تحلیل احساسات مشتری با Zoho CRM و Google Gemini

تحلیل احساسات مشتری با Zoho CRM، Google Gemini و ارسال هشدارهای Gmail

این گردش کار Zoho CRM را برای یادداشت‌های تعامل با مشتری که اخیراً ایجاد شده‌اند، نظارت می‌کند. سپس از Google Gemini برای تجزیه و تحلیل احساسات هر یادداشت استفاده می‌کند، احساسات (مثبت، خنثی یا منفی) را دوباره در Zoho CRM به‌روزرسانی می‌کند و در صورت تشخیص احساسات منفی، هشدار داخلی Gmail ارسال می‌کند. این گردش کار Zoho CRM شما را به یک سیستم هشدار اولیه برای نارضایتی مشتری تبدیل می‌کند.

این و سایر گردش کارهای قدرتمند را در کاتالوگ n8n اکسیتو.ای کاوش کنید.

نمای کلی گردش کار

گردش کار به بخش‌های منطقی زیر تقسیم می‌شود:

1. راه‌انداز و دریافت داده: به صورت دوره‌ای راه‌اندازی شده و آخرین یادداشت را از Zoho CRM دریافت می‌کند.

2. آماده‌سازی متن: محتوای متنی مرتبط را از یادداشت برای تجزیه و تحلیل استخراج و پاکسازی می‌کند.

3. تجزیه و تحلیل احساسات: از Google Gemini برای طبقه‌بندی احساسات محتوای یادداشت و تجزیه خروجی ساختاریافته استفاده می‌کند.

4. به‌روزرسانی احساسات و هشدار: نتایج احساسات را دوباره در Zoho CRM به‌روزرسانی کرده و در صورت تشخیص احساسات منفی، هشدار Gmail ارسال می‌کند.

---

تشریح جزئیات نودها

۱. راه‌انداز و دریافت داده

هدف: راه‌اندازی گردش کار بر اساس یک برنامه زمان‌بندی شده و بازیابی آخرین یادداشت‌های تعامل با مشتری از Zoho CRM.

• راه‌انداز زمان‌بندی (Schedule Trigger)

* نوع: scheduleTrigger

* عملکرد: گردش کار را در یک بازه زمانی مشخص (مثلاً هر ۵ دقیقه) آغاز می‌کند.

* پیکربندی: بازه زمانی مورد نظر برای بررسی Zoho CRM را تنظیم کنید.

* خروجی: راه‌انداز نود بعدی در دنباله است.

• درخواست HTTP (بازیابی آخرین یادداشت Zoho)

* نوع: httpRequest

* عملکرد: برای بازیابی آخرین یادداشت تغییر یافته، با API Zoho CRM تماس می‌گیرد.

* پیکربندی:

* متد (Method): GET

* آدرس URL: https://www.zohoapis.com/crm/v2/Notes?per_page=1&sort_by=Modified_Time&sort_order=desc

* احراز هویت (Authentication): اعتبارنامه‌های Zoho OAuth2 با مجوزهای لازم برای ماژول یادداشت‌ها (Notes).

* ورودی: سیگنال راه‌انداز را از scheduleTrigger دریافت می‌کند.

* خروجی: پاسخ JSON حاوی داده‌های آخرین یادداشت از Zoho CRM.

* موارد مرزی (Edge Cases): انقضای احراز هویت API، محدودیت‌های نرخ (rate limits)، یا پاسخ‌های خالی/ناقص API.

۲. آماده‌سازی متن

هدف: استخراج و پاک‌سازی متن مرتبط از یادداشت بازیابی شده، برای آماده‌سازی جهت تحلیل هوش مصنوعی.

• کد (جاوا اسکریپت)

* نوع: code

* عملکرد: داده‌های خام یادداشت را از API Zoho CRM پردازش می‌کند.

* پیکربندی: یک تابع جاوا اسکریپت که:

* به طور ایمن به محتوای یادداشت (content) و شناسه رکورد والد مرتبط با آن (parent_id) و ماژول (module) دسترسی پیدا می‌کند.

* یک شیء حاوی موارد زیر را برمی‌گرداند:

* text: محتوای پاک‌سازی شده یادداشت (یا یک رشته خالی در صورت عدم وجود).

* note_id: شناسه منحصر به فرد یادداشت.

* parent_id: شناسه رکورد CRM مرتبط (مثلاً مخاطب، سرنخ).

* module: نام ماژول CRM رکورد والد.

* ورودی: خروجی JSON از نود httpRequest که یادداشت Zoho را بازیابی می‌کند.

* خروجی: یک شیء ساختاریافته با متن آماده شده و شناسه‌های مرتبط برای تحلیل احساسات.

* موارد مرزی: فیلدهای گمشده در پاسخ API یا محتوای خالی یادداشت.

۳. تجزیه و تحلیل احساسات

هدف: تحلیل متن آماده شده با استفاده از Google Gemini و تعیین احساسات آن.

