MeerMost

چطور اجارهٔ روزانه را خودکار کردیم: AmoCRM، RealtyCalendar و Telegram

کسب‌وکار اجارهٔ روزانه بر ارتباط تکراری با مهمان‌ها استوار است. برای هر مهمان باید دستورالعمل‌ها، رمز Wi-Fi، کد در و یادآوری تخلیه را فرستاد. یک بار دستی انجام دادنش مشکلی نیست. ده بار در هفته دیگر کلافه می‌شوی. بیست آپارتمان همزمان به آشوب تبدیل می‌شود. این کیس دربارهٔ این است که چگونه سیستمی ساختیم که تمام این کارهای تکراری را از دوش تیم مشتری برداشت. فناوری‌ها ساده‌اند، ارزش بسیار زیاد است.

زمینه: چه بود

مشتری چند آپارتمان در اجارهٔ روزانه را مدیریت می‌کرد. رزروها از سه پلتفرم تجمیع‌کننده می‌آمدند: Avito، Sutochno، Yandex Travel. تیم در WhatsApp و Telegram کار می‌کرد و برنامه را در RealtyCalendar نگه می‌داشت. هیچ خودکارسازی‌ای وجود نداشت.

مسیر استاندارد یک رزرو:

  1. مهمان از طریق پلتفرم تجمیع‌کننده رزرو می‌کند
  2. مدیر رزرو را در RealtyCalendar می‌بیند
  3. مدیر WhatsApp را باز می‌کند، قالب را کپی می‌کند و اطلاعات مهمان را جای‌گذاری می‌کند
  4. دو روز بعد، یادآوری زمان ورود
  5. در روز ورود، دستورالعمل‌ها، رمز Wi-Fi و کد در (مخصوص هر آپارتمان)
  6. در روز خروج، یادآوری چک‌اوت
  7. پس از خروج، وظیفه برای تیم نظافت

هر مرحله دستی است. هر آپارتمان مجموعهٔ رمزها و کدهای خودش را دارد. با افزایش تعداد آپارتمان‌ها، زمان صرف‌شده برای ارتباط خطی رشد می‌کرد و همراه با آن تعداد خطاها هم بیشتر می‌شد. کد برای مهمان اشتباه فرستاده می‌شد، دستورالعمل فراموش می‌شد، اطلاعات دیروز ارسال می‌شد.

هدف

کاری کنیم که تیم فقط به موقعیت‌های غیرمعمول بپردازد: حل تعارض‌ها، ورود زودهنگام، خروج دیرهنگام، لغوها. تمام کارهای تکراری (ارسال دستورالعمل‌ها، رمزها و یادآوری‌ها) به خودکارسازی سپرده شود.

هدف تکمیلی: هنگام افزودن آپارتمان جدید، ارتباط به‌صورت خودکار برقرار شود، بدون بازنویسی قالب‌ها.

معماری

اصلی‌ترین تصمیم معماری: تلاش نکنیم همه‌چیز را در یک ابزار انجام دهیم. هر مؤلفه کاری را انجام می‌دهد که در آن قوی است و با همسایه‌ها از طریق API و webhooks ارتباط می‌گیرد.

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  تجمیع‌کننده‌ها   │    │ RealtyCalendar  │    │     AmoCRM      │
│ Avito، Sutochno │───▶│ تقویم یکپارچه،  │───▶│ قیف بر اساس     │
│ Yandex Travel   │    │ همگام‌سازی      │    │ مراحل رزرو      │
└─────────────────┘    └─────────────────┘    └────────┬────────┘
                                                       │
                                                       │ webhook
                                                       ▼
                       ┌─────────────────┐    ┌─────────────────┐
                       │  WhatsApp،      │    │   بک‌اند ما     │
                       │  Telegram       │◀───│ دستورالعمل      │
                       │  از طریق        │    │ هر آپارتمان     │
                       │  Salesbot/Pact  │    │ را واکشی        │
                       └─────────────────┘    │ می‌کند          │
                                              └─────────────────┘

هر بلوک:

