AI-ідентифікатор лідів: Bitrix24 + Binotel

Мета: Розробити інтелектуальну систему автоматизації CRM-маркетингу для ідентифікації анонімних лідів у Bitrix24. Вимога: забезпечити автоматичне розпізнавання клієнтів через аналіз вхідних дзвінків телефонії Binotel, мінімізувати витрати на AI-аналіз через пакетну дедублікацію та очистити базу від «сміттєвих» контактів.

Мій Внесок / Рішення: Спроектовано багаторівневу архітектуру на self-hosted n8n, що інтегрує Bitrix24 API з моделями (GPT-4o). Реалізовано логіку для збереження контексту даних при складних розгалуженнях воркфлоу.

1. Інтелектуальний Media Engine (Аналіз та Ідентифікація):
Multi-Step AI Transcription & Analysis: Впроваджено систему вилучення аудіозаписів із сутностей Bitrix Activity. Використано нейромережі для транскрибації та семантичного аналізу діалогів з метою виявлення імен клієнтів, назв компаній та типу запиту.

High-Precision Filtering: Реалізовано сувору фільтрацію вхідного потоку: ігнорування вихідних дзвінків (DIRECTION: 1), відсікання розмов коротших за 40 секунд та детекція спаму. Це дозволило сфокусувати ресурси AI лише на цільових вхідних лідах.

2. Пакетна обробка та Data Integrity (Optimization):
Batch Deduplication Standard: Розроблено механізм порівняння вхідних даних з існуючою БД за принципом [Вхід] - [БД] = [Нові]. Це виключило повторну обробку архівних дзвінків (2024–2026) та знизило витрати на API нейромереж.

Source of Truth Recovery (V16): Вирішено проблему втрати контексту (Activity ID, Phone) при успішних API-запитах до Bitrix24. Створено архітектуру, де фінальна нода Normalize Data звертається до початкового стану ітератора (Process Calls3), гарантуючи 100% заповнення полів у фінальному логуванні.

3. Надійність та Infrastructure Management:
Оптимізовано роботу self-hosted інстансу n8n для масової обробки великих архівів. Впроваджено стратегію очищення даних, вимкнено логування успішних запусків для економії дискового простору та реалізовано автоматичне стиснення бази.

Archival & Real-time Hybrid: Система налаштована на гібридний режим: глибока обробка історичних архівів (глибина до 2 років) та щоденний моніторинг нових контактів «по гарячих слідах».

Результат: Створено автономний backend-продукт для автоматичного збагачення CRM-даних:

Data Enrichment: Автоматизовано ідентифікацію понад 80% анонімних вхідних дзвінків, перетворюючи «Телефонний дзвінок від...» на іменовані контакти з історією запиту.

#n8n #Bitrix24 #Binotel #AIAutomation #GPT4 #Backend #CRMIntegration #NoCode #DataEngineering