تولید سرنخ با هوش مصنوعی: Apollo، لینکدین و ایمیل‌های شخصی‌سا…

تولید سرنخ با هوش مصنوعی با استفاده از Apollo، تحقیقات لینکدین و ایمیل‌های شخصی‌سازی شده ۴ مرحله‌ای

این گردش کار با ترکیب داده‌ها از Apollo و LinkedIn با ارتباطات ایمیلی شخصی‌سازی شده مبتنی بر هوش مصنوعی، تولید سرنخ را خودکار می‌کند. این سیستم برای شناسایی، غنی‌سازی و درگیر کردن مشتریان بالقوه به طور مؤثر طراحی شده است.

دسته‌بندی‌ها: تولید سرنخ، هوش مصنوعی چندوجهی

کاتالوگ Axeto: https://axeto.ai/n8n

---

۱. نمای کلی گردش کار

این گردش کار، فرآیند تولید سرنخ مبتنی بر هوش مصنوعی را سازماندهی می‌کند و Apollo را برای داده‌های مشتریان بالقوه، LinkedIn را برای غنی‌سازی پروفایل و یک کمپین ایمیل شخصی‌سازی شده چند مرحله‌ای را که توسط OpenAI پشتیبانی می‌شود، ادغام می‌کند. هدف، شناسایی، غنی‌سازی و تماس خودکار با مشتریان بالقوه متناسب با مخاطبان هدف تعریف شده، و بهینه‌سازی ارتباطات با پیام‌های شخصی‌سازی شده تولید شده توسط هوش مصنوعی است.

گردش کار به طور منطقی به بلوک‌های زیر تقسیم می‌شود:

• ۱.۱ دریافت ورودی و ساخت کوئری: تعاریف مخاطبان هدف را از طریق یک فرم دریافت می‌کند و کوئری برای استخراج داده‌های مشتریان بالقوه از Apollo می‌سازد.
• ۱.۲ بازیابی و فیلتر کردن مشتریان بالقوه: از API Apollo برای استخراج داده‌های مشتریان بالقوه استفاده می‌کند، اطلاعات مرتبط را استخراج، فیلتر و لیست تمیز مشتریان بالقوه را در Google Sheets ذخیره می‌کند.
• ۱.۳ غنی‌سازی داده‌های LinkedIn و شرکت: بر روی مشتریان بالقوه تکرار می‌کند، پروفایل‌های LinkedIn را به صورت شرطی استخراج می‌کند، داده‌ها را با اطلاعات شرکت غنی‌سازی کرده و آن را برای پردازش هوش مصنوعی آماده می‌کند.
• ۱.۴ شخصی‌سازی و تولید ایمیل مبتنی بر هوش مصنوعی: مدل‌های OpenAI را برای تولید پیام‌های آغازین شخصی‌سازی شده LinkedIn و دنباله‌های ایمیل چند مرحله‌ای فراخوانی می‌کند، داده‌ها را تجزیه و تحلیل کرده و پارامترهای ایمیل از جمله منطقه زمانی و آدرس فرستنده را تنظیم می‌کند.
• ۱.۵ نهایی‌سازی و ذخیره ایمیل: توکن‌های انصراف را به ایمیل‌ها اضافه کرده و ایمیل‌های نهایی و نتایج تجزیه و تحلیل را در Google Sheets ذخیره می‌کند تا برای کمپین‌های خروجی آماده شوند.
• ۱.۶ سازماندهی و زمان‌بندی: زمان اجرا را با یک تریگر زمان‌بندی و پردازش دسته‌ای برای مقیاس‌پذیری کنترل می‌کند.

---

۲. تحلیل بلوک به بلوک

۲.۱ دریافت ورودی و ساخت کوئری

هدف: این بلوک معیارهای مخاطب هدف را از کاربر دریافت کرده و یک کوئری برای Apollo می‌سازد.

نودها:

• Enter Target Audience (Form Trigger)
• Generate Query (Set)
• Create Apollo URL (Code)

جزئیات نود:

• Enter Target Audience

* نوع: n8n-nodes-base.formTrigger

* عملکرد: منتظر ورودی کاربر در مورد معیارهای مخاطب هدف از طریق یک فرم وب می‌ماند.

* پیکربندی: تریگر فرم استاندارد Webhook.

* ورودی‌ها: ندارد (با ارسال فرم فعال می‌شود).

