این گردش کار چگونه احساسات پستهای فیسبوک را تحلیل میکند؟

این گردش کار از GPT-4 از طریق یک عامل LangChain برای تحلیل احساسات پستها و نظرات فیسبوک استفاده میکند و خروجی JSON ساختاریافته تولید میکند.

چه زمانی هشدارهای Slack ارسال میشوند؟

هشدارهای Slack زمانی ارسال میشوند که احساسات منفی در پستها یا نظرات فیسبوک شناسایی شود.

دادههای احساسات کجا ذخیره میشوند؟

تمام دادههای احساسات تحلیلشده در Google Sheets برای پیگیری تاریخی ثبت میشوند.

این گردش کار چه زمانی اجرا میشود؟

این گردش کار به صورت روزانه و در ساعت ۱۰:۰۰ صبح اجرا میشود.

تحلیل احساسات فیسبوک با GPT-4 و اتوماسیون Slack

تحلیل احساسات نظرات فیسبوک با GPT-4، Slack، Sheets و گزارش‌های Outlook

این گردش کار، تحلیل روزانه احساسات پست‌ها و نظرات فیسبوک را با استفاده از GPT-4 خودکار می‌کند. سپس بینش‌ها را از طریق هشدارهای Slack برای بازخورد منفی، ثبت تمام داده‌های احساسات در Google Sheets برای پیگیری تاریخی، و جمع‌آوری یک گزارش خلاصه روزانه که از طریق Outlook ارسال می‌شود، توزیع می‌کند. این امر به تیم‌های رسانه‌های اجتماعی قدرت می‌دهد تا به طور فعال تعامل مخاطبان را مدیریت کرده و استراتژی‌های محتوا را بر اساس روندهای احساسات اصلاح کنند.

این گردش کار را در کاتالوگ n8n Axeto.ai کاوش کنید.

---

تفکیک گردش کار

این گردش کار به بلوک‌های منطقی مجزا تقسیم شده است:

1. راه‌اندازی و جمع‌آوری داده: گردش کار را بر اساس یک برنامه روزانه آغاز می‌کند و پست‌های اخیر فیسبوک، از جمله واکنش‌ها و نظرات را بازیابی می‌کند.

2. قالب‌بندی داده: داده‌های خام API فیسبوک را به قالبی تمیز و ساختاریافته مناسب برای پردازش هوش مصنوعی تبدیل می‌کند.

3. تحلیل احساسات با هوش مصنوعی: از GPT-4 از طریق یک عامل LangChain برای تحلیل احساسات پست‌ها و نظرات استفاده می‌کند و خروجی JSON ساختاریافته تولید می‌کند.

4. منطق مسیریابی: داده‌های احساسات تحلیل‌شده را بر اساس امتیاز کلی احساسات به مسیرهای پردازشی مختلف هدایت می‌کند.

5. هشدارها و گزارش‌دهی: هشدارهای Slack را برای احساسات منفی ارسال می‌کند، تمام داده‌های احساسات را در Google Sheets ثبت می‌کند و یک گزارش HTML روزانه را از طریق Outlook ارسال می‌کند.

6. مدیریت خطا: هرگونه خطای اجرای گردش کار را برای اشکال‌زدایی سریع، ضبط کرده و به Slack گزارش می‌دهد.

---

تجزیه و تحلیل دقیق نودها

۱. راه‌اندازی و جمع‌آوری داده

هدف: شروع روزانه گردش کار و دریافت داده‌های پست‌های مرتبط فیسبوک.
نودها:

* Trigger - Daily Sentiment Analysis (تریگر زمان‌بندی)

* Fetch Recent Facebook Posts (Facebook Graph API)

* Data Collection (یادداشت چسبان)

جزئیات نود:

* Trigger - Daily Sentiment Analysis

* نوع: Schedule Trigger

* پیکربندی: تنظیم شده برای فعال شدن روزانه ساعت ۱۰:۰۰ صبح.

* هدف: شروع اجرای گردش کار بر اساس یک زمان‌بندی از پیش تعیین شده.

* نکات: زمان تریگر را برای هماهنگی با ساعات کاری تیم خود تنظیم کنید.

* Fetch Recent Facebook Posts

* نوع: Facebook Graph API

* پیکربندی:

* Edge: posts

* Fields: شناسه پست، پیام، استوری، زمان ایجاد، لینک دائمی، تصویر کامل، پیوست‌ها، اشتراک‌گذاری‌ها، لایک‌ها، نظرات، واکنش‌ها و اطلاعات صفحه را دریافت می‌کند.

* API Version: v23.0

* هدف: دریافت پست‌های اخیر فیسبوک و داده‌های تعامل مرتبط با آن‌ها.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده Facebook Graph API دارد.

