Marketing · social listening
Motore di ascolto delle community: intento d'acquisto e menzioni del brand dai gruppi Telegram pubblici
Un motore di ascolto che analizza community Telegram pubbliche, trova messaggi con intento d'acquisto e menzioni del brand e li passa al team vendite come schede motivate con bozza di risposta, usando un modello linguistico solo dove serve.
- Settore
- Marketing · social listening
- Tecnologie
- Python 3.12 · Telethon · PostgreSQL + pgvector
La sfida
Un team di marketing e vendite voleva trovare nelle community Telegram pubbliche le persone che cercano un prodotto come il suo, e vedere le menzioni del brand nel momento in cui compaiono. Telegram lo rende difficile in tre modi. Gli account hanno limiti di frequenza e vengono penalizzati se leggono in modo aggressivo. I messaggi sono pieni di duplicati, inoltri, caratteri che ne imitano altri e lingue mescolate. E far passare ogni messaggio da un modello linguistico costerebbe molto più di quanto valgano i lead.
La soluzione
Abbiamo costruito il motore in Python su un livello client Telegram con un pool di account, budget di operazioni per account e gestione del flood wait. Le nuove fonti vengono trovate tramite link, inoltri e cataloghi web, e passano per un imbuto di qualificazione. I messaggi vengono normalizzati, deduplicati su quattro livelli e confrontati con un automa Aho–Corasick, con un secondo passaggio semantico su pgvector. Un filtro che incrocia intento e dominio lascia intervenire il modello solo quando un messaggio mostra sia un intento d'acquisto sia pertinenza. La maggior parte dell'intento viene riconosciuta prima di quel punto da un lessico, dalla struttura della conversazione e da un piccolo classificatore locale addestrato sulle etichette del modello.
Come si collega
- 01 Scoperta delle fonti
- 02 Scansione dei messaggi
- 03 Normalizzazione e deduplica
- 04 Filtro d'intento
- 05 Conferma LLM
- 06 Consegna della scheda
Cosa abbiamo realizzato
- Livello client Telegram con pool di account, budget di operazioni e gestione del flood wait
- Scoperta delle fonti da link, inoltri e cataloghi web, con un imbuto di qualificazione e una metrica di saturazione
- Normalizzazione dei caratteri ingannevoli e invisibili, rilevamento della lingua e deduplicazione su quattro livelli con SimHash
- Corrispondenza esatta con un automa Aho–Corasick e regole RE2 sicure, più ricerca semantica con pgvector
- Cascata IA con un filtro a due assi su intento e dominio, controllo di budget e cadenza, e tracciamento dei costi per fornitore
- Registro delle menzioni del brand con analisi del sentiment
- Consegna tramite un bot Telegram: schede motivate, pulsanti di feedback, codici di accesso monouso, ruoli e una traccia di audit
- Oltre 700 test automatizzati
Funzionalità
- Un classificatore d'intento locale, addestrato sulle etichette del modello, limita le chiamate al modello a una piccola quota dei messaggi
- Livello di provider per Claude e Gemini con tracciamento dei costi
- Throughput della corrispondenza misurato con benchmark
- Contratti JSON Schema tra le fasi della pipeline
- Un servizio in background tiene attivo lo scanner, lancia un avviso quando smette di dare segnali e lo riavvia
Integrazioni
- API client di Telegram (MTProto)
- Telegram Bot API
- API Anthropic Claude e Google Gemini
Tecnologie
Risultato
In funzione come progetto pilota su community reali da agosto 2026, con schede consegnate al team. Il limite attuale è la capacità del pool di account; una versione multi-tenant con API è la fase successiva.
Come si tengono sotto controllo i costi del modello?
Facendo del modello l’ultimo passaggio, non il primo. La corrispondenza per parole chiave e quella semantica restringono il flusso ai messaggi in tema. Poi un lessico, la forma della conversazione e un piccolo classificatore locale decidono se un messaggio mostra un intento d’acquisto. Solo i messaggi che superano entrambi i controlli arrivano al modello linguistico, che conferma l’intento e prepara una bozza di risposta. Ogni chiamata al modello ha un budget ed è registrata con il suo costo, così la spesa è nota prima della fine del mese.
Parliamo del tuo progetto
Raccontaci il tuo progetto