P2P торговля + AI: как я автоматизировал проверку качества общения с клиентами

Как многие тут знают у меня есть сервисы для международных платежей, к/п крипты, оплаты подписок итп.

Команда проводит кучу сделок в день на разных биржах. Время от времени нужно проверять как менеджер ведёт общение в ордерах (сделках), корректно ли общается, пытается ли "выкристаллизовать" ноунейма с биржи в постоянника, не ленится ли проводить нужный формат сделок (да-да это тоже можно чекнуть по косвенным признакам).

Раньше я сам сидел и просматривал чаты вручную - это пиздец как долго и муторно, особенно когда их сотни. Нейронки опять выручают.

Так и родилась система под кодовым названием хХхБУБАНАЛхХх (bybit analyzer), которая полуавтоматически извлекает все чаты с платформы и анализирует их на предмет соответствия стандартам работы. через GPT или LLM через Ollama.

Как это работает:

Шаг 1: Извлечение данных

Вставляю JS-скрипт, который инжектится в консоль браузера на странице P2P ордеров Bybit.

Он автоматически:

- Открывает каждый чат
- Парсит все сообщения (включая системные)
- Собирает информацию об ордере, пользователе, статусе лайка
- Идёт по страницам (можно указать сколько страниц парсить)- Выгружает всё в JSON

Вы спросите, "бро, почему не api, лол?"

Да, у бб действительно есть апи для p2p, но оно доступно только для статуса супер-пупер мерчанта, коего у нас нет, да и наш основной акк не так давно отлетел, приходится греть новые, можете тут почитать "Мой байбитик на ивл"

Скрипт сам ходит по страницам, отрабатывает ошибки итд. лимитов на скачку или блока запросов с айпишника я пока не заметил, хотя за раз выгружал 400+ чатов

Шаг 2: Анализ

Дальше Python-скрипт берёт этот JSON и отправляет каждый чат на анализ. Я юзаю gpt 4o, пробовал вообще ollama подключать, тоже ворк, но на маленьких моделях ну слишком коряво всё, а на больших слишком долго и комп взлетает. Кстати качал ещё llm от openai, но у неё пока не поддерживаются локальные апи запросы.

Нейронка проверяет каждый чат по 9 параметрам:

Тип ордера - мейкер (хорошо) или тейкер (плохо). Это как раз основной признак, что манагер хочет побыстрее идти кушать пудинг (солёная карамель). Дело в том, что мейкером откупаться выгоднее, вы царь и бог своего объявления, можете фильтровать заявки и перегонять трафик в тг. А тейкером - это когда заходишь в чужое объявление типо как клиент и меняешь у кого-то, по его цене, правилам и хз откуда взятыми деньгами хз на какие счета.

Мат от сотрудника - недопустимо.

Некорректное общение - грубость, неуважение. Честно говоря я многих людей из p2p стакана сам бы рад был нахер послать, но мы сервис, а значит так делать не можем.

Не поблагодарил за сделку - Всегда сладенько говорим как мы признательны сделке, это бешеное УТП в криптодвижухах, там слишком много "тигров-темщиков", которые, видимо считают это не подстать маминому гангстеру, культурно разговаривать.

Ответ после сделки изменён - нельзя менять стандартное сообщение, там зашит менеджерский тг и канал, чтобы манагер не мог подменить ссылки или какой-то отсебятины нахерачить.

Не поприветствовал - после биржевого автоответчика должно быть личное приветствие, чтобы утеплиться.

Не попросил взаимный лайк - обязательный пункт, биржевую стату никто не отменял, особенно сейчас когда в стакане мошенник на мошеннике, их аккаунты либо зашкваренные, либо долго не живут как таковые.

Не проставил взаимный лайк - проверяется по статусу в данных ордера, мы тоже должны соответствовать.

Взял контакты - если менеджер взял Telegram (не телефон/карту, только TG), так как заметил, что манагер иногда пишет в тг клиентам со своего личного аккаунта (еблан).

По каждому параметру нейронка не просто ставит галочку, а объясняет своё решение, ссылаясь на конкретные номера сообщений.

Например: "Параметр 'Не поприветствовал' - ПЛОХО. После автоответчика (сообщение #0) менеджер сразу перешёл к делу (сообщение #3), приветствие отсутствует."

Шаг 3: Визуализация результатов

Всё это красиво упаковывается в HTML-вьювер, где можно:

- Видеть общий compliance score по каждому чату (0.0 - 1.0, например 7 из 9 = 0.78)

- Фильтровать чаты по проблемным параметрам

- Смотреть детальный разбор каждого чата

- Видеть статистику по всем чатам сразу

Технический стек:

- JavaScript - для извлечения данных из браузера

- Python - для анализа через LLM (openai библиотека)

- GPT-4 или Ollama (пробовал deepseek-r1, норм ворк, но оч долго) - для анализа чатов

- HTML/CSS/JS - для вьювера результатов

Никаких фреймворков, всё на чистом JS и Python. Просто и воркает.

Во-первых, очевидно, экономия времени, а вообще я просто забивал на это дело, чекал чаты как придётся и между строк.

Видна полная картина, не скипаешь сделки, сразу видно, где треш, где всё ок и какие параметры страдают.

Масштабируемость - сколько бы не было чатов, аккаунтов, запустил и оно само фигачит, потом уже с массивом работаешь с ползунками итд.

Возможность привязать KPI, ну тут всё понятно - индексируешь процентную ставку в зависимости от коэффициента заебатости сделок.

Короче говоря:

Допиливать можно и нужно ещё кучу всего, было бы желание, но как вариант реально полезного использования - забирайте себе, а ещё подписывайтесь на мой телеграмм, там полно такого (и не такого)

А ещё у меня несколько вопросов:

1. Вы уже используете нейронки в своих системах/бизнесе (и используете ли вообще)

2. Как выстроена аналитика по работе сотрудников, рил очень интересно, ибо актуалочка

3. Что бы вы поменяли в системе которую я предложил?