* خروجی‌ها: داده‌های فرم.

* موارد مرزی: ورودی فرم ناموجود یا بدشکل می‌تواند منجر به کوئری‌های خالی شود.

• Generate Query

* نوع: n8n-nodes-base.set

* عملکرد: پارامترهای کوئری را بر اساس ورودی فرم مقداردهی اولیه یا فرمت می‌کند.

* پیکربندی: فیلدهای معیارهای جستجوی Apollo را تنظیم می‌کند.

* ورودی‌ها: داده‌ها از Enter Target Audience.

* خروجی‌ها: پارامترهای کوئری فرمت شده.

* موارد مرزی: پارامترهای کوئری ناموجود یا نامعتبر می‌تواند منجر به جستجوهای خالی یا نادرست شود.

• Create Apollo URL

* نوع: n8n-nodes-base.code

* عملکرد: یک URL کامل جستجوی API Apollo را از پارامترهای کوئری فرمت شده می‌سازد.

* پیکربندی: جاوا اسکریپت سفارشی برای کدگذاری و ساخت URL.

* ورودی‌ها: داده‌های کوئری از Generate Query.

* خروجی‌ها: URL نقطه پایانی کامل API Apollo.

* موارد مرزی: خطاهای کدگذاری URL یا کوئری‌های بدشکل می‌تواند منجر به شکست تماس‌های API شود.

۲.۲ بازیابی و فیلتر کردن مشتریان بالقوه

هدف: داده‌های مشتری بالقوه را از Apollo دریافت، پاکسازی، سرنخ‌های نامناسب را فیلتر کرده و نتایج را در Google Sheets ذخیره می‌کند.

نودها:

• Apollo Scraper (HTTP Request)
• Extract Info (Set)
• Filter (Filter)
• Save Prospects (Google Sheets)

جزئیات نود:

• Apollo Scraper

* نوع: n8n-nodes-base.httpRequest

* عملکرد: API Apollo را با URL ساخته شده فراخوانی می‌کند تا داده‌های مشتری بالقوه را دریافت کند.

* پیکربندی: درخواست GET احراز هویت شده.

* ورودی‌ها: URL از Create Apollo URL.

* خروجی‌ها: داده‌های خام مشتری بالقوه (JSON).

* موارد مرزی: محدودیت‌های نرخ API، شکست احراز هویت، تایم‌اوت‌های شبکه.

• Extract Info

* نوع: n8n-nodes-base.set

* عملکرد: پاسخ API Apollo را تجزیه کرده و فیلدهای مرتبط را استخراج می‌کند.

* پیکربندی: نگاشت خصوصیات JSON خام به ویژگی‌های مشتری بالقوه ساختاریافته.

* ورودی‌ها: داده‌های خام مشتری بالقوه از Apollo Scraper.

* خروجی‌ها: داده‌های مشتری بالقوه پاکسازی شده.

* موارد مرزی: اسکیمای پاسخ غیرمنتظره یا فیلدهای ناموجود.

• Filter

* نوع: n8n-nodes-base.filter

* عملکرد: معیارهایی را برای حذف مشتریان بالقوه که با مخاطب هدف مطابقت ندارند (مثلاً بر اساس صنعت، مکان) اعمال می‌کند.

* پیکربندی: شرایط منطقی بر اساس فیلدهای مشتری بالقوه.

* ورودی‌ها: داده‌های مشتری بالقوه پاکسازی شده از Extract Info.

* خروجی‌ها: مشتریان بالقوه فیلتر شده که معیارها را برآورده می‌کنند.

* موارد مرزی: فیلترهای بیش از حد سختگیرانه ممکن است همه مشتریان بالقوه را حذف کنند.

• Save Prospects

* نوع: n8n-nodes-base.googleSheets

* عملکرد: لیست مشتریان بالقوه فیلتر شده را به یک Google Sheet اختصاص داده شده برای نگهداری سوابق اضافه می‌کند.

* پیکربندی: شناسه صفحه گسترده، نام برگه و نگاشت ستون‌ها.

* ورودی‌ها: مشتریان بالقوه فیلتر شده از Filter.

* خروجی‌ها: تأیید اقدام ذخیره.

* موارد مرزی: محدودیت‌های سهمیه API Google Sheets، خطاهای احراز هویت.

