Кейс · Боты и интеграции
FlatScout: наблюдатель рынка недвижимости
Пайплайн из 7 контейнеров, который круглосуточно следит за маркетплейсом недвижимости, сортирует новые объявления и пингует Telegram-бот раньше, чем проснутся другие покупатели.
- Индустрия
- Недвижимость
- Сроки
- 2 недели
- Год
- 2026
- Услуги
- Автоматизация, Боты, Инфраструктура скрапинга
Проблема
На горячем рынке аренды и покупки хорошие объявления живут часы, иногда минуты. Встроенные уведомления маркетплейсов медленные, грубые и не учитывают половину важных критериев: цену за квадратный метр, конкретные районы, этаж, собственник это или агентство. Побеждает тот, кто одержимее всех обновляет страницу. Это работа для машины, а не для человека.
Что мы построили
Постоянно включенный наблюдатель рынка: скрапинг-пайплайн опрашивает маркетплейс с рандомизированным интервалом, нормализует и дедуплицирует объявления, применяет скоринговый фильтр, настроенный под реальные критерии покупателя, и доставляет выживших прямо в Telegram с фотографиями, ключевыми цифрами и кнопками сортировки в один тап. Сопутствующий веб-UI показывает полную доску триажа: новые, в шортлисте, отклоненные, просмотренные.
- Вежливость по умолчанию. Рандомизированные задержки запросов 3-10 секунд, разумные интервалы опроса и кэширование делают скрапер хорошим гражданином, а не источником нагрузки.
- Дедупликация, которая переживает перепосты. Объявления получают контентные отпечатки, поэтому та же квартира, перевыложенная под новым ID, не пингует дважды.
- Триаж с помощью LLM. Неоднозначные объявления (это правда от собственника? “уютная” означает 12 м²?) проходят через дешевую LLM-проверку в нашем шлюзе до скоринга.
- Человек в контуре. Бот принимает решения обратно: в шортлист, отклонить, заметка. Эти решения питают скоринг, и фильтр становится точнее с каждым использованием.
Архитектура
Семь контейнеров под одним compose-файлом: API, воркер-скрапер, планировщик, Telegram-бот, PostgreSQL, Redis и React-UI для триажа, все за reverse proxy, UI защищен 2FA. Ставится и обновляется через git pull и одну команду compose.
Результат
Задержка от объявления до уведомления упала до минут, а записи на просмотры стали назначаться раньше, чем объявления набирали первую сотню просмотров. Паттерн (опрос, нормализация, скоринг, уведомление, обучение на обратной связи) с тех пор закладывался в оценки для мониторинга цен и отслеживания тендеров; он переносится на любой маркетплейс, где побеждает скорость.