تحلیل خودکار نظرات گوگل و ارسال گزارش به اسلک با هوش مصنوعی

تجزیه و تحلیل نظرات گوگل و ارسال گزارش‌های احساسات به Slack با Gemini

این گردش کار، تجزیه و تحلیل نظرات پروفایل کسب‌وکار گوگل را خودکار می‌کند، تحلیل احساسات را با استفاده از Google Gemini انجام می‌دهد و گزارش‌های خلاصه‌شده را به یک کانال Slack ارسال می‌کند. این به کسب‌وکارها کمک می‌کند تا روند بازخورد مشتریان را در یک دوره زمانی مشخص به طور سیستماتیک رصد کنند.

موارد استفاده:

• تجزیه و تحلیل خودکار احساسات نظرات مشتریان در پروفایل کسب‌وکار گوگل.
• گزارش‌های دوره‌ای تجمیع‌شده در مورد احساسات مشتری که مستقیماً به Slack ارسال می‌شوند.
• ردیابی روند بازخورد برای شناسایی نقاط قوت و ضعف کسب‌وکار.

ساختار گردش کار:

1. راه‌اندازی تریگر زمان‌بندی شده و دوره زمانی: گردش کار را به صورت ماهانه راه‌اندازی می‌کند و دوره استخراج نظرات را تعریف می‌کند.

2. دریافت و فیلتر کردن نظرات گوگل: نظرات را از پروفایل کسب‌وکار گوگل دریافت کرده و بر اساس دوره زمانی مشخص فیلتر می‌کند.

3. نگاشت داده‌ها برای تحلیل احساسات: داده‌های نظرات را با استانداردسازی نظرات، امتیازات و تاریخ‌ها آماده می‌کند.

4. تحلیل احساسات از طریق Google Gemini: احساسات نظرات آماده‌شده را با استفاده از یک مدل زبان Google Gemini تحلیل می‌کند.

5. تجمیع تحلیل احساسات: نتایج تحلیل احساسات را با استفاده از عوامل هوش مصنوعی در یک گزارش ساختاریافته JSON تجمیع و خلاصه می‌کند.

6. قالب‌بندی پیام‌های Slack: گزارش JSON تجمیع‌شده را به پیام‌های Slack Block Kit تبدیل می‌کند که برای دسته‌های مختلف احساسات سفارشی شده‌اند.

7. اعلان Slack: گزارش‌های احساسات قالب‌بندی شده را به یک کانال Slack مشخص ارسال می‌کند.

---

تجزیه و تحلیل دقیق نودها

۱. راه‌اندازی تریگر زمان‌بندی شده و دوره زمانی

• هدف: راه‌اندازی گردش کار به صورت ماهانه و تعیین بازه زمانی برای استخراج داده‌های بازخورد.
• نودها:

* Schedule Trigger

* Set time period

• جزئیات نودها:

* Schedule Trigger

* نوع: Schedule Trigger

* نقش: راه‌اندازی گردش کار بر اساس یک برنامه ماهانه.

* پیکربندی: تنظیم شده برای اجرا هر ماه.

* اتصالات: نود Set time period را فعال می‌کند.

* موارد مرزی: پیکربندی نادرست ممکن است مانع اجرای دوره‌ای شود.

* Set time period

* نوع: Set

* نقش: تعریف متغیرهای گردش کار period (مثلاً "year") و time (مثلاً "3") برای مشخص کردن پنجره بازخورد.

* پیکربندی: تخصیص مقادیر ثابت برای دوره و زمان.

* اتصالات: خروجی به نود Get many reviews ارسال می‌شود.

* موارد مرزی: مقادیر ثابت انعطاف‌پذیری را محدود می‌کنند؛ برای بازه‌های زمانی مختلف نیاز به به‌روزرسانی دستی است.

۲. دریافت و فیلتر کردن نظرات گوگل

• هدف: دریافت حداکثر ۱۰۰۰ نظر از پروفایل کسب‌وکار گوگل و فیلتر کردن آن‌ها بر اساس دوره زمانی تعریف شده.
• نودها:

* Get many reviews

* Filter review based on the time period

• جزئیات نودها:

* Get many reviews

* نوع: Google Business Profile

* نقش: دریافت نظرات با استفاده از API پروفایل کسب‌وکار گوگل.

* پیکربندی: دریافت حداکثر ۱۰۰۰ نظر برای حساب و مکان مشخص.

* عبارات: حساب و مکان به صورت پویا بر اساس نام پیکربندی می‌شوند.

* اتصالات: خروجی به نود Filter review based on the time period ارسال می‌شود.

* موارد مرزی: محدودیت‌های سهمیه API، خطاهای احراز هویت، یا جزئیات نامعتبر حساب/مکان می‌تواند باعث شکست شود.