۲.۳ غنی‌سازی داده‌های LinkedIn و شرکت

هدف: مشتریان بالقوه ذخیره شده را به صورت دسته‌ای پردازش کرده، آن‌ها را با داده‌های LinkedIn و شرکت غنی‌سازی کرده و داده‌ها را برای تحلیل هوش مصنوعی آماده می‌کند.

نودها:

• Schedule Trigger (Schedule Trigger)
• Get Prospects (Google Sheets)
• Loop Over Items (Split In Batches)
• If Linkedin Exists? (If)
• Linkedin Scraper (HTTP Request)
• Edit Fields (Set)
• Company Scraper (HTTP Request)
• About You (Set)
• Analyse Data (OpenAI)

جزئیات نود:

• Schedule Trigger

* نوع: n8n-nodes-base.scheduleTrigger

* عملکرد: حلقه پردازش مشتری بالقوه را در فواصل زمانی پیکربندی شده آغاز می‌کند.

* پیکربندی: زمان‌بندی Cron یا فاصله‌ای.

* ورودی‌ها: ندارد.

* خروجی‌ها: نود Get Prospects را فعال می‌کند.

* موارد مرزی: پیکربندی نادرست زمان‌بندی.

• Get Prospects

* نوع: n8n-nodes-base.googleSheets

* عملکرد: لیست مشتریان بالقوه را از Google Sheets برای پردازش می‌خواند.

* پیکربندی: انتخاب صفحه گسترده و برگه.

* ورودی‌ها: فعال شده توسط Schedule Trigger.

* خروجی‌ها: لیست مشتریان بالقوه.

* موارد مرزی: برگه خالی، مشکلات API Google Sheets.

• Loop Over Items

* نوع: n8n-nodes-base.splitInBatches

* عملکرد: مشتریان بالقوه را در اندازه‌های دسته قابل مدیریت برای پردازش کارآمد پردازش می‌کند.

* پیکربندی: پارامتر اندازه دسته.

* ورودی‌ها: لیست مشتریان بالقوه از Get Prospects.

* خروجی‌ها: یک مشتری بالقوه در هر تکرار.

* موارد مرزی: اندازه دسته صفر یا عدد بیش از حد بزرگ تنظیم شده است.

• If Linkedin Exists?

* نوع: n8n-nodes-base.if

* عملکرد: بررسی می‌کند که آیا URL یا شناسه LinkedIn برای مشتری بالقوه فعلی وجود دارد یا خیر.

* پیکربندی: شرط بر اساس وجود فیلد LinkedIn.

* ورودی‌ها: یک مشتری بالقوه از Loop Over Items.

* خروجی‌ها: True (ادامه به خراشیدن LinkedIn) یا False (رد شدن از خراشیدن LinkedIn).

* موارد مرزی: اطلاعات LinkedIn ناموجود یا بدشکل.

• Linkedin Scraper

* نوع: n8n-nodes-base.httpRequest

* عملکرد: داده‌های پروفایل LinkedIn را با استفاده از یک API یا سرویس خراشیدن اختصاصی خراش می‌دهد.

* پیکربندی: نقطه پایانی API، توکن‌های احراز هویت، هدرهای درخواست.

* ورودی‌ها: اطلاعات LinkedIn مشتری بالقوه از If Linkedin Exists? (زمانی که True باشد).

* خروجی‌ها: داده‌های پروفایل LinkedIn.

* موارد مرزی: مسدود شدن LinkedIn، شکست احراز هویت، محدودیت نرخ.

* مدیریت خطا: گردش کار را با داده‌های خالی ادامه می‌دهد تا از مسدود شدن کل فرآیند جلوگیری شود.

• Edit Fields

* نوع: n8n-nodes-base.set

* عملکرد: فیلدهای داده LinkedIn را برای سازگاری پاکسازی و بازسازی می‌کند.

* پیکربندی: نگاشت فیلد و تبدیل داده‌ها.

* ورودی‌ها: داده‌های پروفایل LinkedIn از Linkedin Scraper.

* خروجی‌ها: داده‌های LinkedIn پاکسازی شده.

* موارد مرزی: فیلدهای داده ناموجود در خروجی خراشیده شده.

• Company Scraper

* نوع: n8n-nodes-base.httpRequest

* عملکرد: داده‌های مرتبط با شرکت را برای مشتری بالقوه دریافت می‌کند.

