تحلیل هوشمند نظرات هتل با GPT-4o-mini و Airtable

تحلیل هوشمند نظرات هتل با GPT-4o-mini و Airtable

10 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۲۹

دانلود workflow

فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.

  1. فایل JSON را دانلود کنید.
  2. در n8n: Workflows → Import from File.
  3. Credentialهای هر node را متصل کنید.
  4. workflow را فعال کنید.

شناسه workflow: 13573 · منبع: کاتالوگ Axeto

تحلیل نظرات هتل با استفاده از OpenAI GPT-4o-mini و فیلدهای احساسات Airtable

این گردش کار فرآیند تحلیل نظرات هتل را با استفاده از مدل GPT-4o-mini شرکت OpenAI خودکار می‌کند. احساسات، موضوعات کلیدی و سایر بینش‌ها را از متن نظرات ذخیره شده در Airtable استخراج کرده و سپس رکوردهای مربوطه Airtable را با این فیلدهای تولید شده توسط هوش مصنوعی به‌روزرسانی می‌کند.

دسته‌بندی‌ها: تحقیقات بازار، خلاصه‌سازی هوش مصنوعی

کاتالوگ Axeto: https://axeto.ai/n8n

نمای کلی گردش کار

نام گردش کار: پردازشگر نظرات هتل

هدف: غنی‌سازی خودکار رکوردهای جدید ایجاد شده یا به‌روز شده نظرات هتل در Airtable با احساسات و بینش‌های مشتق شده از هوش مصنوعی با استفاده از OpenAI GPT-4o-mini. نتایج ساختاریافته سپس به Airtable بازنویسی می‌شوند.

مورد استفاده اصلی: پردازش بازخورد مشتریان برای هتل‌ها (یا هر مجموعه داده‌ای از نظرات) که در آن احساسات، موضوعات و بینش‌های ساختاریافته نیاز به ذخیره و تجزیه و تحلیل در Airtable دارند.

مراحل گردش کار:

1. فعال‌ساز و پیش‌بررسی‌ها: گردش کار را بر اساس رویدادهای Airtable آغاز می‌کند و نظراتی را که قبلاً پردازش شده‌اند یا خالی هستند، فیلتر می‌کند.

2. نرمال‌سازی بار داده: داده‌های ورودی نظر را برای پردازش سازگار هوش مصنوعی پاکسازی و ساختاردهی می‌کند.

3. استنتاج هوش مصنوعی و تجزیه ساختاریافته: از OpenAI GPT-4o-mini از طریق LangChain برای تجزیه و تحلیل متن نظر استفاده می‌کند و خروجی را به یک طرحواره JSON از پیش تعریف شده تجزیه می‌کند.

4. پس‌پردازش و اعتبارسنجی: خروجی هوش مصنوعی را مسطح می‌کند، آن را با داده‌های اصلی ادغام می‌کند و یکپارچگی آن را قبل از به‌روزرسانی Airtable تأیید می‌کند.

5. به‌روزرسانی Airtable: بینش‌های پردازش شده هوش مصنوعی را به رکوردهای مربوطه Airtable بازنویسی می‌کند، از جمله یک حالت جایگزین برای پردازش ناموفق هوش مصنوعی.

---

تشریح گره‌ها (Nodes) به صورت جزئی

بلوک ۱: فعال‌ساز و پیش‌بررسی‌ها

این بلوک، دریافت اولیه داده‌ها از Airtable و اطمینان از اینکه تنها نظرات مرتبط و پردازش‌نشده به مرحله تحلیل هوش مصنوعی ارسال می‌شوند را مدیریت می‌کند.

  • Airtable Trigger (n8n-nodes-base.airtableTrigger)

* نقش: نقطه ورود گردش کار. این گره به تغییرات (ایجاد یا به‌روزرسانی) در جدول مشخص شده Airtable گوش می‌دهد.

* پیکربندی: نیاز به پیکربندی Airtable Base، Table و View دارد.

