صلاحیت‌سنجی و مسیریابی سرنخ با هوش مصنوعی (OpenAI، Slack، Ai…

صلاحیت‌سنجی و مسیریابی سرنخ با هوش مصنوعی با استفاده از OpenAI، Slack و Airtable

این گردش کار فرآیند صلاحیت‌سنجی و مسیریابی سرنخ‌های فروش ورودی را با استفاده از هوش مصنوعی خودکار می‌کند. این گردش کار از OpenAI برای امتیازدهی هوشمند سرنخ، Slack برای اعلان‌های تیمی در زمان واقعی و Airtable برای ذخیره‌سازی سازمان‌یافته داده‌ها بهره می‌برد. این راه‌حل برای کسب‌وکارهایی که به دنبال بهینه‌سازی مدیریت سرنخ‌های خود، کاهش تلاش دستی و اطمینان از پیگیری به‌موقع سرنخ‌های با پتانسیل بالا هستند، ایده‌آل است.

نمای کلی گردش کار

گردش کار "موتور صلاحیت‌سنجی و مسیریابی سرنخ" برای موارد زیر طراحی شده است:

1. دریافت سرنخ‌ها: دریافت اطلاعات سرنخ از منابع مختلف از طریق یک وب‌هوک (Webhook).

2. غنی‌سازی داده‌ها: افزودن فراداده‌های ضروری مانند شناسه‌های منحصربه‌فرد و مُهر زمانی (timestamp).

3. صلاحیت‌سنجی با هوش مصنوعی: استفاده از OpenAI برای تجزیه و تحلیل جزئیات سرنخ، تخصیص امتیاز صلاحیت‌سنجی و ارائه بینش.

4. مسیریابی سرنخ‌ها: هدایت سرنخ‌ها به مسیرهای "داغ" (hot) یا "پرورش" (nurture) بر اساس امتیاز تولید شده توسط هوش مصنوعی.

5. ذخیره و اطلاع‌رسانی: ذخیره سرنخ‌های واجد شرایط در Airtable، ارسال هشدارهای فوری Slack برای سرنخ‌های داغ، و ارسال پاسخ‌های ایمیلی شخصی‌سازی شده.

شروع کار

برای استفاده از این گردش کار:

1. وارد کردن گردش کار: فایل JSON گردش کار را دانلود کرده و در نمونه Axeto.ai n8n خود وارد کنید.

2. پیکربندی اعتبارنامه‌ها:

* OpenAI: کلید API OpenAI خود را تنظیم کنید.

* Slack: URL وب‌هوک Slack خود را پیکربندی کنید.

* Airtable: کلید API و شناسه پایگاه (Base ID) خود را در Airtable ارائه دهید.

3. راه‌اندازی Airtable: اطمینان حاصل کنید که یک پایگاه داده (base) و جدول (table) در Airtable آماده دریافت داده‌های سرنخ (lead) دارید. پیکربندی گره Airtable را با شناسه پایگاه و نام جدول مشخص خود به‌روز کنید.

4. سفارشی‌سازی فرستنده ایمیل: جایگزین leads@youragency.com را در گره‌های ارسال ایمیل با آدرس ایمیل واقعی خود به‌روز کنید.

5. فعال‌سازی وب‌هوک: گردش کار پس از فعال‌سازی به‌طور خودکار یک URL وب‌هوک را در دسترس قرار می‌دهد. از این URL در فرم‌ها یا سیستم‌های تولید سرنخ خود استفاده کنید.

تشریح گردش کار

این گردش کار به چندین بلوک منطقی تقسیم شده است که هر کدام مسئول بخشی خاص از فرآیند مدیریت سرنخ‌ها هستند.

۱. دریافت و غنی‌سازی سرنخ (Lead Intake & Enrichment)

این بلوک اولیه مسئول دریافت سرنخ‌های جدید و آماده‌سازی آن‌ها برای تحلیل هوش مصنوعی است.

