Input Data CRM dengan AI untuk Telegram: Isi Field dan Label Otomatis Lewat MCP

Hubungkan server MCP Telegram Entergram ke klien AI, dan agen bisa membaca pesan setiap chat, membuat kolom CRM yang Anda jelaskan, lalu menulis nilai yang tepat ke setiap chat yang bisa ia akses dalam satu kali jalan. Anda menjelaskan hasil yang diinginkan lewat prompt ("kolom Language, diisi dari 100 pesan terakhir"), meninjau contoh nilai yang ia usulkan, lalu membiarkannya mengerjakan sisanya. Artikel ini membahas lima contoh yang sudah terbukti jalan: deteksi bahasa, tahap sales, label support, field yang tidak pernah diisi siapa pun, dan broadcast ke segmen yang baru saja dibangun agen.

Ini penting karena kolom CRM selalu mulai kosong di minggu ketika tim sedang sibuk. Tidak ada yang mau membaca ulang chat panjang hanya untuk menyimpulkan bahwa kontak ini adalah reseller berbahasa Turki yang bertanya soal harga grosir, lalu mengetiknya ke empat field. Informasinya sudah ada di pesan. Agen dengan akses MCP bisa membacanya dan menuliskannya kembali sebagai data terstruktur yang bisa Anda filter, laporkan, dan jadikan dasar broadcast.

Model Context Protocol adalah standar yang memungkinkan klien AI memanggil sistem eksternal. Entergram menyediakan server MCP yang di-hosting, dan kumpulan tools yang dipublikasikannya menentukan apa yang benar-benar bisa dilakukan agen. Untuk pekerjaan ini, ada empat kelompok yang penting:

• Chat & penemuan: entergram_list_workspace_chats, entergram_get_workspace_chat. Ini tampilan CRM dari sebuah percakapan: nilai field saat ini, tiket yang tertaut, catatan internal.
• Pesan: entergram_list_messages, entergram_send_message. Ini bukti mentah yang dipakai agen untuk bernalar, sekaligus jalur yang ia pakai untuk membalas.
• Field kustom CRM: entergram_list_custom_columns, entergram_create_custom_column, entergram_create_custom_column_option, entergram_patch_chat_custom_fields. Membaca skema, memperluas skema, menulis nilai.
• Catatan internal dan tiket: entergram_create_chat_comment, entergram_create_ticket. Tempat agen meninggalkan alasannya, dan tempat ia melakukan eskalasi.

Bagian pentingnya adalah create_custom_column memang tersedia. Sebagian besar integrasi hanya membiarkan mesin menulis ke field yang dirancang orang lain. Di sini agen juga bisa merancang field-nya: memilih tipe (text, textarea, number, date, select, multiselect, checkbox), menentukan daftar opsi, memberi warna pada setiap opsi, lalu langsung mulai mengisinya. Itu mengubah alur kerja dari "konfigurasi dulu, baru otomatisasi" menjadi "jelaskan hasil yang Anda inginkan, dan biarkan agen membangun strukturnya."

Setup-nya hanya beberapa menit: salin URL server MCP Anda dari Settings → Workspace → Connectors → MCP, tempel ke Claude, ChatGPT, Cursor, n8n, atau klien apa pun yang Anda pakai, lalu otorisasi scope-nya. Halaman bantuan konektor MCP dan panduan kami untuk menghubungkan klien AI apa pun membahas detailnya per platform. Semua yang di bawah ini mengasumsikan koneksi itu sudah aktif.

Mulailah dari yang langsung terbayar manfaatnya, terutama jika Anda berjualan lintas negara.

Anda tidak tahu bahasa apa yang disukai sebagian besar kontak Anda. Tim Anda otomatis memakai bahasa Inggris, mendapat balasan pendek, lalu menganggapnya sebagai minat yang rendah. Separuh waktu, itu bukan minat yang rendah, melainkan seseorang yang mengetik dalam bahasa ketiganya dan menulis singkat karena itu butuh usaha.

Berikut seluruh alur kerjanya dalam bentuk prompt:

Buat kolom kustom chat baru di workspace Entergram saya bernama "Language", tipe select, dengan opsi berikut: English (en), Russian (ru), Spanish (es), Turkish (tr), Portuguese (pt), Farsi (fa), Arabic (ar), Chinese (zh), German (de), French (fr), dan Mixed/Unclear (unclear). Beri setiap opsi warna yang berbeda.