* خروجی: برای هر رکورد Airtable فعال‌شده، یک آیتم منتشر می‌کند.

* مشکلات احتمالی: اعتبارنامه‌های نامعتبر Airtable، پیکربندی اشتباه Base/Table، یا مشکلات در اتصال API Airtable.

  • Check if Processed (n8n-nodes-base.if)

* نقش: یک دروازه شرطی برای جلوگیری از پردازش مجدد نظراتی که قبلاً تحلیل شده‌اند.

* پیکربندی: یک فیلد خاص در داده‌های Airtable (مانند فیلد بولی "Processed" یا وجود فیلدهای احساسات) را بررسی می‌کند.

* منطق:

* True (قبلاً پردازش شده): به Processed Review: No Action Required هدایت می‌شود.

* False (پردازش نشده): به Check if Review Exist هدایت می‌شود.

* مشکلات احتمالی: فیلد مورد استفاده برای بررسی ممکن است وجود نداشته باشد یا مقادیر غیرمنتظره‌ای داشته باشد که منجر به هدایت نادرست شود.

  • Processed Review: No Action Required (n8n-nodes-base.noOp)

* نقش: یک گره پایانی که نشان می‌دهد هیچ اقدام بیشتری برای رکوردهای پردازش‌شده لازم نیست.

* عملکرد: مسیر اجرای این آیتم را به صورت بی‌صدا متوقف می‌کند.

  • Check if Review Exist (n8n-nodes-base.if)

* نقش: اطمینان حاصل می‌کند که محتوای واقعی برای ارسال به هوش مصنوعی وجود دارد.

* پیکربندی: بررسی می‌کند که آیا یک فیلد کلیدی متن نظر (مانند "Review"، "Comment") خالی نیست.

* منطق:

* True (نظر وجود دارد): به Normalize Review Payload هدایت می‌شود.

* False (محتوای نظر وجود ندارد): به No Review to Process هدایت می‌شود.

* مشکلات احتمالی: نظراتی که فقط حاوی فاصله خالی هستند ممکن است از این بررسی عبور کنند مگر اینکه به طور صریح مدیریت شوند. اگر نظرات در چندین فیلد (مانند عنوان و بدنه) تقسیم شده باشند، این بررسی ممکن است نیاز به پیچیدگی بیشتری داشته باشد تا اطمینان حاصل شود که زمینه کافی وجود دارد.

  • No Review to Process (n8n-nodes-base.noOp)

* نقش: یک گره پایانی که نشان می‌دهد هیچ محتوای نظری یافت نشد، بنابراین پردازش هوش مصنوعی ضروری نیست.

* عملکرد: مسیر اجرای این آیتم را به صورت بی‌صدا متوقف می‌کند.

---

بلوک ۲: نرمال‌سازی بار داده

این بلوک داده‌های نظر را به یک فرمت استاندارد مناسب برای مدل هوش مصنوعی آماده می‌کند.

  • Normalize Review Payload (n8n-nodes-base.set)

* نقش: داده‌های ورودی Airtable را به یک ساختار سازگار مورد نیاز گره‌های LangChain تبدیل می‌کند.

* پیکربندی: معمولاً شامل موارد زیر است:

* نگاشت شناسه رکورد Airtable به یک فیلد پایدار (مانند recordId).

* استخراج و تغییر نام فیلدهای مرتبط مانند reviewText، rating، hotelName، language و غیره.

* اتصالات: ورودی را از Check if Review Exist دریافت می‌کند و خروجی را به AI: Analyze Review Sentiment ارسال می‌کند.

* مشکلات احتمالی: اگر "Keep Only Set" بدون گنجاندن فیلدهای ضروری مانند recordId استفاده شود، به‌روزرسانی بعدی Airtable ممکن است با شکست مواجه شود. عدم تطابق بین نام فیلدهای Airtable و نام‌های استفاده شده در پیکربندی گره Set.

