджет, цели) и передаёт их дальше.

Честно о «без кода»: сборка n8n-сценария через визуальный редактор — действительно без программирования. Но подключение webhook в CRM и API-ключей транскрибера требует одного ~15-минутного технического шага: вставить ключи в настройки n8n. Сделайте один раз или попросите разработчика — дальше всё визуально.

---

Шаг 3: Claude-нода, которая пишет КП

Это центральный узел pipeline. Добавьте в n8n HTTP Request node с запросом к Anthropic API (api.anthropic.com/v1/messages).

System prompt (вставляется в конфиг ноды):

Ты — эксперт по коммерческим предложениям для [название агентства].
Твоя задача — написать персонализированное КП на основе:
1. Транскрипта Discovery-звонка
2. Данных клиента из CRM
3. Релевантных кейсов из библиотеки

Пиши конкретно: называй боли словами клиента из транскрипта.
Не используй шаблонные фразы.
Структура: Введение → Проблема → Решение → Кейсы → Скоп → Инвестиция → Следующий шаг.
Формат: Markdown.

User message собирается из данных предыдущих нод:

Транскрипт: {{transcript}}
Клиент: {{company_name}}, отрасль: {{industry}}
Бюджет: {{budget}}, цели: {{goals}}
Кейсы: {{selected_case_studies}}

Claude возвращает готовый черновик КП в Markdown. Время генерации — 15–30 секунд.

Агентство Michel Lieben ($6.5M ARR) именно так описывает свою работу с Claude и n8n: «Claude теперь строит сложные n8n-сценарии из одного промпта. Просто настрой Claude-проект — и он возьмёт на себя 90% работы. Это полностью изменило то, как мы строим автоматизации в агентстве» (Michel Lieben, апрель 2026). По их данным, Claude обрабатывает около 90% сложности n8n-сценариев; время сборки сократилось с 3 часов до 10-минутного диалога.

---

Шаг 4: Автовыбор кейсов из библиотеки

Это то, что отличает хорошее КП от шаблонного. Клиент из e-commerce не хочет читать кейс про промышленное производство.

Настройте библиотеку кейсов в Airtable или Notion с полями:

• industry — отрасль клиента
• outcome_type — тип результата (трафик, конверсия, автоматизация, retention)
• deal_size — диапазон бюджета
• summary — 150-словное описание проекта
• metrics — конкретные цифры результата

В n8n добавьте Airtable node (или Notion API node) с фильтром по industry и outcome_type из данных сделки. Передайте 2–3 найденных кейса в промпт Claude (шаг 3).

Агентство, работающее через n8n.expert, встроило именно такую логику в свой onboarding-pipeline: форма сбора данных клиента автоматически тегирует запрос, а Claude выбирает кейсы по тегам. Результат — экономия ~5 часов в неделю только на подготовке материалов к КП (n8n.expert, февраль 2026).

---

Шаг 5: Логика ценообразования и сборка скопа

Ценообразование — единственная секция КП, где автоматизация требует жёсткого контроля. Claude не должен изобретать цены — он должен вставлять их из заранее заданных правил.

Создайте таблицу ценообразования в Airtable или Google Sheets:

n8n запрашивает таблицу, сопоставляет запрошенные услуги с бюджетом клиента и передаёт Claude структурированный JSON с ценами. Claude форматирует их в читаемую секцию — не придумывает цифры.

Этот шаг критичен: не передавайте Claude полномочия на ценообразование без таблицы-источника. Человек всегда проверяет смету перед отправкой.

---

Шаг 6: Пуш в PandaDoc и синхронизация с CRM

После того как Claude вернул черновик, n8n:

1. Форматирует КП в PandaDoc через PandaDoc API: заполняет шаблон данными, прикрепляет брендинг.
2. Отправляет черновик в Slack — в приватный канал команды с кнопкой «Одобрить» и «Доработать». У менеджера есть 20 минут на просмотр.
3. При одобрении n8n отправляет КП клиенту через PandaDoc.
4. При открытии КП клиентом PandaDoc-webhook возвращает событие в n8n — создаётся задача follow-up в CRM.
5. При подписи n8n автоматически создаёт onboarding-проект в ClickUp или Asana и уведомляет аккаунт-менеджера.

