Nhập dữ liệu CRM bằng AI cho Telegram: tự động điền trường và nhãn với MCP

Kết nối máy chủ Telegram MCP của Entergram với một AI client, và agent có thể đọc tin nhắn của từng cuộc chat, tạo các cột CRM bạn mô tả, rồi ghi giá trị phù hợp vào mọi cuộc chat nó được truy cập chỉ trong một lần chạy. Bạn mô tả kết quả mong muốn trong câu lệnh ("một cột Language, điền dựa trên 100 tin nhắn gần nhất"), xem lại một mẫu các giá trị nó đề xuất, rồi để nó làm phần còn lại. Bài viết này đi qua năm ví dụ thực tế: nhận diện ngôn ngữ, giai đoạn bán hàng, nhãn hỗ trợ, những trường không ai chịu điền, và một lần broadcast tới phân khúc mà agent vừa tạo ra.

Điều này quan trọng vì các cột CRM bị bỏ trống ngay trong tuần đội bận rộn. Không ai muốn đọc lại một cuộc chat dài để nhận ra liên hệ là một đại lý nói tiếng Thổ Nhĩ Kỳ từng hỏi giá số lượng lớn, rồi gõ điều đó vào bốn trường. Thông tin đã nằm sẵn trong tin nhắn; một agent có quyền truy cập MCP có thể đọc và ghi lại thành dữ liệu có cấu trúc để bạn lọc, báo cáo và broadcast.

Model Context Protocol là chuẩn cho phép AI client gọi các hệ thống bên ngoài. Entergram cung cấp một máy chủ MCP được lưu trữ sẵn, và bộ công cụ mà máy chủ công bố quyết định agent thực sự làm được gì. Với việc này, có bốn nhóm quan trọng:

• Chat và khám phá: entergram_list_workspace_chats, entergram_get_workspace_chat. Đây là góc nhìn CRM của một cuộc trò chuyện: giá trị trường hiện tại, ticket liên kết, ghi chú nội bộ.
• Tin nhắn: entergram_list_messages, entergram_send_message. Đây là bằng chứng thô mà agent dựa vào để suy luận, và là kênh nó dùng để trả lời.
• Trường tùy chỉnh CRM: entergram_list_custom_columns, entergram_create_custom_column, entergram_create_custom_column_option, entergram_patch_chat_custom_fields. Đọc cấu trúc, mở rộng cấu trúc, ghi giá trị.
• Ghi chú nội bộ và ticket: entergram_create_chat_comment, entergram_create_ticket. Nơi agent để lại lập luận của mình, và nơi nó chuyển cấp.

Điểm quan trọng là create_custom_column có tồn tại. Phần lớn các tích hợp cho phép máy ghi vào những trường do người khác thiết kế. Ở đây agent còn có thể thiết kế trường: chọn kiểu (text, textarea, number, date, select, multiselect, checkbox), định nghĩa danh sách lựa chọn, gán màu cho từng lựa chọn, rồi bắt đầu điền ngay. Điều đó thay đổi quy trình từ "cấu hình rồi mới tự động hóa" thành "mô tả kết quả bạn muốn, và để nó dựng cấu trúc".

Thiết lập mất vài phút: sao chép URL máy chủ MCP của bạn từ Settings → Workspace → Connectors → MCP (Cài đặt, Workspace, Connectors, MCP), dán vào Claude, ChatGPT, Cursor, n8n hoặc bất kỳ client nào bạn dùng, rồi cấp quyền cho các phạm vi (scope). Trang trợ giúp về MCP connectors và hướng dẫn kết nối mọi AI client của chúng tôi trình bày chi tiết cho từng nền tảng. Mọi nội dung bên dưới đều giả định kết nối đó đã hoạt động.

Hãy bắt đầu với ví dụ mang lại giá trị ngay lập tức, nhất là nếu bạn bán hàng xuyên biên giới.