• Lead Intake Webhook

* نوع: Webhook

* نقش: به عنوان نقطه ورود برای تمام داده‌های ورودی سرنخ عمل می‌کند. این گره به درخواست‌های HTTP POST گوش می‌دهد.

* پیکربندی: برای گوش دادن به مسیر /lead-intake پیکربندی شده است.

* ورودی: داده‌های خام سرنخ (مانند نام، ایمیل، شرکت، پیام) که از طریق درخواست HTTP POST ارسال می‌شوند.

* خروجی: داده‌های سرنخ دریافت شده را به گره بعدی ارسال می‌کند.

* ملاحظات: اطمینان حاصل کنید که داده‌های ورودی در فرمت JSON معتبر هستند. در صورت نیاز، خطاهای مربوط به فیلدهای ضروری را مدیریت کنید.

• Acknowledge Receipt

* نوع: Respond to Webhook

* نقش: بلافاصله یک تأیید موفقیت‌آمیز را به منبعی که سرنخ را ارسال کرده است، بازمی‌گرداند و دریافت داده‌ها را تأیید می‌کند.

* پیکربندی: با یک بار داده JSON که موفقیت را تأیید می‌کند و در صورت وجود، leadId را شامل می‌شود، پاسخ می‌دهد.

* ورودی: داده‌های سرنخ از Lead Intake Webhook.

* خروجی: یک پاسخ HTTP ارسال می‌کند. داده‌های سرنخ را به پایین دست ارسال می‌کند.

* ملاحظات: برای دقیق بودن پیام تأیید، leadId باید در داده‌های ورودی وجود داشته باشد.

• Enrich Lead Data

* نوع: Set

* نقش: فراداده‌های مهمی مانند leadId منحصربه‌فرد، مُهر زمانی (timestamp) و منبع پیش‌فرض (source) را به داده‌های سرنخ اضافه می‌کند.

* پیکربندی:

* leadId: یک شناسه منحصربه‌فرد با استفاده از مُهر زمانی و نام کاربری ایمیل سرنخ ایجاد می‌کند.

* timestamp: مُهر زمانی فعلی با فرمت ISO 8601 را ثبت می‌کند.

* source: در صورت عدم ارائه در درخواست اولیه، منبع سرنخ را روی "website" تنظیم می‌کند.

* ورودی: داده‌های خام سرنخ.

* خروجی: داده‌های سرنخ غنی‌شده با فراداده‌های اضافه شده.

* ملاحظات: فیلد ایمیل برای تولید leadId حیاتی است. اطمینان حاصل کنید که وجود دارد و به درستی فرمت شده است.

۲. صلاحیت‌سنجی سرنخ با قدرت هوش مصنوعی (AI-Powered Lead Qualification)

این بلوک از مدل‌های زبانی OpenAI برای تحلیل و امتیازدهی سرنخ‌ها استفاده می‌کند.

• AI Lead Qualification

* نوع: Langchain Chain LLM

* نقش: یک اعلان (prompt) دقیق با استفاده از داده‌های غنی‌شده سرنخ ایجاد کرده و آن را برای تحلیل به OpenAI API ارسال می‌کند. این گره برای دریافت خروجی ساختاریافته پیکربندی شده است.

* پیکربندی:

* مدل: از gpt-4o-mini برای تحلیل کارآمد و مقرون به صرفه استفاده می‌کند.

* اعلان (Prompt): فیلدهایی مانند نام، ایمیل، شرکت، پیام، بودجه و زمان‌بندی را برای ارائه زمینه به هوش مصنوعی شامل می‌شود.

* تجزیه‌کننده خروجی (Output Parser): از یک تجزیه‌کننده خروجی ساختاریافته استفاده می‌کند تا اطمینان حاصل شود که پاسخ هوش مصنوعی با یک طرح از پیش تعریف شده مطابقت دارد.

* ورودی: داده‌های غنی‌شده سرنخ.

* خروجی: داده‌های ساختاریافته از هوش مصنوعی، شامل امتیاز، دسته، دلیل و اقدامات پیشنهادی.