* لینک کاتالوگ Axeto: https://axeto.ai/n8n/nodes/n8n-nodes-base.googleBusinessProfile

* Filter review based on the time period

* نوع: Filter

* نقش: فیلتر کردن نظرات، نگه‌داشتن فقط مواردی که در آستانه زمانی محاسبه شده (تاریخ فعلی منهای دوره تعریف شده) به‌روز شده‌اند.

* پیکربندی: مقایسه updateTime هر نظر با یک تاریخ برش محاسبه شده پویا با استفاده از یک عبارت.

* اتصالات: داده‌های فیلتر شده به نود Map the comment and rating ارسال می‌شود.

* موارد مرزی: ناسازگاری فرمت تاریخ، مسائل مربوط به منطقه زمانی، یا مجموعه‌های نظر خالی می‌تواند منجر به خطا شود.

* لینک کاتالوگ Axeto: https://axeto.ai/n8n/nodes/n8n-nodes-base.filter

۳. نگاشت داده‌ها برای تحلیل احساسات

• هدف: استانداردسازی داده‌های نظر با نگاشت فیلدهای نظر، امتیاز و تاریخ به خصوصیات JSON سازگار برای تحلیل احساسات.
• نودها:

* Map the comment and rating

• جزئیات نودها:

* Map the comment and rating

* نوع: Set

* نقش: نرمال‌سازی فیلدهای داده نظر:

* Comment: از نظر نظر استفاده می‌کند یا به طور پیش‌فرض "no comment" قرار می‌دهد.

* Raiting: از starRating استفاده می‌کند یا به طور پیش‌فرض "0" قرار می‌دهد (به غلط املایی در 'Raiting' توجه کنید).

* Date: از فیلد updateTime استفاده می‌کند.

* پیکربندی: پر کردن هر فیلد با استفاده از عبارات.

* اتصالات: خروجی به نود Sentiment Analysis ارسال می‌شود.

* موارد مرزی: فیلدهای نظر گمشده یا بدشکل؛ غلط املایی در Raiting ممکن است باعث سردرگمی در مراحل بعدی شود.

* لینک کاتالوگ Axeto: https://axeto.ai/n8n/nodes/n8n-nodes-base.set

۴. تحلیل احساسات از طریق Google Gemini

• هدف: انجام تحلیل احساسات دسته‌ای بر روی داده‌های نظر آماده‌شده با استفاده از مدل زبان Google Gemini.
• نودها:

* Sentiment Analysis

* Google Gemini Chat Model1

• جزئیات نودها:

* Google Gemini Chat Model1

* نوع: LangChain Google Gemini LM Chat

* نقش: فراهم کردن بک‌اند مدل زبان برای نود Sentiment Analysis.

* پیکربندی: استفاده از مدل models/gemini-2.0-flash با حداکثر ۵۰۰۰ توکن.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های Google Palm API دارد.

* اتصالات: به عنوان مدل زبان هوش مصنوعی به نود Sentiment Analysis متصل است.

* موارد مرزی: محدودیت‌های سهمیه API، خطاهای شبکه، یا اعتبارنامه‌های نامعتبر می‌تواند مشکلاتی ایجاد کند.

* لینک کاتالوگ Axeto: @n8n/n8n-nodes-langchain.lmChatGoogleGemini

* Sentiment Analysis

* نوع: LangChain Sentiment Analysis

* نقش: اجرای تحلیل احساسات بر روی دسته‌های اشیاء JSON نظر.

* پیکربندی:

* اندازه دسته ۲۰ با تاخیر ۶۰ ثانیه‌ای بین دسته‌ها برای مدیریت محدودیت‌های نرخ.

* دسته‌های احساسات تعریف شده: Positive, Neutral, Negative.

* یک اعلان سیستمی (system prompt) قوانین استخراج احساسات دقیق و گروه‌بندی ماهانه را هدایت می‌کند.

* متن ورودی فیلدهای Comment, Raiting, و Date را به هم متصل می‌کند.

* رفع خودکار خطاها برای خطاهای اعلان فعال است.

* اتصالات: خروجی به سه نود Convert to json string موازی، یکی برای هر دسته احساسات، ارسال می‌شود.

* موارد مرزی: مجموعه داده‌های بزرگ ممکن است باعث timeout، ورودی‌های JSON بدشکل، یا پاسخ‌های غیرمنتظره هوش مصنوعی شود.

* لینک کاتالوگ Axeto: @n8n/n8n-nodes-langchain.sentimentAnalysis

۵. تجمیع تحلیل احساسات

• هدف: تجمیع نتایج تحلیل احساسات دسته‌ای در یک گزارش JSON جامع و واحد که احساسات کلی، امتیازات و روندها را با جزئیات شرح می‌دهد.
• نودها:

* Convert to json string (x3)

* AI Agent (x3)

* Google Gemini Chat Model

• جزئیات نودها:

* Convert to json string (x3)

* نوع: Code

* نقش: تبدیل آرایه‌های نتایج تحلیل احساسات فردی به یک رشته JSON واحد زیر کلید feedback.