* مشکلات احتمالی: خطاهای احراز هویت API فیسبوک، محدودیت نرخ درخواست (rate limiting) یا عدم وجود مجوزهای کافی.

۲. قالب‌بندی داده

هدف: نرمال‌سازی و غنی‌سازی داده‌های خام API فیسبوک به یک فرمت سازگار برای تحلیل هوش مصنوعی.
نودها:

* Format Facebook Data (نود کد)

* Data Formatting (یادداشت چسبان)

جزئیات نود:

* Format Facebook Data

* نوع: Code (JavaScript)

* پیکربندی: خروجی پیچیده JSON از Facebook Graph API را تجزیه کرده و پست‌ها و نظرات را به یک فرمت مسطح و ساختاریافته نگاشت می‌کند. شامل فراداده‌هایی مانند تعداد نظرات و معیارهای تعامل است.

* هدف: آماده‌سازی داده‌ها برای پردازش قابل اعتماد توسط نود تحلیل احساسات هوش مصنوعی.

* مشکلات احتمالی: خطاهایی به دلیل تغییرات غیرمنتظره در ساختار داده API فیسبوک یا ورودی نامعتبر.

* نکات: برای تنوع در ساختار JSON فیسبوک، مدیریت خطای قوی پیاده‌سازی کنید.

۳. تحلیل احساسات هوش مصنوعی

هدف: تحلیل احساسات هر پست فیسبوک و نظرات آن با استفاده از GPT-4.
نودها:

* 💬 Agent - Sentiment & Tone Evaluator (LangChain Agent)

* LLM - OpenAI GPT-4 Model (LangChain OpenAI Chat Model)

* Memory Buffer - Session Context (LangChain Memory Buffer Window)

* Structured JSON Parser (LangChain Output Parser Structured)

* AI Analysis (یادداشت چسبان)

جزئیات نود:

* 💬 Agent - Sentiment & Tone Evaluator

* نوع: LangChain Agent

* پیکربندی:

* Prompt: به هوش مصنوعی دستور می‌دهد تا لحن احساسی پست‌ها و نظرات را تحلیل کرده و خروجی را در یک فرمت JSON دقیق شامل امتیاز احساسات (از ۱- تا ۱+)، برچسب (منفی، خنثی، مثبت) و توضیحات ارائه دهد.

* احساسات فردی نظرات را در یک امتیاز کلی احساسات نظرات تجمیع می‌کند.

* از یک پارسر خروجی برای اعتبارسنجی JSON استفاده می‌کند.

* هدف: هماهنگ کردن فرآیند تحلیل احساسات با استفاده از LLM و حافظه پیکربندی شده.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده OpenAI GPT-4 دارد.

* LLM - OpenAI GPT-4 Model

* نوع: LangChain OpenAI Chat Model

* پیکربندی: مدل روی gpt-4 با دمای 0.4 برای تحلیل متعادل تنظیم شده است.

* هدف: مدل اصلی هوش مصنوعی که تحلیل احساسات را انجام می‌دهد.

* مشکلات احتمالی: رسیدن به سقف سهمیه API یا شکست در احراز هویت.

* Memory Buffer - Session Context

* نوع: LangChain Memory Buffer Window

* پیکربندی: از یک کلید جلسه (مانند "غربالگری نامزد") برای حفظ زمینه در صورت نیاز در طول تعاملات متعدد استفاده می‌کند.

* هدف: زمینه مکالمه را برای عامل LangChain فراهم می‌کند.

* Structured JSON Parser

* نوع: LangChain Output Parser Structured

* پیکربندی: خروجی هوش مصنوعی را در برابر یک طرحواره JSON از پیش تعریف شده (مانند postId, postMessage, postSentiment, آرایه comments, overallCommentSentiment) اعتبارسنجی می‌کند.

* هدف: اطمینان از اینکه خروجی هوش مصنوعی به طور مداوم قالب‌بندی شده و قابل تجزیه است.

* مشکلات احتمالی: خطاهای تجزیه در صورتی که خروجی هوش مصنوعی از ساختار JSON مورد انتظار منحرف شود.

۴. منطق مسیریابی

هدف: هدایت داده‌های احساسات تحلیل شده به فرآیندهای پایین‌دستی مناسب بر اساس امتیاز احساسات.
نودها:

* Route Based on Sentiment Score (نود سوئیچ)

* Routing Logic (یادداشت چسبان)

جزئیات نود:

* Route Based on Sentiment Score

* نوع: Switch Node

* پیکربندی:

* شرط ۱: اگر overallCommentSentiment.score < -0.4 باشد، به مسیر احساسات منفی (هشدار Slack و Google Sheets) هدایت شود.

