Партнёрская PRM-платформа с AI-подбором и копайлотом

почему здесь размытые экраны

сразу про очевидное. интерфейс этой платформы принадлежит заказчику, и показывать его я не договаривался. поэтому скриншоты размыты — причём размытие выжжено в сам файл, а не наложено стилями: из браузера оригинал не достать. имя продукта и ссылку на него я тоже не называю.

что осталось — архитектура, механика и грабли. это моё, и об этом можно говорить.

задача: от лендинга к рабочей платформе

заказчик пришёл с лендингом и задачей собрать сам продукт. нужна была полноценная платформа уровня partnerstack: чтобы компании заводили партнёрские программы, а партнёры приводили клиентов и получали за это выплаты.

собрал всё с нуля один — продукт, дизайн, фронт, бэк и инфраструктуру. если нужен кабинет для внешних пользователей под свою задачу — ниже разобрано, из чего такая система состоит.

что вошло в платформу

мультитенантность — каждая компания живёт на своём поддомене или кастом-домене, с white-label. данные изолированы по tenant_id на уровне orm, чтобы один клиент физически не мог увидеть данные другого — как это устроено в кабинете, разобрано в материале про личный кабинет.
три роли — супер-админ платформы, админ компании и партнёр; вход с 2fa (totp) и восстановлением пароля.
партнёры и офферы — профили партнёров (физлицо / ип / юрлицо / самозанятый, кастомные поля), офферы с фикс- или процентным вознаграждением, промо-материалы.
трекинг переходов — собственный js-скрипт на сайте клиента считает клики по реф-ссылкам. атрибуция last-click с окном 30 дней, реф-ссылки и промокоды.
лиды и деньги — воронка лидов с кастомными статусами, баланс и транзакции партнёра (pending → confirmed), запросы на выплату с шифрованными реквизитами и pdf-актами.
mlm — субпартнёрские уровни до трёх, каскадное начисление через рекурсивный sql.
ai — подбор компаний из базы и копайлот, который собирает оффер и промо-материалы.
остальное — чат партнёр↔админ на вебсокетах, биллинг и подписки, интеграции с amocrm и битрикс24.

ai-сценарий 1 — готовый оффер из разговора

партнёрская программа начинается не с кнопки «создать». сначала надо определить, за какое действие платить, кому показывать оффер, чем подтвердить конверсию и какие материалы дать партнёру. в обычном интерфейсе это длинная форма, для которой человек уже должен знать продуктовую терминологию.

копайлот превращает настройку в диалог. он видит контекст конкретной компании и уже заполненные поля, задаёт только критичные вопросы, а затем собирает проверяемый черновик оффера. отдельными инструментами готовит приглашение партнёру и промо-тексты.

важно, что это не автономный «агент со всеми правами». аргументы каждого действия валидируются, права ограничены правами текущего пользователя, а создание и отправка происходят только после предпросмотра. модель ускоряет подготовку, но не забирает у человека финальное решение.

ai-сценарий 2 — целевые компании без выдуманных данных

второй процесс — b2b-проспектинг. в базе примерно 200 000 реальных организаций, но менеджеру нужен не список, а компании, которым подходит конкретный оффер. пользователь описывает идеального клиента обычным языком, указывает регион и размер бизнеса. ai сопоставляет запрос с оквэд, применяет строгие фильтры и ранжирует существующие записи по релевантности — названия компаний модель не выдумывает.

в выдаче видны контакты и процент соответствия. перед списанием бюджета система показывает логику и пример результата. дедупликация идёт по инн на уровне всего оффера: одну организацию не получат одновременно администратор и несколько партнёров.

схема вынесена в разбор ai-подбора клиентов и партнёров, а то, где такие сценарии окупаются, а где нет, — в материале ai внутри процесса.

архитектура и изоляция данных

next.js на фронте, nestjs на бэке, prisma + postgresql, redis с очередями. всё хостится в яндекс.облаке — продукт работает с персональными данными, поэтому требования фз-152 (хранение пдн в рф) зашиты в архитектуру с самого начала.

мультитенантность держится на сквозной middleware, которая подмешивает tenant_id в каждый запрос к базе. это убирает целый класс ошибок «клиент увидел чужие данные» — тот самый, который иначе находится не тестом, а письмом от клиента.

что это доказывает

проект получил грант яндекс.облака. для меня это главный аргумент в разговоре «потянешь ли сложное»: мультитенантность, биллинг, mlm-начисления и два ai-сценария — собраны одним человеком, а не командой.

если решаешь, строить своё или брать готовое, — считать надо не подписку, а полную стоимость владения: развилка разобрана в своей системе против коробки. сколько стоит система такого класса — в смете по модулям.