Автоматизована інформаційна система SMM-лідогенерації в месенджері Telegram

О.О. Тузенко; Н.М.   Сідун

doi:10.31498/2225-6733.47.2023.299985

Автор(и)

О.О. Тузенко ДВНЗ «Приазовський державний технічний університет», м. Дніпро, Україна https://orcid.org/0000-0002-4920-9417
Н.М. Сідун ДВНЗ «Приазовський державний технічний університет», м. Дніпро, Україна https://orcid.org/0009-0001-8343-1273

DOI:

https://doi.org/10.31498/2225-6733.47.2023.299985

Ключові слова:

Telegram-бот, лід, цільова аудиторія, семантичний аналіз, обробка природньої мови, Python, MySQL, ChatGPT, TelegramAPI

Анотація

В даній статті було розглянуто створення автоматизованої системи для пошуку зацікавлених користувачів – лідів – в середовищі популярного месенджера Telegram. Оскільки месенджер не є соціальною мережею, а також суттєво відрізняється за способом взаємодії від будь-якого вебсервісу, то пошук цільової аудиторії в ньому ускладнений. Головним чином він складний через відсутність будь-яких рекомендації для користувача щодо контенту, каналів, чатів та повну відсутність стрічки новин і рекомендованих джерел контенту. В цій статті описується створення інструменту для пошуку зацікавлених користувачів у вигляді Telegram-боту, який взаємодіє з Telegram через API, а за допомогою мовних інструментів аналізує повідомлення в чаті, допомагаючи визначати дискусії на визначені теми, а саме для визначення зацікавлених у конкретних темах користувачів, необхідно аналізувати тексти дискусій у публічних чатах та визначати, які саме теми обговорюють учасники чату. Для такого аналізу необхідні інструменти аналізу природньої мови і контексту бесіди. Бот створений у наступному технологічному стеку: в якості основної мови обрано Python, за взаємодію з серверами Telegram відповідає pyTelegramBotAPI. Отримані та проаналізовані дані зберігаються у MySQL базі даних, обробка текстової інформації виконується у декілька етапів, у яких задіяні бібліотеки обробки природньої мови для мови Python та штучний інтелект, а точніше велика мовна модель ChatGPT. Даний бот збирає та аналізує інформацію, а після того надає звіт, скільки згадувань в рамках заданої адміністратором теми мали користувачі чату, саме ці користувачі є потенційними лідами. Дана інформація допомагає будувати та покращувати маркетингові моделі просування товарів і послуг через публікацію дописів, посилань чи повідомлень у чатах, а також визначати ступінь зацікавленості аудиторії конкретною темою у живому спілкуванні

Біографії авторів

О.О. Тузенко , ДВНЗ «Приазовський державний технічний університет», м. Дніпро

Кандидат технічних наук, доцент

Н.М. Сідун , ДВНЗ «Приазовський державний технічний університет», м. Дніпро

Асистент

Посилання

Wilson R. Planning Your Internet Marketing Strategy: A Doctor Ebiz Guide. 1st ed, 2001. Hoboken: Wiley. 272 p.

Geeksforgeeks - Boyer Moore Algorithm for Pattern Searching. URL: https://www.geeksforgeeks.org/boyer-moore-algorithm-for-pattern-searching/ (дата звернення: 02.05.2023).

Dalal N.R., Jadhav P. A composite algorithm for string matching. International Journal of Mod-ern Trends in Engineering and Research (IJMTER). 2015. № 2. Pp. 68-73. DOI: https://doi.org/10.1088/1742-6596/930/1/012001.

Ahmad A., Ahmad T., Vijay H. Shortest path algorithms for social network strengths. Proceed-ings of the 5th International Conference on Frontiers in Intelligent Computing: Theory and Applications. 2017. Vol 515. Pp. 1223-1224. DOI: https://doi.org/10.1007/978-981-10-3153-3_35.

Rodrigues M., Peterson R.M. The role of social CRM and its potential impact on lead generation in business-to-business marketing. International Journal of Internet Marketing and Advertising. 2012. Vol. 7. No. 2. Pp. 567-577. DOI: https://doi.org/10.1504/IJIMA.2012.046255.

LeadScanr – Crunchbase Company Profile & Funding. URL: https://www.crunchbase.com/organization/leadscanner (дата звернення: 18.06.2023)

Hubspot Beginner’s Guide to Lead Generation. URL: https://blog.hubspot.com/marketing/beginner-inbound-lead-generation-guide-ht (дата звернення: 17.05.2023).

LeadExtract Bot. URL: https://github.com/schurig/LeadExtractBot (дата звернення: 16.05.2023).

Leadmine Bot. URL: https://telegram.me/leadmine_bot (дата звернення: 15.05.2023).

Salesbot. URL: https://telegram.me/salesbot (дата звернення: 12.05.2023).

SalesIQ. URL: https://telegram.me/SalesIQBot (дата звернення: 11.05.2023).

Leadjet. URL: https://telegram.me/leadjet (дата звернення: 01.05.2023).

BotLead. URL: https://telegram.me/botlead_bot (дата звернення: 01.05.2023).

Combot. URL: https://combot.org/ (дата звернення: 02.05.2023)

GroupButler. URL: https://groupbutler.org/ (дата звернення: 03.05.2023).

Anti-Spam Bot. URL: https://telegram.me/anti_spambot (дата звернення: 04.05.2023).

Characteristics of viral messages on Telegram; The world’s largest hybrid public and private messenger / Nobari A.D., Mirzaye Sarraf M.H.K., Neshati M., Daneshvar F.E. Expert systems with applications. 2021. Vol. 168. Pp. 1-30. DOI: https://doi.org/10.1016/j.eswa.2020.114303.

eternnoir/pyTelegramBotAPI: Python Telegram bot api. URL: https://github.com/eternnoir/pyTelegramBotAPI#api-reference (дата звернення: 16.04.2023).

Telegram APIs. URL: https://core.telegram.org/api (дата звернення: 20.04.2023).

Stokes D. MySQL and JSON: A Practical Programming Guide. New York : McGraw Hill, 2018. 128 p.

Using ChatGPT for Sentiment Analysis: A Beginner’s Guide. URL: https://blog.gramener.com/using-chatgpt-for-sentiment-analysis/ (дата звернення 23.03.2023).

How to Build a Sentiment Analysis Application with ChatGPT and Druid. URL: https://imply.io/blog/how-to-build-a-sentiment-analysis-application-with-chatgpt-and-druid/ (дата звернення 23.04.2023).

Application of ChatGPT in improving customer sentiment analysis for businesses / F. Sudirjo, K. Diantoro, J.A. Al-Gasawneh, H. Khootimah Azzaakiyyah, A.M. Almaududi Ausat. Jurnal Teknologi Dan Sistem Informasi Bisnis. 2023. Vol. 5(3). Pp. 283-288. DOI: https://doi.org/10.47233/jteksis.v5i3.871.