هوش رقابتی خودکار با n8n و GPT-4o

هاب پیشرفته روندهای بازار و اطلاعات رقابتی با GPT-4o

این گردش کار، جمع‌آوری، تجزیه و تحلیل و انتشار اطلاعات رقابتی را از منابع دیجیتال متعدد خودکار می‌کند. این گردش کار برای تیم‌های هوش تجاری، تحقیقات بازار و استراتژی رقابتی طراحی شده است که به دنبال نظارت جامع و تقریباً در لحظه بر فعالیت‌های رقبا هستند. این گردش کار، خراشیدن مداوم داده‌ها، تجزیه و تحلیل مبتنی بر هوش مصنوعی، مقایسه داده‌های تاریخی، محاسبه معیارها، هشداردهی و بایگانی را امکان‌پذیر می‌سازد.

این و سایر گردش کارهای قدرتمند را در کاتالوگ Axeto کاوش کنید: https://axeto.ai/n8n

نمای کلی گردش کار

گردش کار به صورت منطقی به بلوک‌های عملکردی زیر تقسیم می‌شود:

1. فعال‌ساز روزانه و پیکربندی: گردش کار را به صورت روزانه آغاز می‌کند و URLهای کلیدی و پارامترهای گیرنده را تنظیم می‌کند.

2. اکتساب داده (خراشیدن): خراشیدن موازی وب‌سایت رقبا، قیمت‌ها، آگهی‌های شغلی و اطلاعیه‌های مطبوعاتی.

3. بازیابی داده‌های تاریخی: داده‌های اطلاعاتی رقبا که قبلاً ذخیره شده‌اند را برای مقایسه بازیابی می‌کند.

4. تجمیع داده‌ها: تمام داده‌های خراشیده شده و بازیابی شده را در یک مجموعه داده واحد تجمیع می‌کند.

5. تجزیه و تحلیل هوش مصنوعی و ادغام ابزارها: از GPT-4o و ابزارهای هوش مصنوعی سفارشی برای تجزیه و تحلیل عمیق، تشخیص روندها و پیش‌بینی‌ها استفاده می‌کند.

6. محاسبه و غنی‌سازی معیارها: خروجی هوش مصنوعی را به شاخص‌های قابل اندازه‌گیری تبدیل کرده و نتایج را ذخیره می‌کند.

7. تشخیص تغییر و مسیریابی: اطمینان تجزیه و تحلیل را ارزیابی کرده و در صورت تشخیص تغییرات قابل توجه، برای هشداردهی مسیریابی می‌کند.

8. هشداردهی و اطلاع‌رسانی: هشدارهای حیاتی را از طریق واتس‌اپ برای ذینفعان قالب‌بندی و ارسال می‌کند.

9. بایگانی: داده‌های تحلیل شده را در Google Sheets برای پیگیری طولی ذخیره می‌کند.

---

تشریح جزئیات نودها

۱. تریگر روزانه و پیکربندی

• هدف: شروع گردش کار به صورت روزانه و تعریف پارامترهای پیکربندی ضروری.
• نودها:

* Daily Competitor Scan (Schedule Trigger)

* Workflow Configuration (Set)

• Daily Competitor Scan (Schedule Trigger)

* پیکربندی: هر روز ساعت ۹:۰۰ صبح اجرا می‌شود.

* خروجی: نود Workflow Configuration را فعال می‌کند.

* مشکلات احتمالی: تنظیمات نادرست منطقه زمانی یا غیرفعال بودن زمان‌بندی می‌تواند منجر به عدم اجرای به‌موقع شود.

• Workflow Configuration (Set)

* هدف: تنظیم URLهای کلیدی رقبا (وب‌سایت اصلی، قیمت‌گذاری، آگهی‌های شغلی، اطلاعیه‌های مطبوعاتی) و نقاط پایانی ارتباطی.

* پیکربندی: شامل جای‌نگاه‌هایی است که قبل از استفاده در محیط عملیاتی باید با مقادیر واقعی جایگزین شوند.

