Как AI нашёл лиды в аренде авто на Пхукете: анализ 133 000 сообщений и умный скоринг

AI лидогенерация на Пхукете через мониторинг лидов в Telegram — звучит логично. Система работает, аккаунты в сотнях групп, бот читает каждое сообщение. Но после 30 дней мониторинга таблица лидов по аренде авто оставалась пустой. Ни одного обращения. Ноль. Вот как мы разобрались почему — и что переделали, чтобы система начала работать.

Введение: месяц без лидов — с чего начался эксперимент

Когда предприниматель, сдающий автомобили в аренду на Пхукете, пришёл к нам с запросом на автоматизацию лидогенерации, задача казалась стандартной. Таиланд — туристическое направление, тысячи экспатов и туристов ежемесячно ищут транспорт, в Telegram сотни тематических чатов. Казалось бы, мониторь ключевые слова — и лиды пойдут потоком.

Мы подключили аккаунты к 300+ группам и чатам, связанным с Пхукетом: районные чаты, группы эмигрантов, доски объявлений, туристические сообщества. Система начала парсить сообщения в режиме реального времени, искать упоминания аренды, машин, транспорта. Всё работало технически корректно — логи чистые, ошибок нет, парсер активен 24 часа в сутки.

Через неделю в таблице лидов — пусто. Через две недели — то же самое. К концу месяца стало понятно: что-то фундаментально не так. Либо люди в Telegram-чатах Пхукета вообще не ищут аренду авто, либо наша система не умеет их находить. Оба варианта требовали проверки через данные, а не через догадки.

Именно тогда мы решили не просто перенастроить ключевые слова, а поднять всю базу накопленных сообщений и посмотреть, что реально происходит в этих чатах. Результаты анализа оказались неожиданными — и они полностью изменили архитектуру системы. Параллельно та же система работала по Бали для другого клиента — там результаты были совершенно иными, что дало нам точку сравнения и понимание того, что проблема не в технологии, а в структуре конкретного рынка.

Вывод, к которому мы пришли в итоге, звучит неочевидно: иногда самый ценный результат мониторинга — это понять, что спроса в выбранном канале нет. Это знание сохраняет месяцы работы и деньги, которые иначе были бы потрачены впустую на дальнейшую настройку инструмента, который изначально решает не ту проблему.

Сбор данных: 133 000 сообщений из 391 чата

За 30 дней система собрала 133 000 сообщений из 391 чата. Чтобы понять масштаб: это примерно 4 400 сообщений в день, или около 180 сообщений в час. Если бы человек читал их вручную без остановок — только на чтение ушло бы несколько недель непрерывной работы без сна и выходных.

Каждое сообщение в базе хранилось со следующими полями: временная метка с точностью до секунды, идентификатор чата, название чата, текст сообщения, имя и идентификатор автора, ссылка на оригинальный пост. Такая структура позволяла фильтровать данные по любому измерению: смотреть только на конкретные чаты, на определённые временные промежутки, на активность конкретных авторов в динамике.

Первичная очистка данных убрала очевидный мусор: системные сообщения Telegram о вступлении и выходе участников, автоматические приветствия от ботов-администраторов, дубли из пересланных постов, пустые сообщения с только медиафайлами. После очистки осталось около 118 000 уникальных пользовательских текстовых сообщений — это стало основной базой для анализа.

Технически сбор реализован через многоаккаунтную схему: несколько Telegram-аккаунтов разделяют нагрузку между чатами так, чтобы ни один аккаунт не получал ограничений от платформы из-за слишком высокой активности. Все сообщения поступают в единую базу данных в режиме реального времени через очередь событий.

Параллельно система обрабатывала трафик по Бали — другой набор чатов, другой профиль бизнеса, тот же сервер. Именно возможность сравнить два потока данных — Пхукет и Бали — дала самый ценный инсайт. Когда видишь, что одна и та же технология в одних условиях даёт ноль, а в других — десятки лидов в сутки, начинаешь понимать: дело не в инструменте, а в структуре рынка. Это критически важное различие, которое определяет всю дальнейшую стратегию.

Ещё один важный аспект масштаба: 133 000 сообщений — это не просто данные для поиска лидов. Это срез живого рынка. Из этой базы можно извлечь, какие районы Пхукета чаще всего упоминаются в контексте аренды, какие ценовые ожидания у людей, какие проблемы они обсуждают с арендодателями. Эта информация ценна сама по себе — для позиционирования, для понимания конкурентной среды, для разработки маркетинговых сообщений.

