Привет. Я тут в своей мастерской опять ковырял автоматизацию и дошёл до одной реально полезной штуки для селлеров: вопросы о товаре можно не ловить руками весь день, а собирать в Telegram, прогонять через n8n, получать черновик ответа от ИИ и выпускать его только после кнопки подтверждения. Это и скорость даёт, и голову не сносит, когда вопросов много.
Если коротко, схема такая: вопрос с маркетплейса попадает в n8n, workflow подтягивает данные по карточке, собирает аккуратный черновик, шлёт его вам в Telegram и ждёт решение. Нажали «подтвердить» — ответ уходит дальше. Нажали «доработать» — текст возвращается в работу. Ниже покажу сам поток, что класть в базу знаний, как не словить дубли, где ставить ручной контроль и по какому чек-листу запускать всё в бой.
Содержание:
- Почему тут решает ручное подтверждение
- Как выглядит поток: вопрос → черновик → Telegram → публикация
- Какие данные о товаре нужны боту
- Как я собираю workflow в n8n
- Какой промпт и правила ответа работают лучше
- Где чаще всего всё ломается
- Чек-лист перед запуском
- Что в итоге
Почему тут решает ручное подтверждение
Самая частая ошибка у ребят на маркетплейсах — они хотят сразу полный автопилот. Мол, пусть бот сам отвечает на всё подряд. На бумаге красиво, а в реале вопрос покупателя часто упирается в нюанс: размер совпадает не для всей партии, цвет на фото старый, комплектация менялась, остаток в связке с другим складом, или в карточке написано одно, а по факту уже обновили описание. И вот тут автоматический ответ, который ушёл мимо проверки, легко стреляет по репутации.
Я за схему, где ИИ не принимает финальное решение, а готовит крепкий черновик. Такой подход особенно нормален, когда у вас много однотипных запросов вроде «подойдёт ли к модели Х», «какая длина кабеля», «что в комплекте», «есть ли гарантия», «когда появится другой цвет». Бот снимает рутину, а человек держит последнюю кнопку.
Плюс не забывай, что на площадках вопросы живут не в вакууме. Они видны другим покупателям, влияют на доверие и косвенно бьют по конверсии карточки. На части площадок сроки реакции ограничены. Например, у Wildberries продавцу нужно ответить на вопрос в течение 3 рабочих дней, а для отдельных моделей продаж — ещё быстрее. Поэтому автоответ на вопросы о товарах с ручной модерацией — это не игрушка, а нормальный рабочий контур.
Ещё один жирный плюс: ручное подтверждение помогает не выпускать в паблик сырой текст. Когда черновик приходит в Telegram, менеджер видит сам вопрос, карточку товара, источник, уверенность модели и предлагаемый ответ. За 10–15 секунд можно принять решение, а не бегать по кабинетам и вкладкам.
Как выглядит поток: вопрос → черновик ответа → Telegram → публикация
Я обычно собираю это как конвейер из шести этапов. Снаружи всё выглядит просто, но внутри каждая ступень делает свою грязную работу.
1. Забираем вопрос из площадки или промежуточного слоя
Канал входа зависит от того, как у вас устроена интеграция: webhook, почта, CRM, внешний сервис, который уже собирает вопросы покупателей, или внутренний кабинет, откуда данные уходят в n8n. Я советую брать только тот способ, который нормально ложится на правила площадки и вашу инфраструктуру. Главное — на выходе получить текст вопроса, ID карточки, ID вопроса, ссылку на товар и время поступления.
2. Чистим и нормализуем входящие данные
На этом шаге я режу мусор: лишние переносы, дубль эмодзи, повторяющиеся символы, служебные хвосты. Тут же полезно определить тип вопроса: характеристики, наличие, совместимость, доставка, комплектация, гарантия, жалоба, ассортимент. Такая классификация экономит токены и помогает выбрать правильный шаблон ответа.
3. Подтягиваем фактуру по товару
Вот тут и решается качество. Я не даю модели отвечать «из воздуха». В workflow должен быть слой данных: название товара, краткие характеристики, таблица совместимости, ограничения, частые вопросы, шаблоны безопасных формулировок и стоп-лист по обещаниям. Если данных мало, бот лучше честно помечает ответ как черновик низкой уверенности и кидает на ручную правку.