* شرط ۲: اگر overallCommentSentiment.score > 0 باشد، به مسیر احساسات مثبت/خنثی (گزارش ایمیل) هدایت شود.

* امتیازات بین ۰.۴- و ۰ به طور ضمنی توسط مسیر مثبت/خنثی مدیریت می‌شوند.

* هدف: انشعاب گردش کار بر اساس احساسات محاسبه شده.

* مشکلات احتمالی: خطاهای ارزیابی عبارت (expression) در صورتی که داده‌های احساسات گم شده یا نامعتبر باشند.

۵. هشدارها و گزارش‌دهی

هدف: اطلاع‌رسانی به ذینفعان و ثبت داده‌های احساسات از طریق کانال‌های مختلف.
نودها:

* Slack Alert - Negative Sentiment (نود Slack)

* Prepare Data for Google Sheets (نود کد)

* Update Google Sheet - Sentiment Log (نود Google Sheets)

* Format HTML Email Report (نود کد)

* Send Sentiment Report (نود Microsoft Outlook)

* Alerts & Reporting (یادداشت چسبان)

جزئیات نود:

* Slack Alert - Negative Sentiment

* نوع: Slack Node

* پیکربندی: ارسال یک پیام دقیق به یک کانال Slack مشخص شامل محتوای پست، امتیازات احساسات و احساسات نظرات فردی، اغلب با نشانه‌های بصری مانند ایموجی‌ها.

* هدف: ارائه اعلان فوری از احساسات منفی مخاطبان.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده Slack OAuth2 دارد.

* مشکلات احتمالی: خطاهای احراز هویت API Slack یا مشکلات مجوز کانال.

* Prepare Data for Google Sheets

* نوع: Code (JavaScript)

* پیکربندی: تبدیل JSON تحلیل احساسات به یک فرمت جدولی مناسب برای افزودن به Google Sheet. شامل معیارهایی مانند تعداد نظرات مثبت/منفی/خنثی و مُهر زمانی است.

* هدف: ساختاردهی داده‌ها برای ثبت کارآمد در Google Sheets.

* مشکلات احتمالی: خطاهای هنگام تجزیه JSON یا قالب‌بندی تاریخ.

* Update Google Sheet - Sentiment Log

* نوع: Google Sheets Node

* پیکربندی: افزودن یا به‌روزرسانی ردیف‌ها در یک Google Sheet مشخص با استفاده از داده‌های آماده شده. ستون‌ها به صراحت نگاشت شده‌اند.

* هدف: حفظ سابقه نتایج تحلیل احساسات.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده Google Sheets OAuth2 دارد.

* مشکلات احتمالی: خطاهای احراز هویت API Google، محدودیت نرخ درخواست یا مشکلات مجوز صفحه.

* Format HTML Email Report

* نوع: Code (JavaScript)

* پیکربندی: ایجاد بدنه ایمیل HTML که خلاصه‌ای از روندهای احساسات را ارائه می‌دهد. شامل نشانگرهای احساسات رنگی، جزئیات پست و توضیحات است. به طور پویا خط موضوع ایمیل را ایجاد می‌کند.

* هدف: تدوین یک گزارش احساسات روزانه قابل فهم.

* مشکلات احتمالی: خطاهایی که به دلیل داده‌های گم شده یا نامعتبر مانع از رندر شدن الگو می‌شوند.

* Send Sentiment Report

* نوع: Microsoft Outlook Node

* پیکربندی: ارسال ایمیل HTML تولید شده با اولویت بالا. از موضوع و بدنه آماده شده توسط نود قبلی استفاده می‌کند.

* هدف: توزیع گزارش احساسات روزانه به گیرندگان مربوطه.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده Outlook OAuth2 دارد.

* مشکلات احتمالی: خطاهای احراز هویت API Outlook، محدودیت‌های سهمیه یا مشکلات اتصال شبکه.

۶. مدیریت خطا

هدف: ثبت و گزارش هرگونه خطایی که در طول اجرای گردش کار رخ می‌دهد.
نودها:

* Error Handler Trigger (تریگر خطا)

* Slack: Send Error Alert (نود Slack)

* Error Handling (یادداشت چسبان)

جزئیات نود:

* Error Handler Trigger

* نوع: Error Trigger

* هدف: گرفتن هرگونه خطایی که در داخل گردش کار رخ می‌دهد.

* Slack: Send Error Alert

* نوع: Slack Node

* پیکربندی: ارسال یک پیام خطای دقیق به یک کانال Slack تعیین شده، شامل نام نود، پیام خطا و مُهر زمانی.

