MeerMost

Comment nous avons automatisé la location courte durée : AmoCRM, RealtyCalendar et Telegram

Le métier de la location courte durée repose sur une communication répétée avec les voyageurs. Il faut envoyer à chacun les instructions, le mot de passe Wi-Fi, le code de la porte, un rappel du départ. Une fois, à la main, ça va. Dix fois par semaine, on se noie. Vingt appartements en même temps, et c'est le chaos. Cette étude de cas raconte comment nous avons mis en place un système qui a débarrassé l'équipe du client de toute cette routine. Des technologies simples, une valeur énorme.

Contexte : la situation de départ

Le client gérait plusieurs appartements en location courte durée. Les réservations arrivaient de trois plateformes : Avito, Sutochno et Yandex Travel. L'équipe travaillait dans WhatsApp et Telegram et tenait le planning dans RealtyCalendar. Aucune automatisation.

Le parcours standard d'une réservation :

  1. Le voyageur réserve via une plateforme
  2. Le manager voit la réservation dans RealtyCalendar
  3. Le manager ouvre WhatsApp, copie le modèle et y insère les données du voyageur
  4. Deux jours plus tard, un rappel de l'heure d'arrivée
  5. Le jour de l'arrivée, les instructions, le mot de passe Wi-Fi, le code de la porte (propre à chaque appartement)
  6. Le jour du départ, un rappel du check-out
  7. Après le départ, une tâche pour les agents d'entretien

Chaque étape est manuelle. Chaque appartement a son propre jeu de mots de passe et de codes. À mesure que le nombre d'appartements augmentait, le temps consacré à la communication augmentait linéairement, et le nombre d'erreurs avec lui. Un code envoyé au mauvais voyageur, une instruction oubliée, des données de la veille expédiées.

Objectif

Faire en sorte que l'équipe ne traite que les situations non standard : résolution de conflits, arrivée anticipée, départ tardif, annulations. Confier toute la routine (diffusion des instructions, des mots de passe et des rappels) à l'automatisation.

Objectif complémentaire : qu'à l'ajout d'un nouvel appartement, la communication se mette en place automatiquement, sans réécrire les modèles.

Architecture

La principale décision d'architecture : ne pas chercher à tout faire dans un seul outil. Chaque composant fait ce qu'il sait faire et communique avec ses voisins via des API et des webhooks.

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│ Plateformes     │    │ RealtyCalendar  │    │     AmoCRM      │
│ Avito, Sutochno │───▶│ planning unifié │───▶│ pipeline par    │
│ Yandex Travel   │    │ et synchro      │    │ étapes de résa  │
└─────────────────┘    └─────────────────┘    └────────┬────────┘
                                                       │
                                                       │ webhook
                                                       ▼
                       ┌─────────────────┐    ┌─────────────────┐
                       │  WhatsApp,      │    │  Notre backend  │
                       │  Telegram       │◀───│ récupère        │
                       │  via            │    │ l'instruction   │
                       │  Salesbot/Pact  │    │ pour l'appart.  │
                       └─────────────────┘    │ concerné        │
                                              └─────────────────┘

Chaque bloc :

  • Les plateformes de réservation sont déjà connectées à RealtyCalendar. C'est une intégration standard, nous n'y avons rien touché.
  • RealtyCalendar regroupe les réservations de toutes les plateformes dans un planning unique. Il dispose déjà d'une intégration native avec AmoCRM, que nous avons utilisée telle quelle.
  • La logique principale des pipelines vit dans AmoCRM. Chaque réservation correspond à une transaction distincte, avec des passages d'étape en étape.
  • Notre backend intercepte les webhooks d'AmoCRM, détermine quelle instruction envoyer et la relaie vers WhatsApp/Telegram.
  • Salesbot et Pact servent d'outils d'envoi vers les messageries. Pact prend en charge WhatsApp Business API, Salesbot est intégré à AmoCRM.

Le principe : aucune intégration directe avec les plateformes de réservation. RealtyCalendar le fait mieux que nous, et cela n'a aucun sens de dupliquer.