* ملاحظات: اطمینان حاصل کنید که کلید OpenAI API شما معتبر است و اعتبار کافی دارد. استفاده از API را برای جلوگیری از تجاوز از محدودیت‌های نرخ (rate limits) نظارت کنید.

• Parse AI Response

* نوع: Langchain Output Parser Structured

* نقش: پاسخ خام را از مدل OpenAI اعتبارسنجی و به فرمت JSON ساختاریافته تجزیه می‌کند.

* پیکربندی: طرحی را برای خروجی هوش مصنوعی تعریف می‌کند که انتظار فیلدهایی مانند موارد زیر را دارد:

* score (integer, 0-100)

* category (string: "hot", "warm", "cold")

* reasoning (string)

* recommended_action (string)

* key_strengths (array, optional)

* concerns (array, optional)

* ورودی: پاسخ خام هوش مصنوعی از گره AI Lead Qualification.

* خروجی: داده‌های صلاحیت‌سنجی تجزیه شده و ساختاریافته.

* ملاحظات: اگر پاسخ هوش مصنوعی از طرح مورد انتظار منحرف شود، تجزیه ممکن است با شکست مواجه شود.

۳. تصمیم‌گیری برای مسیریابی (Routing Decision)

این بلوک بر اساس امتیاز صلاحیت‌سنجی هوش مصنوعی، مراحل بعدی را برای سرنخ تعیین می‌کند.

• Route by Quality

* نوع: If

* نقش: منطق شرطی را برای مسیریابی سرنخ‌ها پیاده‌سازی می‌کند.

* پیکربندی: بررسی می‌کند که آیا score حاصل از تحلیل هوش مصنوعی بزرگتر از ۷۰ است.

* شاخه True: سرنخ‌هایی با امتیاز > ۷۰ به عنوان "داغ" (hot) در نظر گرفته شده و به اقدامات پیگیری فوری می‌روند.

* شاخه False: سرنخ‌هایی با امتیاز <= ۷۰ برای پرورش (nurturing) مسیریابی می‌شوند.

* ورودی: داده‌های صلاحیت‌سنجی ساختاریافته.

* خروجی: گردش کار را بر اساس شرط به دو مسیر مجزا تقسیم می‌کند.

* ملاحظات: سرنخ‌هایی با امتیاز دقیقاً برابر با ۷۰، به دلیل شرط "بزرگتر از"، مسیر "پرورش" را دنبال خواهند کرد.

۴. ذخیره‌سازی داده‌ها و اعلان‌ها (Data Storage & Notifications)

این بلوک نهایی مسئولیت ذخیره داده‌های سرنخ و اطلاع‌رسانی به طرف‌های مربوطه را بر عهده دارد. این بلوک دارای مسیرهای جداگانه برای سرنخ‌های "داغ" و "پرورشی" است.

#### ۴.۱ مسیر سرنخ‌های داغ (Hot Leads Path)

• Save to Airtable (Hot Leads)

* نوع: Airtable

* نقش: جزئیات سرنخ‌های با صلاحیت بالا ("داغ") را در پایگاه داده و جدول Airtable تعیین شده شما ذخیره می‌کند.

* پیکربندی: به شناسه پایگاه (Base ID) و نام جدول (Table Name) Airtable شما نیاز دارد.

* ورودی: داده‌های سرنخ داغ.

* خروجی: تأیید ورود داده؛ داده‌های سرنخ را به گره‌های Slack و ایمیل ارسال می‌کند.

* ملاحظات: اطمینان حاصل کنید که اعتبار Airtable و نام جداول به درستی پیکربندی شده‌اند.

• Alert Team (Slack)

* نوع: Slack

* نقش: یک اعلان فوری را از طریق یک کانال Slack به تیم فروش شما ارسال می‌کند و یک سرنخ داغ جدید را برجسته می‌کند.

* پیکربندی: از یک وب‌هوک Slack از پیش پیکربندی شده استفاده می‌کند.

