تحلیل و مسیریابی هوشمند بازخورد مشتری با هوش مصنوعی در n8n

تحلیل و مسیریابی بازخورد مشتری با قدرت هوش مصنوعی برای Gmail، Zendesk، Slack و Pipedrive

این گردش کار، جمع‌آوری، تحلیل مبتنی بر هوش مصنوعی و مسیریابی هوشمند بازخورد مشتری را از منابع مختلف از جمله Gmail، Zendesk، Slack و Pipedrive خودکار می‌کند. این گردش کار از عوامل هوش مصنوعی برای پردازش بازخورد، استخراج بینش‌های کلیدی و هدایت آن‌ها به تیم‌ها یا ابزارهای مناسب برای اقدام به‌موقع استفاده می‌کند.

این گردش کار برای مدیران موفقیت مشتری (CSM)، مدیران محصول، تیم‌های مالی، عملیات فروش و دپارتمان‌های پشتیبانی که به دنبال بهینه‌سازی فرآیندهای مدیریت بازخورد مشتری خود هستند، ایده‌آل است.

گردش کارهای بیشتر n8n را در Axeto.ai کاوش کنید: https://axeto.ai/n8n

---

ساختار گردش کار

این گردش کار به بلوک‌های منطقی زیر سازماندهی شده است:

1. دریافت ورودی و مقداردهی اولیه: گردش کار را به صورت دستی فعال می‌کند و پارامترهای اولیه مانند ایمیل‌های تماس و کانال‌های Slack را تنظیم می‌کند.

2. عامل جمع‌آوری داده: بازخورد خام مشتری را از Gmail، Slack، Pipedrive و Zendesk با استفاده از ابزارهای API مربوطه جمع‌آوری می‌کند.

3. زنجیره تحلیل هوش مصنوعی: داده‌های خام جمع‌آوری شده را با استفاده از هوش مصنوعی پردازش می‌کند تا سیگنال‌های کلیدی را از بازخورد استخراج کرده و این سیگنال‌ها را در موضوعات قابل اقدام دسته‌بندی کند.

4. عامل اقدام و مسیریابی: موضوعات دسته‌بندی شده را تحلیل کرده و بر اساس قوانین از پیش تعریف شده کسب‌وکار، آن‌ها را به تیم‌ها یا ابزارهای مناسب (Zendesk، Slack، Notion، Email) هدایت می‌کند.

5. تنظیمات پیکربندی و حافظه: تنظیمات مدل هوش مصنوعی و حافظه جلسه را برای عوامل هوش مصنوعی تعریف می‌کند تا زمینه و رفتار سازگار را تضمین کند.

---

تحلیل جزئیات بلوک‌ها

۱. دریافت ورودی و مقداردهی اولیه

این بلوک گردش کار را آغاز کرده و پارامترهای ثابت ضروری را تعریف می‌کند.

• گره‌ها (Nodes):

* Manual Trigger: Start VOC Analysis

* Set: Initial Parameters

• جزئیات گره‌ها:

* Manual Trigger: Start VOC Analysis

* نوع: n8n-nodes-base.manualTrigger

* نقش: فرآیند تحلیل صدای مشتری (VOC) را به صورت دستی آغاز می‌کند.

* پیکربندی: نیازی به پارامتر ندارد؛ توسط کاربر فعال می‌شود.

* ورودی/خروجی: ورودی ندارد؛ خروجی به گره Set: Initial Parameters متصل می‌شود.

* موارد مرزی (Edge Cases): نیاز به شروع دستی دارد.

* Set: Initial Parameters

* نوع: n8n-nodes-base.set

* نقش: پارامترهای اولیه گردش کار را تنظیم می‌کند، از جمله ایمیل CSM و کانال Slack برای بازخورد صورتحساب.

* پیکربندی:

* CSM email: روی "your-email@example.com" تنظیم شده است (مکان‌نگهدار، باید به‌روزرسانی شود).

* slack_billing_channel: روی "#billing-feedback" تنظیم شده است (مکان‌نگهدار، باید به‌روزرسانی شود).

