تحلیل خودکار بازخورد با Azure GPT-4، Jira و Outlook در n8n

خودکارسازی تحلیل بازخورد مشتری با Azure GPT-4، Jira و Outlook

این گردش کار، تحلیل بازخورد مشتریان را خودکار می‌کند. بازخوردها را از Monday.com بازیابی کرده، از Azure GPT-4 برای طبقه‌بندی و تحلیل احساسات استفاده می‌کند، وظایف Jira را برای موارد با اولویت بالا ایجاد می‌کند، داده‌ها را در Google Sheets ثبت می‌کند و گزارش‌های خلاصه هفتگی را از طریق Outlook ارسال می‌کند. مدیریت خطا برای اطلاع‌رسانی به مدیران در صورت بروز هرگونه مشکل گنجانده شده است.

این گردش کار را در Axeto.ai کاوش کنید: https://axeto.ai/n8n

نمای کلی گردش کار

این گردش کار، پردازش و تحلیل بازخوردهای مشتریان جمع‌آوری شده از بُردهای Monday.com را خودکار می‌کند. این گردش کار از Azure GPT-4 برای طبقه‌بندی و تحلیل احساسات مبتنی بر هوش مصنوعی استفاده می‌کند. بر اساس امتیازدهی اولویت، وظایف عملیاتی Jira را برای تیم محصول ایجاد می‌کند، داده‌های بازخورد را برای تحلیل در Google Sheets ثبت می‌کند و خلاصه‌های هفتگی را از طریق ایمیل Outlook ارسال می‌کند. این گردش کار شامل مدیریت خطای قوی برای اطلاع‌رسانی به مدیران در صورت بروز مشکل است.

موارد استفاده هدف:

• خودکارسازی تریاژ و گزارش‌دهی بازخورد مشتری برای کسب‌وکارها.
• ایجاد وظایف اولویت‌بندی شده Jira از داده‌های بازخورد کیفی برای تیم‌های محصول.
• ارائه داده‌های بازخورد ساختاریافته و ردیابی تاریخی برای تحلیلگران کسب‌وکار.
• ارسال خلاصه‌های هفتگی بازخورد مشتری به مدیران موفقیت مشتری.

مراحل گردش کار:

1. راه‌اندازی و بازیابی داده: گردش کار را بر اساس یک برنامه زمان‌بندی شده آغاز کرده و بازخوردها را از Monday.com واکشی می‌کند.

2. نرمال‌سازی داده: داده‌های خام بازخورد را از Monday.com استاندارد می‌کند.

3. تحلیل مبتنی بر هوش مصنوعی: موضوعات بازخورد و احساسات را با استفاده از Azure OpenAI GPT-4 طبقه‌بندی می‌کند.

4. ساختاردهی و امتیازدهی داده: خروجی هوش مصنوعی را قالب‌بندی کرده و امتیاز تأثیر کسب‌وکار را محاسبه می‌کند.

5. ایجاد وظیفه Jira: موارد Jira را برای اقلام بازخورد با تأثیر بالا ایجاد می‌کند.

6. ثبت داده: داده‌های بازخورد پردازش شده را به یک Google Sheet اضافه می‌کند.

7. گزارش‌دهی: خلاصه‌های هفتگی را تدوین کرده و از طریق ایمیل Outlook ارسال می‌کند.

8. مدیریت خطا: خطاهای گردش کار را تشخیص داده و اعلان‌های هشدار را ارسال می‌کند.

---

تشریح کامل گردش کار

۱. راه‌اندازی و بازیابی داده‌ها

هدف: این بخش گردش کار را به صورت هفتگی آغاز کرده و تمام ورودی‌های بازخورد مشتری را از یک گروه مشخص در Monday.com بازیابی می‌کند.

گره‌ها (Nodes):

• راه‌انداز زمان‌بندی هفتگی (Weekly Schedule Trigger):

* نوع: scheduleTrigger

* نقش: گردش کار را بر اساس یک زمان‌بندی cron تعریف شده آغاز می‌کند.

پیکربندی: تنظیم شده برای اجرا هر دوشنبه ساعت ۰۹:۰۰ صبح (عبارت cron: 0 9 * 1).

* خروجی به: Fetch Monday.com Feedback

* مشکلات احتمالی: پیکربندی نادرست زمان‌بند، مغایرت مناطق زمانی.

• بازیابی بازخورد Monday.com (Fetch Monday.com Feedback):

* نوع: mondayCom

* نقش: تمام آیتم‌ها را از یک گروه مشخص در Monday.com بازیابی می‌کند.