Bạn không biết phần lớn liên hệ của mình thích dùng ngôn ngữ nào. Đội của bạn mặc định viết tiếng Anh, nhận được những câu trả lời ngắn, và hiểu đó là ít quan tâm. Một nửa số lần, đó không phải là ít quan tâm, mà là một người đang gõ bằng ngôn ngữ thứ ba của họ và viết ngắn vì việc đó tốn công.

Đây là toàn bộ quy trình dưới dạng một câu lệnh:

Tạo một cột tùy chỉnh mới cho chat trong workspace Entergram của tôi tên là "Language", kiểu select, với các lựa chọn: English (en), Russian (ru), Spanish (es), Turkish (tr), Portuguese (pt), Farsi (fa), Arabic (ar), Chinese (zh), German (de), French (fr) và Mixed/Unclear (unclear). Gán cho mỗi lựa chọn một màu riêng.

Sau đó đi qua mọi cuộc chat trong workspace. Với mỗi cuộc chat, đọc 100 tin nhắn gần nhất, chỉ xem những gì liên hệ viết (bỏ qua tin nhắn của tôi và mọi nội dung do bot tạo), và xác định ngôn ngữ chủ đạo họ dùng. Ghi giá trị đó vào trường Language. Nếu có ít hơn năm tin nhắn từ liên hệ, hoặc liên hệ viết hai ngôn ngữ với tỷ lệ gần ngang nhau, hãy đặt unclear thay vì đoán.

Trước khi ghi bất cứ thứ gì, cho tôi xem 20 cuộc chat đầu tiên kèm giá trị bạn đề xuất và một dòng giải thích. Tôi sẽ xác nhận, sau đó bạn làm phần còn lại.

Những gì agent thực sự làm, từng bước:

1. Gọi entergram_list_custom_columns để kiểm tra xem cột Language đã tồn tại chưa, để lần chạy thứ hai không tạo cột trùng lặp.
2. Gọi entergram_create_custom_column với type: "select" và mảng lựa chọn, mỗi mục gồm một label, một value cố định và một color dạng mã hex.
3. Gọi entergram_list_workspace_chats để liệt kê các cuộc trò chuyện, dùng items[].telegramId làm id chuẩn của chat.
4. Với mỗi cuộc chat, gọi entergram_list_messages và lấy lịch sử gần đây.
5. Quyết định giá trị, rồi gọi entergram_patch_chat_custom_fields với { language: "tr" }.

Vài điều tạo nên khác biệt giữa một cột thực sự hữu ích và một cột bạn không còn tin nữa:

Lọc bỏ tin nhắn của chính bạn. Nếu agent đọc cả chuỗi hội thoại, kể cả phía bạn, một đội hỗ trợ dùng nhiều tiếng Anh sẽ kéo mọi kết quả nghiêng về tiếng Anh. Chỉ dẫn "chỉ xem những gì liên hệ viết" đang làm một việc thực sự.

Tách chữ viết khỏi ngôn ngữ. Chữ Kirin không mặc nhiên là tiếng Nga, nó có thể là tiếng Ukraina, tiếng Bulgaria hoặc tiếng Serbia. Chữ Ả Rập không mặc nhiên là tiếng Ả Rập, vì tiếng Farsi và tiếng Urdu cũng dùng nó. Hãy nói rõ điều này trong câu lệnh nếu bạn bán hàng vào các thị trường đó, và agent sẽ đọc theo từ vựng thay vì so khớp theo bảng chữ cái.

Cho nó một lối thoát. Lựa chọn unclear là thứ ngăn cột bị lấp đầy bởi những điều vô nghĩa được nói một cách tự tin. Một trường được điền 90% và đúng tốt hơn một trường được điền 100% mà sai 15%, vì trường thứ hai âm thầm làm hỏng mọi lần broadcast bạn xây dựa trên nó.

Thêm một trường độ tin cậy nếu rủi ro cao. Một cột thứ hai, Language confidence, kiểu number, cho phép agent ghi một giá trị từ 0 đến 100 cạnh mỗi lần đoán. Sau đó bạn lọc những gì dưới 70 và tự xem lại. Bốn mươi cuộc chat cần xem thay vì 1.400.