* خروجی: URLها را به نودهای اسکرپینگ و بازیابی داده‌های تاریخی ارسال می‌کند.

* مشکلات احتمالی: مقادیر URL ناموجود یا نادرست مانع از اسکرپینگ موفقیت‌آمیز می‌شود.

---

۲. اکتساب داده (اسکرپینگ)

• هدف: اسکرپینگ همزمان داده‌ها از چهار منبع مختلف رقبا.
• نودها:

* Scrape Competitor Website (HTTP Request)

* Scrape Pricing Page (HTTP Request)

* Scrape Job Openings (HTTP Request)

* Scrape Press Releases (HTTP Request)

• جزئیات نود (تمام نودهای اسکرپینگ)

* پیکربندی: هر نود به صورت پویا URL ارائه‌شده توسط نود Workflow Configuration را با استفاده از عبارات دریافت می‌کند. فرمت پاسخ روی text تنظیم شده است تا محتوای خام HTML یا صفحه را دریافت کند.

* ورودی: URLها را از Workflow Configuration دریافت می‌کند.

* خروجی: محتوای اسکرپ‌شده را به نود Combine All Data ارسال می‌کند.

* مشکلات احتمالی: خطاهای HTTP (مانند ۴۰۴، ۵۰۰)، قطع اتصال، تغییرات ساختار وب‌سایت، یا پیکربندی نادرست URL.

---

۳. بازیابی داده‌های تاریخی

• هدف: بازیابی اطلاعات رقابتی ذخیره‌شده قبلی از Google Sheets برای تجزیه و تحلیل مقایسه‌ای.
• نود: Retrieve Historical Data (Google Sheets)

* پیکربندی: داده‌ها را از یک Google Sheet و شناسه سند مشخص می‌خواند (نیاز به پیکربندی دارد).

* ورودی: پیکربندی را از Workflow Configuration دریافت می‌کند.

* خروجی: داده‌های تاریخی را به نود Calculate Trend Metrics ارسال می‌کند.

* مشکلات احتمالی: خطاهای احراز هویت Google Sheets API، شناسه‌های سند/صفحه نادرست، یا محدودیت‌های نرخ API.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های OAuth2 Google Sheets دارد.

---

۴. تجمیع داده

• هدف: جمع‌آوری تمام داده‌های اسکرپ‌شده و بازیابی‌شده در یک مجموعه داده واحد و یکپارچه برای تجزیه و تحلیل هوش مصنوعی.
• نود: Combine All Data (Aggregate)

* پیکربندی: تمام موارد داده ورودی را در یک شیء داده جامع واحد ترکیب می‌کند.

* ورودی: داده‌ها را از هر چهار نود اسکرپینگ دریافت می‌کند.

* خروجی: داده‌های تجمیع‌شده را به نود Calculate Trend Metrics ارسال می‌کند.

* مشکلات احتمالی: داده‌های ناقص از هر نود اسکرپینگ منجر به تجمیع جزئی می‌شود.

---

۵. تجزیه و تحلیل هوش مصنوعی و ادغام ابزارها

• هدف: انجام تجزیه و تحلیل عمیق اطلاعات رقابتی با استفاده از GPT-4o و ابزارهای هوش مصنوعی یکپارچه.
• نودها:

* Calculate Trend Metrics (Code)

* AI Intelligence Analyzer (LangChain Agent Node)

* OpenAI Chat Model (LangChain OpenAI Chat Model)

* Intelligence Output Parser (Structured Output Parser)

* Historical Data Comparison Tool (Custom Code Tool Node)

* Web Research Tool (HTTP Request Tool)

* Enrich with Metrics (Set)

• Calculate Trend Metrics (Code)

* هدف: استخراج شاخص‌های اولیه رقابتی با استفاده از داده‌های فعلی و تاریخی.

* ورودی: داده‌ها را از Combine All Data و Retrieve Historical Data دریافت می‌کند.