* ورودی/خروجی: ورودی از Manual Trigger؛ خروجی به AI Agent: Gather Customer Feedback.

* موارد مرزی: آدرس‌های ایمیل نامعتبر یا نام کانال‌های Slack منجر به شکست مسیریابی می‌شود. اطمینان حاصل کنید که این موارد قبل از اجرا به درستی پیکربندی شده‌اند.

۲. عامل جمع‌آوری داده

این عامل هوش مصنوعی، داده‌های بازخورد اخیر را از پلتفرم‌های یکپارچه جمع‌آوری می‌کند.

• گره‌ها:

* AI Agent: Gather Customer Feedback

* Tool: Get Gmail Messages

* Tool: Search Slack Messages Export to Sheets

* Tool: Get Pipedrive Notes

* Tool: Get Zendesk Tickets

* Config: Set Agent Memory

* AI: Structure Feedback Data

* Note: Data Gathering

• جزئیات گره‌ها:

* AI Agent: Gather Customer Feedback

* نوع: @n8n/n8n-nodes-langchain.agent

* نقش: جمع‌آوری داده‌ها را از منابع مختلف با استفاده از ابزارهای API خاص هماهنگ می‌کند.

* پیکربندی: اعلان (prompt) به عامل دستور می‌دهد تا ایمیل‌ها (موضوع و خلاصه) را از Gmail دریافت شده در ۷ روز گذشته، پیام‌های Slack (شامل شناسه کاربر)، یادداشت‌های Pipedrive (با نسبت دادن person_id به عنوان customerId) و تیکت‌های Zendesk (شامل requester_id) جمع‌آوری کند.

عبارات کلیدی: تاریخ فیلتر را به صورت Date.now() - 7 24 60 60 * 1000 محاسبه می‌کند. به CSM email از پارامترهای اولیه ارجاع می‌دهد.

* ورودی/خروجی: ورودی از Set: Initial Parameters؛ خروجی به AI Chain: Extract Key Signals.

* حافظه (Memory): برای پایداری جلسه به Config: Set Agent Memory متصل است.

* موارد مرزی: محدودیت‌های نرخ API بالقوه، خطاهای احراز هویت، یا داده‌های از دست رفته/ناقص از ابزارهای یکپارچه.

* Tool: Get Gmail Messages

* نوع: n8n-nodes-base.gmailTool

* نقش: ایمیل‌ها را از Gmail بازیابی می‌کند.

* پیکربندی: ایمیل‌ها را بر اساس فرستنده و تاریخ receivedAfter فیلتر می‌کند (این تاریخ می‌تواند توسط عامل هوش مصنوعی از طریق عبارات بازنویسی شود).

* ورودی/خروجی: ورودی از AI Agent؛ خروجی به AI Agent بازگردانده می‌شود.

* موارد مرزی: انقضای توکن OAuth، محدودیت‌های نرخ API Gmail.

* Tool: Search Slack Messages Export to Sheets

* نوع: n8n-nodes-base.slackTool

* نقش: پیام‌ها را در Slack جستجو می‌کند.

* پیکربندی: پرس و جوی جستجو می‌تواند به صورت پویا توسط عامل هوش مصنوعی تنظیم شود. نیاز به احراز هویت OAuth2 دارد.

* ورودی/خروجی: ورودی از AI Agent؛ خروجی به AI Agent بازگردانده می‌شود.

* موارد مرزی: محدودیت‌های نرخ API Slack، توکن OAuth نامعتبر، عدم یافتن پیام‌های مطابق با پرس و جو.

* Tool: Get Pipedrive Notes

* نوع: n8n-nodes-base.pipedriveTool

* نقش: یادداشت‌ها را از Pipedrive دریافت می‌کند.

* پیکربندی: تمام یادداشت‌ها را بدون فیلتر خاصی بازیابی می‌کند.

* ورودی/خروجی: ورودی از AI Agent؛ خروجی به AI Agent بازگردانده می‌شود.

