TG-Staff 团队 avatar TG-Staff 团队

tg分流链接是什么?一文读懂 Telegram 魔法链接的原理与使用

tg-diversion-link faq telegram-bot attribution-tracking

tg分流链接是什么?一文读懂 Telegram 魔法链接的原理与使用

如果你在用 Telegram Bot 做客服或社群运营,可能已经习惯了通过 t.me/yourbot?start=xxx 这类链接来追踪用户来源。但这类链接有一个明显的短板:你无法在用户跳转到 Bot 之前获取到任何访问者的信息——IP 地址来自哪个城市?用户是通过哪个广告渠道点进来的?浏览器是什么?这些数据在跳转前就丢失了。

tg分流链接(又称魔法链接 / Diversion Link) 正是为解决这个问题而设计的。它是 TG-Staff 平台提供的一种特殊短链,格式为 https://app.tg-staff.com/{code},能在用户跳转到 Telegram Bot 之前自动捕获访问者的关键信息,并将这些数据与后续的客服会话关联起来。简单说,它让「谁从哪来」这件事变得可追踪、可归因。


tg分流链接是什么?魔法链接的核心定义

从功能层面理解,tg 分流链接是一个带有数据采集能力的跳转代理

普通 Telegram Bot 链接(如 t.me/yourbot?start=xxx)的跳转流程是:

用户点击链接 → 直接打开 Telegram → 进入 Bot 对话

而分流链接的跳转流程是:

用户点击 app.tg-staff.com 短链 → 系统后台采集数据 → 自动跳转至 Telegram Bot

这个「采集数据」的环节就是魔法链接的核心价值所在。它让运营团队能够在用户与 Bot 产生交互之前,就获取到归因分析所需的基础数据,而不是等到用户发送消息后才去猜测用户来源。


魔法链接如何工作?从点击到归因的全流程

第一步:用户点击 app.tg-staff.com 短链

你在广告投放、社媒帖子或邮件中嵌入的链接,格式为 https://app.tg-staff.com/{code}。这个 code 是 TG-Staff 为每个项目生成的唯一标识,指向你配置好的 Telegram Bot 项目。

例如,一个典型的魔法链接看起来像这样:

https://app.tg-staff.com/abc123

用户点击后,首先到达的是 TG-Staff 的官方域名服务器,而不是直接跳转到 Telegram。

第二步:跳转前自动采集访问者信息

在用户被重定向到 Telegram 之前,系统会采集以下几类数据:

  • IP 地址:可用于大致判断用户所在国家/地区
  • 浏览器 User-Agent:识别用户使用的设备类型、操作系统、浏览器版本
  • 来源 URL(Referrer):用户是从哪个页面点过来的
  • UTM 参数utm_sourceutm_mediumutm_campaignutm_termutm_content
  • 任意自定义 URL 参数:你可以在链接后附加自己的参数,系统同样会捕获

数据隐私提示

分流链接采集的信息仅用于归因分析与运营优化,不会存储敏感个人信息。如需了解数据保留策略,可查阅 TG-Staff 文档

第三步:携带数据跳转至 Telegram Bot 并分流至坐席

采集完成后,系统自动将用户重定向至你的 Telegram Bot。用户看到的是正常的 Bot 欢迎界面,完全感知不到背后的数据采集动作。

与此同时,采集到的数据会关联到该用户的会话记录中。当用户后续发起对话、被分配到坐席时,客服人员可以在会话界面看到该用户的来源渠道和 UTM 参数。配合会话分流规则(轮流分配或在线优先),系统还能自动将不同来源的用户分配给不同的坐席或项目组。


分流链接 vs 普通 Telegram Bot 链接:关键区别

对比维度普通 Bot 链接 (t.me/yourbot?start=xxx)分流链接 (app.tg-staff.com/{code})
跳转前数据采集不支持支持(IP、UA、来源、UTM 等)
归因能力仅靠 start 参数手动区分渠道自动捕获多渠道参数,支持 UTM 归因
来源追踪无法获取 Referrer 信息可获取 Referrer 与来源 URL
坐席分流联动需要额外开发内置会话分流规则,自动分配坐席
链接可读性参数较多时链接变长短链格式,整洁可管理
多活动管理需手动管理不同 start 参数可在控制台统一管理所有分流链接

对于需要精细化运营的团队来说,分流链接的价值在于:你不再需要依赖用户主动输入暗号或手动记录来源,系统已经帮你完成了数据采集和关联。


哪些场景适合使用魔法链接?