Khi đã có, cột đó không chỉ để trang trí. Nó quyết định ai nhận mẫu trả lời nào, thành viên nào trong đội nhận cuộc chat, và, như phần bên dưới, liên hệ nhận phiên bản broadcast nào.

Cùng cơ chế, nhưng cần phán đoán khó hơn. Đây là cột mà nhân viên bán hàng của bạn lẽ ra phải cập nhật nhưng chưa bao giờ làm.

Tạo một cột select "Pipeline stage" với các lựa chọn: New lead, Qualifying, Demo scheduled, Proposal sent, Negotiation, Won, Lost, Dormant.

Với mỗi cuộc chat, đọc 100 tin nhắn gần nhất và chọn giai đoạn mà cuộc trò chuyện thực sự chứng minh được. Dựa vào bằng chứng, không dựa vào cảm giác: "Proposal sent" chỉ khi tôi đã gửi báo giá hoặc tài liệu; "Demo scheduled" chỉ khi đã thống nhất một cuộc gọi có thời gian cụ thể; "Won" chỉ khi có xác nhận thanh toán hoặc bắt đầu; "Lost" chỉ khi họ từ chối rõ ràng. Nếu tin nhắn gần nhất của liên hệ đã quá 45 ngày và không có kết quả rõ ràng, đặt Dormant.

Với mỗi cuộc chat bạn gắn nhãn, hãy để lại một ghi chú nội bộ trích dẫn tin nhắn cụ thể làm căn cứ cho giai đoạn đó, kèm ngày của tin nhắn.

Dòng cuối cùng là thứ làm cho cách này đáng tin. entergram_create_chat_comment viết một ghi chú chỉ đội của bạn thấy, khách hàng không bao giờ thấy. Vì vậy mỗi cuộc chat được gắn nhãn mang theo dấu vết kiểm tra riêng, ví dụ "Proposal sent, dựa trên ngày 12 tháng 6: 'đây là báo giá cho 200 chỗ'". Khi một nhân viên bán hàng không đồng ý với một nhãn, họ có thể thấy trong hai giây vì sao agent chọn nó, và sửa nhãn thay vì mất niềm tin vào cả cột.

Những biến thể hữu ích khi phiên bản cơ bản đã chạy tốt:

• Một cột ngày Last meaningful contact, điền từ thời điểm của tin nhắn có nội dung gần nhất, loại trừ "ok", "cảm ơn", sticker và biểu tượng cảm xúc. Sắp xếp theo cột này và bạn có một hàng đợi theo dõi thực sự, thay vì hàng đợi bị làm nhiễu bởi emoji giơ ngón cái.
• Một cột number Deal value, điền bằng bất kỳ con số nào mà liên hệ thực sự nêu ra. Để trống khi chưa bàn đến. Bỗng nhiên pipeline của bạn có một con số gắn vào, lấy từ những cuộc trò chuyện chưa ai từng ghi lại.
• Một trường textarea Blocker, một câu về lý do mỗi giao dịch chưa chốt được. Đọc dọc cột đó qua hai mươi cuộc chat và bạn sẽ hiểu về phễu bán hàng của mình nhiều hơn bất kỳ dashboard nào.

Nếu bạn đang tiếp cận khách hàng với khối lượng lớn, hãy kết hợp cách này với phương pháp trong hướng dẫn tự động hóa bán hàng trên Telegram của chúng tôi, vì cột giai đoạn là thứ giúp phần còn lại của pipeline có thể được xử lý.

Hỗ trợ cần một cấu trúc khác với bán hàng, và đây là trường hợp multiselect phát huy giá trị, vì một cuộc trò chuyện thường vừa là câu hỏi về thanh toán vừa là báo lỗi.

Tạo một cột multiselect "Issue type" với các lựa chọn: Billing, Bug, Onboarding, Feature request, Integration, Account access, Abuse report. Tạo một cột checkbox "Needs human". Tạo một cột select "Sentiment" với các lựa chọn: Happy, Neutral, Frustrated, Angry.

