InteriorAI Commander: Force-Multiplier cho Ngành Nội thất Cảm hứng (Inspiration) Với tư cách là một người làm trong ngành nội thất cao cấp tại Rạch Giá, tôi luôn đối mặt với một vấn đề nhức nhối: Tìm kiếm khách hàng tiềm năng là một công việc thủ công, tốn kém và thiếu hiệu quả. Tôi đã dành quá nhiều thời gian để theo dõi các nhóm Telegram, sàng lọc danh sách thủ công thay vì tập trung vào chiến lược và quản lý.
Dự án này ra đời từ khao khát của một "Tổng tư lệnh" – tôi muốn giải phóng bản thân khỏi công việc chân tay và để AI thay tôi "đi săn" khách hàng. Tôi cần một công cụ không chỉ cào dữ liệu, mà phải hiểu được dữ liệu đó.
Dự án làm được gì? (What it does) InteriorAI Commander là một trung tâm điều khiển tự động hóa quy trình kinh doanh:
Tự động hóa toàn diện: Quét và thu thập dữ liệu từ các nhóm Telegram mục tiêu nơi khách hàng tiềm năng đang thảo luận.
AI Phân tích (The Brain): Sử dụng OpenAI API để lọc dữ liệu thô, phân loại khách hàng theo nhu cầu (vd: làm nội thất, sửa nhà, trang trí) và ưu tiên những người có khả năng chốt đơn cao nhất.
Hỗ trợ ra quyết định: Hệ thống tự động tạo sẵn kịch bản tư vấn phù hợp với yêu cầu của từng khách hàng, giúp rút ngắn 90% thời gian chuẩn bị.
Cách tôi xây dựng nó (How I built it) Hệ thống được xây dựng trên kiến trúc Backend mạnh mẽ và linh hoạt:
Core: Python với FastAPI để quản lý luồng dữ liệu.
Automation: Tích hợp Telethon và Pyrogram để xử lý tương tác thời gian thực trên Telegram.
Intelligence: Sử dụng OpenAI API (GPT-4o) để xử lý ngôn ngữ tự nhiên (NLP) nhằm phân tích ý định của người dùng từ các tin nhắn thô.
Workflow:
Python
Ví dụ về quy trình phân tích khách hàng bằng AI
def classify_lead(message_content): response = client.chat.completions.create( model="gpt-4o", messages=[{"role": "system", "content": "Phân loại khách hàng tiềm năng ngành nội thất."}, {"role": "user", "content": message_content}] ) return response.choices[0].message.content Những thách thức tôi gặp phải (Challenges) Data Noise: Dữ liệu trên Telegram rất hỗn loạn. Thách thức lớn nhất là làm sao để AI lọc được "tín hiệu" (khách thật) từ "nhiễu" (quảng cáo rác).
Rate Limiting: Việc xử lý số lượng lớn tin nhắn đòi hỏi tối ưu hóa API call để tránh bị chặn.
Tôi đã học được gì? (What I learned) Tôi học được rằng AI không chỉ để chat, nó là một đòn bẩy (force multiplier) cực mạnh cho bất kỳ ai làm kinh doanh. Khi kết hợp kiến thức ngành nội thất với sức mạnh automation, tôi không chỉ xây dựng một phần mềm, tôi đang xây dựng một hệ thống kinh doanh tự vận hành.
Phần "Được xây dựng với" (Built with) Đại ca hãy tick chọn các mục sau:
Python
FastAPI
OpenAI API
Telegram API
GitHub
Git
Visual Studio Code
REST API
Liên kết "Dùng thử" (Try it out) GitHub Repository: [Link GitHub của đại ca]
Demo: [Link video YouTube quay màn hình demo]
Log in or sign up for Devpost to join the conversation.