* پیکربندی:

* boardId: "YOUR_BOARD_ID" را با شناسه واقعی برد Monday.com خود جایگزین کنید.

* groupId: روی "topics" تنظیم شده است (اطمینان حاصل کنید که این نام با نام گروه برد شما مطابقت دارد).

* returnAll: برای بازیابی تمام آیتم‌ها روی true تنظیم شده است.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های پیکربندی شده API Monday.com دارد.

* خروجی به: Normalize Feedback Fields

* مشکلات احتمالی: خطاهای احراز هویت API، محدودیت نرخ درخواست، شناسه‌های برد یا گروه نامعتبر.

---

۲. نرمال‌سازی داده‌ها

هدف: این مرحله ستون‌های مرتبط را از آیتم‌های خام بازخورد Monday.com استخراج کرده و آن‌ها را به نام فیلدهای سازگار برای پردازش بیشتر نگاشت می‌کند.

گره‌ها (Nodes):

• نرمال‌سازی فیلدهای بازخورد (Normalize Feedback Fields):

* نوع: set

* نقش: ستون‌های خاصی را از داده‌های Monday.com استخراج و نام‌گذاری مجدد کرده و به فیلدهای استاندارد تبدیل می‌کند.

* پیکربندی: نگاشت فیلدهای ساختار JSON Monday.com به:

* Title (متن بازخورد)

* Account Name

* ARR (درآمد سالانه تکرارشونده)

* NPS Before, NPS After

* Feedback Type

* Contact Email

* Submitted On (تاریخ)

* از عبارات (مانند $json.column_values[index].text) برای دسترسی به داده‌ها در ساختار JSON استفاده می‌کند.

* ورودی از: Fetch Monday.com Feedback

* خروجی به: AI Theme Classifier (خروجی اصلی)، Merge AI Results with Feedback (خروجی ثانویه)

* مشکلات احتمالی: مقادیر ستون گمشده یا بدشکل، نمایه‌سازی نادرست مسیر JSON.

---

۳. تحلیل مبتنی بر هوش مصنوعی

هدف: این بخش از Azure OpenAI GPT-4 برای طبقه‌بندی بازخورد به موضوعات، تخصیص برچسب‌ها و تشخیص احساسات استفاده می‌کند و نتایج را در قالبی ساختاریافته JSON خروجی می‌دهد.

گره‌ها (Nodes):

• مدل چت Azure OpenAI1 (Azure OpenAI Chat Model1):

* نوع: @n8n/n8n-nodes-langchain.agent (به طور خاص مدل چت Azure OpenAI)

* نقش: مدل GPT-4o را برای تولید متن هوش مصنوعی اجرا می‌کند.

* پیکربندی: مدل روی "gpt-4o" تنظیم شده است.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های پیکربندی شده API Azure OpenAI دارد.

* خروجی به: AI Theme Classifier (به عنوان ورودی مدل زبان برای عامل).

* مشکلات احتمالی: محدودیت‌های سهمیه API، خطاهای احراز هویت، مهلت‌های زمانی شبکه.

• طبقه‌بند موضوع هوش مصنوعی (AI Theme Classifier):

* نوع: @n8n/n8n-nodes-langchain.agent (به طور خاص گره عامل)

* نقش: داده‌های بازخورد نرمال‌شده را با یک اعلان (prompt) برای طبقه‌بندی موضوع، برچسب و احساسات به GPT-4 ارسال می‌کند.

* پیکربندی:

* اعلان شامل مثال‌ها بوده و نیاز به خروجی صرفاً JSON را به شدت اعمال می‌کند.

* خروجی توسط Structured JSON Output Parser تجزیه می‌شود.

* ورودی از:

* Normalize Feedback Fields (ورودی اصلی)

* Azure OpenAI Chat Model1 (مدل زبان)

* Conversation Memory Buffer (حافظه)

* Structured JSON Output Parser (تجزیه‌کننده خروجی)

* خروجی به: Merge AI Results with Feedback

* مشکلات احتمالی: خروجی غیرمنتظره هوش مصنوعی، پاسخ‌های JSON بدشکل، شکست در اجرای اعلان.

• بافر حافظه مکالمه (Conversation Memory Buffer):

* نوع: Langchain Memory Buffer Window

* نقش: پنجره زمینه ۷ تعامل طبقه‌بندی آخر در روز را به عامل هوش مصنوعی ارائه می‌دهد.

* پیکربندی: کلید جلسه به صورت پویا بر اساس تاریخ تولید می‌شود (مانند "feedback_classification_" + date).