Với mọi cuộc chat có hoạt động của liên hệ trong 14 ngày qua, đọc các tin nhắn gần đây và điền cả ba trường. Đánh dấu "Needs human" khi liên hệ hỏi một câu chưa bao giờ được trả lời, hoặc khi cảm xúc là Frustrated hoặc Angry.

Sau đó, với mọi trường hợp "Needs human" được đánh dấu và cảm xúc là Angry, hãy mở một ticket với mức ưu tiên cao, đặt tiêu đề là một dòng tóm tắt vấn đề, và liên kết nó với cuộc chat.

Giá trị multiselect được gửi dưới dạng mảng các giá trị lựa chọn, như ["billing", "bug"], không phải nhãn, đó là lý do agent luôn nên đọc cấu trúc trước khi ghi. Trường checkbox nhận giá trị boolean thật. Trường date nhận chuỗi ISO 8601. Sai một trong số đó thì lệnh ghi bị từ chối thay vì âm thầm làm hỏng dữ liệu, và đó là hành vi bạn muốn.

Cuối cùng bạn có một hàng đợi hỗ trợ được sắp xếp theo thứ tốt hơn thời điểm tin nhắn đến. Lọc Needs human = true và sắp xếp theo cảm xúc, bạn sẽ xử lý danh sách theo đúng thứ tự giúp giảm tỷ lệ rời bỏ. Kết hợp với bảng Kanban cho ticket, các trường hợp chuyển cấp mà agent mở sẽ xuất hiện trong chính làn mà đội của bạn đang làm việc.

Hai ví dụ trên là những ví dụ hiển nhiên. Còn đây là những ví dụ khiến mọi người bất ngờ.

Giờ làm việc. Một cột number, Active hour, điền bằng giờ trong ngày (theo UTC) mà liên hệ thường gửi tin nhắn nhất, tính từ thời gian của 100 tin nhắn gần nhất. Việc này không tốn thêm gì của agent, vì nó đã có sẵn thời gian tin nhắn, và nó cho bạn biết khi nào một người thực sự ngồi ở bàn làm việc. Nhắn cho một người mua ở Dubai lúc 07:00 UTC và một người mua ở São Paulo lúc 19:00 UTC mang lại tỷ lệ phản hồi cao hơn đáng kể mà không tốn thêm công sức.

Kiểu phản hồi. Một cột select gồm Replies fast, Replies in a day, Replies in days, Rarely replies, suy ra từ khoảng cách trung vị giữa tin nhắn của bạn và câu trả lời của họ. Đây là trường cho bạn biết sự im lặng có ý nghĩa gì hay không. Một liên hệ luôn mất bốn ngày thì không phải đang nguội đi; một người thường trả lời trong vòng một giờ mà đã im lặng một tuần thì có.

Công ty và vai trò. Các cột text, điền từ những gì người đó nói về bản thân trong cuộc trò chuyện: chữ ký, lời giới thiệu, tin nhắn "chúng tôi là một sàn giao dịch 40 người ở Singapore" từ tháng đầu tiên. Thông tin nằm sẵn trong lịch sử và chưa ai từng chép nó vào một trường.

Nguồn giới thiệu. Một cột select, điền từ bất cứ điều gì liên hệ nói về cách họ tìm thấy bạn: một cộng đồng, một đối tác, một kênh cụ thể. Chạy nó trên toàn bộ workspace và bạn có một báo cáo phân bổ nguồn cho một kênh chưa từng có báo cáo nào.

Cờ tuân thủ. Một checkbox Requested no marketing, được đánh dấu khi ai đó từng yêu cầu không nhận liên hệ quảng cáo. Chạy một lần trên toàn bộ lịch sử và bạn đã xây được danh sách loại trừ từ những tin nhắn mà đội bạn chỉ nhớ lờ mờ. Trước chiến dịch tiếp theo, riêng trường đó đã đáng giá cả bài tập.

