تحلیل هوشمند بازخورد نظرسنجی مشتری و گزارش‌دهی خودکار

تحلیل بازخورد نظرسنجی مشتری با هوش مصنوعی، Google Sheets و گزارش‌های Slack

این گردش کار، تحلیل بازخورد نظرسنجی مشتری را خودکار می‌کند. پاسخ‌ها را بر اساس احساسات گروه‌بندی می‌کند، از هوش مصنوعی برای استخراج مضامین و بینش‌های عملی استفاده می‌کند و سپس این یافته‌ها را در گزارش‌هایی که از طریق Google Sheets و Slack ارائه می‌شوند، تجمیع می‌کند. این گردش کار که برای اجرای روزانه طراحی شده است، برای تیم‌های تجربه مشتری که به دنبال خلاصه‌های خودکار و مبتنی بر داده برای اطلاع‌رسانی بهبود محصول و خدمات هستند، ایده‌آل است.

شما می‌توانید این گردش کار و موارد دیگر را در کاتالوگ Axeto ما بیابید: Axeto.ai/n8n

نمای کلی گردش کار

گردش کار تولید کننده خلاصه نظرسنجی مشتری به طور منطقی به مراحل زیر تقسیم می‌شود:

1. دریافت ورودی: یک تریگر زمان‌بندی شده گردش کار را آغاز می‌کند و پاسخ‌های خام نظرسنجی را از یک Google Sheet بازیابی می‌کند.

2. آماده‌سازی و گروه‌بندی داده‌ها: پاسخ‌های نظرسنجی بر اساس احساسات (مثبت، خنثی، منفی) دسته‌بندی شده و سپس برای پردازش کارآمد هوش مصنوعی دسته‌بندی می‌شوند.

3. پردازش هوش مصنوعی: یک عامل هوش مصنوعی هر دسته احساسات را تجزیه و تحلیل می‌کند تا موضوعات تکراری را شناسایی کرده، بینش‌های کلیدی را استخراج کند و توصیه‌های عملی تولید کند.

4. تجمیع خروجی: نتایج حاصل از تجزیه و تحلیل هوش مصنوعی هر دسته در یک خلاصه جامع واحد ترکیب می‌شوند.

5. خروجی و گزارش‌دهی: خلاصه تجمیع شده در یک Google Sheet ذخیره شده و یک گزارش قالب‌بندی شده در Slack ارسال می‌شود.

---

تشریح کامل گردش کار

۱. دریافت ورودی

هدف: دریافت خودکار داده‌های خام نظرسنجی مشتریان از یک Google Sheet به صورت روزانه.

گره‌ها (Nodes):

• محرک زمان‌بندی روزانه (scheduleTrigger)

* نقش: راه‌اندازی گردش کار هر روز ساعت ۹:۰۰ صبح به وقت ژاپن (JST).

* پیکربندی: تنظیم شده برای فعال شدن روزانه در ساعت ۹.

* خروجی: به گره دریافت پاسخ‌های نظرسنجی متصل می‌شود.

* ملاحظات: اطمینان حاصل کنید که منطقه زمانی (timezone) به درستی برای نیازهای شما تنظیم شده است.

• دریافت پاسخ‌های نظرسنجی (googleSheets)

* نقش: بازیابی داده‌های خام نظرسنجی از یک Google Sheet مشخص.

* پیکربندی: نیاز به اعتبارنامه‌های OAuth2 برای Google Sheets دارد. باید مقادیر جایگزین (placeholder) برای شناسه Sheet (Sheet ID) و نام Sheet (Sheet Name) را جایگزین کنید.

* ستون‌های کلیدی: انتظار می‌رود ستون‌هایی با نام‌های 満足度 (Rating)، 自由記述コメント (Comment) و 回答日時 (Timestamp) وجود داشته باشند.

* خروجی: داده‌های بازیابی شده را به گره گروه‌بندی و آماده‌سازی داده‌ها منتقل می‌کند.

* ملاحظات: شناسه Sheet، نام Sheet و احراز هویت را تأیید کنید. مواردی را که ستون‌ها ممکن است وجود نداشته باشند یا Sheet خالی باشد، مدیریت کنید.

• یادداشت منبع داده (stickyNote)

* نقش: ارائه راهنمایی در مورد راه‌اندازی اتصال Google Sheets و اطمینان از استفاده از نام ستون‌های صحیح.

---

۲. آماده‌سازی و گروه‌بندی داده‌ها

هدف: سازماندهی داده‌های خام نظرسنجی بر اساس احساسات (sentiment) و آماده‌سازی آن‌ها در دسته‌های قابل مدیریت برای تحلیل هوش مصنوعی.

