مسیریابی هوشمند بازخورد مشتری با هوش مصنوعی: Gmail، Slack، …

مسیریابی بازخورد مشتری با هوش مصنوعی

این گردش کار فرآیند جمع‌آوری، تجزیه و تحلیل و مسیریابی بازخورد مشتری را از منابع مختلف با استفاده از هوش مصنوعی خودکار می‌کند. این گردش کار با Gmail، Slack، Pipedrive و Zendesk برای دریافت بازخورد ادغام می‌شود، از هوش مصنوعی برای خلاصه‌سازی و طبقه‌بندی استفاده می‌کند و سپس بینش‌ها را به مقاصد مناسب مانند تیکت‌های Zendesk، کانال‌های Slack، وظایف Notion یا ایمیل‌های مستقیم هدایت می‌کند.

ویژگی‌های کلیدی:

• جمع‌آوری بازخورد چند کاناله: جمع‌آوری بازخورد از Gmail، Slack، Pipedrive و Zendesk.
• تجزیه و تحلیل مبتنی بر هوش مصنوعی: خلاصه‌سازی بازخورد به سیگنال‌های مختصر و خوشه‌بندی آن‌ها بر اساس موضوع با استفاده از هوش مصنوعی.
• مسیریابی هوشمند: هدایت خودکار بازخورد به تیم یا سیستم صحیح بر اساس طبقه‌بندی مبتنی بر هوش مصنوعی.
• بینش‌های عملی: ایجاد تیکت‌های Zendesk، ارسال اعلان‌های Slack، تولید وظایف Notion یا ارسال ایمیل به مدیران موفقیت مشتری (CSM) در صورت نیاز.
• راه‌اندازی انعطاف‌پذیر: می‌تواند برای پردازش منظم زمان‌بندی شود یا برای آزمایش به صورت دستی راه‌اندازی شود.

تشریح گردش کار

این گردش کار به چهار بلوک منطقی اصلی تقسیم می‌شود:

1. دریافت ورودی و جمع‌آوری داده: جمع‌آوری بازخورد خام مشتری از پلتفرم‌های مختلف.

2. پردازش هوش مصنوعی: استخراج سیگنال و خوشه‌بندی: خلاصه‌سازی و دسته‌بندی بازخورد با استفاده از هوش مصنوعی.

3. مسیریابی اقدام: تعیین و اجرای اقدام مناسب بر اساس بازخورد طبقه‌بندی شده.

4. کنترل و پیکربندی گردش کار: مدیریت نحوه و زمان اجرای گردش کار و تنظیم پارامترهای ضروری.

---

۱. دریافت ورودی و جمع‌آوری داده

این بلوک بر جمع‌آوری بازخورد مشتری از منابع مختلف و تجمیع آن برای پردازش هوش مصنوعی تمرکز دارد.

گره‌ها (Nodes):

• Schedule Trigger: گردش کار را در یک بازه زمانی مشخص (مثلاً روزانه، هفتگی) راه‌اندازی می‌کند.

* پیکربندی: فرکانس اجرای مورد نظر را تنظیم کنید.

• Manual Trigger (Testing): امکان اجرای دستی گردش کار را فراهم می‌کند که برای آزمایش و توسعه مفید است.
• Set CSM email: یک گره Set برای تعریف آدرس ایمیل مدیر موفقیت مشتری (CSM) که اعلان‌های بازخورد خاصی را دریافت خواهد کرد.

* پیکربندی: آدرس ایمیل CSM را وارد کنید. این می‌تواند کدگذاری شده یا به صورت پویا تنظیم شود.

• Get many messages in Gmail: به حساب Gmail شما متصل می‌شود تا ایمیل‌های اخیر حاوی بازخورد مشتری را بازیابی کند.

* پیکربندی: فیلترها (مانند فرستنده، محدوده تاریخ) را برای هدف قرار دادن ایمیل‌های مرتبط مشخص کنید.

* اعتبارنامه‌ها (Credentials): به احراز هویت OAuth2 Gmail نیاز دارد.

• Search for messages in Slack: کانال‌های Slack را برای یافتن پیام‌های مرتبط با بازخورد مشتری جستجو می‌کند.

* پیکربندی: پرس‌وجوهای جستجو و کانال‌های هدف را تعریف کنید.

* اعتبارنامه‌ها: به ادغام API Slack نیاز دارد.

• Get many notes in Pipedrive: یادداشت‌ها را از Pipedrive CRM شما بازیابی می‌کند که ممکن است حاوی بینش‌های مشتری باشد.

* پیکربندی: به طور پیش‌فرض هیچ فیلتر خاصی اعمال نمی‌شود و تمام یادداشت‌ها بازیابی می‌شوند.

* اعتبارنامه‌ها: به اعتبارنامه‌های API Pipedrive نیاز دارد.

• Data agent: یک عامل هوش مصنوعی که اطلاعات کلیدی را از داده‌های جمع‌آوری شده از تمام منابع تجمیع و استخراج می‌کند. این داده‌ها را برای پردازش بیشتر هوش مصنوعی آماده می‌کند.

* ورودی: داده‌ها را از گره‌های Gmail، Slack، Pipedrive و Zendesk دریافت می‌کند.

* مدل هوش مصنوعی: از یک مدل OpenAI GPT برای استخراج و خلاصه‌سازی داده‌ها استفاده می‌کند.

• Simple Memory: یک گره بافر حافظه برای حفظ زمینه برای عوامل هوش مصنوعی در مراحل مختلف گردش کار.

---

۲. پردازش هوش مصنوعی: استخراج سیگنال و خوشه‌بندی

این بلوک از هوش مصنوعی برای تبدیل بازخورد خام به سیگنال‌های ساختاریافته و عملی استفاده می‌کند و سپس بازخوردهای مشابه را با هم گروه‌بندی می‌کند.