1. 广告投放归因

你在 Google Ads、Facebook 或 Twitter 上投放了付费广告,希望追踪哪些广告渠道带来了 Bot 对话。在每个广告组中使用独立的分流链接,配合 UTM 参数,就能在 TG-Staff 后台看到每个渠道的转化数据。

2. 社交媒体多渠道引流

同一篇产品介绍发在 Twitter、LinkedIn 和微信群,想知道哪个渠道的点击转化率最高?为每个渠道生成不同的分流链接,数据自动归集。

3. Web3 项目用户裂变

空投活动、社区任务、邀请奖励——这些场景中用户来源的追踪至关重要。分流链接可以捕获用户点击时的 IP 和设备信息,配合自定义参数实现更精细的活动归因。

4. 不同产品线/活动的独立追踪

同一个 Bot 可能同时服务于多个产品线。通过分流链接为每个活动生成独立短链,坐席在接单时一眼就能看到用户是从哪个活动来的,沟通更有针对性。


如何创建配置分流链接?分步指南

前提条件:确认套餐版本

分流链接功能在 标准版及以上套餐 可用,免费试用期同样可以体验。注册 TG-Staff 后即享 3 天免费试用,无需绑定支付方式即可测试功能。

套餐详情请查看官网套餐页,标准版约 8.99/月,专业版约16.99/月,年付有额外折扣。

配置步骤:项目设置 → 分流链接 → 获取短链

  1. 登录 TG-Staff 控制台
  2. 进入你想要配置的 Bot 项目
  3. 在左侧菜单找到「分流链接」模块
  4. 点击「创建分流链接」,系统会自动生成一个 app.tg-staff.com 短链
  5. 复制链接,根据你的推广渠道添加 UTM 参数
  6. 将最终链接嵌入广告、社媒或邮件中

注意事项

分流链接生成后不可修改,如需更新参数建议重新生成。建议在广告投放前先测试链接可用性。


使用魔法链接的最佳实践与常见误区

✅ 最佳实践

  • 为每个广告活动创建独立链接:不要复用同一个分流链接到多个渠道,否则归因数据会混淆
  • 规范 UTM 参数命名:建议统一命名规则(如 utm_source=twitterutm_medium=social),便于后期分析
  • 投放前测试:点击链接确认能正常跳转至 Bot,且坐席端能正确显示来源信息
  • 做好链接命名管理:在控制台为每个链接添加备注,标明对应的活动名称和投放日期

❌ 常见误区

  • 认为魔法链接可以追踪所有用户行为:分流链接只捕获跳转前那一刻的数据,无法追踪用户在 Bot 内的后续行为
  • 未配置会话分流规则导致坐席承接混乱:如果多个来源的用户同时涌入,建议提前设置好分流规则(轮流分配或在线优先),避免坐席冲突
  • 链接过期后未及时更新:虽然分流链接本身不会过期,但如果项目配置变更(如 Bot 关联更换),需要重新生成

常见问题

问:tg分流链接和普通链接有什么区别?

答: 普通 Telegram Bot 链接(如 t.me/yourbot?start=xxx)无法在跳转前采集用户数据。tg 分流链接是 TG-Staff 提供的 app.tg-staff.com 短链,会在跳转到 Bot 之前自动捕获访客的 IP、浏览器信息、来源渠道和 UTM 参数,帮助运营人员实现广告归因与多渠道引流追踪。

问:魔法链接采集的数据会存储在哪里?可以导出吗?

答: 采集的数据会关联到该用户的会话记录中,存储在 TG-Staff 平台内。专业版用户可在用户画像与数据统计模块查看相关归因数据,暂不支持直接导出为独立报表。

问:分流链接支持哪些 UTM 参数?

答: 支持标准 UTM 参数(utm_source、utm_medium、utm_campaign、utm_term、utm_content),以及任意自定义 URL 参数。所有参数都会在用户跳转前被捕获并记录。

问:一个项目可以创建多少个分流链接?

答: 目前没有数量限制,建议根据不同的广告活动或渠道创建独立的链接,便于后续归因分析。链接生成后建议做好命名管理。

问:免费试用期可以使用分流链接吗?

答: 可以。注册 TG-Staff 后即享 3 天免费试用,期间可体验标准版全部功能,包括分流链接。试用到期后如需继续使用,需订阅标准版或专业版套餐。


总结与下一步行动

tg 分流链接的核心价值可以概括为三个词:数据归因、渠道追踪、运营提效。它解决了传统 Telegram Bot 链接无法在跳转前采集用户数据的痛点,让运营团队能够以零开发成本实现精准的广告归因和多渠道引流追踪。

如果你正在用 Telegram Bot 做客服或社群运营,建议立即尝试配置第一条分流链接:

  1. 注册 TG-Staff 免费试用(无需支付信息)
  2. 进入项目设置,创建一个分流链接
  3. 在某个渠道投放该链接,观察用户来源数据
  4. 如需帮助,联系 @tgstaff_robot 或查阅 官方文档

从第一组归因数据开始,让每个渠道的引流效果变得清晰可见。