Le pipeline dans AmoCRM

Le plus intéressant ici, c'est la structure de la transaction. Chaque réservation traverse un pipeline aux étapes fixes :

ÉtapeDéclencheur du passageCe qui est envoyé au voyageur
RéservéCréation de la transaction depuis RealtyCalendarConfirmation de réservation + informations de paiement
Instructions envoyées1 jour avant l'arrivéeInstructions complètes : adresse, comment s'y rendre, Wi-Fi, codes
Arrivée anticipéeÀ la demande du voyageur, étape manuelleConfirmation de l'heure, supplément
Départ tardifÀ la demande du voyageur, étape manuelleConfirmation de l'heure, supplément
Check-inLe jour de l'arrivée, selon l'heure indiquée dans la réservationMessage de bienvenue, contact du manager
Séjour24 heures après l'arrivée(Silence, le voyageur est dans l'appartement)
Check-out4 heures avant la fin de la réservationRappel du check-out
MénageAprès le départTâche de ménage attribuée aux agents d'entretien

Chaque étape automatique déclenche un webhook vers notre backend. C'est le backend qui décide de ce qu'il faut envoyer exactement.

Pourquoi un backend, et pas seulement AmoCRM

On aurait pu tout faire dans AmoCRM via Salesbot. Nous ne l'avons pas fait, et voici pourquoi.

Les instructions sont uniques pour chaque appartement. Dans l'un, le code de la porte est 1234, dans l'autre 5678. Dans l'un, le Wi-Fi s'appelle Home, dans l'autre Apartment2. Tout stocker dans les modèles Salesbot, c'est le chemin de l'enfer. Chaque nouvel appartement impose de copier et de modifier tout le pipeline.

La solution : les appartements sont stockés dans notre base sous forme d'entités avec des champs : adresse, code de la porte, nom du réseau Wi-Fi, mot de passe Wi-Fi, instructions, contact de l'agent d'entretien, heure d'arrivée. À partir de l'ID de l'appartement indiqué dans la transaction AmoCRM, le backend récupère les données nécessaires et les insère dans le texte du message.

La logique diffère selon le type de voyageur. Le voyageur qui réserve pour la première fois reçoit des instructions détaillées. Celui qui a déjà séjourné reçoit un message court : « même porte, même code ». Dans AmoCRM, on peut gérer ce type de branchement via Salesbot, mais c'est difficile. En code, elle tient en cinq lignes.

Les informations de paiement sont calculées à la volée. Le prix, plus la commission de la plateforme, plus le dépôt de garantie. AmoCRM ne sait pas faire ce type de calcul, c'est le backend qui calcule au moment de l'envoi.

Comment se déroule réellement un cycle

Jour -1. Le voyageur a réservé via Sutochno une semaine avant l’arrivée. RealtyCalendar a reçu la réservation et créé une transaction dans AmoCRM. La transaction est automatiquement passée à l’étape « Réservé ». Un déclencheur s’est activé dans AmoCRM : une confirmation est partie via Salesbot sur Telegram (si le voyageur a indiqué Telegram) ou sur WhatsApp via Pact.

Jour 0, le matin. Le déclencheur « 24 heures avant l’arrivée » s’est activé dans AmoCRM. La transaction est passée à l’étape « Instructions envoyées ». Un webhook contenant l’ID de la transaction est arrivé sur notre backend. Le backend :

  1. Récupération dans AmoCRM de l’ID de l’appartement et de l’heure d’arrivée
  2. Extraction depuis sa propre base des données de l’appartement : adresse, Wi-Fi, code de la porte, instructions
  3. Récupération dans AmoCRM du téléphone et du nom du voyageur
  4. Composition du texte du message selon le modèle de l’appartement
  5. Envoi via l’API Pact sur le WhatsApp du voyageur
  6. Ajout dans AmoCRM d’un commentaire « Instructions envoyées à 09:00 »

Jour 0, heure d’arrivée. La transaction est passée à « Arrivée » selon le planning. Le voyageur a reçu « Bon séjour, si vous avez besoin de quelque chose, écrivez au manager ».

Jours 1 à N, silence. Aucun message. Le voyageur vit sa vie.

Jour du départ, 4 heures avant. Transaction à « Départ ». Le voyageur a reçu un rappel pour le check-out.

Après le départ. Transaction à « Ménage ». La femme de ménage a reçu l’adresse et l’heure sur WhatsApp.

L’équipe du client n’a rien touché pendant tout ce cycle. Elle ouvre AmoCRM une fois par jour, regarde le pipeline et n’intervient que sur les exceptions : arrivée anticipée, conflit, annulation.

Ce que ça a donné

  • Automatisation complète, de la réservation à la communication avec le voyageur. L’équipe n’écrit plus les messages types à la main.
  • Chaque message contient les données à jour de l’appartement concerné. Le code 1234 ne sera pas envoyé dans un appartement dont le code est 5678.
  • Le pipeline dans AmoCRM est transparent. À chaque étape, on voit ce qui arrive à la réservation.
  • Ajouter un appartement prend une minute. On ouvre le panneau d’admin du backend, on remplit les champs de l’appartement, et il est automatiquement repris dans le pipeline.