* خروجی: متریک‌های محاسبه‌شده را به AI Intelligence Analyzer ارسال می‌کند.

* مشکلات احتمالی: خطاهای کد یا داده ورودی ناموجود.

• AI Intelligence Analyzer (LangChain Agent Node)

* هدف: استفاده از GPT-4o برای تجزیه و تحلیل داده‌های تجمیع‌شده، شناسایی الگوها، پیش‌بینی حرکات رقبا و تولید بینش. ابزارهای Historical Data Comparison Tool و Web Research Tool را ادغام می‌کند.

* پیکربندی: از یک پرامپت سیستمی دقیق برای هدایت GPT-4o استفاده می‌کند.

* ورودی: داده‌ها را از Calculate Trend Metrics دریافت می‌کند.

* خروجی: نتایج تجزیه و تحلیل هوش مصنوعی را به Enrich with Metrics ارسال می‌کند.

* مشکلات احتمالی: محدودیت‌های نرخ API، ورودی JSON نامعتبر، خروجی غیرمنتظره هوش مصنوعی، یا پیکربندی نادرست پرامپت.

• OpenAI Chat Model (LangChain OpenAI Chat Model)

* هدف: ارائه مدل GPT-4o برای تجزیه و تحلیل هوش مصنوعی.

* پیکربندی: از GPT-4o با دمای ۰.۳ برای خروجی قطعی استفاده می‌کند.

* اتصال داخلی: به عنوان مدل زبان برای AI Intelligence Analyzer عمل می‌کند.

* مشکلات احتمالی: مشکلات احراز هویت OpenAI API یا سهمیه.

* اعتبارنامه‌ها: نیاز به کلید API OpenAI دارد.

• Intelligence Output Parser (Structured Output Parser)

* هدف: تجزیه خروجی خام هوش مصنوعی به فرمت JSON ساختاریافته (مانند یافته‌های کلیدی، توصیه‌ها، امتیاز اطمینان).

* ورودی: خروجی هوش مصنوعی را از AI Intelligence Analyzer دریافت می‌کند.

* خروجی: داده‌های تجزیه‌شده را برای یک حلقه بازخورد به AI Intelligence Analyzer برمی‌گرداند.

* مشکلات احتمالی: خطاهای تجزیه در صورتی که خروجی هوش مصنوعی با طرحواره مورد انتظار مطابقت نداشته باشد.

• Historical Data Comparison Tool (Custom Code Tool Node)

* هدف: مقایسه داده‌های فعلی رقبا با الگوهای تاریخی برای شناسایی روندها و تغییرات.

* ورودی: به عنوان ابزاری توسط AI Intelligence Analyzer استفاده می‌شود.

* خروجی: نتایج مقایسه را به AI Intelligence Analyzer برمی‌گرداند.

* مشکلات احتمالی: استثنائات کد یا فرمت‌های ورودی نامعتبر.

• Web Research Tool (HTTP Request Tool)

* هدف: دریافت پویا URLهای اضافی که توسط هوش مصنوعی در طول تجزیه و تحلیل پیشنهاد شده‌اند تا زمینه را غنی‌تر کند.

* ورودی: به عنوان ابزاری توسط AI Intelligence Analyzer استفاده می‌شود.

* خروجی: محتوای وب دریافت‌شده را به AI Intelligence Analyzer برمی‌گرداند.

* مشکلات احتمالی: خطاهای HTTP، URLهای نامعتبر، یا قطع شدن اتصال.

• Enrich with Metrics (Set)

* هدف: تکمیل خروجی تجزیه و تحلیل هوش مصنوعی با متریک‌های اضافی یا فراداده ایستا.

* ورودی: نتایج تجزیه و تحلیل هوش مصنوعی را از AI Intelligence Analyzer دریافت می‌کند.

* خروجی: داده‌های غنی‌شده را به Store Historical Data و Check for Major Changes ارسال می‌کند.

