Коротко
Гості в Instagram пишуть не лише текстом. Вони надсилають голосові, фото, відео, відмічають заклад у сторіс і діляться чужими дописами та рілсами. AI-асистент розшифровує голосові моделлю OpenAI, розпізнає фото і відео, бачить, що на сторіс, і розуміє, про що допис чи рілс. Він пам’ятає контекст розмови і відповідає на кілька повідомлень підряд одним. Усе це працює лише для тих, хто написав першим, у межах 24 годин.
Чому текстового бота недостатньо
Людина з телефоном у руці рідко друкує довге питання. Вона записує голосове, кидає скрін чи фото й питає «а у вас є таке?». Бот, який бачить лише текст, на це відповісти не може.
Тому для Direct важливо розуміти різні типи повідомлень. Інакше половина звернень лишається без відповіді або вимагає людини.
Загальну механіку описано в статті AI-модератор для Instagram Direct. Тут розбираємо саме типи вмісту.
Як це працює крок за кроком:
- Гість записує голосове в Direct.
- Аудіо потрапляє на розшифровку моделлю OpenAI.
- Отриманий текст іде в загальний ланцюжок: контекст, база знань, відповідь.
- Другий AI звіряє відповідь із базою.
- Гість отримує текстову відповідь.
В інбоксі менеджер бачить і голосове, і розшифровку. Тож навіть коли діалог передано людині, їй не треба слухати кожне аудіо від початку.
Голосові повідомлення
Голосові розшифровує модель OpenAI. Після розшифровки текст іде в ту саму схему, що й звичайне повідомлення: підтягується база знань, формується відповідь, другий AI її перевіряє.
Гість (голосове)Добрий день, хотів запитати, до якої години ви сьогодні працюєте і чи можна з собакою?
AI-асистентДобрий день! Сьогодні ми працюємо до 22:00. З собаками можна, якщо вони дрібних порід або в переноску. Допомогти з бронюванням столика?
Чому це корисно. Люди в дорозі, за кермом чи з заклеєними руками надиктовують питання. Якщо асистент не реагує на голосові, ви втрачаєте саме тих, хто поспішає.
Якщо розшифровка неоднозначна чи питання складне, асистент не вгадує. Він уточнює або передає діалог людині.
Типові сценарії для різних ніш:
- салон краси: фото бажаної зачіски чи манікюру, питання про ціну й тривалість;
- магазин: фото товару зі скріншоту, питання про наявність;
- ремонт чи автосервіс: фото поломки, питання про вартість діагностики;
- ресторан: фото страви з чужого допису, питання «є таке в меню?».
У більшості випадків точну ціну за фото назвати неможливо: потрібен огляд чи уточнення. Тут асистент поводиться чесно. Він називає орієнтир із прайсу, якщо він є в базі, і пояснює, що остаточну вартість визначить фахівець. Це краще, ніж «від 100 до 10 000».
Фото
Гість надсилає фото і питає: «У вас є таке?», «Скільки коштує такий манікюр?», «Чи привезете це в Київ?». Асистент розпізнає, що зображено, і зіставляє це з базою знань.
Приклад:
Гість[фото кросівок] Це в наявності?
AI-асистентБачу модель на фото. Щоб точно сказати про наявність і розміри, передаю питання менеджеру. Він відповість у цьому чаті.
Важливий момент: AI розпізнає зображення, але не вигадує факти про ваш товар. Якщо в базі немає даних про наявність, він передає діалог. Для інтернет-магазинів це розумніша поведінка, ніж упевнена, але хибна відповідь.
Технічно відео обробляється окремо: з нього виділяються кадри та звук, а потім вони потрапляють до моделі. Для бізнесу це означає, що гість може показати проблему або ідею рухомою картинкою, і асистент не проігнорує її.
Втім, є розумне правило: чим складніше завдання за відео, тим вищий шанс, що його візьме людина. Асистент визначає це сам і передає діалог із коротким описом того, що побачив. Менеджеру легше стартувати з опису, ніж із порожньої сторінки.