Lalu periksa setiap chat di workspace. Untuk masing-masing, baca 100 pesan terakhir, lihat hanya apa yang ditulis kontak (abaikan pesan saya sendiri dan output bot apa pun), lalu tentukan bahasa dominan yang ia pakai. Tulis hasilnya ke field Language. Jika pesan dari kontak kurang dari lima, atau kontak menulis dalam dua bahasa dengan porsi yang kurang lebih sama, isi unclear alih-alih menebak.

Sebelum menulis apa pun, tunjukkan 20 chat pertama beserta nilai yang Anda usulkan dan alasan satu baris. Saya akan mengonfirmasi, lalu Anda kerjakan sisanya.

Inilah yang sebenarnya dilakukan agen, langkah demi langkah:

1. Memanggil entergram_list_custom_columns untuk memeriksa apakah kolom Language sudah ada, agar jalan kedua tidak membuat duplikat.
2. Memanggil entergram_create_custom_column dengan type: "select" dan array opsi, setiap entri berisi label, value yang tetap, dan color dalam format hex.
3. Memanggil entergram_list_workspace_chats untuk mendaftar percakapan, dengan items[].telegramId sebagai id chat yang baku.
4. Untuk setiap chat, memanggil entergram_list_messages dan menarik riwayat terbaru.
5. Menentukan nilainya, lalu memanggil entergram_patch_chat_custom_fields dengan { language: "tr" }.

Beberapa hal yang membedakan kolom yang benar-benar berguna dari kolom yang akhirnya tidak Anda percayai lagi:

Saring pesan Anda sendiri. Jika agen membaca seluruh thread termasuk sisi Anda, tim support yang dominan berbahasa Inggris akan membuat setiap hasil condong ke bahasa Inggris. Instruksi "lihat hanya apa yang ditulis kontak" benar-benar bekerja di sini.

Pisahkan aksara dari bahasa. Aksara Kiril tidak otomatis berarti bahasa Rusia, bisa saja Ukraina, Bulgaria, atau Serbia. Aksara Arab tidak otomatis berarti bahasa Arab, karena bahasa Farsi dan Urdu juga memakainya. Sebutkan secara eksplisit di prompt jika Anda berjualan ke pasar-pasar itu, dan agen akan membaca kosakatanya alih-alih sekadar mencocokkan pola huruf.

Beri jalan keluar. Opsi unclear itulah yang mencegah kolom terisi omong kosong yang terdengar yakin. Field yang 90% terisi dan benar lebih baik daripada field yang 100% terisi tetapi 15% salah, karena yang kedua diam-diam meracuni setiap broadcast yang Anda bangun di atasnya.

Tambahkan field tingkat keyakinan jika taruhannya tinggi. Kolom kedua, Language confidence bertipe number, memungkinkan agen mencatat angka 0 sampai 100 di samping setiap tebakan. Lalu Anda filter semua yang di bawah 70 dan periksa sendiri. Empat puluh chat untuk ditinjau, bukan 1.400.

Setelah ada, kolom itu bukan sekadar hiasan. Kolom itu menentukan siapa mendapat template balasan yang mana, rekan tim mana yang menangani chat, dan, seperti dijelaskan di bagian bawah, varian broadcast mana yang diterima seorang kontak.

Mekanismenya sama, penilaiannya lebih sulit. Ini kolom yang seharusnya dirawat para sales rep Anda dan tidak pernah dirawat.

Buat kolom select "Pipeline stage" dengan opsi: New lead, Qualifying, Demo scheduled, Proposal sent, Negotiation, Won, Lost, Dormant.

Untuk setiap chat, baca 100 pesan terakhir dan pilih tahap yang benar-benar didukung percakapan itu. Gunakan bukti, bukan firasat: "Proposal sent" hanya jika saya sudah mengirim harga atau dokumen; "Demo scheduled" hanya jika panggilan sudah disepakati beserta waktunya; "Won" hanya jika ada konfirmasi pembayaran atau mulai; "Lost" hanya jika mereka menolak secara eksplisit. Jika pesan terakhir dari kontak lebih lama dari 45 hari dan tidak ada hasil yang jelas, isi Dormant.

Untuk setiap chat yang Anda beri label, tinggalkan juga catatan internal yang mengutip pesan spesifik yang menjadi dasar tahap tersebut, beserta tanggalnya.