Полный цикл от «перевёл сделку в статус КП» до «КП у клиента» — 20–30 минут, из которых 20 — человеческий review.

Примечание о PandaDoc и Proposify: оба инструмента работают как международные SaaS. Оплата — зарубежной картой. В некоторых регионах это может быть затруднено; уточните доступность до начала интеграции.

---

Кейс RSL/A: с 4 часов до 45 минут

RSL/A Marketing Agency — небольшое агентство, которое внедрило Claude Code + n8n для автоматизации коммерческих предложений и email-последовательностей. До автоматизации: 4 часа на черновик email-серии. После: 45 минут.

Но дело не только во времени. Параллельно с ускорением выросла ёмкость: количество клиентских автоматизаций в месяц выросло с 10 до 30, количество одновременных проектов — с 2 до 5. Сборка клиентских сайтов сократилась с 1–2 недель до 1–3 дней.

Суммарные расходы на AI-инструменты — менее $60 в месяц (Buildberg.co, май 2026).

Это не история про «замену людей». Два человека теперь делают работу пяти — и делают быстрее.

---

Метод MCP: Claude строит n8n-сценарии сам

Если вы хотите дать Claude возможность не только генерировать текст КП, но и самому собирать n8n-сценарии — это возможно через MCP-интеграцию.

MCP (Model Context Protocol) — стандарт, который позволяет Claude получать прямой доступ к вашим приложениям. n8n-MCP server (GitHub: czlonkowski/n8n-mcp) даёт Claude live read/write доступ к вашему n8n-инстансу.

Как это работает:

1. Установите n8n-MCP server по инструкции из репозитория (GitHub: czlonkowski/n8n-mcp) — это технический шаг примерно на 20–30 минут; если нет опыта с npm/Docker, лучше привлечь разработчика один раз.
2. Подключите Claude к MCP-серверу через конфигурационный файл.
3. Опишите Claude сценарий на обычном языке: «Создай сценарий, который при смене статуса сделки в HubSpot запрашивает транскрипт из Fathom, генерирует КП через Claude API и отправляет черновик в Slack».
4. Claude генерирует JSON сценария с нодами, маппингом полей, триггерами, условиями и обработкой ошибок.
5. Claude публикует сценарий в n8n через API, запускает, читает ошибки и исправляет ноду за нодой.
6. Человек проверяет бизнес-логику: пороги ценообразования, маршруты одобрения.
7. Добавьте API-ключи вручную — Claude не обрабатывает внедрение credentials.

По данным Buildberg.co (май 2026), для агентств, работающих с повторяемыми клиентскими сценариями, «это превращает трёхчасовую работу по подключению нод в 10-минутный диалог».

---

Агент follow-up на Claude Managed Agents

10 июня 2026 года Anthropic запустила Claude Managed Agents с поддержкой плановых запусков (по расписанию). Для агентств это означает возможность запускать агента follow-up по отправленным КП автоматически — без ручного триггера.

Сценарий:

1. Создайте Claude Managed Agent в Anthropic API с расписанием запуска (например, каждые 24 часа).
2. Сохраните API-ключи CRM в переменных окружения (Vault).
3. Агент ежедневно запрашивает CRM: какие КП отправлены, но не открыты более 48 часов?
4. Для каждого такого КП агент составляет персонализированное follow-up письмо на основе контекста КП и предыдущей переписки.
5. Письмо сохраняется как черновик в Gmail или Outlook. Аккаунт-менеджер одобряет или настраивает автоотправку по порогу суммы сделки.
6. Агент фиксирует активность follow-up обратно в CRM.