4. Генерируем черновик
Дальше LLM собирает короткий, внятный и спокойный ответ. Я заставляю её писать по делу: сначала суть, потом один полезный факт, потом мягкий призыв уточнить модель или параметр, если информации не хватает. Так получается не канцелярщина, а живая реплика, которую не стыдно выпустить на витрину.
5. Шлём черновик в Telegram на согласование
Вот здесь вся магия мастерской и начинается. В n8n можно использовать узел Telegram с режимом Send and Wait for Response, а для более сложных сценариев — Wait node с уникальным URL продолжения выполнения. В простом варианте менеджер получает карточку вида: вопрос, черновик ответа, кнопка подтверждения, кнопка отклонения, кнопка «исправить текст». Это и есть тот самый n8n ручное подтверждение, которое спасает от кривых публикаций.
Если у тебя Telegram с n8n ещё только заводятся, сначала посмотри мой материал про подключение Telegram к n8n. А если данные приходят по вебхуку, сразу закладывай защиту от дублей запросов, иначе один и тот же вопрос может стартовать workflow дважды и устроить бардак.
6. Публикуем ответ и пишем лог
После нажатия кнопки workflow продолжает выполнение: отправляет ответ в площадку, пишет статус, сохраняет текст финального ответа, кто подтвердил, сколько прошло времени с момента поступления вопроса и был ли черновик переписан человеком. Эти данные потом золотые: на них видно, где бот реально помогает, а где пока плывёт.
По сути, Telegram бот для маркетплейса в таком сценарии — это не витрина для покупателя, а пульт согласования для вашей команды. Очень удобная штука, когда работаешь на ходу и не хочешь жить в десяти кабинетах сразу.
Какие данные о товаре нужны боту
Чтобы бот для ответов на вопросы о товаре не фантазировал, я собираю маленькую базу знаний по каждой карточке. Не энциклопедию, а прикладной набор полей, который реально влияет на ответ.
-
Обязательные характеристики: размеры, материал, мощность, состав, длина, объём, комплект, ограничения по использованию.
-
Совместимость: с какими моделями работает, а с какими нет.
-
Вариации: цвета, размеры, артикулы, отличия по партиям.
-
Готовые формулировки: как отвечать на частые вопросы покупателей на маркетплейсе в вашем тоне.
-
Запреты: что нельзя обещать, если нет подтверждения в карточке или учётной системе.
-
Эскалация: когда вопрос надо передавать человеку сразу, не пытаясь сгенерировать финальный текст.
Отдельно держу список триггеров для ручной модерации. Например: вопрос про жалобу, гарантийный случай, просьба сравнить с конкурентом, конфликт с описанием, подозрение на брак, запрос на скидку или нестандартную комплектацию. Такие штуки лучше не пускать в автоответы на вопросы покупателей, если в цепочке не участвует человек.
Если хочешь усилить надёжность, добавь короткий рейтинг уверенности. Допустим: высокая, средняя, низкая. Высокая — можно публиковать после одного клика. Средняя — просим менеджера перечитать. Низкая — отправляем на ручную переписку. Такой светофор резко снижает число неловких ответов.
Как я собираю workflow в n8n
Ниже мой базовый каркас. Не единственно правильный, но рабочий и понятный.
Триггер
Стартуем с webhook, Telegram Trigger, email-парсинга или входящей записи из CRM. Главное — сразу присвоить execution ID и сохранить внешний ID вопроса.
Дедупликация
Сначала проверяем, не обрабатывали ли мы этот вопрос раньше. Я люблю хранить внешний ID + hash текста вопроса + ID товара. Это сильно экономит нервы. Тут как раз полезен материал про контроль ошибок и уведомления, потому что retries при отключённой дедупликации иногда плодят дубли.
Слой данных
Потом тянем карточку товара из таблицы, базы или CMS. Если описание старое, бот не должен придумывать новую реальность. Лучше вернуть флаг «нужна проверка данных» и отправить задачу менеджеру.
LLM-узел
Модель получает вопрос, факты по товару, правила тона и формат ответа. Я задаю ограничение по длине, прошу не обещать того, чего нет в данных, и возвращать отдельным полем причину сомнения. Это очень помогает, когда строишь ручную проверку ответов ИИ, а не просто любуешься красивым текстом.
