Автоматическая маркировка входящих сообщений Gmail с помощью ИИ

Каждый божий день на наши электронные почты сыплются десятки, если не сотни писем — от клиентов, от партнеров, от подписок. И, часто, половина из них так и остается непрочитанными, затерявшимися где-то между разделами "важное" и "потом". Вам-то ясно, что дело вовсе не в количестве, а в том, что вручную сортировать это уйма времени, времени, которое с лихвой можно было бы потратить на более важные дела!

Вот тут то и приходит на помощь автоматическая пометка входящих писем в Gmail на основе AI nodes — технологии, которая сама читает письма, присваивает им метки и аккуратно упаковывает по папкам. И все это — без вашего участия.

Звучит удобно, не так ли?

«За долгих восемь лет мы попробовали 43 способа автоматизировать рутинные трудозатратные обязанности — от простейших скриптов и до настоящего ИИ. И что было очень явно видно — с той лишь оговоркой, что если правило можно описать алгоритмом — можно и доверить это дело машине! Маркировка почты — как раз тот самый самый случай, когда и работать вручную просто недопустимо.

Что такое автоматическая маркировка email?

Ключевые понятия и задачи

Да, в общем, автоматическая маркировка это когда ваши поступающие сообщения в Gmail получают метки или им присваиваются категории по заранее заданным правилам и вам не надо тратить на это ни копейки своего времени.

Система сама проанализирует и исследует заглавие, отправителя, содержание и общий контекст — и именно на основе всей этой информации ставит чёткую точку и решает: куда правильней поместить это самое письмо! Например, если от клиента пришло письмо со словом "оплата", оно без всякого сомнения и колебания уйдет в папку "Финансы", а запросы на консультацию отправятся прямиком в папку "Продажи".

Как здорово, что в их основе лежат AI узлы — такие модульные конструкты, которые умеют обучаться (м-да) и обладают хотя и по-естественному не так уж великим, но понимаемым языком (NLP). В отличие от обычных фильтров Gmail, рассматривающих лишь ключи или адрес отправителя, AI узлы понимают суть. Вот если кто-то напишет: "..Тема: оплатил вчера, статус заказа", то система тут же видит в нём и "заказ", и "оплата" — и лепит нужные метки. Так система не просто раскладывает письма по папкам, но и отправляет каждый мэйл именно туда, где его быстро и заботливо обработают.

Это как раз та база для автоматизации следующих действий — к примеру, отослать менеджеру уведомление или запустить проверку платежа.

Как это полезно юзерам Gmail? Да элементарно! У РУЧНЫХ действий, то бишь, действий, которые человек должен проделать сам — это тормозящий эффект, особенно если писем все больше и больше.

Согласно исследованиям, проведенным в аналитическом центре McKinsey, на обработку электронной почты, которой каждый успешный человек тратит, по их мнению, до 28% рабочего времени (что очевидно снижает продуктивность!), может уйти много времени и сил, достаточно лишь вспомнить, сколько времени уходит у одного только человека на прослушивание e-mail.

Ну если в день десяток писем — это еще можно, еще как-то нормально, чо там — обрабатывать, отвечать... А вот если двести и более — простите, это уже жесть, важное проскакивает мимо, и вся почта жрет до лишней половины всего утра.

Автоматическая разметка текста — уже почти что личный секретарь, который неустанно и безупречно разносит в нужные стопки даже целую тысячу писем в день.

Кстати, и нагрузка на мозг тоже уменьшается.

Представьте: вы открываете почту — а там сотни несортированных писем. Что тут важное, что можно отложить — у вас закружилась голова. А если все уложено в папочки, вам будет проще изголодавшемуся сфокусироваться на том, что конечно важно.

В тех сферах, время в которых критично — в криптоарбитраже, трейдинге, например, — пара часов потери цены обходится в три шкуру. Здесь автоматическая маркировка позволяет молниеносно подсвечивать те сообщения, которые «горят» — падение цены, важная новость по листингу и прочие подобные. Они идут прямиком в папку "Срочно" — и сразу летят уведомления в Telegram, остальное — в обычную очередь.

"Меньше ненужных решений при работе с почтой — меньше стресса, лучше концентрация."

Как же все-таки работает автоматическая маркировка AI nodes?

Как устроена архитектура AI nodes и что они делают?

Это модули — отдельные ноды, которые вместе составляют конвейер обработки писем. Первая нода получает письма по Gmail API, вторая разбирает текст с помощью NLP, третья вешает метки и отправляет уведомления, если они нужны.