Результат: ни одно КП не уходит в тишину без касания. Менеджер тратит на это 2 минуты в день вместо 30.

---

Кейс AutogenAI: pipeline на больших объёмах

Для агентств, которые работают с тендерами и государственными RFP, масштаб задачи другой — один ответ на RFP занимает 400+ часов. AutogenAI, специализирующаяся на enterprise-предложениях, опубликовала данные клиента (глобальная компания): после внедрения AI-платформы win rate вырос на 241%, время на один RFP сократилось на 70% — с 400+ часов до менее 120 часов. Один из клиентов атрибутировал $25M дополнительной выручки AI-улучшенным предложениям (AutogenAI, май–июнь 2025–2026).

Независимое исследование консалтинга MH&A показало: пользователи AutogenAI вырастили выручку на 12.4% в год, тогда как сопоставимые компании без AI в предложениях потеряли 7.1% (AutogenAI blog, май 2025). Разрыв в 19 процентных пунктов — прямой аргумент для любого агентства, которое сомневается в ROI автоматизации.

---

Где человек остаётся необходимым

AI пишет 75–90% рабочего черновика КП. Оставшиеся 10–25% — зона человеческой ответственности.

Стратегическое позиционирование. Claude не знает, что вы хотите взять этого клиента в качестве anchor-кейса для входа в новую отрасль. Это решение — ваше.

Согласование цены. Ни одно КП не должно уходить клиенту без того, чтобы менеджер увидел смету. Даже с таблицей ценообразования — особенно с таблицей.

Нюансы отношений. Если клиент упомянул на звонке, что уже работал с вашим конкурентом и разочаровался — это должно отразиться в тоне КП. Claude подхватит это из транскрипта, но именно вы знаете, насколько остро это нужно проговорить.

Правка тона. Первые 10–15 КП — обязательный review. После этого у вас накопится достаточно правок, чтобы обновить системный промпт и получить черновики, требующие минимум вмешательства.

20-минутный review вместо 4-часового написания — это не потеря контроля. Это другое распределение внимания.

---

Обработка ошибок в n8n

Pipeline сломается. Вот где и как.

Fathom/Fireflies не нашёл транскрипт (звонок ещё не обработан или был внешним). Решение: добавьте Error trigger node с fallback — n8n уведомляет менеджера в Slack с просьбой загрузить транскрипт вручную, сценарий ставится на паузу через Wait node.

Claude вернул неполный ответ (обрезал по токен-лимиту). Решение: разбейте генерацию на два запроса — сначала первая половина КП, потом вторая. Или увеличьте max_tokens в параметрах Anthropic API-запроса.

PandaDoc API вернул ошибку (неверный шаблон, пустое поле). Решение: добавьте IF node после PandaDoc-запроса — при ошибке n8n сохраняет черновик в Google Docs и уведомляет менеджера.

CRM webhook не сработал (сделка изменена не через GUI, а по API). Решение: дублирующий Schedule trigger — раз в 2 часа n8n проверяет CRM на новые сделки со статусом «КП запрошено» и запускает сценарий, если webhook не отработал.

Добавьте в каждую критичную ноду On Error branch — это стандартная практика n8n, занимает 5 минут на ноду и спасает от ночных звонков.

---

Метрики, которые говорят, что система работает

Не запускайте pipeline без baseline. Измерьте до:

• Время от запроса до отправки КП — сколько часов сейчас?
• Конверсия КП в сделку (proposal-to-close rate) — текущий процент?
• Количество КП в месяц — сколько делаете сейчас?

Через 30 дней после запуска сравните:

• Время от запроса до отправки КП должно сократиться до 30–60 минут
• Конверсия должна вырасти на 5–10 пунктов (персонализация работает)
• Количество КП вырастет — потому что теперь это не узкое место

Дополнительно: отслеживайте открытие КП через PandaDoc-аналитику. Если клиент открыл КП и провёл там менее 30 секунд — структура не работает. Если провёл 3+ минут — читает.