* هدف: تسهیل اشکال‌زدایی سریع با هشدار دادن به تیم در مورد خرابی‌های گردش کار.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده Slack OAuth2 دارد.

* مشکلات احتمالی: خطاهای API Slack یا مجوز که مانع از ارسال هشدار می‌شوند.

---

جدول خلاصه

نام نود (Node Name)	نوع نود (Node Type)	نقش عملکردی (Functional Role)	نود ورودی (Input Node(s))	نود خروجی (Output Node(s))
Trigger - Daily Sentiment Analysis	`Schedule Trigger`	شروع گردش کار روزانه در ساعت ۱۰ صبح	None	Fetch Recent Facebook Posts
Fetch Recent Facebook Posts	`Facebook Graph API`	بازیابی پست‌ها و نظرات فیسبوک	Trigger - Daily Sentiment Analysis	Format Facebook Data (Code Node)
Format Facebook Data	`Code`	نرمال‌سازی داده‌های API فیسبوک	Fetch Recent Facebook Posts	`💬 Agent - Sentiment & Tone Evaluator`
`💬 Agent - Sentiment & Tone Evaluator`	`LangChain Agent`	تحلیل احساسات با استفاده از GPT-4	Format Facebook Data	`LLM - OpenAI GPT-4 Model`, `Structured JSON Parser`
LLM - OpenAI GPT-4 Model	`LangChain OpenAI Chat Model`	انجام تحلیل احساسات اصلی با هوش مصنوعی	هدایت داخلی توسط ایجنت (Routed internally by agent)	متن تولید شده توسط هوش مصنوعی (AI-generated text)
Memory Buffer - Session Context	`LangChain Memory Buffer Window`	حفظ زمینه (context) برای ایجنت	تغذیه زمینه به ایجنت (Feeds context to agent)	جریان زمینه حافظه (Memory context stream)
Structured JSON Parser	`LangChain Output Parser Structured`	اعتبارسنجی و تجزیه خروجی هوش مصنوعی به JSON	خروجی خام هوش مصنوعی (AI raw output)	شیء JSON تجزیه شده (Parsed JSON object)
Route Based on Sentiment Score	`Switch Node`	هدایت داده‌ها بر اساس امتیاز احساسات	JSON احساسات از ایجنت (Sentiment JSON from agent)	مسیر منفی (Negative path)، مسیر مثبت/خنثی (Positive/Neutral path)
Slack Alert - Negative Sentiment	`Slack Node`	ارسال هشدار برای احساسات منفی	مسیر احساسات منفی (Negative sentiment path)	None
Prepare Data for Google Sheets	`Code`	فرمت‌بندی داده‌ها برای Google Sheets	مسیرهای منفی و مثبت/خنثی (Negative & Positive/Neutral paths)	ردیف‌های فرمت شده برای افزودن/به‌روزرسانی شیت (Rows formatted for sheet append/update)
Update Google Sheet - Sentiment Log	`Google Sheets Node`	ثبت داده‌های احساسات در Google Sheets	ردیف‌های شیت آماده شده (Prepared sheet rows)	تأییدیه افزودن (Append confirmation)
Format HTML Email Report	`Code`	تولید محتوای ایمیل HTML	مسیر احساسات مثبت/خنثی (Positive/Neutral sentiment path)	JSON با موضوع ایمیل و بدنه HTML (JSON with email subject and HTML body)
Send Sentiment Report	`Microsoft Outlook Node`	ارسال گزارش احساسات روزانه از طریق Outlook	JSON ایمیل فرمت شده (Formatted email JSON)	تأییدیه ارسال ایمیل (Email send confirmation)
Error Handler Trigger	`Error Trigger`	گرفتن خطاهای گردش کار	رویدادهای خطای داخلی n8n (Internal n8n error events)	Slack: Send Error Alert
Slack: Send Error Alert	`Slack Node`	اطلاع‌رسانی به تیم در مورد خطاهای گردش کار	بار خطا از تریگر خطا (Error payload from error trigger)	None

تحلیل احساسات فیسبوک با GPT-4 و اتوماسیون Slack

دانلود workflow

تحلیل احساسات نظرات فیسبوک با GPT-4، Slack، Sheets و گزارش‌های Outlook

تفکیک گردش کار

تجزیه و تحلیل دقیق نودها

۱. راه‌اندازی و جمع‌آوری داده

۲. قالب‌بندی داده

۳. تحلیل احساسات هوش مصنوعی

۴. منطق مسیریابی

۵. هشدارها و گزارش‌دهی

۶. مدیریت خطا

جدول خلاصه

Nodeهای استفاده‌شده

سوالات متداول

workflowهای مرتبط