  • پلتفرم‌های تجمیع‌کننده از قبل به RealtyCalendar متصل هستند. این یکپارچه‌سازی استاندارد است و ما چیزی را تغییر ندادیم.
  • RealtyCalendar رزروها را از همهٔ پلتفرم‌ها در یک تقویم واحد جمع می‌کند. یکپارچه‌سازی بومی با AmoCRM دارد و ما همان را بدون تغییر استفاده کردیم.
  • منطق اصلی قیف‌ها در AmoCRM قرار دارد. برای هر رزرو یک معاملهٔ جداگانه با جابه‌جایی بین مراحل ساخته می‌شود.
  • بک‌اند ما webhookهای AmoCRM را دریافت می‌کند، محاسبه می‌کند کدام دستورالعمل ارسال شود و آن را به WhatsApp/Telegram می‌فرستد.
  • Salesbot و Pact به‌عنوان ابزارهای ارسال به پیام‌رسان‌ها کار می‌کنند. Pact از WhatsApp Business API پشتیبانی می‌کند و Salesbot در AmoCRM تعبیه شده است.

اصل کار: هیچ یکپارچه‌سازی مستقلی با پلتفرم‌های تجمیع‌کننده نداشته باشیم. RealtyCalendar این کار را بهتر از ما انجام می‌دهد و منطقی نیست آن را تکرار کنیم.

قیف در AmoCRM

جالب‌ترین بخش ماجرا ساختار معامله است. هر رزرو از یک قیف با مراحل ثابت عبور می‌کند:

مرحلهمحرک جابه‌جاییچه چیزی برای مهمان ارسال می‌شود
رزرو شدایجاد معامله از RealtyCalendarتأیید رزرو + اطلاعات پرداخت
دستورالعمل ارسال شد1 روز پیش از وروددستورالعمل کامل: آدرس، مسیر رسیدن، Wi-Fi، کدها
ورود زودهنگامبنا به درخواست مهمان، مرحلهٔ دستیتأیید زمان، پرداخت اضافی
خروج دیرهنگامبنا به درخواست مهمان، مرحلهٔ دستیتأیید زمان، پرداخت اضافی
اسکاندر روز ورود، بر اساس زمان رزروپیام خوش‌آمدگویی، اطلاعات تماس مدیر
اقامتپس از 24 ساعت از زمان ورود(سکوت، مهمان در آپارتمان است)
تخلیه4 ساعت قبل از پایان رزرویادآوری چک‌اوت
نظافتپس از خروجوظیفهٔ نظافت برای تیم نظافت

هر مرحلهٔ خودکار یک webhook در بک‌اند ما فعال می‌کند. بک‌اند تصمیم می‌گیرد دقیقاً چه چیزی ارسال شود.

چرا بک‌اند، نه فقط AmoCRM

می‌شد همه‌چیز را داخل AmoCRM و از طریق Salesbot انجام داد. اما این کار را نکردیم و دلیلش این است.

دستورالعمل‌ها برای هر آپارتمان یکتا هستند. در یک آپارتمان کد در 1234 است و در دیگری 5678. در یکی نام Wi-Fi برابر Home است و در دیگری Apartment2. نگهداری همهٔ این‌ها در قالب‌های Salesbot راهی مستقیم به دردسر است. هر آپارتمان جدید نیازمند کپی و ویرایش کل قیف است.

راه‌حل: آپارتمان‌ها در پایگاه‌دادهٔ ما به‌صورت موجودیت‌هایی با این فیلدها ذخیره می‌شوند: آدرس، کد در، نام Wi-Fi، رمز Wi-Fi، دستورالعمل، اطلاعات تماس نیروی نظافت، زمان ورود. بک‌اند بر اساس ID آپارتمان از معاملهٔ AmoCRM داده‌های لازم را واکشی می‌کند و در متن پیام جای‌گذاری می‌کند.

منطق بر اساس نوع مهمان متفاوت است. مهمانی که اولین رزرو را دارد دستورالعمل کامل دریافت می‌کند. مهمانی که قبلاً اقامت کرده پیام کوتاه «در همان است، کد همان» را دریافت می‌کند. در AmoCRM شاخه‌بندی چنین منطقی از طریق Salesbot ممکن است، اما دشوار. در کد، پنج خط است.

اطلاعات پرداخت به‌صورت لحظه‌ای محاسبه می‌شود. قیمت به‌علاوهٔ کمیسیون تجمیع‌کننده به‌علاوهٔ ودیعهٔ ضمانت. AmoCRM از عهدهٔ چنین محاسباتی برنمی‌آید؛ بک‌اند در لحظهٔ ارسال محاسبه می‌کند.