* مشکلات احتمالی: پیکربندی نادرست یا داده ورودی ناموجود.

---

۶. محاسبه و غنی‌سازی متریک‌ها

• این عملکرد در بخش ۵: تجزیه و تحلیل هوش مصنوعی و ادغام ابزارها توسط نودهای Calculate Trend Metrics و Enrich with Metrics پوشش داده شده است.

---

۷. تشخیص و مسیریابی تغییرات

• هدف: ارزیابی اطمینان تجزیه و تحلیل هوش مصنوعی و تغییرات شناسایی‌شده برای تعیین اینکه آیا هشدار ضروری است و گردش کار را بر این اساس هدایت می‌کند.
• نودها:

* Check for Major Changes (If)

* Route by Confidence Score (Switch)

• Check for Major Changes (If)

* هدف: ارزیابی شرایط (مانند آستانه امتیاز اطمینان، سطح ریسک شناسایی‌شده) برای تصمیم‌گیری در مورد اینکه آیا باید هشداری فعال شود.

* ورودی: داده‌ها را از Enrich with Metrics دریافت می‌کند.

* خروجی: در صورت برآورده شدن شرایط، به Route by Confidence Score هدایت می‌کند.

* مشکلات احتمالی: پارامترهای تصمیم‌گیری ناموجود یا نامعتبر.

• Route by Confidence Score (Switch)

* هدف: مسیریابی داده‌ها بر اساس امتیازات اطمینان یا معیارهای تعریف‌شده دیگر.

* ورودی: داده‌ها را از Check for Major Changes دریافت می‌کند.

* خروجی: داده‌ها را به Format WhatsApp Message (یا شاخه‌های دیگر در صورت پیکربندی) هدایت می‌کند.

* مشکلات احتمالی: قوانین مسیریابی پیکربندی‌شده نادرست.

---

۸. هشدار و اطلاع‌رسانی

• هدف: قالب‌بندی و ارسال هشدارهای اطلاعاتی حیاتی از طریق WhatsApp.
• نودها:

* Format WhatsApp Message (Set)

* Send Critical Alert via WhatsApp (WhatsApp)

• Format WhatsApp Message (Set)

* هدف: آماده‌سازی محتوای پیام هشدار با استفاده از نتایج تجزیه و تحلیل هوش مصنوعی و خروجی مسیریابی.

* ورودی: داده‌ها را از Route by Confidence Score دریافت می‌کند.

* خروجی: پیام قالب‌بندی‌شده را به Send Critical Alert via WhatsApp ارسال می‌کند.

* مشکلات احتمالی: خطاهای قالب‌بندی یا محتوای پیام ناموجود.

• Send Critical Alert via WhatsApp (WhatsApp)

* هدف: ارسال پیام هشدار آماده‌شده از طریق WhatsApp Business API.

* ورودی: پیام قالب‌بندی‌شده را از Format WhatsApp Message دریافت می‌کند.

* مشکلات احتمالی: خطاهای احراز هویت WhatsApp API، شکست در تحویل پیام، یا محدودیت‌های نرخ.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های WhatsApp Business API دارد.

---

۹. بایگانی

• هدف: ذخیره تجزیه و تحلیل هوش مصنوعی غنی‌شده و متریک‌ها در Google Sheets برای پیگیری تاریخی و تجزیه و تحلیل روند.
• نود: Store Historical Data (Google Sheets)

* پیکربندی: داده‌های گزارش اطلاعات را در یک Google Sheet و سند مشخص می‌نویسد.

* ورودی: داده‌ها را از Enrich with Metrics دریافت می‌کند.

* خروجی: داده‌ها را برای پردازش بعدی به Check for Major Changes ارسال می‌کند.

* مشکلات احتمالی: خطاهای احراز هویت Google Sheets API، مجوزهای دسترسی ناکافی به صفحه، یا شناسه‌های سند/صفحه نادرست.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های OAuth2 Google Sheets دارد.

---

جدول خلاصه