Baris terakhir itulah yang membuat hasilnya bisa dipercaya. entergram_create_chat_comment menulis catatan yang hanya terlihat oleh tim Anda, tidak pernah oleh pelanggan. Jadi setiap chat yang diberi label membawa jejak auditnya sendiri, misalnya "Proposal sent, berdasarkan 12 Juni: 'ini penawaran untuk 200 seat'". Ketika seorang rep tidak setuju dengan suatu label, ia bisa melihat dalam dua detik mengapa agen memilihnya, lalu memperbaiki label itu alih-alih kehilangan kepercayaan pada seluruh kolom.

Variasi yang berguna setelah versi dasarnya berjalan:

• Kolom tanggal Last meaningful contact, diisi dari timestamp pesan bermakna terakhir, tidak termasuk "ok", "makasih", stiker, dan reaksi. Urutkan berdasarkan kolom ini dan Anda mendapat antrean follow-up yang sebenarnya, bukan antrean yang tercemar emoji jempol.
• Kolom number Deal value, diisi dengan angka apa pun yang benar-benar disebutkan kontak. Kosong jika tidak ada yang dibahas. Tiba-tiba pipeline Anda punya angka, yang ditarik dari percakapan yang tidak pernah dicatat siapa pun.
• Kolom textarea Blocker, satu kalimat tentang mengapa setiap deal belum closing. Baca kolom itu untuk dua puluh chat dan Anda akan belajar lebih banyak tentang funnel Anda daripada dari dashboard mana pun.

Jika Anda menjalankan outreach dalam volume besar, padukan ini dengan pendekatan di panduan otomatisasi sales Telegram kami. Kolom tahap itulah yang membuat sisa pipeline bisa dijangkau.

Support membutuhkan bentuk yang berbeda dari sales, dan di sinilah multiselect benar-benar berguna, karena satu percakapan sering kali berisi pertanyaan tagihan sekaligus laporan bug.

Buat kolom multiselect "Issue type" dengan opsi: Billing, Bug, Onboarding, Feature request, Integration, Account access, Abuse report. Buat kolom checkbox "Needs human". Buat kolom select "Sentiment" dengan opsi: Happy, Neutral, Frustrated, Angry.

Untuk setiap chat dengan aktivitas kontak dalam 14 hari terakhir, baca pesan terbaru dan isi ketiga field itu. Centang "Needs human" jika kontak mengajukan pertanyaan yang tidak pernah dijawab, atau jika sentimennya Frustrated atau Angry.

Lalu, untuk semua yang "Needs human"-nya dicentang dan sentimennya Angry, buka tiket dengan prioritas tinggi, beri judul berupa ringkasan masalah dalam satu baris, dan tautkan ke chat-nya.

Nilai multiselect dikirim sebagai array nilai opsi, misalnya ["billing", "bug"], bukan label, itulah sebabnya agen harus selalu membaca skema sebelum menulis. Field checkbox menerima boolean sungguhan. Field tanggal menerima string ISO 8601. Jika salah satunya keliru, penulisan akan ditolak, bukan dirusak diam-diam, dan itulah perilaku yang Anda inginkan.

Pada akhirnya, Anda punya antrean support yang diurutkan berdasarkan sesuatu yang lebih baik daripada waktu masuk. Filter Needs human = true, urutkan berdasarkan sentimen, dan Anda mengerjakan daftar dalam urutan yang benar-benar mengurangi churn. Gabungkan dengan papan Kanban untuk tiket, dan eskalasi yang dibuka agen muncul di jalur yang sama dengan yang sudah dipakai tim Anda.

Dua contoh di atas adalah yang jelas. Yang berikut ini yang sering mengejutkan orang.

Jam kerja. Kolom number Active hour, diisi dengan jam dalam sehari (dalam UTC) ketika kontak paling sering mengirim pesan, dihitung dari timestamp di 100 pesan terakhirnya. Ini tidak menambah beban apa pun bagi agen, karena timestamp-nya sudah ada, dan kolom ini memberi tahu kapan seseorang benar-benar sedang di mejanya. Mengirim pesan ke pembeli di Dubai pada pukul 07:00 UTC dan ke pembeli di São Paulo pada pukul 19:00 UTC menghasilkan tingkat balasan yang jauh lebih tinggi tanpa usaha tambahan.