گره‌ها (Nodes):

• گروه‌بندی و آماده‌سازی داده‌ها (code)

* نقش: دسته‌بندی پاسخ‌های نظرسنجی به سه گروه احساسی: مثبت (امتیاز ≥۴)، خنثی (امتیاز =۳) و منفی (امتیاز <۳). همچنین داده‌ها را به دسته‌هایی با حداکثر ۵۰ پاسخ در هر دسته تقسیم می‌کند.

* منطق: نام ستون‌های ژاپنی را تجزیه می‌کند، یک شیء groupedByRating ایجاد می‌کند و پاسخ‌ها را برای دسته‌بندی برش می‌دهد.

* خروجی: داده‌های دسته‌بندی شده را به گره حلقه بر روی دسته‌ها ارسال می‌کند.

* ملاحظات: امتیازات غیرعددی، بازخورد گمشده یا مُهر زمانی (timestamp) گمشده را مدیریت کنید (به مُهر زمانی ISO فعلی به عنوان پیش‌فرض).

• حلقه بر روی دسته‌ها (splitInBatches)

* نقش: پیمایش هر دسته آماده شده از پاسخ‌های نظرسنجی، ارسال آن‌ها برای تحلیل هوش مصنوعی مجزا.

* خروجی: دو شاخه خروجی اصلی ایجاد می‌کند: یکی برای پردازش هوش مصنوعی (تحلیل دسته نظرسنجی) و دیگری برای تجمیع نتایج در مراحل بعدی.

* ملاحظات: دسته‌های خالی یا اندازه‌های دسته غیرمنتظره را مدیریت کنید.

• یادداشت پردازش (stickyNote)

* نقش: توضیح منطق پردازش داده‌ها، شامل گروه‌بندی احساسات، دسته‌بندی و حلقه برای تحلیل هوش مصنوعی.

---

۳. پردازش هوش مصنوعی

هدف: استفاده از هوش مصنوعی برای تحلیل هر دسته از پاسخ‌های نظرسنجی، استخراج مضامین، بینش‌ها و توصیه‌ها در قالبی ساختاریافته JSON.

گره‌ها (Nodes):

• تحلیل دسته نظرسنجی (@n8n/n8n-nodes-langchain.agent)

* نقش: ارسال یک پرامپت (prompt) به مدل هوش مصنوعی برای تحلیل دسته پاسخ‌های ارائه شده. به طور خاص درخواست می‌کند که خروجی در قالب JSON باشد و مضامین، بینش‌ها و توصیه‌ها را شرح دهد.

* پیکربندی: از عبارات پویا (dynamic expressions) برای درج احساسات، تعداد و پاسخ‌های دسته در پرامپت استفاده می‌کند. پیام سیستم برای اجبار تحلیل عمیق و خروجی دقیق JSON پیکربندی شده است.

* خروجی: تحلیل هوش مصنوعی را به گره افزودن فراداده منتقل می‌کند.

* ملاحظات: خطاهای پاسخ هوش مصنوعی، مسائل تزریق پرامپت (prompt injection) یا شکست‌های تجزیه JSON را نظارت کنید.

• مدل چت OpenRouter (@n8n/n8n-nodes-langchain.lmChatOpenRouter)

* نقش: به عنوان بک‌اند (backend) مدل زبان برای گره تحلیل دسته نظرسنجی عمل می‌کند، پیکربندی شده برای انتظار پاسخ‌های شیء JSON.

* ورودی: پیکربندی را از تحلیل دسته نظرسنجی دریافت می‌کند.

* خروجی: قابلیت‌های هوش مصنوعی را به تحلیل دسته نظرسنجی بازمی‌گرداند.

* ملاحظات: احراز هویت صحیح API را تضمین کنید، به محدودیت‌های نرخ (rate limits) توجه داشته باشید و مهلت‌های زمانی (timeouts) مناسب را پیکربندی کنید.

• تجزیه‌کننده خروجی ساختاریافته (@n8n/n8n-nodes-langchain.outputParserStructured)

* نقش: تجزیه خروجی هوش مصنوعی، اطمینان از انطباق آن با یک طرحواره JSON از پیش تعریف شده که شامل مضامین، بینش‌ها، توصیه‌ها و خلاصه‌ای از احساسات است.

* ورودی: خروجی خام هوش مصنوعی را از تحلیل دسته نظرسنجی دریافت می‌کند.

* خروجی: داده‌های ساختاریافته را به خروجی دوم اصلی گره حلقه بر روی دسته‌ها ارسال می‌کند.

* ملاحظات: عدم تطابق طرحواره (schema mismatches) یا ساختارهای JSON نامعتبر را مدیریت کنید.

