AI Lead Generation & Automation[Launched]

Telegram Lead Agent: wykrywanie klientów bez ręcznego monitoringu

Architektura systemu //

Telegram Bot APITelethonPythonPostgreSQLRedisNext.jsDocker

1. Przegląd produktu

MelonRing Lead Agent to uruchomiony produkt dla firm, freelancerów i agencji, które chcą znajdować intencję zakupową na Telegramie bez ręcznego obserwowania dziesiątek kanałów i grup

Produkt zamienia głośny Telegram w uporządkowany strumień leadów: użytkownik opisuje firmę i grupę docelową, podłącza Telegram, wybiera źródła i otrzymuje trafne okazje z kontekstem, analizą i sugerowaną odpowiedzią

2. Problem

Wartościowy intent zakupowy jest rozproszony w rozmowach, łatwy do przeoczenia i drogi w ręcznym monitoringu. Samo wyszukiwanie słów kluczowych generuje szum, gubi kontekst i nie odróżnia realnej okazji od przypadkowego pytania lub spamu

System musiał też obsługiwać wielu tenantów z różnymi branżami, słowami kluczowymi, stop words, źródłami, planami i sesjami Telegrama bez mieszania danych ani wielokrotnego przetwarzania tej samej wiadomości

3. Co zbudowałem

Onboarding bezpośrednio na Telegramie

Bot prowadzi użytkownika przez profil firmy, branżę, ofertę, grupę docelową, weryfikację numeru i wybór źródeł. Grupę docelową można opisać tekstem albo przekazać jako plik, a onboarding można wznowić od właściwego kroku

Architektura multi-tenant

Każdy tenant ma izolowaną konfigurację i sesję Telegrama działającą przez osobny proxy. Monitor przekazuje wiadomości do kolejki opartej na Redisie, a PostgreSQL przechowuje tenantów, kanały, subskrypcje, leady, feedback i historię działań

Dwupoziomowa kwalifikacja

Pierwsza warstwa używa reguł regex i stemmingu do odrzucania oczywistych niedopasowań i stop words. Obiecujące wiadomości trafiają do warstwy AI, która ocenia jakość, wyjaśnia decyzję i buduje kontekst dla operatora. Filtr śmieci, buforowanie, deduplikacja i historia odrzuceń utrzymują jakość strumienia

Dostarczanie leadów i kontrola operatora

Zakwalifikowane leady przychodzą jako uporządkowane karty z kontekstem źródła i rekomendowanym działaniem. Operator może odpowiedzieć, odrzucić leada albo wykonać własną akcję, a decyzja trafia do audit trail. Negatywne przykłady wracają do logiki filtrów

Panel administracyjny i subskrypcje

Produkt ma panel do przeglądania leadów, statystyk kanałów, tenantów, subskrypcji i stanu operacyjnego. Onboarding, limity planów, płatności, przypomnienia i support flow działają na jednym modelu tenantów

4. Rezultat

Powstał działający system wykrywania leadów, a nie kolejny bot powiadomień. Ciągły monitoring Telegrama stał się powtarzalnym procesem z jasnymi etapami kwalifikacji, wyjaśnialnymi decyzjami, izolacją tenantów i pętlą feedbacku

5. Architektura

Telegram Bot API, Telethon, Python, PostgreSQL, Redis, Next.js, Docker, dostawcy AI kompatybilni z OpenAI/Gemini, kontrola dostępu multi-tenant i izolowane sesje proxy

Masz podobny problem do rozbrojenia?

Niezawodne systemy nie powstają z gadania. Porozmawiajmy, jak precyzyjna inżynieria może przywrócić tempo twojemu produktowi