Такой конвеер позволяет по шагам обрабатывать письмо — от прихода и до пометки. И самое главное — все эти ноды работают автономно, так что легко можно впихнуть что-то новое, скажем, проверку спама с помощью внешних сервисов, причем без перетряхивания всей системы.

Вот вам наглядный пример: день, 200 писем разного толка. AI nodes определяют, что за зашитенький (клиент, партнер, рассылка) и что в письме (итаки "оплата", "техподдержка", "сделка"). По важным письмам мухой летят алерты в Telegram. Эффект однозначный: время обработки с двух часов сокращается до двадцати минут, менеджер же видит лишь главное — никаких пробелов.

Машинное обучение и NLP — технологии, которыми пронизан корень решения задачи.

Проще говоря, предобученные языковые модели на основе трансформеров не просто читают текст, но реально интерпретируют его содержание.

Текст дробится на токены, превращается в вектор, который сопоставляется с категориями.

Так, к примеру, фраза: «Провёл оплату вчера, когда будет отгрузка?» тут же записывается и в «Финансы», и в «Логистика» — все для полноты картины.

А для узкоспециализированных тем — крипта, DeFi — модель дополнительно дообучают на сотнях примеров с метками. Так повышается точность, учитывается профильный сленг и термины. При этом это не занимает кучу времени и не требует от вас быть гуру в машинном обучении.

Если модель чувствует сомнение — например, точность ниже 70%, то письмо отправляется в папку «Требует проверки», чтобы не было ошибок.

Достоинства автоматической разметки для пользователей Gmail

Экономия времени и увеличение производительности

Автоматическая разметка реально может сэкономить менеджерам около полутора-два часа времени в день, которое раньше уходило на сортировку.

На звонки, на анализ данных, на что-то более важное — на всё это идут эти часы.

Калифорнийские ученые выяснили, оказывается, что мозгу нужно целых 23 минуты на то, чтобы вновь восстановить сосредоточенность на задании после такого "переключения". Чем меньше таких переключений — тем легче работа, тем продуктивнее человек.

С помощью меток и эти сотрудники работают так, как им нужно. Точнее — так, как им хочется. Специальное назначение! Техподдержка — свои заявки, продажи — свои. Это исключает трату времени на лишние письма.

Ситуация — Действие — Результат

Компания с тремя отделами: продажи, техподдержка, финансы и... общая почта. Ключевым словам (платеж, неисправность, приобретение) автоматически ставятся метки, фильтры Gmail развозят письма по папкам. Время обработки уменьшилось на 60%, ни одного пропущенного запроса за два месяца.

Возросшая точность сортировки почтовых писем

Точность AI nodes — от 85 до 95 процентов, а это более чем достаточно, если сравнивать с человеком, которому свойственны усталость и ошибки.

Рост точности напрямую зависит от размера тренировочного набора, обновления моделей, и т.д. Но и это ещё не всё: меток можно повесить по несколько штук на одно письмо, если в письме несколько смысловых частей — такое вручную не сделаешь. Ложные срабатывания сводятся к минимуму за счёт учёта отправителя, контекста и истории переписки. Это экономит время на исправления и в целом улучшает работу с почтой.

Gmail интеграция: хардовые детали и защита

Использование Gmail API

Подключение идет через официальный Gmail API с защитой OAuth 2.0. Приложению выдается токен — пароль не передается.

Процедура занимает минут 2–3 — создайте проект в Google Cloud Console, получите Client ID и Secret, введите их в ASCN.AI и авторизуйтесь. Абсолютно понятно и проще некуда через веб интерфейс.

Для безопасности и конфиденциальности персональных данных пользователей существует OAuth 2.0. А для маркировки используются webhooks — Gmail реагирует на новые сообщения молниеносно, как раз за 1–3 секунды. Одной API хватает до 250 запросов в секунду на пользователя — даже самым прожорливым.

OAuth 2.0 гарантирует, что никто не будет применять ваш пароль — вы лишь предоставляете контроль над определенными действиями, скажем, о чтении и маркировке без удаления. Токены хранятся в зашифрованном виде и даже вам их напрямую не покажут.

Хранить данные в таком виде минимум — минимум можно и необходимо. Обрабатываем данные в момент их поступления, а в базе оставляем только ID и маркеры. Все по канонам внимательного к защите данных GDPR — чтобы минимизировать риск утечки.

Ведем учет всех действий — кто, когда и какую маркер оставил. Доступ к логам есть только у владельца — в них можно отследить, просмотреть и исправить всё что нужно.

