Как собрать базу ЛПР из Telegram-чатов: парсинг, фильтрация, сегментация

Проблема: тысячи людей в чатах, но как найти тех, кто принимает решения?

Вы знаете, что ваши клиенты сидят в Telegram. Чаты «SaaS Founders CIS», «Продуктовый маркетинг», «B2B Sales Russia» — в каждом от 500 до 5 000 участников. Суммарно: десятки тысяч потенциальных контактов.

Но вам не нужны все. Вам нужны ЛПР — founders, CEO, head of sales, директора по маркетингу. Те, кто реально принимает решение о покупке.

Ручной отбор — это ад: открыть профиль, прочитать био, понять нишу, записать в таблицу. При 50 профилях в час вы потратите неделю на один чат. И это без учёта того, что половина участников — боты, студенты и «коучи по успеху».

Шаг 1. Парсинг: собрать всё из чата за минуты

Парсер Sell_Agent работает с публичными Telegram-чатами и каналами. Вы указываете ссылку — система собирает:

Участников — юзернеймы, имена, биографии
Сообщения — тексты, даты, метрики (просмотры, пересылки, ответы)
Медиа-информацию — наличие вложений, хэштеги

Парсинг идёт в фоновом режиме. Асинхронные задачи обрабатываются через очередь — вы можете запустить парсинг 10 чатов одновременно и заниматься другими делами.

Масштаб: до 1 000 000 сообщений на бизнес-тарифе. Батчи по 5 000 сообщений со стримингом — память сервера не переполняется даже на огромных чатах.

Шаг 2. Автоматическое определение ниши

Парсер — это не просто «выгрузить юзернеймы». Система автоматически классифицирует каждый контакт по нише.

15 ниш определяются автоматически:

crypto, SaaS, ecom, dev, marketing, beauty, finance, real_estate, education, healthcare, legal, HR, logistics — и ещё 2 категории

Определение работает через два слоя:

Regex-паттерны — 100+ шаблонов для русского и английского текста. «Маркетплейс», «селлер», «дропшиппинг» → ecom. «Коуч», «онлайн-школа», «вебинар» → infobiz. «Blockchain», «DeFi», «web3» → crypto.
LLM-анализ — для сложных случаев система отправляет батч из 50+ контактов на анализ языковой моделью. AI определяет отрасль, компанию, интересы, навыки.

Каждая классификация имеет confidence score от 0 до 1. Контакты с низкой уверенностью помечаются отдельно — вы решаете, включать их в выборку или нет.

Шаг 3. Определение роли — фильтр ЛПР

Ниша — это «где работает». Роль — это «кто принимает решения».

8 ролей определяются автоматически:

Роль	Примеры паттернов
Owner	Основатель, владелец, собственник
C-level	CEO, CTO, CFO, генеральный директор, исполнительный директор
Director	Директор по маркетингу, вице-президент, зам директора
Manager	Менеджер, тимлид, продакт-менеджер, руководитель отдела
Specialist	Инженер, дизайнер, бухгалтер, юрист
Freelancer	Фрилансер, консультант, эксперт
Employee	Сотрудник без уточнения
Unknown	Нет данных для определения

Для B2B outreach вас интересуют первые 4 уровня: owner, C-level, director, manager. Это и есть ваши ЛПР.

Фильтрация — один клик: убираете specialists, freelancers, employees. В базе остаются только те, кому имеет смысл писать.

Шаг 4. Фильтрация по ключевым словам

Ниша и роль — это автоматика. Но иногда нужна точная фильтрация под ваш продукт.

Поиск работает по:

Био — текст в профиле участника
Сообщениям — что человек писал в чатах
Комбинации — и био, и сообщения одновременно

Регистр не важен. Поиск поддерживает несколько ключевых слов с логикой AND/OR. Работает через PostgreSQL с GIN-индексами — даже на базе из 100 000 контактов результат за секунды.

Пример: вы продаёте CRM для ритейла. Парсите чат «Ecom Russia». Фильтр: ниша = ecom, роль = owner OR manager, ключевое слово в сообщениях = «CRM» OR «автоматизация». Из 3 000 участников остаётся 120 целевых ЛПР.

Шаг 5. LLM-обогащение контактов

Для топовых контактов система запускает глубокий LLM-анализ. На выходе по каждому лиду:

Должность — извлечённая из контекста, не только из био
Отрасль и компания — если упоминались в сообщениях
Buyer role — насколько вероятно, что человек принимает решения о покупке
Интересы и навыки — для персонализации первого сообщения
Lead score — предварительная оценка перспективности
Рекомендованный подход — какой тип первого сообщения подойдёт
Персональный хук — конкретная зацепка для начала диалога

Батчевый анализ: 50+ контактов за один запрос — экономия токенов и времени.

Шаг 6. Экспорт и запуск кампании

Два варианта использования готовой базы:

CSV-экспорт — стриминговая выгрузка до 50 000 записей. Колонки: ID сообщения, дата, юзернейм, имя, тип автора, био, текст, хэштеги, метрики. Батчи по 1 000 записей — даже большие выгрузки не зависают.

Прямой импорт в кампанию — контакты из парсера идут напрямую в outreach-кампанию Sell_Agent. Без промежуточных шагов: спарсил → отфильтровал → запустил AI-агента.

Почему не покупать готовую базу

Купленные базы — это:

Устаревшие контакты (30–50% неактивны)
Нулевой контекст — вы не знаете, о чём человек пишет
Те же базы у конкурентов — людям уже написали 10 раз
Сомнительная легальность

Парсинг публичных чатов — это:

Актуальные контакты (человек был активен сегодня)
Контекст активности — вы знаете, что его волнует
Уникальная база — никто больше не парсил именно этот набор чатов с вашими фильтрами
Публичные данные — человек сам опубликовал информацию в открытом чате

Весь процесс: от чата до кампании за 30 минут

Укажите ссылки на целевые чаты → парсер собирает участников в фоне
Отфильтруйте по нише и роли → автоматическая классификация уже готова
Уточните по ключевым словам → точная выборка под ваш продукт
Запустите LLM-обогащение → каждый контакт с рекомендованным подходом
Импортируйте в кампанию → AI-агент начинает персонализированный outreach

Ручной сбор базы из 500 ЛПР: неделя работы менеджера. С парсером Sell_Agent: 30 минут, пока вы пьёте кофе.

Хотите попробовать парсер на своих целевых чатах? 14 дней бесплатно →