Rezerwacja otwiera się w osobnym oknie — kliknij poniżej, aby wybrać termin.
Otwórz kalendarz rezerwacjiStudio Blask miało 2 400 obserwujących i aktywny profil — ale rezerwacje wciąż szły przez telefon i ręczne odpisywanie wieczorem. 6 dni wdrożenia ManyChat zmieniło to na dobre.
Case study ilustracyjny, oparty na typowym przebiegu wdrożenia automatyzacji DM w salonach beauty — konkretne liczby pokazują skalę efektu, jaki taka automatyzacja realnie daje.
Studio Blask regularnie publikowało efekty zabiegów i miało zaangażowaną społeczność. Problem zaczynał się dokładnie w momencie, gdy klientka chciała się umówić.
Klientki pisały głównie po pracy, między 18:00 a 22:00 — dokładnie wtedy, gdy właścicielka kończyła zabiegi i nie miała czasu na telefon. Odpowiedź często szła dopiero następnego dnia rano.
„Ile kosztuje?" i „macie wolny termin?" pod postami z efektami zabiegów zostawały bez reakcji publicznej — a prywatne odpowiadanie po fakcie docierało do już ostudzonego zainteresowania.
Nie było ustandaryzowanej ścieżki od pytania do rezerwacji — każda rozmowa wyglądała inaczej, a część klientek gubiła się między pytaniem o cenę a faktycznym umówieniem terminu.
Zamiast jednego uniwersalnego bota — trzy osobne scenariusze, każdy dopasowany do innego typu kontaktu.
Każdy post z efektem zabiegu dostał wyzwalacz na słowo „CENA" lub „TERMIN" w komentarzu.
Nowa obserwująca dostawała powitanie z linkiem do galerii metamorfoz i pytaniem o zabieg, który ją interesuje.
Bot pytał o preferowany termin i zabieg, zanim podał link — żeby klientka trafiała od razu na właściwą usługę w Booksy.
Link do rezerwacji prowadził wprost do kalendarza Booksy z podświetloną usługą. Pytania nietypowe (alergie, przeciwwskazania) trafiały bezpośrednio do właścicielki.
Bez przestoju w obsłudze klientek i bez zmiany czegokolwiek po stronie Instagrama, na który salon już pracował.
Przegląd ostatnich 200 wiadomości i komentarzy — jakie pytania wracają, ile trwa odpowiedź, gdzie klientki rezygnują.
Wspólne dopracowanie tonu wiadomości — żeby bot brzmiał jak właścicielka, nie jak korporacyjny regulamin.
Budowa przepływów, podpięcie linków do konkretnych usług w Booksy, testy na koncie testowym.
Bot aktywny na profilu, 20-minutowe szkolenie z edycji treści i podglądu statystyk rozmów.
Największa zmiana nie dotyczy liczby wiadomości — tylko tego, jak szybko i konsekwentnie każda z nich dostaje odpowiedź.
| Wskaźnik | Przed | Po 6 tygodniach |
|---|---|---|
| Średni czas odpowiedzi na DM | 4–6 godzin | poniżej 30 sekund |
| Rezerwacje z Instagrama / mies. | ~55 | ~78 (+41%) |
| Komentarze z pytaniem o cenę | bez systemowej odpowiedzi | 100% z automatyczną odpowiedzią w DM |
| Czas właścicielki na obsługę DM/tydz. | ~7 godzin | ~1 godzina |
| Rozmowy obsłużone automatycznie/mies. | 0 | 320+ |
Wcześniej odpisywałam na Instagramie między klientkami albo wieczorem, kiedy już nie miałam głowy do niczego. Teraz bot ogarnia pytania o cenę i terminy, a ja dostaję powiadomienie tylko, gdy ktoś naprawdę potrzebuje mnie osobiście.
Odpowiadam na wątpliwości zanim się pojawią.
Mechanizm jest ten sam niezależnie od branży — Comment-to-DM, Follow-to-DM i kwalifikacja działają identycznie dla fizjoterapeutów, trenerów czy dietetyków. Różni się tylko treść wiadomości i to, do jakiego systemu rezerwacji prowadzi link (Booksy, Setmore).
Nie — 2 400 obserwujących w tym case to średnia wielkość profilu lokalnego salonu. Kluczowe jest zaangażowanie pod postami (komentarze, pytania o cenę), nie sama liczba obserwujących.
W tym case to było 6 dni roboczych — od audytu DM po uruchomienie i szkolenie. Przy prostszym zakresie (1–2 przepływy) da się zejść do 3–4 dni.
Treści wiadomości pisaliśmy wspólnie z właścicielką, jej językiem i tonem. Trudniejsze pytania (alergie, przeciwwskazania) od razu trafiały do niej — bot nie próbował udawać, że wie wszystko.
Ten sam mechanizm — Comment-to-DM, Follow-to-DM, kwalifikacja i integracja z systemem rezerwacji — da się dopasować do Twojej branży w kilka dni. Zacznijmy od bezpłatnej konsultacji.