Чат-бот для Viber: регистрация, webhook, Rich Media и deployment

TRUETECH занимается разработкой, поддержкой и обслуживанием мобильных приложений iOS, Android, PWA. Имеем большой опыт и экспертизу для публикации мобильных приложений в популярные маркеты Google Play, App Store, Amazon, AppGallery и другие.

Разработка и поддержка любых видов мобильных приложений:

Информационные и развлекательные мобильные приложения
Новостные приложения, игры, справочники, онлайн-каталоги, погодные, фитнес и здоровье, туристические, образовательные, социальные сети и мессенджеры, квиз, блоги и подкасты, форумы, агрегаторы
Мобильные приложения электронной коммерции
Интернет-магазины, B2B-приложения, маркетплейсы, онлайн-обменники, кэшбэк-сервисы, биржи, дропшиппинг-платформы, программы лояльности, доставка еды и товаров, платежные системы
Мобильные приложения для управления бизнес-процессами
CRM-системы, ERP-системы, управление проектами, инструменты для команды продаж, учет финансов, управление производством, логистика и доставка, управление персоналом, системы мониторинга данных
Мобильные приложения электронных услуг
Доски объявлений, онлайн-школы, онлайн-кинотеатры, платформы предоставления электронных услуг, платформы кешбека, видеохостинги, тематические порталы, платформы онлайн-бронирования и записи, платформы онлайн-торговли

Это лишь некоторые из типы мобильных приложений, с которыми мы работаем, и каждый из них может иметь свои специфические особенности и функциональность, а также быть адаптированным под конкретные потребности и цели клиента.

Услуги, которые мы предлагаем
Показано 1 из 1Все 1734 услуг
Чат-бот для Viber: регистрация, webhook, Rich Media и deployment
Простой
от 4 часов до 2 дней
Часто задаваемые вопросы

Наши компетенции:

Этапы разработки

Последние работы

  • image_mobile-applications_feedme_467_0.webp
    Разработка мобильного приложения для компании FEEDME
    860
  • image_mobile-applications_xoomer_471_0.webp
    Разработка мобильного приложения для компании XOOMER
    746
  • image_mobile-applications_rhl_428_0.webp
    Разработка мобильного приложения для компании RHL
    1163
  • image_mobile-applications_zippy_411_0.webp
    Разработка мобильного приложения для компании ZIPPY
    1035
  • image_mobile-applications_affhome_429_0.webp
    Разработка мобильного приложения для компании Affhome
    970
  • image_mobile-applications_flavors_409_0.webp
    Разработка мобильного приложения для компании FLAVORS
    564

Разработка мобильного чат-бота для Viber

При запуске автоматизации в Viber многие путают Public Account и Bot API, выбирая не тот тип аккаунта. В результате теряют время на бюрократию или наоборот — упираются в ограничения Bot API, не зная о возможностях Rich Media и Keyboard. Правильный выбор с самого начала экономит до 2 недель разработки.

Еще одна частая проблема — webhook без проверки подписи. Без HMAC-верификации злоумышленник может отправить поддельное сообщение от имени пользователя. Мы всегда внедряем проверку X-Viber-Content-Signature, чтобы полностью исключить этот вектор атаки.

Почему Viber Bot API удобнее для автоматизации?

Viber Bot API регистрируется через developers.viber.com бесплатно, не требует договора и модерации. Вы получаете auth_token в течение минуты и сразу можете устанавливать webhook. В отличие от Public Account, здесь нет строгих требований к контенту — вы сами решаете, какие сообщения отправлять.

Вот ключевые различия:

Критерий Viber Bot Viber Public Account
Регистрация Самостоятельно, бесплатно Через партнёров, платно
Webhook Есть Есть
Rich Media Да Да
Массовые рассылки Только подписанным Подписанным + сегменты
Модерация Нет Да, строгая
Срок запуска 1 день 2–4 недели

Как настроить webhook и обеспечить безопасность?

Создание бота — через Viber Admin Panel. После создания выдаётся auth_token — используется в каждом API-запросе в заголовке X-Viber-Auth-Token. Webhook устанавливается одним POST-запросом:

import requests

def set_webhook(url: str, auth_token: str):
    response = requests.post(
        "https://chatapi.viber.com/pa/set_webhook",
        headers={"X-Viber-Auth-Token": auth_token},
        json={
            "url": url,
            "event_types": [
                "delivered", "seen", "failed",
                "subscribed", "unsubscribed",
                "conversation_started", "message"
            ],
            "send_name": True,
            "send_photo": True
        }
    )
    return response.json()  # {"status": 0, "status_message": "ok"}

Viber подтверждает webhook немедленно в ответе на set_webhook — не нужен отдельный verification challenge как в WhatsApp/Meta. Это упрощает интеграцию.

Безопасность webhook

Безопасность webhook достигается проверкой подписи каждого входящего запроса. Viber отправляет заголовок X-Viber-Content-Signature, содержащий HMAC-SHA256 от тела запроса с auth_token в качестве ключа.

import hmac, hashlib

def verify_viber_signature(body: bytes, signature: str, auth_token: str) -> bool:
    expected = hmac.new(
        auth_token.encode(),
        body,
        hashlib.sha256
    ).hexdigest()
    return hmac.compare_digest(expected, signature)

Без этой проверки ваш webhook может принимать поддельные сообщения от сторонних. Мы внедряем верификацию подписи на уровне middleware во всех проектах.

Типичные ошибки при настройке webhook

  • Использование HTTP вместо HTTPS — Viber отклоняет незащищённые URL.
  • Игнорирование X-Viber-Content-Signature — бот становится уязвимым.
  • Неправильный auth_token — проверяйте, что токен взят из Admin Panel, а не от Public Account.
  • Отсутствие обработки conversation_started — бот не может приветствовать новых пользователей.
  • Массовые рассылки неподписанным — Viber блокирует аккаунт.

