Кейс: Remont Lead Hunter — система поиска заявок в Telegram-чатах

Задача клиента

Компании в сфере ремонта и дизайна требовалось автоматизировать поиск целевых заявок в Telegram-чатах жилых комплексов и соседских сообществах. В таких чатах много шума: бытовые вопросы, реклама, рекомендации, обсуждения управляющих компаний. Нужно было находить только сообщения, где есть реальный спрос на ремонт, дизайн интерьера, кухни и смежные услуги.

Решение от Flowcore

Мы разработали систему Remont Lead Hunter, которая в реальном времени мониторит Telegram-чаты и ветки, сохраняет сообщения, отфильтровывает шум, классифицирует потенциальные заявки и отправляет менеджеру только релевантные лиды.

В основе решения — связка userbot-сборщика на Telethon, административного бота на Aiogram 3 и аналитического слоя на PostgreSQL. Для повышения качества отбора используется гибридная классификация: быстрые правила закрывают очевидные случаи, а LLM подключается для пограничных сообщений, где нужен смысловой анализ.

Ключевые реализованные возможности:

• Мониторинг Telegram-чатов: Userbot отслеживает сообщения в чатах и ветках Telegram в реальном времени.
• Backfill истории: Система может автоматически пересканировать пропущенные сообщения и догнать историю источника.
• Гибридная классификация: Rule-engine быстро обрабатывает очевидные кейсы, а LLM через OpenRouter анализирует спорные сообщения.
• Фильтрация шума: Отсекаются флуд, реклама, бытовые обсуждения, нецелевые рекомендации и дубли.
• Админ-бот: Через Aiogram-интерфейс можно подключать Telegram-аккаунт, искать новые чаты, добавлять источники и запускать пересканы.
• Отчетность: Администратор может смотреть последние лиды и выгружать Excel-отчеты по обработанным сообщениям.
• Хранилище решений: Все сообщения, классификационные решения и найденные лиды сохраняются в PostgreSQL для аналитики.

Технические детали

Система разделена на несколько контуров: Telethon отвечает за сбор сообщений из Telegram как userbot, Aiogram 3 — за административное управление, PostgreSQL — за хранение сообщений, источников, решений и лидов. Docker упрощает развертывание и эксплуатацию сервиса.

Гибридный подход к классификации позволяет сохранять баланс между скоростью, точностью и стоимостью обработки. Правила быстро закрывают простые сообщения, а LLM используется только там, где нужно понять смысл: например, отличить реальный запрос на ремонт от обсуждения чужого ремонта или бытовой жалобы.

Результат

Менеджер получает не поток сырых сообщений из десятков чатов, а отобранные лиды с высоким шансом коммерческой ценности. Система снижает ручную нагрузку, защищает от пропуска заявок и накапливает датасет решений, который можно использовать для улучшения промптов, правил и качества классификации.

Стек технологий

Python, Aiogram 3, Telethon, PostgreSQL, Docker, OpenRouter API, Excel-отчеты.