* پیکربندی: یک بار اجرا می‌شود و تمام موارد JSON ورودی را با تورفتگی سریالایز می‌کند.

* اتصالات: هر نود خروجی خود را به یک نود AI Agent متناظر ارسال می‌کند.

* موارد مرزی: ورودی‌های خالی یا خطاهای سریال‌سازی.

* لینک کاتالوگ Axeto: https://axeto.ai/n8n/nodes/n8n-nodes-base.code

* Google Gemini Chat Model

* نوع: LangChain Google Gemini LM Chat

* نقش: به عنوان منبع مشترک مدل زبان هوش مصنوعی برای سه نود AI Agent عمل می‌کند.

* پیکربندی: استفاده از مدل models/gemini-2.0-flash با حداکثر ۵۰۰۰ توکن.

* اتصالات: مدل زبان را به AI Agent, AI Agent1, و AI Agent2 ارائه می‌دهد.

* موارد مرزی: مشابه سایر نودهای مدل Gemini.

* لینک کاتالوگ Axeto: @n8n/n8n-nodes-langchain.lmChatGoogleGemini

* AI Agent (x3)

* نوع: LangChain Agent

* نقش: هر عامل بازخورد تجمیع شده را برای یک دسته احساسات خاص (مثبت، خنثی، منفی) پردازش می‌کند.

* پیکربندی:

* اعلان به عامل دستور می‌دهد تا موارد "no comment" را نادیده بگیرد، امتیازات متنی را به عددی تبدیل کند، سازگاری احساسات را تأیید کند و روندها را بر اساس تاریخ تشخیص دهد.

* قالب خروجی: یک گزارش JSON واحد با کلیدهای: overallSentiment, averageRating, highlights, weaknessesConcerns, timeTrend, finalSummary.

* اتصالات: خروجی به نودهای کد مربوطه Restructure the sentiment ... data to slack block ارسال می‌شود.

* موارد مرزی: تفسیر نادرست مدل هوش مصنوعی یا خروجی JSON نامعتبر می‌تواند باعث خطاهای بعدی شود.

* لینک کاتالوگ Axeto: @n8n/n8n-nodes-langchain.agent

۶. قالب‌بندی پیام‌های Slack

• هدف: تبدیل گزارش‌های JSON تولید شده توسط هوش مصنوعی به فرمت پیام Slack Block Kit، متناسب با نمایش غنی در کانال‌های Slack بر اساس دسته احساسات.
• نودها:

* Restructure the sentiment positive data to slack block

* Restructure the sentiment neutral data to slack block

* Restructure the sentiment negative data to slack block

• جزئیات نودها:

* Restructure the sentiment ... data to slack block (۳ نود)

* نوع: Code

* نقش:

* تجزیه JSON خروجی عامل هوش مصنوعی، حذف حصارهای کد markdown.

* ساخت بلوک‌های پیام Slack شامل بخش‌هایی برای احساسات کلی، میانگین امتیاز، نکات برجسته، نقاط ضعف/نگرانی‌ها، روند زمانی و خلاصه نهایی.

* پیکربندی: یک بار اجرا می‌شود؛ در صورت شکست تجزیه JSON، خطا ایجاد می‌کند.

* اتصالات: هر نود به نود Send message to slack channel مربوطه متصل می‌شود.

* موارد مرزی: فرمت JSON نامعتبر، فیلدهای گمشده، یا آرایه‌های داده خالی.

* لینک کاتالوگ Axeto: https://axeto.ai/n8n/nodes/n8n-nodes-base.code

۷. اعلان Slack

• هدف: ارسال بلوک‌های پیام قالب‌بندی شده Slack به یک کانال Slack مشخص، دسته‌بندی شده بر اساس احساسات.
• نودها:

* Send message to slack channel if the analysis is positive

* Send message to slack channel if the analysis is neutral

* Send message to slack channel if the analysis is negative

• جزئیات نودها:

* Send message to slack channel if the analysis ... (۳ نود)

* نوع: Slack

* نقش: انتقال پیام‌های Slack حاوی محتوای بلوک برای هر گزارش احساسات.

* پیکربندی:

* شناسه کانال: روی یک کانال Slack خاص تنظیم شده است (شناسه: C09DQ7EJ57A).

* نوع پیام: Blocks (برای قالب‌بندی پیام غنی).

* احراز هویت: از OAuth2 با اعتبارنامه‌های حساب Slack استفاده می‌کند.

* اتصالات: اینها نودهای پایانی برای هر شاخه گردش کار هستند.

* موارد مرزی: محدودیت‌های نرخ API Slack، اعتبارنامه‌های OAuth نامعتبر، یا خطاهای مجوز کانال.

* لینک کاتالوگ Axeto: https://axeto.ai/n8n/nodes/n8n-nodes-base.slack

---

جدول خلاصه