* تغذیه کننده: AI Theme Classifier با زمینه حافظه.

• تجزیه‌کننده خروجی JSON ساختاریافته (Structured JSON Output Parser):

* نوع: Langchain output parser

* نقش: پاسخ هوش مصنوعی را مطابق با یک طرحواره تعریف شده به یک شیء JSON ساختاریافته تجزیه می‌کند و انتظار کلیدهای زیر را دارد: theme_key, theme_label, و sentiment.

• ادغام نتایج هوش مصنوعی با بازخورد (Merge AI Results with Feedback):

* نوع: merge

* نقش: داده‌های بازخورد نرمال‌شده را با نتایج طبقه‌بندی هوش مصنوعی ترکیب می‌کند. آیتم‌ها را بر اساس موقعیتشان در آرایه‌های ورودی ادغام می‌کند.

* ورودی از:

* Normalize Feedback Fields (خروجی ثانویه)

* خروجی AI Theme Classifier

* خروجی به: Structure AI Classification Output

* مشکلات احتمالی: عدم تطابق تعداد آیتم‌ها بین ورودی‌ها.

---

۴. ساختاردهی و امتیازدهی داده‌ها

هدف: این مرحله داده‌های ادغام شده هوش مصنوعی و بازخورد را برای پردازش عددی قالب‌بندی کرده و یک امتیاز تأثیر تجاری برای اولویت‌بندی موارد بازخورد محاسبه می‌کند.

گره‌ها (Nodes):

• ساختار خروجی طبقه‌بندی هوش مصنوعی (Structure AI Classification Output):

* نوع: set

* نقش: فیلدهای مبتنی بر رشته (مانند ARR، NPS) را به انواع عددی تبدیل کرده و JSON را برای گنجاندن داده‌های ترکیبی بازسازی می‌کند.

* پیکربندی:

* ARR, NPS Before, و NPS After را به اعداد تبدیل می‌کند.

* فیلدهای theme و sentiment تولید شده توسط هوش مصنوعی را حفظ می‌کند.

* متن اصلی بازخورد را حفظ می‌کند.

* ورودی از: Merge AI Results with Feedback

* خروجی به: Calculate Business Impact Score

* مشکلات احتمالی: مقادیر ARR یا NPS که قابل تبدیل به عدد نیستند.

• محاسبه امتیاز تأثیر تجاری (Calculate Business Impact Score):

* نوع: set

* نقش: یک امتیاز تأثیر تجاری وزنی با استفاده از فرمول زیر محاسبه می‌کند:

* وزن ۵۰٪: ARR نرمال‌شده (تقسیم بر ۵۰,۰۰۰).

* وزن ۳۰٪: پایداری NPS (محاسبه شده به عنوان معکوس تغییر مطلق NPS، مقیاس شده بر روی ۱۰).

* وزن ۲۰٪: شدت احساسات (منفی=۱، خنثی=۰.۵، مثبت=۰.۲).

* خروجی به:

* Create Jira Task for Feedback

* Log to Google Sheets

* Generate HTML Report

* مشکلات احتمالی: مقادیر NPS که برای محاسبه تغییرات مناسب نیستند، مقادیر ARR صفر یا منفی.

---

۵. ایجاد وظیفه در Jira

هدف: این بخش وظایف دقیق Jira را برای هر مورد بازخورد ایجاد می‌کند، شامل فراداده‌های مرتبط برای اولویت‌بندی مؤثر توسط تیم محصول.

گره‌ها (Nodes):

• ایجاد وظیفه Jira برای بازخورد (Create Jira Task for Feedback):

* نوع: jira

* نقش: مسائل جدید Jira را بر اساس داده‌های بازخورد ایجاد می‌کند.

* پیکربندی:

* projectId: "YOUR_PROJECT_ID" را با شناسه واقعی پروژه Jira خود جایگزین کنید.

* issueType: روی Task (شناسه 10006) تنظیم شده است.

* summary: به صورت "Theme: [theme_label] ([theme_key])" قالب‌بندی شده است.

* description: شامل متن بازخورد، ARR، احساسات، NPS قبل/بعد، امتیاز تأثیر و برچسب‌های مرتبط است.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های پیکربندی شده Jira Software Cloud دارد.

* ورودی از: Calculate Business Impact Score

* مشکلات احتمالی: خطاهای احراز هویت API Jira، شناسه‌های پروژه یا نوع مسئله نامعتبر، محدودیت نرخ درخواست.