• مدل چت Google Gemini (Google Gemini Chat Model)

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

* عملکرد: به عنوان رابط مدل هوش مصنوعی برای Google Gemini عمل می‌کند.

* پیکربندی: نیاز به اعتبارنامه‌های Google API دارد.

* ورودی: پرامپت و متن آماده شده را از نود chainLlm دریافت می‌کند.

* خروجی: پاسخ خام تجزیه و تحلیل احساسات از Google Gemini.

* موارد مرزی: محدودیت‌های سهمیه (quota) API، مشکلات اتصال شبکه، یا پرامپت‌های با فرمت نادرست.

• زنجیره پایه LLM (Basic LLM Chain)

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

* عملکرد: مهندسی پرامپت را مدیریت کرده و مدل هوش مصنوعی و تجزیه‌کننده خروجی را ادغام می‌کند.

* پیکربندی:

* پرامپت (Prompt): پرامپتی که با دقت طراحی شده و به هوش مصنوعی دستور می‌دهد احساسات را به عنوان "مثبت" (Positive)، "خنثی" (Neutral) یا "منفی" (Negative) طبقه‌بندی کرده و یک امتیاز عددی متناظر ارائه دهد.

* مدل زبان هوش مصنوعی (AI Language Model): برای استفاده از نود lmChatGoogleGemini پیکربندی شده است.

* تجزیه‌کننده خروجی (Output Parser): برای استفاده از نود outputParserStructured پیکربندی شده است.

* ورودی: متن آماده شده و شناسه‌های مرتبط از نود code.

* خروجی: طبقه‌بندی احساسات و امتیاز هوش مصنوعی، که به تجزیه‌کننده خروجی ارسال می‌شود.

* موارد مرزی: پاسخ‌های غیرمنتظره هوش مصنوعی یا برچسب‌های احساسات نامعتبر.

• تجزیه‌کننده خروجی ساختاریافته (Structured Output Parser)

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

* عملکرد: فرمت JSON ساختاریافته را بر خروجی هوش مصنوعی اعمال می‌کند.

* پیکربندی: انتظار دارد هوش مصنوعی یک شیء JSON با کلیدهای sentiment_label (رشته) و sentiment_score (عدد) برگرداند.

* ورودی: پاسخ تجزیه و تحلیل احساسات تولید شده توسط هوش مصنوعی از نود lmChatGoogleGemini.

* خروجی: یک شیء JSON ساختاریافته حاوی sentiment_label و sentiment_score.

* موارد مرزی: شکست در تجزیه در صورتی که خروجی هوش مصنوعی از ساختار JSON مورد انتظار منحرف شود.

۴. به‌روزرسانی احساسات و هشداردهی

هدف: به‌روزرسانی Zoho CRM با احساسات تحلیل شده و راه‌اندازی هشدارهای ایمیلی برای بازخورد منفی.

• اگر (بررسی احساسات منفی)

* نوع: if

* عملکرد: به طور شرطی گردش کار را بر اساس احساسات شناسایی شده مسیریابی می‌کند.

* پیکربندی: بررسی می‌کند که آیا sentiment_label از نود outputParserStructured دقیقاً "Negative" است.

* ورودی: داده‌های احساسات ساختاریافته.

* خروجی:

* شاخه True: به ارسال هشدار Gmail ادامه می‌دهد.

* شاخه False: مستقیماً به به‌روزرسانی رکورد CRM بدون ارسال هشدار ادامه می‌دهد.

* موارد مرزی (Edge Cases): حساسیت به بزرگی و کوچکی حروف در برچسب‌های احساسات یا مقادیر برچسب غیرمنتظره.

• درخواست HTTP (به‌روزرسانی CRM با احساسات)

* نوع: httpRequest

* عملکرد: رکورد والد CRM را در Zoho CRM با برچسب و امتیاز احساسات تحلیل شده به‌روزرسانی می‌کند.

* پیکربندی:

* متد (Method): PUT

* آدرس URL: آدرس URL API Zoho CRM را به صورت پویا با استفاده از module و parent_id از داده‌های متن آماده شده ایجاد می‌کند (مثلاً https://www.zohoapis.com/crm/v2/{module}/{parent_id}).

* بدنه (Body): یک بار داده JSON حاوی فیلدهای مورد نظر برای به‌روزرسانی، مانند sentiment_label و sentiment_score.

* احراز هویت (Authentication): اعتبارنامه‌های Zoho OAuth2.

* ورودی: داده‌های احساسات ساختاریافته و جزئیات رکورد والد.

* خروجی: پاسخ API تأیید کننده به‌روزرسانی رکورد CRM.

* موارد مرزی: خطاهای API، مجوزهای ناکافی، یا شناسه‌های رکورد نامعتبر.

• ارسال پیام (هشدار Gmail)

* نوع: gmail

* عملکرد: هنگام شناسایی احساسات منفی، یک اعلان ایمیلی به گیرندگان تعیین شده ارسال می‌کند.

* پیکربندی:

* به (To): آدرس(های) ایمیل گیرنده.