یک چرخه در واقع چطور کار می‌کند

روز منهای 1. مهمان یک هفته پیش از ورود از طریق سوتوچنو رزرو کرد. RealtyCalendar رزرو را دریافت کرد و در AmoCRM یک معامله ساخت. معامله به‌طور خودکار در مرحله «رزرو شد» قرار گرفت. تریگری در AmoCRM فعال شد و تأییدیه از طریق Salesbot در Telegram (اگر مهمان Telegram را ثبت کرده بود) یا در WhatsApp از طریق Pact ارسال شد.

روز 0، صبح. تریگر «24 ساعت قبل از ورود» در AmoCRM فعال شد. معامله به مرحله «دستورالعمل ارسال شد» رفت. یک webhook با ID معامله به بک‌اند ما رسید. بک‌اند:

  1. ID آپارتمان و زمان ورود را از AmoCRM گرفت
  2. اطلاعات آپارتمان را از پایگاه داده خودش بیرون کشید: آدرس، Wi-Fi، کد در، دستورالعمل
  3. شماره تلفن و نام مهمان را از AmoCRM گرفت
  4. متن پیام را بر اساس قالب آپارتمان ساخت
  5. آن را از طریق Pact API به WhatsApp مهمان فرستاد
  6. در AmoCRM کامنت «دستورالعمل در 09:00 ارسال شد» را ثبت کرد

روز 0، ساعت ورود. معامله طبق زمان‌بندی به مرحله «اسکان» رفت. مهمان این پیام را گرفت: «استراحت خوبی داشته باشید، اگر چیزی لازم شد به مدیر بنویسید».

روز 1-N، سکوت. هیچ پیامی نیست. مهمان مشغول زندگی خودش است.

روز خروج، منهای 4 ساعت. معامله در مرحله «تخلیه» است. مهمان یادآوری چک‌اوت را دریافت کرد.

بعد از خروج. معامله در مرحله «نظافت» است. نظافتچی آدرس و زمان را در WhatsApp گرفت.

تیم مشتری در تمام این چرخه به آن دست نزد. آن‌ها روزی یک بار AmoCRM را باز می‌کنند، قیف را نگاه می‌کنند و فقط در موارد استثنایی دخالت می‌کنند: ورود زودهنگام، درگیری، لغو.

چه چیزی به دست آمد

  • اتوماسیون کامل، از رزرو تا ارتباط با مهمان. تیم پیام‌های قالبی را دستی نمی‌نویسد.
  • هر پیام با اطلاعات به‌روز همان آپارتمان. کد 1234 به آپارتمانی که کدش 5678 است نمی‌رود.
  • قیف در AmoCRM شفاف است. در هر مرحله مشخص است چه اتفاقی برای رزرو می‌افتد.
  • افزودن آپارتمان یک عملیات یک‌دقیقه‌ای است. وارد پنل ادمین بک‌اند می‌شوید، فیلدهای آپارتمان را پر می‌کنید و آپارتمان به‌طور خودکار وارد قیف می‌شود.

چه چیزی جواب نداد

Pact برای WhatsApp. گاهی WhatsApp Business API گیر می‌کند یا پیام‌ها را رد می‌کند. ما retry با backoff نمایی اضافه کردیم؛ این در 90% موارد کارساز است، اما گاهی پیام‌ها باز هم نمی‌رسند. فال‌بک این است: مدیر اعلانی دریافت می‌کند که پیام نرفته است و خودش دستی می‌فرستد.

ربات‌های Telegram همه مهمان‌ها را پوشش نمی‌دهند. حدود نیمی از مهمان‌ها از Telegram استفاده نمی‌کنند. WhatsApp در روسیه کار می‌کند، اما با اما و اگر (بخشی از مخاطبان از آن استفاده نمی‌کنند یا نسخه قدیمی دارند). هیچ کانال ایده‌آل و همه‌منظوره‌ای وجود ندارد، به همین دلیل ارسال چندکاناله با اولویت انجام می‌دهیم: Telegram، WhatsApp و SMS به‌عنوان فال‌بک.

webhook‌های AmoCRM گاهی دیر می‌رسند. AmoCRM در موارد نادر webhook را با تأخیر 5-10 دقیقه می‌فرستد. برای منطق ما حیاتی نیست (ما پیام‌هایی نمی‌فرستیم که باید در چند ثانیه ارسال شوند)، اما در دیباگ آزاردهنده بود.