گره‌ها (Nodes):

• Signals agent: یک عامل هوش مصنوعی که بازخورد تجمیع شده را به "سیگنال‌های" مختصر و خنثی (هر کدام ۱-۲ جمله) خلاصه می‌کند.

* ورودی: خروجی از Data agent.

* مدل هوش مصنوعی: از یک مدل OpenAI GPT استفاده می‌کند.

* Output Parser: Structured Output Parser1 برای تجزیه خروجی هوش مصنوعی به یک فرمت ساختاریافته (مانند JSON) حاوی متن اصلی و سیگنال‌های استخراج شده استفاده می‌شود.

• Clustering agent: یک عامل هوش مصنوعی دیگر که سیگنال‌های خلاصه‌شده را بر اساس موضوع گروه‌بندی می‌کند. این عامل برچسب‌های قابل خواندن توسط انسان را به هر خوشه اختصاص می‌دهد، تعداد سیگنال‌ها را در هر خوشه می‌شمارد و مثال‌هایی را ارائه می‌دهد.

* ورودی: خروجی از Signals agent.

* مدل هوش مصنوعی: از یک مدل OpenAI GPT استفاده می‌کند.

* Output Parser: Structured Output Parser2 نتایج خوشه‌بندی را به یک فرمت ساختاریافته، شامل برچسب‌ها، تعداد و مثال‌ها، تجزیه می‌کند.

• LLM (OpenAI GPT-4 Mini): این گره نشان‌دهنده مدل زبان زیربنایی (مانند GPT-4) است که توسط عوامل هوش مصنوعی برای خلاصه‌سازی، خوشه‌بندی و تصمیم‌گیری استفاده می‌شود.

* پیکربندی: مدل OpenAI مورد نظر را انتخاب کرده و پارامترهایی مانند دما را برای تعیین‌پذیری خروجی تنظیم کنید.

* اعتبارنامه‌ها: به کلید API OpenAI شما نیاز دارد.

---

۳. مسیریابی اقدام

این بلوک بازخورد پردازش شده و خوشه‌بندی شده توسط هوش مصنوعی را دریافت کرده و بر اساس قوانین از پیش تعریف شده آن را به مقصد مناسب هدایت می‌کند.

گره‌ها (Nodes):

• Action agent: یک عامل هوش مصنوعی که بازخورد خوشه‌بندی شده را تفسیر کرده و اقدام مناسب را برای هر خوشه تعیین می‌کند. این عامل از قوانین مسیریابی برای نگاشت برچسب‌های خوشه به اقدامات خاص استفاده می‌کند.

* ورودی: خروجی از Clustering agent.

* مدل هوش مصنوعی: از یک مدل OpenAI GPT استفاده می‌کند.

* منطق مسیریابی: خوشه‌های با برچسب "unassigned" را حذف کرده و تعیین می‌کند که آیا باید یک تیکت Zendesk ایجاد شود، یک پیام Slack ارسال شود، یک صفحه Notion ایجاد شود یا یک ایمیل Gmail ارسال شود.

• Create a ticket in Zendesk: اگر Action agent تعیین کند که یک خوشه نیاز به تیکت پشتیبانی دارد، این گره یک تیکت جدید در Zendesk ایجاد می‌کند.

* پیکربندی: موضوع و توضیحات تیکت را بر اساس خروجی هوش مصنوعی به صورت پویا تنظیم می‌کند.

* اعتبارنامه‌ها: به اعتبارنامه‌های API Zendesk نیاز دارد.

• Send a message in Slack: برای بازخوردهایی که مربوط به موضوعات خاصی هستند (مانند صورتحساب)، این گره پیامی را در یک کانال Slack تعیین شده ارسال می‌کند.

* پیکربندی: کانال Slack هدف و محتوای پیام را مشخص می‌کند.

* اعتبارنامه‌ها: به ادغام API Slack نیاز دارد.

• Create a database page in Notion: اگر بازخورد مربوط به فروش یا ویژگی‌های محصول باشد، این گره یک صفحه جدید در یک پایگاه داده Notion مشخص ایجاد می‌کند.

* پیکربندی: عنوان و محتوای صفحه را تنظیم کرده و یک پایگاه داده Notion خاص را هدف قرار می‌دهد.

* اعتبارنامه‌ها: به اعتبارنامه‌های API Notion نیاز دارد.

• Send a message in Gmail: برای بازخوردهای با اولویت بالا یا مربوط به تعامل، این گره یک ایمیل مستقیم به CSM پیکربندی شده ارسال می‌کند.

* پیکربندی: از آدرس ایمیل CSM از گره Set CSM email استفاده کرده و موضوع و بدنه پیام را پر می‌کند.

* اعتبارنامه‌ها: به احراز هویت OAuth2 Gmail نیاز دارد.

---

۴. کنترل و پیکربندی گردش کار

این بلوک اجرای کلی گردش کار را مدیریت کرده و تنظیمات پیکربندی ضروری را ارائه می‌دهد.

گره‌ها (Nodes):

• Schedule Trigger: همانطور که در بلوک ۱ توضیح داده شد، این گره فرکانس اجرای خودکار را کنترل می‌کند.
• Manual Trigger (Testing): همانطور که در بلوک ۱ توضیح داده شد، این گره امکان اجرای درخواستی را فراهم می‌کند.
• Set CSM email: همانطور که در بلوک ۱ توضیح داده شد، این گره گیرنده اصلی اعلان‌های ایمیل مستقیم را پیکربندی می‌کند.

---

جدول خلاصه