• افزودن فراداده (code)

* نقش: غنی‌سازی نتایج تحلیل هوش مصنوعی با افزودن برچسب احساسات اصلی و تعداد پاسخ‌ها از دسته فعلی. این فراداده برای مرحله تجمیع حیاتی است.

* ورودی: داده‌ها را از تحلیل دسته نظرسنجی و زمینه (context) را از حلقه بر روی دسته‌ها دریافت می‌کند.

* خروجی: نتایج غنی شده را به گره تجمیع نتایج منتقل می‌کند.

* ملاحظات: اطمینان حاصل کنید که داده‌های زمینه دسته به درستی منتقل و مطابقت داده شده‌اند.

• یادداشت پردازش هوش مصنوعی (stickyNote)

* نقش: ارائه توصیه‌هایی در مورد راه‌اندازی اعتبارنامه‌های هوش مصنوعی و تأکید بر اهمیت خروجی هوش مصنوعی با قالب‌بندی دقیق JSON برای پردازش قابل اعتماد در مراحل بعدی.

---

۴. تجمیع خروجی

هدف: ادغام تمام نتایج تحلیل هوش مصنوعی مجزا در یک گزارش جامع واحد.

گره‌ها (Nodes):

• تجمیع نتایج (code)

* نقش: ترکیب آرایه نتایج تحلیل هوش مصنوعی. مضامین (بدون حساسیت به بزرگی و کوچکی حروف) را ادغام می‌کند، بینش‌ها و توصیه‌ها را حذف تکرار می‌کند، تعداد کل پاسخ‌ها را محاسبه می‌کند و تفکیک احساسات کلی را تعیین می‌کند. در نهایت، یک رشته خلاصه اجرایی (executive summary) را قالب‌بندی می‌کند.

* ورودی: داده‌های پردازش شده را از گره حلقه بر روی دسته‌ها (پس از مرحله افزودن فراداده) دریافت می‌کند.

* خروجی: گزارش تجمیع شده را به گره‌های ذخیره در شیت و ارسال پیام ۱ ارسال می‌کند.

* ملاحظات: موارد خروجی هوش مصنوعی گمشده یا بدشکل، مجموعه‌های نتیجه خالی یا مجموعه داده‌های بسیار بزرگ را مدیریت کنید.

---

۵. خروجی و گزارش‌دهی

هدف: تحویل گزارش نهایی و تجمیع شده هم به Google Sheets و هم به Slack.

گره‌ها (Nodes):

• ذخیره در شیت (googleSheets)

* نقش: افزودن یک ردیف جدید به یک Google Sheet تعیین شده. این ردیف شامل تاریخ گزارش، تفکیک احساسات، مضامین برتر، بینش‌های کلیدی، توصیه‌ها، تعداد کل پاسخ‌ها و خلاصه اجرایی است.

* پیکربندی: نیاز به اعتبارنامه‌های OAuth2 برای Google Sheets دارد. باید مقادیر جایگزین برای شناسه Sheet و نام Sheet را جایگزین کنید.

* ورودی: داده‌های گزارش تجمیع شده را از تجمیع نتایج دریافت می‌کند.

* خروجی: داده‌ها را به گره ارسال پیام ۱ منتقل می‌کند.

* ملاحظات: دسترسی صحیح به Sheet، اعتبارنامه‌های معتبر و فرمت‌های داده سازگار را تضمین کنید.

• ارسال پیام ۱ (slack)

* نقش: ارسال یک پیام دقیق و قالب‌بندی شده Slack به یک کانال مشخص، خلاصه یافته‌های کلیدی از تحلیل نظرسنجی.

* پیکربندی: نیاز به اعتبارنامه‌های OAuth2 برای Slack دارد. باید مقادیر جایگزین برای شناسه کانال و نام کانال را جایگزین کنید. قالب‌بندی پیام از عبارات n8n برای تاریخ‌ها و لیست‌ها استفاده می‌کند، از جمله متن جایگزین (fallback text) برای داده‌های گمشده.

* ورودی: داده‌ها را از تجمیع نتایج دریافت می‌کند (اغلب از طریق ذخیره در شیت منتقل می‌شود).

* خروجی: این یک گره پایانی برای گردش کار است.

* ملاحظات: احراز هویت API Slack، پیکربندی کانال و قالب‌بندی پیام را تأیید کنید.

• یادداشت گزینه‌های خروجی (stickyNote)

* نقش: ارائه یادآوری در مورد جایگزینی مقادیر جایگزین و افزودن اعتبارنامه‌های لازم برای گره‌های خروجی.

جدول خلاصه