الان چه کاری را متفاوت انجام می‌دادم

اطلاعات آپارتمان‌ها را در یک ابزار ادمین جدا می‌گذاشتم. الان در Postgres است و برای ویرایش به توسعه‌دهنده نیاز است. یک پنل ادمین کوچک با همان Next.js می‌ساختم و به این پایگاه داده وصلش می‌کردم. مشتری خودش آپارتمان‌ها را ویرایش می‌کرد، بدون مراجعه به ما.

یک AI-ایجنت برای موقعیت‌های غیراستاندارد اضافه می‌کردم. الان برای «ورود زودهنگام» معامله را دستی جابه‌جا می‌کنیم. یک AI-ایجنت در ربات Telegram می‌توانست با مهمان گفت‌وگو کند، بفهمد که او ورود زودهنگام می‌خواهد و معامله را همان لحظه جابه‌جا کند. از نظر فنی این حل‌شدنی است (ما چیز مشابهی در MeerBot انجام می‌دهیم). در زمان این پروژه، استک هنوز به بلوغ نرسیده بود.

تحلیل بر اساس پلتفرم‌های تجمیع‌کننده را اضافه می‌کردم. مهمان‌ها از کجا می‌آیند، نرخ رزروهای تکراری در هر کانال چقدر است، کدام مدیر چه معامله‌ای را می‌بندد. الان این وجود ندارد و مشتری اعداد کلی را می‌بیند. با تحلیل می‌شد بودجه تبلیغات را بین پلتفرم‌های تجمیع‌کننده بازتوزیع کرد.

چه زمانی این راهکار مناسب است

اگر این شرایط را دارید:

  • کسب‌وکاری با ارتباط تکراری با مشتری (اجاره، تحویل، آموزش، خدمات زمان‌بندی‌شده)
  • چندین شعبه، نمایندگی و ملک با پارامترهای یکتا (مثل آپارتمان‌ها در این پروژه)
  • چند منبع لید یا سفارش
  • تیمی که زیر حجم پیام‌های قالبی غرق می‌شود

این یک الگوی عملی است. استک مشخص را می‌توان عوض کرد (به‌جای AmoCRM، از Bitrix یا amoUSe؛ به‌جای RealtyCalendar، ابزار دیگری برای این حوزه). منطق همان می‌ماند: تفکیک اینتگریشن‌ها، داشتن یک پایگاه داده مرکزی برای املاک، و وصل کردن قیف CRM به بک‌اند اختصاصی برای جای‌گذاری داده‌های به‌روز.

قدم بعدی

قصد دارید ارتباط با مشتری یا فرایندهای CRM را خودکار کنید؟ به من بنویسید، زنجیره شما را بررسی می‌کنیم و می‌بینیم چه چیزی را می‌توان از حالت دستی خارج کرد. اگر می‌خواهید تقریبی از بودجه را بدانید، ماشین‌حساب در یک دقیقه کمکتان می‌کند.

همه مقالات

مقالات مرتبط

چه زمانی بات پشتیبانی هزینه‌اش را برمی‌گرداند و چه زمانی نه
کسب‌وکار

چه زمانی بات پشتیبانی هزینه‌اش را برمی‌گرداند و چه زمانی نه

فرمول بازگشت هزینه روی دستمال کاغذی، سه سناریو بر اساس حجم درخواست‌ها و چهار موردی که بات هوش مصنوعی در پشتیبانی حتی هزینه اشتراک را هم جبران نمی‌کند.

12 دقیقه مطالعه
سرور برای سرویس VPN: کدام VPS را انتخاب کنیم و چقدر جواب می‌دهد
کسب‌وکار

سرور برای سرویس VPN: کدام VPS را انتخاب کنیم و چقدر جواب می‌دهد

چه VPS‌ای برای سرویس VPN با اشتراک لازم است: پهنای باند، سقف ترافیک، پردازنده. آمار یک سرویس فعال: 79 TiB در ماه، 395 نفر آنلاین، و اینکه اول از همه کدام محدودیت به سقف می‌خورد.

7 دقیقه مطالعه
اپلیکیشن اختصاصی یا Happ: به مشتریان سرویس VPN چه بدهیم
کسب‌وکار

اپلیکیشن اختصاصی یا Happ: به مشتریان سرویس VPN چه بدهیم

Happ رایگان است و در یک دقیقه نصب می‌شود، اما از App Store روسیه حذف می‌شود. اپلیکیشن اختصاصی ماه‌ها در مرحله بررسی می‌ماند. به مشترکان چه بدهیم و چه زمانی.

8 دقیقه مطالعه