Какие сообщения поддерживает Viber?

Viber поддерживает: text, picture, video, file, sticker, contact, url, location и rich_media. Rich Media — это кастомный карусельный формат с кнопками, изображениями, заголовками. Rich Media — специфика Viber, аналогов в таком виде у Telegram нет. Хорошо подходит для каталогов товаров, новостей, карточек услуг.

Пример отправки Rich Media:

def send_rich_media(receiver: str, auth_token: str, items: list):
    rich_media = {
        "Type": "rich_media",
        "ButtonsGroupColumns": 6,
        "ButtonsGroupRows": 7,
        "BgColor": "#FFFFFF",
        "Buttons": []
    }

    for item in items:
        rich_media["Buttons"].extend([
            {
                "Columns": 6, "Rows": 3,
                "ActionType": "open-url",
                "ActionBody": item["url"],
                "Image": item["image_url"]
            },
            {
                "Columns": 6, "Rows": 1,
                "Text": f"<b>{item['title']}</b>",
                "ActionType": "none"
            },
            {
                "Columns": 3, "Rows": 1,
                "Text": "Подробнее",
                "ActionType": "open-url",
                "ActionBody": item["url"],
                "BgColor": "#2db5f5"
            }
        ])

    requests.post(
        "https://chatapi.viber.com/pa/send_message",
        headers={"X-Viber-Auth-Token": auth_token},
        json={"receiver": receiver, "type": "rich_media", "rich_media": rich_media}
    )

Keyboard и одноразовые кнопки

Viber Keyboard — кастомная клавиатура внизу экрана. min_api_version: 1 для базовых кнопок:

keyboard = {
    "Type": "keyboard",
    "DefaultHeight": True,
    "BgColor": "#FFFFFF",
    "Buttons": [
        {
            "Columns": 3, "Rows": 1,
            "Text": "Каталог",
            "ActionType": "reply",
            "ActionBody": "catalog",
            "BgColor": "#f5f5f5"
        },
        {
            "Columns": 3, "Rows": 1,
            "Text": "Поддержка",
            "ActionType": "reply",
            "ActionBody": "support",
            "BgColor": "#f5f5f5"
        }
    ]
}

Keyboard передаётся в каждом сообщении — она не «прилипает» как в Telegram. Стандартный паттерн: добавлять keyboard к каждому ответу бота.

Событие conversation_started

conversation_started — пользователь открыл чат с ботом впервые или через deep link. Это единственный момент, когда можно отправить приветственное сообщение незаподписанному пользователю. После этого пользователь должен сам написать (подписаться), прежде чем бот сможет слать ему сообщения.

Ограничение: Viber не позволяет отправлять массовые рассылки незаподписанным — только тем, кто подписан (событие subscribed).

Обработка ошибок и повторные попытки

При отправке сообщений Viber возвращает статус failed в webhook. Важно настроить retry logic с exponential backoff. Мы используем Redis для хранения очереди сообщений и повторяем отправку до 3 раз с задержкой 5, 30, 120 секунд. Это повышает доставляемость до 99.8%.

Что входит в разработку Viber бота?

При заказе разработки Viber бота «под ключ» вы получаете:

  • Регистрация и настройка бота в Viber Admin Panel
  • Установка webhook с проверкой подписи
  • Обработка всех событий (message, conversation_started, subscribed, unsubscribed)
  • Реализация Rich Media / Keyboard по вашему дизайну
  • Диалоговые сценарии с состоянием (Redis FSM)
  • Интеграция с вашей CRM или backend-системами
  • Документация по API бота и доступы
  • Поддержка после запуска (2 недели бесплатно)

Мы занимаемся разработкой мобильных решений более 6 лет — реализовали более 30 проектов на Viber, Telegram и WhatsApp. Наши инженеры сертифицированы по Swift и Kotlin, что гарантирует высокое качество кода. Каждый бот проходит нагрузочное тестирование перед релизом. Предоставляем гарантию на работу бота в течение 3 месяцев после запуска.

«В Viber мы сделали бота для каталога с Rich Media — конверсия в покупку выросла на 25% за первую неделю» — отзыв клиента.

Ориентиры по срокам

Тип бота Сроки
Простой information-bot с keyboard и текстом 1–2 недели
Бот с Rich Media и базовым FSM 2–4 недели
Полноценный бот с интеграцией CRM и аналитикой 4–7 недель

Стоимость рассчитывается индивидуально в зависимости от сложности и интеграций. Напишите нам — оценим ваш проект за 1 рабочий день. Свяжитесь с нами для получения консультации по вашему проекту.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Параметр CoreML TFLite
Платформы iOS, macOS, watchOS Android, iOS, Linux, embedded
Хардварное ускорение Neural Engine, GPU, CPU NNAPI, GPU (OpenCL/OpenGL), CPU
Поддержка квантизации FP16, INT8 (с coremltools) FP16, INT8, dynamic range
Кастомные операции Через MLCustomLayer (Swift) Через делегаты (Java/Kotlin)
Размер бандла модели ~3–5 МБ (MobileNetV2 quantized) ~2–4 МБ

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

  • Обученная и квантизированная модель под целевое устройство (документация по метрикам)
  • SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
  • Тесты производительности на 3–5 реальных устройствах
  • Инструкция по обновлению модели OTA
  • Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
  • 2 недели технической поддержки после релиза

Типичный пайплайн проекта

  1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
  2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
  3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
  4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
  5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
  6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).