* موارد مرزی: خطاهای API Pipedrive، مشکلات احراز هویت.

* Tool: Get Zendesk Tickets

* نوع: n8n-nodes-base.zendeskTool

* نقش: تیکت‌ها را از Zendesk بازیابی می‌کند.

* پیکربندی: تمام تیکت‌ها را بدون فیلتر خاصی دریافت می‌کند.

* ورودی/خروجی: ورودی از AI Agent؛ خروجی به AI Agent بازگردانده می‌شود.

* موارد مرزی: محدودیت‌های نرخ API Zendesk، اعتبارنامه‌های نامعتبر.

* Config: Set Agent Memory

* نوع: @n8n/n8n-nodes-langchain.memoryBufferWindow

* نقش: زمینه (context) جلسه را برای عامل هوش مصنوعی ذخیره می‌کند تا حافظه مکالماتی را حفظ کند.

* پیکربندی: از یک کلید جلسه سفارشی "1" برای حفظ زمینه استفاده می‌کند.

* ورودی/خروجی: به AI Agent: Gather Customer Feedback متصل است.

* موارد مرزی: احتمال سرریز حافظه یا بازنشانی‌های غیرمنتظره که منجر به از دست دادن زمینه می‌شود.

* AI: Structure Feedback Data

* نوع: @n8n/n8n-nodes-langchain.chainLlm (در اینجا به عنوان تجزیه‌کننده خروجی استفاده می‌شود)

* نقش: خروجی عامل هوش مصنوعی را به یک فرمت JSON ساختاریافته تجزیه می‌کند.

* پیکربندی: انتظار یک آرایه از اشیاء را دارد که هر کدام شامل source, customerId, messageId, subject, و text باشد.

* ورودی/خروجی: ورودی از AI Agent؛ خروجی به AI Chain: Extract Key Signals.

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

* Note: Data Gathering

* نوع: n8n-nodes-base.stickyNote

* نقش: یک نشانگر بصری و توضیحات برای بلوک جمع‌آوری داده ارائه می‌دهد.

۳. زنجیره تحلیل هوش مصنوعی

این زنجیره بازخورد خام را پردازش می‌کند تا سیگنال‌های کلیدی را استخراج کرده و آن‌ها را در موضوعات معنی‌دار گروه‌بندی کند.

• گره‌ها:

* AI Chain: Extract Key Signals

* AI: Structure Key Signals

* AI Chain: Cluster Signals into Topics

* AI: Structure Clustered Topics Export to Sheets

* Note: Analysis Chain

• جزئیات گره‌ها:

* AI Chain: Extract Key Signals

* نوع: @n8n/n8n-nodes-langchain.chainLlm

* نقش: هر قطعه بازخورد را به یک "سیگنال" مختصر ۱-۲ جمله‌ای خلاصه می‌کند.

* پیکربندی: اعلان (prompt) به هوش مصنوعی دستور می‌دهد تا سلام‌ها و کلمات اضافی را حذف کند، اصطلاحات خاص محصول را حفظ کند، لحن خنثی را حفظ کند و فقط متن خلاصه را خروجی دهد.

* دسته‌بندی (Batching): داده‌های ورودی را در دسته‌های ۵ تایی برای بهبود کارایی پردازش می‌کند.

* ورودی/خروجی: ورودی از AI: Structure Feedback Data؛ خروجی به AI Chain: Cluster Signals into Topics.

* موارد مرزی: بازخوردهای مبهم یا بسیار کوتاه ممکن است منجر به خلاصه‌های مبهم شوند.

* AI: Structure Key Signals

* نوع: @n8n/n8n-nodes-langchain.chainLlm (در اینجا به عنوان تجزیه‌کننده خروجی استفاده می‌شود)

* نقش: سیگنال‌های استخراج شده را به فرمت JSON ساختار می‌دهد، شامل متن بازخورد اصلی و آرایه‌ای از سیگنال‌ها.

* پیکربندی: انتظار طرحواره‌ای شامل original_text و signals (یک آرایه) را دارد.