* موضوع (Subject): یک خط موضوع واضح (مثلاً "شناسایی احساسات منفی مشتری").

* بدنه (Body): یک ایمیل آموزنده شامل شناسه رکورد CRM، شناسه یادداشت، برچسب احساسات، امتیاز و متن اصلی یادداشت را ایجاد کنید.

* احراز هویت (Authentication): اعتبارنامه‌های Gmail OAuth2.

* ورودی: فقط در صورتی فعال می‌شود که شرط نود if درست باشد (احساسات منفی).

* خروجی: تأیید ارسال ایمیل.

* موارد مرزی: خرابی در ارسال ایمیل یا آدرس‌های گیرنده نامعتبر.

• درخواست HTTP (به‌روزرسانی CRM پس از ایمیل)

* نوع: httpRequest

* عملکرد: این نود به نظر می‌رسد تکراری از نود "به‌روزرسانی CRM با احساسات" باشد، که احتمالاً برای مرحله تأیید پس از ارسال ایمیل در نظر گرفته شده است. این نود همان به‌روزرسانی CRM را انجام می‌دهد.

* پیکربندی: مشابه نود "به‌روزرسانی CRM با احساسات".

* ورودی: داده‌های احساسات ساختاریافته.

* خروجی: پاسخ API تأیید کننده به‌روزرسانی رکورد CRM.

* موارد مرزی: مشابه سایر نودهای به‌روزرسانی CRM.

---

جدول خلاصه

بازسازی گردش کار از ابتدا

1. افزودن راه‌انداز زمان‌بندی (Schedule Trigger): آن را طوری تنظیم کنید که در بازه زمانی دلخواه شما (مثلاً هر ۵ دقیقه) اجرا شود.

2. افزودن گره درخواست HTTP (HTTP Request Node):

* متد (Method) را روی GET تنظیم کنید.

* URL را وارد کنید: https://www.zohoapis.com/crm/v2/Notes?per_page=1&sort_by=Modified_Time&sort_order=desc

* اعتبارسنجی‌های Zoho OAuth2 را پیکربندی کنید.

* scheduleTrigger را به این گره متصل کنید.

3. افزودن گره کد (Code Node):

* کد جاوا اسکریپت را برای استخراج text، note_id، parent_id و module پیست کنید.

* گره httpRequest قبلی را به این گره code متصل کنید.

4. افزودن گره زنجیره LLM پایه (Basic LLM Chain Node):

* پرامپت (Prompt) را برای تجزیه و تحلیل احساسات (مثبت، خنثی، منفی، همراه با امتیاز) پیکربندی کنید.

* مدل زبان هوش مصنوعی (AI Language Model) را روی lmChatGoogleGemini تنظیم کنید.

* تجزیه‌کننده خروجی (Output Parser) را روی outputParserStructured تنظیم کنید.

* گره code را به این گره chainLlm متصل کنید.

5. افزودن گره مدل چت Google Gemini (Google Gemini Chat Model Node):

* اعتبارسنجی‌های Google API خود را پیکربندی کنید.

* این گره را به عنوان مدل هوش مصنوعی در گره chainLlm متصل کنید.

6. افزودن گره تجزیه‌کننده خروجی ساختاریافته (Structured Output Parser Node):

* اطمینان حاصل کنید که برای دریافت sentiment_label و sentiment_score پیکربندی شده است.

* این گره را به عنوان تجزیه‌کننده خروجی در گره chainLlm متصل کنید.

7. افزودن گره شرطی (If Node):

* شرط را برای بررسی اینکه آیا sentiment_label برابر با "Negative" است، پیکربندی کنید.

* گره chainLlm را به این گره if متصل کنید.

8. افزودن گره درخواست HTTP (به‌روزرسانی CRM) (HTTP Request Node (Update CRM)):

* متد (Method) را روی PUT تنظیم کنید.

* URL را به صورت پویا با استفاده از module و parent_id از مراحل قبلی بسازید (مثلاً https://www.zohoapis.com/crm/v2/{{$json.module}}/{{$json.parent_id}}).

* بدنه (Body) را برای ارسال sentiment_label و sentiment_score پیکربندی کنید.

* اعتبارسنجی‌های Zoho OAuth2 را پیکربندی کنید.

* شاخه False گره if را به این گره متصل کنید.

9. افزودن گره Gmail (ارسال هشدار) (Gmail Node (Send Alert)):

* گیرنده (To)، موضوع (Subject) و بدنه (Body) ایمیل را با گنجاندن داده‌های مرتبط از گره‌های قبلی پیکربندی کنید.

* اعتبارسنجی‌های Gmail OAuth2 را پیکربندی کنید.

* شاخه True گره if را به این گره متصل کنید.

10. افزودن گره درخواست HTTP (به‌روزرسانی CRM پس از ایمیل) (HTTP Request Node (Update CRM After Email)):

* این گره را دقیقاً مشابه گره "به‌روزرسانی CRM با احساسات" پیکربندی کنید.

* گره gmail را به این گره متصل کنید.