Відео
Відео розпізнається теж. Для цього використовується обробка відео (ffmpeg) і AI-модель. Асистент розуміє, про що ролик, і відповідає з урахуванням змісту.
Відео в Direct надсилають рідше, але воно трапляється. Клієнт показує поломку, стан товару чи ідею, яку хоче втілити. Асистент бачить суть, а складні випадки передає людині.
Сторіс і відмітки
Відмітки у сторіс є безкоштовним трафіком. Хтось відмітив ваш заклад чи продукт. Асистент бачить сторіс і відповідає відповідно до того, що на ній показано.
Гість (відмітка у сторіс)[відео з десертом]
AI-асистентДякуємо, що поділилися! Радіємо, що десерт вам сподобався. Чекаємо у нас знову.
Також асистент ставить ❤️ на емодзі та «дякую». Дрібниця, яка закриває діалог по-людськи і не потребує зусиль від команди.
Правило Meta діє й тут: асистент відповідає тим, хто написав першим або відмітив. Першим він не пише і розсилок не робить.
Приклад:
Гість[пересланий рілс про оздоблення кухні] Робите таке?
AI-асистентЦе рілс про оздоблення кухні масивом. Такі роботи ми виконуємо. Щоб порахувати вартість, потрібні розміри, їх уточнить менеджер. Я передав ваше питання.
Така реакція показує гостю, що його почули. Він не повторює питання «про що це».
Дописи й рілси від гостя
Гості діляться вашими або чужими дописами й рілсами: «Це у вас?», «Скільки це коштує?», «Хочу так само». Асистент розуміє, про що допис чи рілс, яким поділився гість, і відповідає в контексті.
Це особливо корисно для бізнесів з візуальним продуктом: салони, меблі, одяг, кондитерські, будівництво. Один рілс може зібрати десятки таких пересилань. Про контент для рілсів докладніше у статті Reels для бізнесу.
Чому це важливо для вражень. Уявіть, що гість написав чотири короткі повідомлення, а бот відповів чотирма окремими репліками, частина з яких суперечить одна одній. Це виглядає механічно. Один зв’язний відповідь виглядає як увага людини.
Пам’ять діалогу працює і для продажів: якщо гість вчора питав про розмір, а сьогодні повернувся, асистенту не треба починати знову. Стислий підсумок розмови зберігається, і асистент продовжує з потрібного місця. Деталі про те, як це допомагає утримувати лідів, дивіться у матеріалі про продажі в переписці.
Коротко про технології, які за цим стоять.
| Завдання | Чим вирішується |
|---|---|
| Розшифровка голосових | Модель OpenAI |
| Розпізнавання фото й відео | AI-модель, ffmpeg для відео |
| Формування відповіді | Claude і DeepSeek з автоматичним резервом |
| Перевірка відповіді | Другий AI |
| Зберігання | Supabase, токени зашифровані |
Контекст і кілька повідомлень підряд
Два механізми роблять розмову природною.
Пам’ять діалогу. Асистент пам’ятає контекст і стислий підсумок розмови. Гостю не треба повторювати, що він питав вчора. Це працює і коли діалог триває кілька днів, поки він у межах 24 годин після останнього повідомлення гостя.
Склеювання повідомлень. Люди пишуть уривками: «Привіт», «А скажіть», «Скільки коштує», «Для двох». Асистент не відповідає на кожне окремо. Він чекає, збирає і відповідає на кілька повідомлень підряд одним.
ГістьПривіт
ГістьСкажіть
Гістьчи є столик на п'ятницю на 6 людей?
AI-асистентДобрий день! Бронювання столика на п'ятницю приймає адміністратор. Підкажіть, будь ласка, час і ім'я, я передам дані, і він підтвердить.
Тут важливо: за замовчуванням асистент збирає дані для бронювання, а підтверджує його людина. Якщо заклад дозволив іншу поведінку, налаштування змінюється.
