Studio
Telegram-бот · AI-консультант

AI-консультант магазина (демо)

Живой демо-бот: AI-консультант интернет-магазина отвечает строго по базе знаний, подбирает товар и ведёт клиента к заявке. В боевой версии заявка уходит в CRM с уведомлением менеджеру.

AI-консультант магазина (демо)

Контекст

Магазин теряет клиентов между сообщениями: менеджер отвечает не круглосуточно, типовые вопросы про состав, цены и доставку повторяются, а подобрать товар в переписке долго. Нужен консультант, который отвечает мгновенно и по фактам магазина, а не «галлюцинирует», и доводит интерес до заявки.

Это живой демо-бот — откройте @retensy_demo_ai_bot и попробуйте. Демо-ниша — магазин косметики, данные условные. Под конкретного клиента ниша и база знаний перебиваются за минуту (клиника, услуги, любой каталог).

Демо-бот AI-консультанта: ответ по базе знаний магазина и кнопки «Оставить заявку» и «Позвать менеджера»

Решение

Бот отвечает только на основе загруженной базы знаний магазина и ведёт клиента к заявке:

  • Ответ строго по базе — на вопрос о составе, цене или доставке бот отвечает фактами из базы; если данных нет, честно говорит «уточню у специалиста», а не выдумывает товар.
  • Умный подбор — если информации мало, бот задаёт 1–2 уточняющих вопроса (тип кожи, бюджет) и предлагает 1–3 подходящих позиции с ценой.
  • Заявка и менеджер — кнопки «Оставить заявку» и «Позвать менеджера» доступны всегда; бот собирает имя и телефон с валидацией.
  • Защита от спама — лимит вопросов на пользователя, чтобы демо и API-ключ не выжигали злоупотреблением.

Как работает в боевой версии: каждая заявка (имя, телефон, интерес) уходит в CRM — amoCRM или Bitrix24 — карточкой лида с контекстом диалога, а менеджеру прилетает уведомление. База знаний и каталог подтягиваются из товароучёта клиента, модель подключается через OpenAI или YandexGPT (российский контур), ведётся история диалогов — владелец видит, что спрашивают.

Стек и архитектура

  • Бот: Java, Spring Boot, Telegram Bot API (long polling).
  • AI: OpenAI-совместимый API / YandexGPT, промпт с жёсткой опорой на базу знаний.
  • Данные: база знаний и каталог в конфиге (перебор под клиента), PostgreSQL для истории и лидов в боевой версии.
  • Интеграция: amoCRM / Bitrix24 API — лид как сделка, контакт, уведомление менеджеру.
  • Деплой: systemd-сервис, лёгкий футпринт (~100 МБ RAM).

Роль и результат

Мы собрали диалоговый слой с опорой на базу знаний, подбор с уточнениями и контур заявки. Демо-бот работает вживую и показывает клиенту главное: бот отвечает по фактам магазина и превращает вопрос в лид. В продакшене этот лид автоматически оказывается в CRM менеджера — без ручного переноса из переписки.

Расскажите о своём проекте

Шаг 1 из 3