* ورودی: داده‌های سرنخ داغ.

* خروجی: پیامی که در Slack ارسال می‌شود.

* ملاحظات: URL وب‌هوک Slack خود را تأیید کنید و اطمینان حاصل کنید که کانال فعال است.

• Send Confirmation Email (Hot)

* نوع: Email Send

* نقش: یک ایمیل تشکر شخصی‌سازی شده برای سرنخ داغ ارسال می‌کند، دریافت درخواست آن‌ها را تأیید کرده و انتظارات را برای پیگیری سریع تنظیم می‌کند.

* پیکربندی:

* موضوع: "Thank you for your inquiry - We'll be in touch soon!"

* گیرنده: آدرس ایمیل سرنخ.

* فرستنده: leads@youragency.com (این را سفارشی کنید).

* ورودی: داده‌های سرنخ داغ.

* خروجی: تأیید ارسال ایمیل.

* ملاحظات: اطمینان حاصل کنید که آدرس ایمیل فرستنده معتبر است و در سرویس ایمیل شما به درستی پیکربندی شده است.

#### ۴.۲ مسیر سرنخ‌های پرورشی (Nurture Leads Path)

• Save to Airtable (Nurture Queue)

* نوع: Airtable

* نقش: سرنخ‌هایی را که نیاز به پرورش دارند در Airtable ذخیره می‌کند. این امر امکان بررسی بعدی و کمپین‌های پیگیری هدفمند را فراهم می‌کند.

* پیکربندی: از همان شناسه پایگاه (Base ID) و نام جدول (Table Name) سرنخ‌های داغ یا یک شناسه و نام جدول متفاوت استفاده می‌کند.

* ورودی: داده‌های سرنخ پرورشی.

* خروجی: تأیید ورود داده؛ داده‌های سرنخ را به گره ایمیل پرورش ارسال می‌کند.

* ملاحظات: پیکربندی سازگار با گره Airtable سرنخ‌های داغ برای ردیابی یکپارچه سرنخ توصیه می‌شود.

• Send Nurture Email

* نوع: Email Send

* نقش: یک ایمیل تشکر استاندارد به سرنخ‌هایی ارسال می‌کند که بلافاصله به عنوان "داغ" واجد شرایط نیستند و آن‌ها را درگیر نگه می‌دارد.

* پیکربندی:

* موضوع: "Thank you for contacting us"

* گیرنده: آدرس ایمیل سرنخ.

* فرستنده: leads@youragency.com (این را سفارشی کنید).

* ورودی: داده‌های سرنخ پرورشی.

* خروجی: تأیید ارسال ایمیل.

* ملاحظات: در صورت نیاز، این ایمیل می‌تواند برای بخش‌های مختلف پرورش سفارشی‌سازی شود.

۵. گره‌های مستندسازی (Documentation Nodes)

• یادداشت‌های چسبان (Sticky Notes): چندین گره Sticky Note در سراسر گردش کار برای ارائه زمینه و توضیحات برای هر بخش گنجانده شده‌اند:

* Note: Intake

* Note: AI Analysis1

* Note: Smart Routing

* Note: Actions

* Note: Intake1 (یک نمای کلی جامع، راهنمای راه‌اندازی، موارد استفاده و رویکردهای جایگزین را ارائه می‌دهد).

جزئیات فنی

• فناوری‌های اصلی: OpenAI GPT، Slack API، Airtable API.
• گره‌های n8n استفاده شده:

* n8n-nodes-base.webhook

* n8n-nodes-base.respondToWebhook

* n8n-nodes-base.set

* @n8n/n8n-nodes-langchain.lmChatOpenAi

* @n8n/n8n-nodes-langchain.chainLlm

* @n8n/n8n-nodes-langchain.outputParserStructured

* n8n-nodes-base.if

* n8n-nodes-base.airtable

* n8n-nodes-base.slack

* n8n-nodes-base.emailSend

* n8n-nodes-base.stickyNote

جدول خلاصه