Telegram-бот для торговых представителей

🚀 Telegram-бот для торговых представителей: автоматизация отчетности и контроль мерчандайзинга

📌 Проблема бизнеса

Сеть розничных продаж столкнулась с проблемами из-за ручного управления данными:

✅ Низкая точность отчетов — ошибки в Excel-отчетах о продажах и посещениях.

✅ Фальсификация данных — 30% посещений не подтверждались фото/геолокацией.

✅ Пробелы в мерчандайзинге — отсутствие оперативного контроля выкладки товаров.

✅ Задержки документооборота — акты сверок оформлялись вручную с нарушениями сроков.

 💡 Решение – Telegram-бот с ИИ-аналитикой и интеграцией в CRM

Разработан бот, объединяющий сбор данных, анализ фотоотчетов и автоматизацию документов.

 🔹 Технологический стек (согласно компетенциям команды):

- Backend бота: Python + aiogram (асинхронная обработка, FSM).

- ИИ/ML-модули:

  • Анализ фотоотчетов — кастомная CV-модель на PyTorch (оценка заполненности полок, поиск брендов).

  • NLP для документов — GPT-3.5 Turbo (генерация актов сверок из голосовых сообщений).

  • Распознавание лиц — FaceNet (верификация представителей при отправке фото).

- Парсинг и интеграции:

  • Парсинг остатков товаров через REST API поставщиков.

  • Интеграция с самописной CRM на Django (управление ролями, задачи, статистика).

- База данных: PostgreSQL (хранение отчетов, фото-хешей, логов действий).

- Аналитика: Django Admin + Grafana (дашборды по посещениям, продажам, проблемам).

 🔹 Как это работает?

1. Фиксация посещения:

   - Представитель отправляет геолокацию. Бот проверяет ее с помощью парсинга OpenStreetMap API (радиус 50 м от точки в CRM).

   - FaceNet сверяет селфи представителя с базой для предотвращения подмены.

2. Фотоотчет о полках:

   - Бот требует 3 фото. CV-модель анализирует:

     ▪ Долю полки компании (алгоритм сегментации изображений).

     ▪ Наличие акционных ценников (OCR на базе Tesseract).

     ▪ Соответствие шаблонам мерчандайзинга (сравнение с эталонными изображениями).

3. Ввод данных о продажах:

   - Интеграция с REST API поставщиков для автоматического парсинга остатков.

   - Голосовые сообщения → NLP-транскрипция → заполнение форм в CRM.

4. Документооборот:

   - GPT-3.5 Turbo генерирует акты сверок на основе данных из CRM.

   - Подписание через Telegram-интерфейс (интеграция с ЭЦП провайдером).

5. Контроль и аналитика:

   - Самописная CRM формирует задачи для представителей (например, «Проверить выкладку в точке X»).

   - Дашборды в Django Admin показывают: конверсию посещений, топ ошибок мерчандайзинга, рейтинг представителей.

🚀 Результаты за 2 месяца:

✅ Сокращение времени отчетности на 80% — бот сократил ручной ввод до 10 мин/день.

✅ Рост точности данных до 99% — ИИ-верификация исключила фальсификации.

✅ Увеличение доли полки на 26% — мгновенные правки по итогам фотоотчетов.

✅ Автоматизация 100% документов — акты формируются за 5 минут вместо 2 дней.

🌟 Сильные стороны решения (согласно компетенциям команды):

1. ИИ/ML-интеграция:

   - Распознавание лиц, анализ изображений, NLP для документов.

2. Автоматизация и парсинг:

   - Интеграция с REST API, парсинг данных поставщиков, валидация через геолокацию.

3. Гибкая CRM:

   - Самописная система на Django с ролевой моделью и аналитикой.

4. Аналитика:

   - Дашборды для контроля KPI в Django Admin + Grafana.

Проект охватил 40+ представителей, сократив издержки на контроль на 60% и повысив лояльность клиентов за счет оперативного решения проблем.