Что на самом деле пишут люди в Telegram-чатах Пхукета

Анализ 133 000 сообщений дал однозначный ответ на вопрос "почему ноль лидов". Реальных запросов в духе "ищу машину в аренду", "где взять авто на неделю", "посоветуйте прокат" за весь месяц — единицы. Буквально несколько сообщений на весь массив данных, и те — без конкретики, без контактов, без готовности к диалогу.

Зато чего в чатах было в избытке — так это рекламного спама от самих же прокатных компаний. Одни и те же аккаунты публиковали практически идентичные сообщения каждые два часа: "Аренда авто от 600 бат в сутки. Honda Jazz, Toyota Yaris, Mitsubishi Mirage. Страховка включена. Писать в личку." И так — в десятках чатов одновременно, по жёсткому расписанию.

Это объясняет, почему ключевые слова не работали. Слово "авто" или "машина" в пхукетских чатах почти в ста процентах случаев означает рекламное объявление конкурента, а не запрос потенциального клиента. Система честно находила все упоминания автомобильной темы — просто все они оказывались не теми сообщениями, которые нужны для лидогенерации.

Сравнение с Бали показало принципиально другую картину. В балийских чатах люди действительно публикуют запросы на поиск жилья: "ищу виллу в Буките на месяц", "нужна долгосрочная аренда 2BR от мая", "посоветуйте надёжного агента по недвижимости". Рынок аренды вилл на Бали устроен иначе — там Telegram-чаты реально используются как площадка для поиска, а не только для продвижения.

Почему такая разница между двумя туристическими направлениями? Вероятно, дело в природе продукта. Аренда авто на Пхукете — массовая, стандартизированная услуга с понятной ценой и понятным процессом. Человек не спрашивает совета в чате — он просто открывает Google и выбирает из первых результатов. Аренда виллы на Бали — более сложная, персонализированная сделка, где доверие, рекомендации и сарафанное радио через чаты реально влияют на выбор.

Этот инсайт принципиально меняет подход к работе с Пхукетом. Если органического спроса в чатах нет — надо либо искать его в других каналах, либо работать с тем спросом, который есть, но в смежных нишах. Именно так появилась байк-гипотеза, о которой речь пойдёт ниже.

Новая архитектура AI-скоринга лидов

Столкнувшись с реальностью данных, мы полностью переписали логику обработки сообщений. Старая система работала по простому принципу: есть ключевое слово из заранее составленного списка — создаём лид и отправляем уведомление менеджеру. Новая архитектура устроена принципиально иначе на каждом уровне.

Теперь каждое входящее сообщение проходит через многоуровневый AI-анализ, который последовательно извлекает несколько параметров. Первый и самый важный — намерение: что именно делает человек в этом сообщении? Ищет услугу для себя, предлагает услугу другим, задаёт информационный вопрос, делится опытом, жалуется на что-то? Этот шаг отсекает весь рекламный спам и предложения от конкурентов уже на самом начальном этапе фильтрации.

Второй параметр — тип запроса: что конкретно ищет человек, если намерение определено как "поиск"? Транспорт, жильё, работу, бытовые услуги, информацию о районе или визах? Третий параметр — локация: есть ли в сообщении или контексте указание на конкретный район, пляж, часть острова? Четвёртый — временной горизонт: когда нужна услуга, на какой срок, есть ли конкретные даты? Пятый — бюджет и требования: упоминает ли человек ценовые ориентиры, особые условия, конкретные характеристики?

Разберём конкретный пример ложного срабатывания в старой системе. Сообщение: "Продаю Honda Civic 2019, состояние отличное, цена 450 000 бат, торг уместен. Авто стоит в Пхукет-тауне." Старая система видела слова "авто" и "Пхукет" — создавала лид, менеджер получал уведомление, тратил время на проверку. Новая система понимает намерение: человек продаёт машину, а не ищет аренду. Лид не создаётся, время менеджера не тратится.

Другой пример — правильное срабатывание. Сообщение: "Прилетаем в Пхукет 15 апреля на 10 дней, семья 4 человека, нужна машина побольше, желательно с детским креслом. Кто может посоветовать нормальный прокат?" Новая система последовательно извлекает: намерение — поиск услуги, тип — транспорт, локация — Пхукет, срок — 10 дней с 15 апреля, состав — семья из 4 человек, специфика — нужно детское кресло, авто класса выше среднего. Полное совпадение с профилем прокатного бизнеса — лид создаётся с высоким приоритетом и передаётся менеджеру со всеми деталями.

Важный момент в новой архитектуре: система не просто классифицирует сообщения, но и обогащает карточку лида. В ней автоматически собирается вся извлечённая информация — район, даты, бюджет, особые требования, контекст. Менеджер, получая уведомление о лиде, сразу видит суть запроса без необходимости читать исходное сообщение целиком и самостоятельно анализировать, что именно нужно клиенту и как лучше ответить.