---

۶. ثبت داده‌ها

هدف: این مرحله ورودی‌های بازخورد پردازش شده را به یک Google Sheet اضافه یا به‌روزرسانی می‌کند و اطمینان از ثبت ساختاریافته برای تجزیه و تحلیل و پیگیری تاریخی را فراهم می‌آورد.

گره‌ها (Nodes):

• ثبت در Google Sheets (Log to Google Sheets):

* نوع: googleSheets

* نقش: ردیف‌ها را در یک Google Sheet مشخص شده اضافه یا به‌روزرسانی می‌کند.

* پیکربندی:

* documentId: "YOUR_SHEET_ID" را با شناسه واقعی Google Sheet خود جایگزین کنید.

* sheetName: روی "gid=0" تنظیم شده است (مربوط به برگه "Customer Feedback").

* از "theme_key" برای نگاشت خودکار ستون‌ها استفاده می‌کند و امکان به‌روزرسانی یا افزودن را فراهم می‌آورد.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های پیکربندی شده OAuth2 Google Sheets دارد.

* ورودی از: Calculate Business Impact Score

* مشکلات احتمالی: انقضای توکن OAuth، خطاهای مجوز، یافت نشدن برگه، عدم تطابق ستون بین گردش کار و برگه.

---

۷. گزارش‌دهی

هدف: این بخش یک گزارش HTML هفتگی خلاصه کننده معیارهای کلیدی بازخورد مشتری تولید کرده و آن را از طریق ایمیل Outlook ارسال می‌کند.

گره‌ها (Nodes):

• تولید گزارش HTML (Generate HTML Report):

* نوع: code (JavaScript)

* نقش: تمام موارد بازخورد پردازش شده در طول هفته را برای محاسبه موارد زیر پردازش می‌کند:

* کل ARR

* تعداد احساسات (مثبت، خنثی، منفی)

* بهبود یا کاهش NPS

* شناسایی مسائل حیاتی (ARR بالا یا افت NPS همراه با احساسات منفی)

* شناسایی موفقیت‌های مشتری (احساسات مثبت با بهبود NPS)

* بدنه ایمیل HTML استایل‌دار را شامل خلاصه اجرایی، معیارهای کلیدی، مسائل حیاتی و بخش‌های موفقیت‌ها می‌سازد.

* خروجی‌ها: موضوع و محتوای بدنه ایمیل.

* ورودی از: Calculate Business Impact Score (برای تمام موارد بازخورد فعال می‌شود).

* مشکلات احتمالی: افت عملکرد با مجموعه داده‌های بسیار بزرگ، ورودی‌های داده بدشکل که بر محاسبات تأثیر می‌گذارند.

• ارسال پیام (Send a message):

* نوع: microsoftOutlook

* نقش: ایمیل گزارش HTML تولید شده را با استفاده از Microsoft Outlook ارسال می‌کند.

* پیکربندی:

* to: "YOUR_EMAIL@example.com" را با آدرس ایمیل گیرنده جایگزین کنید.

* subject و body: از خروجی گره Generate HTML Report پر می‌شوند.

* bodyContentType: روی HTML تنظیم شده است.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های پیکربندی شده OAuth2 Microsoft Outlook دارد.

* ورودی از: Generate HTML Report

* مشکلات احتمالی: خطاهای OAuth، مشکلات SMTP، آدرس گیرنده نامعتبر.

---

۸. مدیریت خطا

هدف: این بخش هرگونه خطای گردش کار را دریافت کرده و یک ایمیل هشدار حاوی اطلاعات دقیق برای عیب‌یابی سریع ارسال می‌کند.

گره‌ها (Nodes):

• در صورت خطای گردش کار (On Workflow Error):

* نوع: errorTrigger

* نقش: هنگام بروز خطا در هر گره‌ای در گردش کار فعال می‌شود.

* خروجی به: Send Error Alert Email

• ارسال ایمیل هشدار خطا (Send Error Alert Email):

* نوع: gmail

* نقش: یک ایمیل اطلاع‌رسانی خطا را از طریق Gmail ارسال می‌کند.

* پیکربندی:

* ایمیل گیرنده از طریق متغیر محیطی ERROR_ALERT_EMAIL تنظیم می‌شود.

* موضوع ایمیل شامل نام گردش کار است.

* بدنه ایمیل شامل نام گردش کار، شناسه اجرا، نام گره ناموفق، پیام خطا و زمان است.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های پیکربندی شده OAuth2 Gmail دارد.

* مشکلات احتمالی: متغیر محیطی گمشده یا نامعتبر، شکست احراز هویت Gmail.

---

جدول خلاصه