* ورودی/خروجی: ورودی از AI Chain: Extract Key Signals؛ خروجی به AI Chain: Cluster Signals into Topics.

* موارد مرزی: شکست‌های تجزیه در صورتی که فرمت خروجی هوش مصنوعی ناسازگار باشد.

* AI Chain: Cluster Signals into Topics

* نوع: @n8n/n8n-nodes-langchain.chainLlm

* نقش: سیگنال‌های استخراج شده را بر اساس موضوع گروه‌بندی کرده و برچسب‌های قابل اقدام به هر خوشه اختصاص می‌دهد.

* پیکربندی: اعلان (prompt) هوش مصنوعی را راهنمایی می‌کند تا برچسب‌های گسترده اما قابل اجرا ایجاد کند. برچسب‌های مبهم فقط در صورت لزوم استفاده می‌شوند. خروجی شامل label، count سیگنال‌ها در خوشه و examples است.

* ورودی/خروجی: ورودی از AI: Structure Key Signals؛ خروجی به AI Agent: Route Topics to Actions.

* موارد مرزی: احتمال خوشه‌های همپوشان یا مبهم، یا برچسب‌گذاری نادرست موضوعات.

* AI: Structure Clustered Topics Export to Sheets

* نوع: @n8n/n8n-nodes-langchain.chainLlm (در اینجا به عنوان تجزیه‌کننده خروجی استفاده می‌شود)

* نقش: موضوعات خوشه‌بندی شده را به یک آرایه از اشیاء ساختار می‌دهد که هر کدام شامل label، count و examples است.

* ورودی/خروجی: ورودی از AI Chain: Cluster Signals into Topics؛ خروجی به AI Agent: Route Topics to Actions.

* موارد مرزی: خطاهای تجزیه در صورتی که خروجی هوش مصنوعی از فرمت مورد انتظار منحرف شود.

* Note: Analysis Chain

* نوع: n8n-nodes-base.stickyNote

* نقش: یک نشانگر بصری و توضیحات برای بلوک تحلیل هوش مصنوعی ارائه می‌دهد.

۴. عامل اقدام و مسیریابی

این عامل هوش مصنوعی نهایی موضوعات خوشه‌بندی شده را تحلیل کرده و آن‌ها را به مقاصد مناسب هدایت می‌کند.

• گره‌ها:

* AI Agent: Route Topics to Actions

* Tool: Create Zendesk Ticket

* Tool: Send Email Alert

* Tool: Create Notion Page

* Note: Action Agent

• جزئیات گره‌ها:

* AI Agent: Route Topics to Actions

* نوع: @n8n/n8n-nodes-langchain.agent

* نقش: موضوعات بازخورد خوشه‌بندی شده را تحلیل کرده و اقدام مسیریابی مناسب را تعیین می‌کند.

* پیکربندی: اعلان (prompt) قوانین مسیریابی زیر را تعریف می‌کند:

* شکاف‌های عملکرد/ویژگی: ایجاد یک تیکت Zendesk.

* مسائل صورتحساب/قرارداد: ارسال پیام به کانال Slack تعیین شده.

* بازخورد ورود به سیستم/آموزش: ایجاد یک وظیفه Notion.

* بازخورد پرخطر/VIP: ارسال ایمیل مستقیم به CSM.

* فروش/تعامل با مشتری: ارسال ایمیل مستقیم.

* مدیریت مشتری/پیشنهادات: ارسال ایمیل مستقیم.

* خوشه‌های نامنطبق: برچسب‌گذاری به عنوان "تخصیص نیافته".

* ورودی/خروجی: ورودی از AI Chain: Cluster Signals into Topics؛ خروجی به Tool: Create Zendesk Ticket, Tool: Send Email Alert, و Tool: Create Notion Page.

* موارد مرزی: طبقه‌بندی نادرست موضوعات، شکست در یکپارچه‌سازی‌های ایمیل یا API، شناسه کانال Slack یا شناسه پایگاه داده Notion گم شده.