Pola respons. Kolom select (Replies fast, Replies in a day, Replies in days, Rarely replies), diturunkan dari median jeda antara pesan Anda dan balasan mereka. Field inilah yang memberi tahu apakah diam itu berarti sesuatu. Kontak yang selalu butuh empat hari tidak sedang mendingin; kontak yang biasanya membalas dalam satu jam tetapi sudah diam seminggu, itulah yang mendingin.

Perusahaan dan jabatan. Kolom text, diisi dari apa yang orang itu katakan tentang dirinya dalam percakapan: tanda tangannya, perkenalannya, pesan "kami exchange dengan 40 orang di Singapura" dari bulan pertama. Informasi itu sudah ada di riwayat, dan tidak ada yang pernah menyalinnya ke sebuah field.

Sumber referral. Kolom select, diisi dari apa pun yang dikatakan kontak tentang cara mereka menemukan Anda: sebuah komunitas, partner, atau channel tertentu. Jalankan di seluruh workspace dan Anda mendapat laporan atribusi untuk channel yang belum pernah punya laporan semacam itu.

Penanda kepatuhan. Kolom checkbox Requested no marketing, dicentang ketika seseorang pernah meminta untuk tidak dihubungi untuk promosi. Jalankan sekali di seluruh riwayat Anda, dan Anda sudah membangun daftar supresi dari pesan-pesan yang hanya setengah diingat tim Anda. Sebelum kampanye berikutnya, field tunggal ini saja sudah sepadan dengan seluruh usaha ini.

Tidak satu pun dari ini membutuhkan fitur produk baru. Semuanya hanya kolom ditambah satu kali proses membaca, dan justru itulah yang membuat MCP layak dihubungkan.

Sekarang hasilnya. Kolom-kolom di atas bukan tujuan akhir; kolom itu ada agar Anda bisa bertindak pada kelompok, bukan pada individu.

Setelah Language, Pipeline stage, dan Last meaningful contact terisi, permintaan seperti ini menjadi mungkin:

Temukan setiap chat dengan Pipeline stage Dormant, Language Russian, Requested no marketing tidak dicentang, dan Last meaningful contact lebih dari 60 hari yang lalu. Tunjukkan daftarnya beserta nama dan hal terakhir yang mereka katakan.

Buat draf pesan re-engagement singkat dalam bahasa Rusia, dua kalimat, tanpa emoji, yang menyinggung bahwa terakhir kali kita membahas harga. Tunjukkan draf dan daftar penerimanya. Jangan kirim apa pun dulu.

Anda meninjaunya. Anda menyunting kata-katanya. Lalu:

Kirim, satu chat per satu kali, dari akun sales, dengan jeda di antara setiap pengiriman. Lewati siapa pun yang mengirim pesan kepada kita dalam 48 jam terakhir. Setelah mengirim, ubah Pipeline stage menjadi Qualifying dan tinggalkan catatan internal yang mencatat tanggal dan kampanyenya.

Itulah broadcast yang tersegmentasi, sesuai bahasa, dan menghormati daftar supresi, yang sekaligus memperbarui CRM Anda, dibangun dari field yang satu jam sebelumnya belum ada. Panduan pengiriman broadcast membahas pekerjaan yang sama lewat antarmuka Entergram; jalur MCP adalah yang Anda butuhkan ketika segmennya ditentukan oleh sesuatu yang hanya bisa diketahui lewat proses membaca.

Tiga aturan berikut lebih penting di sini daripada di bagian mana pun dalam artikel ini:

Selalu wajibkan uji coba kering. "Tunjukkan daftar dan drafnya, jangan kirim" harus ada di setiap prompt broadcast yang Anda tulis. Mengirim adalah satu-satunya tindakan yang tidak bisa Anda tarik kembali, dan messages.write memungkinkan agen mengirim atas nama Anda.

Atur temponya. Perilaku anti-spam Telegram sendiri bereaksi terhadap lonjakan. Satu pesan per satu kali dengan jeda di antaranya bukan sekadar sandiwara kehati-hatian, melainkan cara menjaga akun tetap sehat. Panduan kami tentang mengirim pesan massal di Telegram membahas batasnya secara rinci.

Tulis varian per bahasa, bukan terjemahan dari satu pesan berbahasa Inggris. Anda kini punya kolom Language. Gunakan dengan benar: pesan bahasa Rusia yang ditulis sebagai bahasa Rusia mengungguli pesan bahasa Inggris yang diterjemahkan mesin, dan agen sangat mampu membuat draf yang pertama jika Anda memintanya.

Beberapa catatan praktis untuk pengisian massal pertama.