Không cái nào cần tính năng sản phẩm mới. Tất cả chỉ là các cột cộng với một lượt đọc, và đó chính là điều khiến MCP đáng để kết nối.

Giờ là lúc thu hoạch. Các cột ở trên không phải là mục đích tự thân; chúng tồn tại để bạn hành động trên từng nhóm thay vì từng cá nhân.

Khi Language, Pipeline stage và Last meaningful contact đã được điền, một yêu cầu như thế này trở nên khả thi:

Tìm mọi cuộc chat có Pipeline stage là Dormant, Language là Russian, Requested no marketing chưa được đánh dấu, và Last meaningful contact cách đây hơn 60 ngày. Cho tôi xem danh sách kèm tên và điều cuối cùng họ nói.

Soạn một tin nhắn ngắn bằng tiếng Nga để kết nối lại, hai câu, không emoji, nhắc rằng lần trước chúng ta đã nói về giá. Cho tôi xem bản nháp và danh sách người nhận. Chưa gửi gì cả.

Bạn xem lại. Bạn sửa câu chữ. Sau đó:

Gửi đi, từng cuộc chat một, từ tài khoản bán hàng, có khoảng nghỉ giữa mỗi tin. Bỏ qua bất kỳ ai đã nhắn cho chúng ta trong 48 giờ qua. Sau khi gửi, đặt Pipeline stage thành Qualifying và để lại một ghi chú nội bộ ghi ngày và tên chiến dịch.

Đó là một lần broadcast được phân khúc, đúng ngôn ngữ, tôn trọng danh sách loại trừ, đồng thời cập nhật CRM của bạn như một tác dụng phụ, được xây từ những trường chưa hề tồn tại một giờ trước. Hướng dẫn gửi tin nhắn broadcast trình bày cùng công việc này qua giao diện Entergram; con đường MCP là thứ bạn cần khi phân khúc được xác định bởi điều mà chỉ một lượt đọc mới tìm ra.

Ba quy tắc quan trọng ở đây hơn bất kỳ đâu khác trong bài:

Luôn yêu cầu chạy thử. "Cho tôi xem danh sách và bản nháp, đừng gửi" nên có trong mọi câu lệnh broadcast bạn viết. Gửi tin là hành động duy nhất bạn không thể rút lại, và messages.write cho phép agent gửi tin dưới danh nghĩa của bạn.

Điều chỉnh nhịp gửi. Cơ chế chống spam của chính Telegram phản ứng với các đợt gửi dồn dập. Mỗi lần một tin với khoảng nghỉ giữa các tin không phải là thận trọng cho có, đó là cách giữ tài khoản khỏe mạnh. Hướng dẫn gửi tin nhắn hàng loạt trên Telegram của chúng tôi đi sâu vào các giới hạn.

Viết phiên bản riêng cho từng ngôn ngữ, đừng dịch một tin nhắn tiếng Anh. Giờ bạn đã có cột Language. Hãy dùng nó cho đúng: một tin nhắn tiếng Nga được viết như tiếng Nga hiệu quả hơn một tin tiếng Anh dịch máy, và agent hoàn toàn có thể soạn kiểu thứ nhất nếu bạn yêu cầu.

Vài lưu ý thực tế cho lần điền dữ liệu lớn đầu tiên.

Chia theo lô. Yêu cầu 50 cuộc chat mỗi lần thay vì 1.400 trong một chỉ dẫn. Ngữ cảnh của agent có giới hạn, và một lần chạy theo lô có báo cáo tiến độ là lần chạy bạn có thể dừng, sửa và tiếp tục. "Làm các chat từ 1 đến 50, cho tôi xem bảng tóm tắt, rồi chờ" là chỉ dẫn tốt hơn "làm tất cả".

Sắp theo giá trị. Làm các cuộc chat đang hoạt động trước, không theo thứ tự chữ cái. Nếu lần chạy bị gián đoạn giữa chừng, bạn muốn nửa hữu ích đã xong.