* Tool: Create Zendesk Ticket

* نوع: n8n-nodes-base.zendeskTool

* نقش: ایجاد تیکت‌های جدید در Zendesk برای بازخوردهایی که نیاز به پشتیبانی یا اقدام دارند.

* پیکربندی: عنوان و توضیحات تیکت به صورت پویا توسط عامل هوش مصنوعی بر اساس خوشه بازخورد تولید می‌شود.

* ورودی/خروجی: ورودی از AI Agent؛ خروجی بیشتر از این گره وجود ندارد.

* موارد مرزی: خطاهای API Zendesk، عدم وجود مجوز کافی برای ایجاد تیکت.

* Tool: Send Email Alert

* نوع: n8n-nodes-base.gmailTool (یا ابزار ایمیل دیگر)

* نقش: ارسال هشدارهای ایمیلی به ذینفعان مربوطه (مانند CSMها، مدیران) بر اساس مسیریابی بازخورد.

* پیکربندی: گیرندگان، موضوع و متن پیام به صورت پویا توسط خروجی عامل هوش مصنوعی تعیین می‌شوند.

* ورودی/خروجی: ورودی از AI Agent.

* موارد مرزی: شکست در تحویل ایمیل، آدرس‌های ایمیل گیرنده نامعتبر.

* Tool: Create Notion Page

* نوع: n8n-nodes-base.notionTool

* نقش: ایجاد صفحات جدید در یک پایگاه داده Notion مشخص برای بازخوردهای مربوط به ورود به سیستم یا آموزش.

* پیکربندی: نیاز به شناسه پایگاه داده Notion دارد (که باید پیکربندی شود). عنوان و محتوای صفحه به صورت پویا توسط عامل هوش مصنوعی تنظیم می‌شود.

* ورودی/خروجی: ورودی از AI Agent.

* موارد مرزی: شناسه پایگاه داده Notion گم شده، مشکلات مجوز API با Notion.

* Note: Action Agent

* نوع: n8n-nodes-base.stickyNote

* نقش: یک نشانگر بصری و توضیحات برای بلوک اقدام و مسیریابی ارائه می‌دهد.

۵. پیکربندی و راه‌اندازی حافظه

این بخش پارامترهای مدل هوش مصنوعی و پیکربندی‌های حافظه مورد استفاده در سراسر گردش کار را تعریف می‌کند.

• گره‌ها:

* Config: Set LLM for Agents

* Config: Set Agent Memory

• جزئیات گره‌ها:

* Config: Set LLM for Agents

* نوع: @n8n/n8n-nodes-langchain.lmChatOpenAi

* نقش: مدل زبان هوش مصنوعی مورد استفاده توسط گره‌های LangChain را مشخص می‌کند.

* پیکربندی: مدل را روی "gpt-4.1-mini" با temperature برابر با 0 تنظیم می‌کند تا خروجی‌های قطعی و سازگار تضمین شود.

* ورودی/خروجی: پیکربندی مدل زبان هوش مصنوعی را به تمام گره‌های هوش مصنوعی مرتبط در گردش کار ارائه می‌دهد.

* موارد مرزی: نیاز به اعتبارنامه‌های معتبر API OpenAI دارد. در دسترس بودن مدل ممکن است متفاوت باشد.

* Config: Set Agent Memory

* نوع: @n8n/n8n-nodes-langchain.memoryBufferWindow

* نقش: بافر حافظه را برای عوامل هوش مصنوعی پیکربندی می‌کند و به آن‌ها اجازه می‌دهد تا زمینه را در طول تعاملات در یک جلسه حفظ کنند.

* پیکربندی: از یک کلید جلسه سفارشی "1" برای ردیابی تاریخچه مکالمات استفاده می‌کند.

* ورودی/خروجی: به AI Agent: Gather Customer Feedback متصل است.

* موارد مرزی: محدودیت‌های پایداری حافظه ممکن است بر تعاملات طولانی یا پیچیده تأثیر بگذارد.

---

جدول خلاصه