AgentMinds (январь 2026) точно описывают эту логику: «AI становится лучше с лучшими входными данными. После каждого КП — выигранного или проигранного — возвращайте опыт в промпты. Со временем система становится точнее, убедительнее и ближе к мышлению ваших лучших клиентов».

---

Частые вопросы

Сколько времени займёт настройка автоматизации коммерческих предложений?

При наличии CRM с webhook-поддержкой и транскрибера звонков — первый рабочий прототип собирается за 1–2 дня. Полный pipeline с PandaDoc, обработкой ошибок и библиотекой кейсов — за 1 неделю. Большую часть времени займёт не техническая сборка, а написание системного промпта и тегирование кейсов в Airtable.

Могут ли AI-предложения быть такими же персональными, как написанные вручную?

Да — если в качестве входных данных используется транскрипт Discovery-звонка, а не только форма с полями. Claude воспроизводит формулировки клиента, его болевые точки и приоритеты. Персонализированные AI-предложения закрываются на 32% чаще шаблонных (AdAI, май 2026). Разница между «написано AI» и «написано под вас» — в качестве входных данных.

В чём разница между прямым использованием Claude и оркестрацией через n8n?

Claude напрямую — это один запрос, один ответ. Вы сами копируете транскрипт, сами вставляете кейсы, сами переносите результат в PandaDoc. n8n автоматизирует все переходы между шагами: триггер → данные → Claude → форматирование → доставка → CRM-синхронизация. n8n превращает разовый эксперимент в повторяемый процесс, который работает без вашего участия.

Нужен ли разработчик для сборки Claude + n8n pipeline?

Нет — для базового pipeline разработчик не нужен. Визуальный редактор n8n работает как конструктор нод. Нужен один технический шаг: вставить API-ключи в n8n credentials и настроить webhook в CRM. Если это смущает — попросите разработчика сделать один раз, дальше вся логика управляется визуально.

Какие CRM лучше всего работают с n8n для автоматизации КП?

HubSpot — лидер: нативная интеграция n8n, богатые webhook-события, API для всех объектов сделки. Pipedrive — второй по удобству: чистый API, надёжные webhooks. Salesforce — возможно, но требует больше настройки. Любой CRM с webhook-поддержкой работает — проверьте, поддерживает ли он события на изменение статуса сделки.

Как обрабатывать ценообразование в AI-КП без ошибок?

Никогда не давайте Claude свободу в ценообразовании. Создайте структурированную таблицу в Airtable или Google Sheets с фиксированными правилами по каждой услуге. n8n запрашивает таблицу, передаёт Claude JSON с ценами — Claude только форматирует. Человек всегда проверяет смету перед отправкой. Это не ограничение системы, это правило работы с клиентами.

Стоит ли автоматизировать КП небольшому агентству с менее чем 5 предложениями в месяц?

При 5 КП в месяц экономия — 20–30 часов. Немало. Но важнее другое: не количество КП, а что вы делаете с высвобожденным временем. Если 20 освободившихся часов уйдут на привлечение новых клиентов — pipeline окупится быстро. Если новых лидов нет — экономия времени не конвертируется в деньги. Оцените сначала вашу конверсию: если она ниже 20% — проблема не в скорости КП, а в чём-то другом.

---

Что делать дальше

Начните с самого простого шага: зайдите в Notion или Google Docs и разбейте ваше лучшее закрытое КП на 7 модульных блоков. Это займёт час. Дальше — добавьте переменные в каждый блок и проверьте, как Claude заполняет их по транскрипту вашего последнего Discovery-звонка.

Если результат похож на то, что вы бы написали сами — система работает. Если нет — правьте системный промпт, пока не совпадёт. После этого сборка n8n-pipeline вокруг готового промпта займёт день, а не неделю.