Узел согласования
Дальше отправляем в Telegram карточку на подтверждение. Можно сделать три сценария: опубликовать, поправить и потом опубликовать, отклонить. Для сложных случаев я завожу ещё кнопку «передать человеку», если вопрос уже выходит за рамки типового FAQ. В смежной теме я подробно разбирал автоответы с передачей диалога человеку; логика там очень близкая.
Логирование и метрики
После публикации я сохраняю всё в таблицу: исходный вопрос, черновик, финальный текст, оценку уверенности, время подтверждения, факт ручной правки. А потом прогоняю реальные кейсы через встроенные проверки ответов, чтобы видеть, где модель даёт осечки и какие формулировки стоит переписать.
Какой промпт и правила ответа работают лучше
Я держу промпт очень приземлённым. Не прошу модель «продавать», «убеждать» и «быть суперэкспертом». Прошу три вещи: отвечать только по данным, говорить коротко и отмечать пробелы. Условно шаблон такой:
-
Роль: помощник продавца, который пишет черновик ответа на вопрос о товаре.
-
Факты: только данные из карточки, базы знаний и таблицы совместимости.
-
Формат: 2–4 предложения, дружелюбный тон, не обещать того, чего нет в данных.
-
Если данных мало: не выдумывай, попроси уточнение модели, размера или артикула.
-
Если вопрос рискованный: верни флаг manual_review=true.
Такой режим хорош тем, что черновик ответа в Telegram получается спокойный и пригодный для быстрого апрува. А если вопрос реально скользкий, бот не строит из себя всезнайку.
Где чаще всего всё ломается
Первый косяк — плохие данные по товару. Тут не виноват ни n8n, ни модель. Если в карточке каша, на выходе будет каша, только красиво перепакованная.
Второй — отсутствие нормальной дедупликации. Один вопрос может прилететь повторно из-за ретрая, ручной перезагрузки или кривого вебхука. Поэтому внешний ID, hash и статус обработки — мастхэв.
Третий — слишком длинные ответы. На маркетплейсе люди хотят быстро понять суть, а не читать роман. Я обычно режу финальный ответ до 350–500 символов, если площадка и ваша категория не требуют большего.
Четвёртый — нет правил эскалации. Когда селлер пытается всё загнать в один сценарий, бот начинает отвечать там, где нужен человек. Если тема касается жалобы, возврата, брака, спорной совместимости или противоречия в описании, вопрос надо выносить на ручную проверку ответов ИИ сразу.
Чек-лист перед запуском
-
Есть источник входящих вопросов с ID вопроса и ID товара.
-
Есть база знаний по карточкам с актуальными характеристиками.
-
Настроен Telegram-канал согласования для менеджера или группы.
-
Сделана дедупликация по внешнему ID и hash текста.
-
Определены правила ручной эскалации для рискованных вопросов.
-
Сохраняются логи по черновику, финалу и времени ответа.
-
Проверены 20–30 реальных кейсов на старых вопросах покупателей.
-
Назначен ответственный за обновление данных по товарам.
И ещё момент из практики. Не пытайся сразу охватить весь каталог. Я обычно начинаю с 20–50 товаров, где много однотипных вопросов и нормальная карточка. На таком куске быстрее видно, где схема реально тащит, а где надо ещё докрутить логику.
Что в итоге
Если собрать всё с головой, автоответ на вопросы о товарах через Telegram и n8n с ручным подтверждением получается очень взрослым инструментом. Он ускоряет реакцию, снимает рутину с менеджера, даёт единый пульт в Telegram и при этом не выпускает сырой текст мимо контроля. Для селлера это, по сути, нормальный компромисс между скоростью и качеством.
Я бы запускал такую схему так: сначала подключаем входящий поток, потом делаем базу знаний, дальше собираем черновик, после этого ставим согласование в Telegram и только потом думаем о масштабировании. И да, не ленись пересматривать логи. Именно там видно, какие вопросы стоит закрыть шаблонами, а какие лучше всегда оставлять человеку.
Короче, если нужен не игрушечный бот, а рабочая связка для ответов покупателям на маркетплейсе, то вариант с Telegram и n8n у меня сейчас один из самых любимых. Собирается гибко, живёт удобно, а ручное подтверждение держит систему в адеквате даже тогда, когда карточки товаров далеки от идеала.