Логиниться можно двойной проверкой, ограничив доступ по IP для корпоративной части, и регулярно проводят аудиты.

Кейс и примеры применения

Не много примеров из реальной жизни применения услуги.

Кейс 1: Арбитраж криптовалют

Ситуация: Команда арбитража получает письма и сообщения в Telegram о разбросе цен на биржах, но часть важной информации теряется в других каналах.

Действие: Осуществляя круглосуточный мониторинг почты на наличие «Арбитражных» писем с упоминанием Binance, Kucoin и разницы цен, также были настраиваются оповещения в Telegram.

Результат: За месяц выявлено 43 возможности арбитража, время реакции упало до 30 секунд, дополнительный доход превышает $6 450.

Кейс 2: Техническая поддержка криптопроекта

Ситуация: Проект получает 300+ писем в день на общий email от пользователей с разными уровнями важности и расстановкой приоритетов.

Действие: Используется NLP модель обученная на 800 примерах, критичные заявки помечаются "Критично" и вызывают уведомление специалистов.

Результат: Время обработки уменьшилось с 3 часов до 40 минут, время реакции сократилось до 15 минут, за 3 месяца пропали негативные отзывы.

Отзывы и результаты клиентов

Обрабатываем заявки по email и Telegram. Автоотметка исключила пропуски, конверсия выросла с 12% до 19%.

"Определяя по фильтрам и меткам личные письма: аналитические, рекламные, промокоды — сэкономил около часа в неделю."

"В компании три направления: крипта, автоматизация, консалтинг. Метка позволила каждому видеть только свои письма. Время на почту сократилось на 70%."

скорости работы вашего AI и как много вы сможете в будущем сэкономить времени на написании оправдательных отказных писем. — Мы используем машинное обучение, это модульные ячейки для вытягивания текста письма, интерпретации содержания, разметки и при необходимости отправки уведомлений. И все это без единой строчки кода, а с помощью визуального редактора, к тому же невероятно гибкого и настраиваемого под ваши конкретные нужды.

А как подключить услугу к своему Gmail'у?

Сам процесс займет минут пять, не больше: создаете проект в Google Cloud Console, получаете Client ID и Secret, вставляете их в ASCN.AI и проходите OAuth 2.0 авторизацию. Мы не передаем ваш пароль — передается защищенный токен, который всегда можно отозвать.

А какие, собственно, гарантии точности маркировки? От 85% до 95%! Разумеется, в зависимости от объема обучающих данных и обновления самих моделей. А скомпрометированные письма подлежат отправке в папку "Требует проверки", чтобы не ошибиться.

Система ведет статистику и дает возможность править правила.

Сколько же времени настраивать?

Базовый сценарий, содержащий три категории, настраивается в течение 30 минут. Если нужны сложные сценарии с дообучением, интеграциями и всяким прочим — займет времени до двух часов! Готовые шаблоны помогут ускорить запуск.

Где получить поддержку?

Есть документация, чатик в Телеграме — ответ через час, поддержка по почте — в течение суток. Для серьёзных клиентов — настройка под ключ по договорённости.

Кому-то деньги — а кому-то автоматизировать. А почта, ответы на часто возникающие вопросы, сбор данных по практическим делам по каждой из дел — забирает от 50 до 70 процентов рабочего времени бизнеса. Многие воспринимают автоматизацию как чисто программерскую задачу с кучей денег — но нет, не обязательно. Нет, не так. Не так грандиозно. No-code платформы, как ASCN, позволяют разворачивать решение за пару часов без специальных знаний.

Вот вам элементарный пример: автоматическая маркировка, уведомления в Telegram и запись данных в Google Таблицы — берете три AI nodes соединяете, настраиваете за полчаса — и система работает.

Команды численностью от 3 до 5 человек за счёт этого экономят от 10 до 15 часов в неделю. А если иметь хорошую голову на плечах, при ставке в 30 долларов в час — получается до 1200 долларов сэкономленных за месяц. Тариф же 79 долларов уже за первую покупку отбивается.

Можно ещё заработать, продавая готовые настройки и workflows. Платформа поддерживает бизнес под ключ: создаете, упаковываете и сбываете своим клиентам. Цена решения обычно от $50 до $200 — зависит от сложности.

Автоматизация помогает обслуживать больше людей. Так, например, если раньше мы собирали отчет три часа, а теперь десять минут, значит увеличилась пропускная способность и прибыль.