Ce qui n’a pas fonctionné

Pact pour WhatsApp. Parfois, l’API WhatsApp Business se bloque ou rejette des messages. Nous avons ajouté des retries avec un back-off exponentiel, ça sauve dans 90 % des cas, mais parfois les messages n’arrivent quand même pas. Le fallback est le suivant : le manager reçoit une notification indiquant que le message n’est pas parti et l’envoie manuellement.

Les bots Telegram ne couvrent pas tous les voyageurs. Environ la moitié des voyageurs n’utilisent pas Telegram. WhatsApp fonctionne en Russie, mais avec des réserves (une partie de l’audience ne l’utilise pas ou a une version obsolète). Il n’existe pas de canal universel idéal, c’est pourquoi nous faisons un envoi multicanal avec priorité : Telegram, WhatsApp, SMS en fallback.

Les webhooks d’AmoCRM arrivent parfois en retard. Dans de rares cas, AmoCRM envoie un webhook avec un retard de 5 à 10 minutes. Ce n’est pas critique pour notre logique (nous n’envoyons pas de messages à la seconde près), mais c’était désagréable au débogage.

Ce que je ferais différemment aujourd’hui

Je mettrais les données des appartements dans un outil d’admin séparé. Aujourd’hui, elles sont dans Postgres et il faut un développeur pour les modifier. Je construirais une mini-admin avec le même Next.js et je la connecterais à cette base. Le client modifierait lui-même les appartements, sans passer par nous.

J’ajouterais un agent IA pour les situations non standard. Aujourd’hui, pour une « arrivée anticipée », c’est un humain qui déplace la transaction à la main. Un agent IA dans un bot Telegram pourrait dialoguer avec le voyageur, comprendre qu’il demande une arrivée anticipée et transférer immédiatement la transaction. Techniquement, c’est faisable (nous faisons quelque chose de similaire dans MeerBot). Au moment du projet, la stack n’était pas encore mûre.

Je ferais de l’analytique par agrégateur. D’où viennent les voyageurs, quelle est la fréquence des réservations répétées par canal, qui, parmi les managers, clôt quoi. Aujourd’hui, il n’y en a pas, le client regarde des chiffres globaux. Avec l’analytique, on pourrait répartir le budget publicitaire entre les agrégateurs.

Quand cette solution est adaptée

Si vous avez :

  • Une activité avec une communication client récurrente (location, livraison, formation, services planifiés)
  • Plusieurs points de vente, succursales ou objets avec des paramètres uniques (comme les appartements dans ce cas)
  • Plusieurs sources de leads ou de commandes
  • Une équipe qui croule sous les messages types

C’est un modèle qui fonctionne. La stack concrète peut être remplacée (Bitrix ou amoUSe au lieu d’AmoCRM, un autre outil adapté à la niche au lieu de RealtyCalendar). La logique reste la même : séparer les intégrations, disposer d’une base de données centrale sur les objets, relier le pipeline du CRM à son propre backend pour y injecter les données à jour.

Et ensuite

Vous pensez à automatiser votre communication client ou vos processus CRM ? Écrivez-moi, nous discuterons de votre chaîne et verrons ce qui peut sortir du mode manuel. Si vous voulez avoir une idée approximative du budget, le calculateur vous aidera en une minute.

Tous les articles

Articles similaires

Paiement dans un bot Telegram : Stars, YooKassa, SBP ou crypto
Business

Paiement dans un bot Telegram : Stars, YooKassa, SBP ou crypto

Comment encaisser les paiements d'abonnement dans un bot Telegram : la règle de Telegram sur les Stars, les commissions de YooKassa et de Tribute, la crypto. Comment on paie réellement dans notre bot.

10 min de lecture
Quand un bot de support est rentable, et quand il ne l'est pas
Business

Quand un bot de support est rentable, et quand il ne l'est pas

La formule de rentabilité sur un coin de nappe, trois scénarios selon le volume de demandes et quatre cas où un bot IA en support n'amortira même pas son abonnement.

13 min de lecture
Remotion : la vidéo en code sur React, et ce que nous avons choisi à la place
DéveloppementVidéo

Remotion : la vidéo en code sur React, et ce que nous avons choisi à la place

Ce qu'est Remotion, à quoi il sert, combien coûte la licence et où il est superflu. L'analyse d'un studio qui a produit 60 vidéos en code sans lui.

9 min de lecture