Кнопки управления прямо в Telegram: интерфейс без интерфейса

Отдельная история — как устроен интерфейс для менеджера, который работает с лидами. Мы намеренно отказались от идеи строить отдельный веб-дашборд или мобильное приложение. Причина проста и практична: менеджер уже сидит в Telegram. Переключаться между приложениями — это потеря времени при каждом уведомлении и повышенный риск пропустить горячий лид в момент максимальной готовности клиента к диалогу.

Когда система находит лид и создаёт карточку, менеджер получает в специальный рабочий Telegram-чат структурированное уведомление. В карточке — цитата исходного сообщения с указанием источника (название и ссылка на чат), краткое AI-резюме (что ищет человек, когда, какой бюджет если упоминается, особые требования), и три интерактивные кнопки прямо под сообщением.

Помимо трёх кнопок, есть ещё одно ключевое действие — нажать крестик на карточке с названием чата. Это означает команду: данный чат-источник систематически не приносит полезных лидов, исключить его из мониторинга полностью. Система больше не будет присылать уведомления из этого источника. Менеджер постепенно "обучает" систему прямо в рабочем процессе, без технических настроек и без необходимости объяснять что-то разработчику.

Почему это эффективнее любого CRM-дашборда для оперативной работы? Потому что скорость реакции на горячий лид критически важна в конкурентной среде. Человек написал в чат "ищу машину на 10 дней с 20-го числа" — через 30–60 секунд ему уже пишет менеджер с конкретным предложением. Конкуренты, которые мониторят чаты вручную раз в несколько часов или вообще не мониторят, упускают этот момент контакта. В прокате авто и аренде недвижимости первый, кто вступает в диалог с готовым предложением, получает непропорционально высокие шансы на сделку.

Гипотеза байк-в-авто: как работать с нецелевыми запросами

Один из самых интересных практических инсайтов пришёл из детального анализа того, что люди в Пхукете всё-таки ищут в Telegram-чатах. Органических запросов на аренду автомобилей почти нет — это факт. Но запросы на аренду мотобайков и скутеров встречаются заметно чаще. Не в огромных количествах, но как устойчивый паттерн, который повторяется из недели в неделю.

Это объяснимо с точки зрения потребительского поведения. Мотобайк воспринимается как "местный" транспорт, который не всегда легко найти через Google или агрегаторы с гарантией качества. Туристы и новые экспаты привыкли спрашивать в чатах: "где взять байк в Карон на неделю?", "есть нормальный прокат скутеров в районе Раваи?". Машину ищут иначе — через поисковики, через отели, через туристических агентов.

На основе этого наблюдения сформировалась конкретная гипотеза: перехватывать запросы на байки и предлагать автомобиль как альтернативу. Аргумент для потенциального клиента существенный — большинство иностранных туристов не имеют прав категории A, необходимых для легальной езды на мотоцикле в Таиланде. Без прав — риск штрафа от полиции и полный отказ в страховом возмещении при аварии. Машина с кондиционером, полной страховкой и законным статусом за 600 бат в сутки — сопоставимая стоимость, но принципиально другой уровень комфорта и юридической защиты.

Результаты первой недели тестирования байк-гипотезы: конверсия из байк-запроса в реальный интерес к автомобилю составила около 15–20%. Это не фантастические цифры, но это стабильный поток обращений там, где раньше был абсолютный ноль. Часть людей отказывалась сразу — у них уже были права или они принципиально хотели байк ради ощущений. Но значимая часть начинала содержательный диалог о машине после первого сообщения.

Важный этический момент в логике такого подхода: это не агрессивный спам и не навязчивые продажи случайным людям. Бот пишет исключительно тем, кто сам задал публичный вопрос о транспорте, сам ищет решение, и кому альтернативное предложение объективно может быть полезным. Разница между релевантным предложением в нужный момент и спамом — это разница между помощью и назойливостью.

Байк-гипотеза стала наглядным примером того, как глубокий анализ данных открывает неочевидные возможности для роста. Без 133 000 сообщений в базе и структурированного анализа паттернов мы никогда бы не заметили этот устойчивый сигнал. Именно поэтому главная ценность системы — не в том, что бот умеет автоматически писать первые сообщения, а в том, что накопленные данные позволяют видеть реальную структуру спроса на рынке, которую невозможно обнаружить вручную.

Подробнее о том, как мы строим системы AI-лидогенерации для разных вертикалей, можно прочитать в статье про AI-систему для лидов на Бали за $20 в месяц.