* پیکربندی: نقطه پایانی API، توکن‌های احراز هویت.

* ورودی‌ها: شناسه‌های مشتری بالقوه (مانند نام شرکت، وب‌سایت) از Edit Fields.

* خروجی‌ها: داده‌های پروفایل شرکت.

* موارد مرزی: شکست API، اطلاعات شرکت ناموجود.

* مدیریت خطا: گردش کار را برای جلوگیری از مسدود شدن ادامه می‌دهد.

• About You

* نوع: n8n-nodes-base.set

* عملکرد: داده‌ها را با اطلاعات ایستا در مورد فرستنده یا زمینه کمپین تکمیل می‌کند.

* پیکربندی: فیلدهای ایستا را تنظیم می‌کند.

* ورودی‌ها: داده‌های پروفایل شرکت از Company Scraper.

* خروجی‌ها: داده‌های غنی شده آماده برای تحلیل هوش مصنوعی.

* موارد مرزی: قابل اجرا نیست.

• Analyse Data

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

* عملکرد: داده‌های ترکیبی مشتری بالقوه و شرکت را برای اطلاع‌رسانی استراتژی‌های شخصی‌سازی تحلیل می‌کند.

* پیکربندی: قالب prompt، انتخاب مدل OpenAI.

* ورودی‌ها: داده‌های غنی شده از About You.

* خروجی‌ها: بینش‌های تحلیلی.

* موارد مرزی: خطاهای API OpenAI، محدودیت‌های نرخ.

۲.۴ شخصی‌سازی مبتنی بر هوش مصنوعی و تولید ایمیل

هدف: یک پیام آغازین شخصی‌سازی شده LinkedIn و یک دنباله ایمیل چند مرحله‌ای با استفاده از OpenAI تولید کرده و پارامترهای ارسال بهینه را تعیین می‌کند.

نودها:

• Organise Response (Code)
• Generate LinkedIn Opener (OpenAI)
• Generate Emails (OpenAI)
• Check Time Zone (Code)
• Assign Sender Email (Code)

جزئیات نود:

• Organise Response

* نوع: n8n-nodes-base.code

* عملکرد: خروجی تحلیل هوش مصنوعی را به یک فرمت ساختاریافته مناسب برای تولید پیام آماده می‌کند.

* پیکربندی: جاوا اسکریپت سفارشی برای پردازش داده‌ها.

* ورودی‌ها: بینش‌های تحلیلی از Analyse Data.

* خروجی‌ها: داده‌های ساختاریافته برای نودهای تولید هوش مصنوعی.

* موارد مرزی: خطاهای تجزیه در خروجی هوش مصنوعی.

• Generate LinkedIn Opener

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

* عملکرد: یک پیام آغازین پیام شخصی‌سازی شده LinkedIn با استفاده از هوش مصنوعی ایجاد می‌کند.

* پیکربندی: prompt که هوش مصنوعی را برای تولید پیام‌های آغازین جذاب راهنمایی می‌کند.

* ورودی‌ها: داده‌های ساختاریافته از Organise Response.

* خروجی‌ها: متن پیام آغازین شخصی‌سازی شده LinkedIn.

* موارد مرزی: شکست‌های تولید هوش مصنوعی.

• Generate Emails

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

* عملکرد: یک دنباله ارتباطی ایمیلی شخصی‌سازی شده ۴ مرحله‌ای تولید می‌کند.

* پیکربندی: prompt با دستورالعمل‌هایی برای تولید ایمیل چند مرحله‌ای.

* ورودی‌ها: پیام آغازین LinkedIn و داده‌های ساختاریافته از Organise Response.

* خروجی‌ها: پیش‌نویس‌های دنباله ایمیل.

* موارد مرزی: تایم‌اوت‌های مدل یا خطاها در طول تولید.

• Check Time Zone

* نوع: n8n-nodes-base.code

* عملکرد: منطقه زمانی گیرنده را بر اساس داده‌های مکان او برای بهینه‌سازی زمان ارسال تعیین می‌کند.

* پیکربندی: جاوا اسکریپت سفارشی با استفاده از اطلاعات مکان مشتری بالقوه.

* ورودی‌ها: پیش‌نویس‌های ایمیل از Generate Emails.

* خروجی‌ها: اطلاعات منطقه زمانی که به داده‌های مشتری بالقوه اضافه شده است.

