Chats do Telegram viraram um canal estável de geração de leads com um bot de AI de 5 mil rublos

Chats do Telegram podem ser mais do que apenas um lugar para conversa casual—podem ser um canal de vendas operacional. O autor deste case mostra como uma agência construiu um bot de IA que monitora chats abertos de negócios, filtra solicitações de serviços e entrega um fluxo constante de leads qualificados por aproximadamente 5000 rublos (~US$ 50-60) por mês.

Onde procurar demanda

A ideia surgiu de uma observação simples: em chats do Telegram específicos de setores, há pedidos regulares de contratantes, conselhos e ajuda. Para times B2B, esses são praticamente quadros de avisos ao vivo onde empresários, gerentes e tomadores de decisão se comunicam. O problema é que essas solicitações se perdem em milhares de respostas.

Ler dezenas de chats manualmente é caro e demorado, e não faz sentido contratar um funcionário dedicado apenas para monitoramento. É por isso que quase todo mundo tem acesso a esses canais, mas poucos os usam sistematicamente. Em vez de adotar um serviço de terceiros com ROI pouco claro, o time decidiu testar sua hipótese internamente.

Em um dia de trabalho, um analista de negócios dentro da empresa construiu um bot que escuta chats abertos de uma base de dados compartilhada, passa mensagens por um conjunto de filtros e envia aos gerentes apenas aquelas que parecem ser solicitações genuínas de serviço. Depois, um humano decide se deve entrar em diálogo e fazer uma oferta via mensagem direta.

Como funciona a seleção

O verdadeiro valor do sistema acabou sendo não apenas a leitura de chats, mas a lógica para filtrar ruído. Telegram tem muito lixo: anúncios de emprego, publicidades, conversas, piadas e spam. Então o bot funciona em vários estágios e não tenta jogar tudo no funil do CRM. Primeiro, limpa o fluxo, depois verifica o significado do texto e, finalmente, avalia se a mensagem é realmente um pedido de ajuda em vez de apenas uma discussão sobre um tópico.

"O bot apenas escuta chats abertos de negócios do meu banco de dados

pessoal e do banco de dados que os funcionários construíram."

• Um filtro antispam remove mensagens com excesso de emojis, estilo publicitário e listas de vagas em modelo padrão.
• Lematização traz palavras para sua forma base e ajuda a captar significado mesmo se o autor escrever com erros ou gíria.
• Um banco de dados de aproximadamente 200 lemas-chave conecta mensagens aos serviços da agência: do marketing de performance a auditoria e análise.
• Análise de intenção procura por frases como "preciso", "procurando" e "recomende" para separar demanda genuína de conversa mole.

Após pontuação, a mensagem passa por uma verificação final através de um prompt com lista de serviços da agência. Se o modelo considera a solicitação relevante, o bot a envia para um messenger corporativo, não diretamente para o CRM. Este é um detalhe importante: gerentes recebem uma fila compacta para validação manual e podem mudar a lógica sem um desenvolvedor, se necessário. Segundo o autor, times e prompts estão armazenados no Google Sheets, então os funcionários mesmos adicionam novos serviços, lemas-chave e gerenciam ligar ou desligar o bot.

Economia e resultados

O projeto tem um orçamento praticamente como um microsserviço. O desenvolvimento inicial levou cerca de 100 dólares de trabalho de analista de negócios, o servidor custa aproximadamente 5 dólares por mês, e as despesas com OpenAI são 20–50 dólares por mês. No total, são aproximadamente 5000 rublos em custos mensais. Para comparação, um gerente dedicado ou desenvolvedor externo teria sido significativamente mais caro, especialmente considerando o monitoramento constante de dezenas de milhares de mensagens.

O bot processa dezenas de milhares de mensagens por mês, deixando cerca de 800–1000 após dois níveis de filtragem, e então ajuda gerentes a encontrar 15–22 solicitações qualificadas mensalmente. Das mensagens que chegaram ao processamento manual, 5–8% acabam sendo relevantes, e dessas, 50–60% se tornam leads para a agência. Por causa do alto volume de ruído, os autores deliberadamente não conectaram a ferramenta diretamente ao CRM—caso contrário, lixo distorceria as estatísticas e desperdiçaria tempo do time de vendas.

O que isso significa

O case mostra que chats do Telegram podem se tornar um canal de geração de leads B2B barato se você não tentar automatizar tudo até o fim, mas deixar a decisão final para humanos. Essa abordagem funciona melhor onde clientes ficam em chats temáticos: marketing, publicidade, imóveis, consultoria. O principal ativo aqui não é o modelo em si, mas uma lógica de filtragem adequadamente configurada e uma operação barata que o time consegue manter sem envolvimento constante de desenvolvedor.