Один день в цифрах: 17 лидов по Бали и данные как главный актив

Пока Пхукет давал ноль органических лидов по авто и первые результаты через байк-гипотезу, Бали работал в принципиально другом режиме. В один из обычных рабочих дней система зафиксировала 17 горячих лидов по аренде вилл — и все с конкретикой, которая позволяет сразу начать предметный разговор без долгого квалификационного этапа.

Примеры реальных сообщений из чатов, которые система правильно классифицировала как лиды в тот день: "Ищу виллу 2BR в Буките, заезд 18 апреля, примерно на месяц, бюджет до 20 млн рупий в месяц". "Нужна долгосрочная аренда в Чангу или Семиньяке, 3+ спальни, обязательно с бассейном и хорошим интернетом, переезжаем от июня". "Семья ищет виллу на Бали на 2 недели в августе, дети 5 и 8 лет, нужна безопасная территория, не хотим на первом этаже". Каждое из этих сообщений — это клиент с чёткими параметрами, готовый к диалогу.

Каждая карточка лида содержала извлечённые параметры: район, тип объекта, даты заезда и выезда или срок, бюджет, специфические требования. Менеджеру по вилле не нужно тратить время на уточнение базовых параметров через несколько итераций переписки — он сразу пишет конкретное предложение под запрос. Это принципиально другой уровень первого контакта по сравнению с любыми холодными обращениями.

Ежедневный Excel-отчёт генерируется автоматически каждое утро без участия человека. В нём — количество лидов за предыдущий день в разбивке по источникам, какие именно чаты дали лиды, среднее время от появления лида до первого контакта, статус по каждому диалогу (отвечает / не отвечает / переведён в сделку). Это даёт полную картину эффективности за любой период без необходимости копаться в логах или строить отчёты вручную.

Вся инфраструктура — мониторинг Пхукета и Бали — работает на одном сервере. Разные промпты для AI-скоринга, разные профили бизнесов, разные наборы чатов-источников, но единая система управления и единая точка логирования. Это важно с точки зрения экономики масштабирования: добавление нового направления или нового клиента требует минимальных затрат, потому что основная инфраструктура уже построена и работает.

Но главный вывод из 17 балийских лидов за один день — не в красивых цифрах самих по себе. Он в том, что 133 000 сообщений в базе — это не просто технические логи работы системы. Это живая карта реального рыночного спроса. Мы точно знаем, какие районы Бали чаще всего фигурируют в запросах на аренду вилл. Знаем, в какие месяцы спрос резко растёт. Знаем, какие форматы объектов ищут чаще всего и какие характеристики называют как обязательные. Эти знания стоят дороже любого платного маркетингового исследования.

О том, как мы автоматизировали смежные процессы — распространение объявлений по чатам для повышения охвата — можно прочитать в статье про автоматический рассылщик, который удвоил охват за ночь на Бали. А о том, как всё это оркестрируется на уровне сервера без накопления cron-задач, — в материале про централизованный планировщик задач.

Заключение: данные важнее инструментов

Месяц без лидов на Пхукете оказался ценнее, чем если бы система с самого начала давала средние результаты. Потому что нулевой результат заставил разобраться в реальной структуре рынка, а не просто оптимизировать инструмент в надежде, что станет лучше. Это фундаментальное различие в подходе.

Главные выводы, которые применимы к любой нише и любой географии. Первое: AI лидогенерация на Пхукете через мониторинг Telegram — это не просто настройка ключевых слов. Это понимание того, как устроен спрос в конкретном канале. Если люди не выражают потребность в тексте публично — никакие ключевые слова ничего не найдут. Второе: сравнение разных рынков даёт инсайты, недоступные при изучении одного рынка в вакууме. Третье: нецелевые запросы — это не мусор для удаления, а сигналы о смежном спросе, который может стать источником конверсий.

Четвёртое: мониторинг лидов в Telegram реально работает — но только когда система понимает намерение и контекст сообщения, а не просто ищет совпадения по словарю. AI-скоринг с матчингом по профилю бизнеса — это принципиальное технологическое отличие от простого парсинга с ключевыми словами. Пятое: интерфейс там, где уже работает человек — то есть прямо в Telegram — снижает трение до минимума и увеличивает скорость реакции на лид.

Если вы занимаетесь бизнесом в Юго-Восточной Азии — аренда транспорта, недвижимость, туристические услуги, локальный бизнес — и хотите понять, как выстроить подобную систему под свою нишу, напишите нам в Telegram. Мы начинаем с аудита того, что реально происходит в чатах вашего рынка — и только после этого проектируем систему под конкретные данные, а не под абстрактные представления о том, как должен работать рынок.