* موارد مرزی: داده‌های مکان ناموجود یا مبهم.

• Assign Sender Email

* نوع: n8n-nodes-base.code

* عملکرد: آدرس ایمیل فرستنده مناسب را بر اساس قوانین از پیش تعریف شده یا در دسترس بودن انتخاب یا اختصاص می‌دهد.

* پیکربندی: منطق سفارشی برای انتخاب ایمیل فرستنده.

* ورودی‌ها: خروجی از Check Time Zone.

* خروجی‌ها: داده‌های ایمیل با آدرس فرستنده اختصاص داده شده.

* موارد مرزی: هیچ ایمیل فرستنده معتبری بر اساس قوانین یافت نشد.

۲.۵ نهایی‌سازی و ذخیره ایمیل

هدف: عناصر انطباق لازم (مانند توکن‌های لغو اشتراک) را به ایمیل‌ها اضافه کرده و محتوای نهایی و نتایج تحلیل را در Google Sheets ذخیره می‌کند.

نودها:

• Add Opt Out Token (Code)
• Save Emails (Google Sheets)
• Save Analysis (Google Sheets)

جزئیات نود:

• Add Opt Out Token

* نوع: n8n-nodes-base.code

* عملکرد: یک لینک یا توکن لغو اشتراک را برای انطباق در هر ایمیل جاسازی می‌کند.

* پیکربندی: کد سفارشی برای تولید لینک‌های لغو اشتراک توکنی.

* ورودی‌ها: داده‌های ایمیل با فرستنده اختصاص داده شده از Assign Sender Email.

* خروجی‌ها: محتوای نهایی ایمیل شامل مکانیزم لغو اشتراک.

* موارد مرزی: شکست در تولید توکن.

• Save Emails

* نوع: n8n-nodes-base.googleSheets

* عملکرد: ایمیل‌های نهایی را برای نگهداری سوابق در یک Google Sheet ذخیره می‌کند.

* پیکربندی: جزئیات صفحه گسترده و برگه.

* ورودی‌ها: ایمیل‌های نهایی از Add Opt Out Token.

* خروجی‌ها: تأیید اقدام ذخیره.

* موارد مرزی: محدودیت‌های نرخ API، خطاهای احراز هویت.

• Save Analysis

* نوع: n8n-nodes-base.googleSheets

* عملکرد: نتایج تحلیل هوش مصنوعی و داده‌های مرتبط را در یک Google Sheet برای حسابرسی و بررسی ثبت می‌کند.

* پیکربندی: جزئیات صفحه گسترده و برگه.

* ورودی‌ها: بینش‌های تحلیلی از مراحل قبلی.

* خروجی‌ها: تأیید اقدام ذخیره.

* موارد مرزی: مشابه Save Emails.

۲.۶ سازماندهی و زمان‌بندی

هدف: زمان‌بندی اجرای کلی را مدیریت کرده و از پردازش دسته‌ای برای مدیریت کارآمد مجموعه داده‌های بزرگ مشتری بالقوه استفاده می‌کند.

نودها:

• Schedule Trigger (Schedule Trigger)
• Loop Over Items (Split In Batches)

جزئیات نود:

• Schedule Trigger

* نوع: n8n-nodes-base.scheduleTrigger

* عملکرد: کنترل می‌کند که بازیابی و پردازش مشتری بالقوه چه زمانی آغاز شود.

* پیکربندی: زمان‌بندی تعریف شده (مانند روزانه، ساعتی).

* ورودی‌ها: ندارد.

* خروجی‌ها: شروع گردش کار را فعال می‌کند.

* موارد مرزی: پیکربندی نادرست زمان‌بندی.

• Loop Over Items

* نوع: n8n-nodes-base.splitInBatches

* عملکرد: پردازش دسته‌ای مشتریان بالقوه را با ادامه خطا برای استحکام، به ویژه در طول فراخوانی‌های API خارجی مانند خراشیدن LinkedIn، امکان‌پذیر می‌سازد.

* پیکربندی: اندازه دسته.

* ورودی‌ها: لیست مشتریان بالقوه.

* خروجی‌ها: مشتریان بالقوه فردی برای پردازش.

* موارد مرزی: اندازه‌بندی دسته ناکارآمد.

---

۳. جدول خلاصه