Làm cho các lần chạy lại không tạo trùng lặp. Bảo agent bỏ qua những cuộc chat đã có giá trị trong trường, trừ khi bạn yêu cầu làm mới rõ ràng. Khi đó bạn có thể chạy cùng câu lệnh mỗi tuần để bắt các cuộc trò chuyện mới mà không làm lại việc cũ.

Chỉ cấp những phạm vi bạn cần. Với một lượt đọc và gắn nhãn, chats.read, messages.read và chat_custom_fields.write là đủ. Hãy tắt hẳn messages.write cho đến khi bạn tới giai đoạn broadcast. Phạm vi quyền là ranh giới an toàn thực sự, xem thành viên trong đội và các client đã kết nối có thể thấy gì để biết quyền hoạt động thế nào trong workspace.

Giữ con người trong vòng kiểm soát với mọi thứ không thể đảo ngược. Nhãn sửa lại dễ dàng. Tin nhắn đã gửi cho 300 người thì không.

AI agent có thực sự đọc được các cuộc chat Telegram cá nhân của tôi không?
Qua máy chủ MCP của Entergram, có. Nó hoạt động trên tài khoản bạn đã kết nối, không phải bot, nên nó thấy cùng những tin nhắn riêng, nhóm và kênh mà bạn thấy. Đó chính là mục đích: bot không thể thấy những cuộc trò chuyện nơi công việc kinh doanh thực sự của bạn diễn ra. Sự khác biệt được trình bày trong Telegram MCP so với Bot API.

Cách này có dùng được với bot Telegram không?
Không. Bot API chỉ đọc được tin nhắn gửi tới bot. Mọi quy trình trong bài này đều phụ thuộc vào việc đọc lịch sử trò chuyện thật từ một tài khoản bình thường.

Những AI client nào hỗ trợ việc này?
Bất kỳ client nào hỗ trợ MCP: Claude, ChatGPT, Perplexity, Cursor, Cline, Windsurf, Zed, Goose, Raycast, cùng n8n và Make. Thiết lập chỉ gồm một URL và một bước cấp quyền OAuth; xem kết nối Claude với Telegram MCP hoặc bài so sánh Telegram MCP năm 2026.

Điều gì xảy ra khi agent gắn nhãn sai?
Bạn sửa giá trị trong bảng chat như mọi trường khác. Đây là lý do thói quen ghi chú nội bộ quan trọng: bạn có thể thấy lập luận, nhận ra quy luật, và điều chỉnh câu lệnh thay vì bỏ hẳn cột đó.

Các trường tôi tạo qua MCP có xuất hiện trong giao diện bình thường không?
Có. Chúng là các cột tùy chỉnh thông thường: lọc được, sắp xếp được, đội của bạn thấy được, dùng được trong phân tích và khi xây phân khúc. MCP là cánh cửa thứ hai vào cùng một cấu trúc dữ liệu, không phải một hệ thống song song.

Sai lầm là cố thiết kế một cấu trúc mười hai cột hoàn hảo ngay ngày đầu. Đừng làm vậy. Hãy chọn Language, chạy nó trên toàn bộ workspace, và xem cảm giác lọc hộp thư theo cột đó ra sao. Nó chỉ cần một câu lệnh và một tách cà phê, và bạn sẽ thấy ngay các giá trị có đúng hay không.

Sau đó thêm Pipeline stage. Rồi đến nhãn hỗ trợ. Rồi đến những cột lạ: giờ hoạt động, kiểu phản hồi, nguồn giới thiệu, những thứ không CRM nào có sẵn vì không CRM nào có thể biết bạn sẽ cần chúng.

Bước đột phá không phải là AI ghi vào cơ sở dữ liệu của bạn. Mà là một cuộc trò chuyện cuối cùng đã trở thành một đối tượng có thể truy vấn: thứ bạn có thể gắn nhãn, đếm, phân khúc và hành động, mà không ai phải đọc lại 200 tin nhắn để nhớ người này là ai.

Kết nối máy chủ Telegram MCP của bạn và bắt đầu với một cột.