Bagi menjadi beberapa batch. Minta 50 chat sekaligus, bukan 1.400 dalam satu instruksi. Konteks agen terbatas, dan proses per batch yang melaporkan progres adalah proses yang bisa Anda hentikan, koreksi, dan lanjutkan. "Kerjakan chat 1 sampai 50, tunjukkan tabel ringkasan, lalu tunggu" adalah instruksi yang lebih baik daripada "kerjakan semuanya".

Urutkan berdasarkan nilai. Kerjakan chat yang aktif lebih dulu, bukan menurut abjad. Jika prosesnya terhenti di tengah jalan, Anda ingin separuh yang berguna sudah selesai.

Buat jalan ulang bersifat idempoten. Minta agen melewati chat yang field-nya sudah terisi, kecuali Anda secara eksplisit meminta pembaruan. Dengan begitu Anda bisa menjalankan prompt yang sama setiap minggu untuk menangkap percakapan baru tanpa mengulang pekerjaan.

Berikan hanya scope yang Anda butuhkan. Untuk proses membaca dan memberi label, chats.read, messages.read, dan chat_custom_fields.write sudah cukup. Biarkan messages.write nonaktif sepenuhnya sampai Anda masuk ke tahap broadcast. Scope adalah batas keamanan yang sesungguhnya. Lihat apa yang bisa dilihat rekan tim dan klien yang terhubung untuk memahami cara kerja izin di seluruh workspace.

Libatkan manusia untuk apa pun yang tidak bisa dibatalkan. Label mudah diperbaiki. Pesan yang sudah terkirim ke 300 orang tidak.

Apakah agen AI benar-benar bisa membaca chat Telegram pribadi saya?
Lewat server MCP Entergram, ya. Agen bekerja di akun Anda yang terhubung, bukan bot, jadi ia melihat DM, grup, dan channel yang sama dengan yang Anda lihat. Itulah intinya: bot tidak bisa melihat percakapan tempat bisnis Anda yang sebenarnya berlangsung. Perbedaannya dibahas di Telegram MCP vs Bot API.

Apakah ini bisa dilakukan dengan bot Telegram?
Tidak. Bot API hanya bisa membaca pesan yang dikirim ke bot. Setiap alur kerja di artikel ini bergantung pada pembacaan riwayat percakapan nyata dari akun biasa.

Klien AI apa saja yang mendukung ini?
Klien apa pun yang mendukung MCP: Claude, ChatGPT, Perplexity, Cursor, Cline, Windsurf, Zed, Goose, Raycast, ditambah n8n dan Make. Setup-nya cukup sebuah URL dan otorisasi OAuth; lihat hubungkan Claude ke Telegram MCP atau perbandingan Telegram MCP 2026.

Apa yang terjadi jika agen salah memberi label?
Anda memperbaiki nilainya di tabel chat seperti field lainnya. Itulah sebabnya kebiasaan menulis catatan internal penting: Anda bisa melihat alasannya, mengenali polanya, dan menyesuaikan prompt alih-alih meninggalkan kolom itu.

Apakah field yang saya buat lewat MCP muncul di antarmuka biasa?
Ya. Field itu adalah kolom kustom biasa: bisa difilter, bisa diurutkan, terlihat oleh tim Anda, dan bisa dipakai di analitik serta saat membangun segmen. MCP adalah pintu kedua ke skema yang sama, bukan sistem paralel.

Kesalahannya adalah mencoba merancang skema dua belas kolom yang sempurna di hari pertama. Jangan. Pilih Language, jalankan di seluruh workspace Anda, dan rasakan bagaimana rasanya memfilter inbox berdasarkan kolom itu. Cukup satu prompt dan secangkir kopi, dan langsung terlihat apakah nilainya benar.

Lalu tambahkan Pipeline stage. Lalu label support. Lalu yang tidak biasa (jam aktif, pola respons, sumber referral) yang tidak disertakan CRM mana pun karena tidak ada CRM yang bisa tahu bahwa Anda akan menginginkannya.

Terobosannya bukan bahwa AI menulis ke database Anda. Terobosannya adalah percakapan akhirnya menjadi objek yang bisa di-query: sesuatu yang bisa Anda beri label, hitung, segmentasikan, dan tindak lanjuti, tanpa ada yang perlu membaca ulang 200 pesan untuk mengingat siapa orang ini.

Hubungkan server MCP Telegram Anda dan mulailah dengan satu kolom.