Якщо подивитися на це з боку клієнта, змінюється головне: йому не треба підлаштовуватися під бота. Він пише так, як звик, голосом, фото чи пересланим рілсом, і отримує відповідь по суті. Для бізнесу це зменшує кількість повторних питань: «а що там на фото?», «напишіть текстом, будь ласка». Таких фраз у діалогах стає менше, а вхідний інтерес не губиться на першому ж кроці. Особливо це відчутно ввечері та у вихідні, коли люди охочіше надсилають голосові й сторіс, а команда вже не на зв’язку.
Типи повідомлень і що робить асистент
| Тип повідомлення | Що робить асистент |
|---|---|
| Текст | Відповідає за базою знань |
| Голосове | Розшифровує моделлю OpenAI, відповідає |
| Фото | Розпізнає, відповідає або передає |
| Відео | Розпізнає зміст, відповідає або передає |
| Відмітка у сторіс | Бачить сторіс, відповідає за змістом |
| Допис чи рілс від гостя | Розуміє, про що він, відповідає |
| Емодзі, «дякую» | Ставить ❤️ |
| Кілька повідомлень підряд | Відповідає одним повідомленням |
| Спам, реклама постачальника | Фільтрує |
Додамо про приватність. Фото й голосові можуть містити особисті дані. Асистент працює лише з тим, що гість надіслав сам, і в межах діалогу. Токени доступу до акаунта зашифровані, дані зберігаються в Supabase. Власником акаунта і діалогів лишається бізнес. Якщо у вас чутлива ніша, домовтеся заздалегідь, які типи вкладень завжди йдуть людині.
Як підготуватися до мультимедіа
Щоб асистент давав точніші відповіді на фото, голосові й сторіс, доповніть базу.
- Додайте описи товарів і послуг так, як їх називають гості, а не лише технічні назви.
- Запишіть, які питання за фото асистент може закрити, а які йдуть людині.
- Вкажіть, як реагувати на відмітки: подякувати, запросити знову, нічого не обіцяти.
- Опишіть орієнтири цін, якщо точна вартість залежить від огляду.
Після запуску перегляньте інбокс: там видно фото, сторіс і AI-опис кожного вкладення. Якщо опис не збігається з реальністю, це сигнал уточнити базу. Загальні принципи складання бази описані в статті База знань для AI-асистента.
Де проходить межа
Асистент не всемогутній. Є речі, які лишаються людині.
- Фото документів, чеків і чутливих даних. Їх краще обробляє людина.
- Складні дефекти чи нестандартні запити за відео.
- Рішення про знижки, повернення, гарантії.
- Усе, чого немає в базі знань.
Якщо асистент не впевнений, він передає діалог менеджеру в Telegram. Правила передачі описані в статті Коли AI має передати діалог людині. Усі діалоги з фото, сторіс і AI-описом видно в інбоксі, який входить у тариф «Бізнес» (підключення 14 900 грн, абонплата 3 000 грн/міс).
Дані зберігаються в Supabase, токени зашифровані.
Підсумок. Асистент закриває рутину в усіх форматах повідомлень: текст, голос, фото, відео, сторіс, пересилання. Він пам’ятає розмову і відповідає цілісно. А там, де потрібна людина, передає діалог в Telegram. Працює він завжди в межах правил Meta: лише з тими, хто написав першим, у межах 24 годин, без розсилок.
Для команд, які ведуть кілька акаунтів, корисно, що всі ці вкладення зберігаються в інбоксі з AI-описом. Менеджер швидко розуміє, про що йшлося, навіть якщо діалог почав асистент, а продовжує людина. Не доведеться перепитувати гостя, що саме він надсилав, і це зберігає довіру на найважливішому етапі розмови.
Що далі
Подивіться на свій інбокс за останній тиждень. Скільки там голосових, фото й відміток у сторіс? Саме вони найчастіше лишаються без відповіді. Детальніше про продукт на сторінці MOVE Direct Assistant. Запуск для вашого акаунта обговоримо через контакти.