---

بلوک ۳: استنتاج هوش مصنوعی و تجزیه ساختاریافته

این بخش هسته اصلی گردش کار است که در آن مدل هوش مصنوعی متن نظر را تحلیل می‌کند.

  • Analyze Review Sentiment (@n8n/n8n-nodes-langchain.lmChatOpenAi)

* نقش: مدل چت OpenAI (GPT-4o-mini) مورد استفاده برای تحلیل را نشان می‌دهد.

* پیکربندی: تنظیمات کلیدی مانند نام مدل خاص (gpt-4o-mini)، دما (temperature) و اعتبارنامه‌های API OpenAI در اینجا (یا از طریق پیش‌فرض‌ها) پیکربندی می‌شوند.

* maxTries=2 و retryOnFail=true: تلاش‌های مجدد خودکار در صورت شکست را پیکربندی می‌کند.

* alwaysOutputData=true: تضمین می‌کند که یک آیتم خروجی همیشه تولید می‌شود، حتی در صورت بروز خطا، که مدیریت خطا را تسهیل می‌کند.

* اتصالات: پورت خروجی ویژه آن ai_languageModel به گره زنجیره AI: Analyze Review Sentiment متصل می‌شود.

* نسخه: نسخه نوع 1.2.

* مشکلات احتمالی: کلید API نامعتبر OpenAI، عدم دسترسی به مدل، محدودیت‌های نرخ API، قطع شدن شبکه، یا ورودی‌های پرامپت نادرست.

  • Parse AI Output (JSON Schema) (@n8n/n8n-nodes-langchain.outputParserStructured)

* نقش: با اعتبارسنجی خروجی هوش مصنوعی در برابر یک طرحواره JSON از پیش تعریف‌شده، ساختار آن را اجباری می‌کند.

* پیکربندی: در رابط کاربری، یک طرحواره JSON برای مشخص کردن فیلدها و انواع داده‌های مورد انتظار برای پاسخ هوش مصنوعی (مانند برچسب احساسات، امتیاز، موضوعات، مزایا/معایب) تعریف می‌شود.

* اتصالات: پورت خروجی ویژه آن ai_outputParser به گره زنجیره AI: Analyze Review Sentiment متصل می‌شود.

* نسخه: نسخه نوع 1.3.

* مشکلات احتمالی: اگر خروجی هوش مصنوعی با طرحواره مطابقت نداشته باشد، تجزیه‌کننده ممکن است خطا دهد یا داده‌های ناقصی را بر اساس پیکربندی خود برگرداند. یک طرحواره بیش از حد سخت‌گیرانه می‌تواند منجر به شکست‌های مکرر تجزیه شود.

  • AI: Analyze Review Sentiment (@n8n/n8n-nodes-langchain.chainLlm)

* نقش: با ترکیب پرامپت، مدل زبان و تجزیه‌کننده خروجی، کل فرآیند تحلیل هوش مصنوعی را هماهنگ می‌کند.

* پیکربندی:

* قالب پرامپت (Prompt Template): شامل دستورالعمل‌هایی برای هوش مصنوعی است که به داده‌های نظر نرمال‌شده ارجاع می‌دهد (مانند {{$json.reviewText}}).

* مدل (Model): ai_languageModel را از گره Analyze Review Sentiment دریافت می‌کند.

* تجزیه‌کننده خروجی (Output Parser): ai_outputParser را از گره Parse AI Output (JSON Schema) دریافت می‌کند.

* اتصالات:

* ورودی اصلی را از Normalize Review Payload دریافت می‌کند.

* ai_languageModel را از Analyze Review Sentiment دریافت می‌کند.

* ai_outputParser را از Parse AI Output (JSON Schema) دریافت می‌کند.

* خروجی اصلی را به Flatten AI Output ارسال می‌کند.

* نسخه: نسخه نوع 1.7.

* مشکلات احتمالی: متغیرهای پرامپت گمشده، مدیریت نظرات غیر انگلیسی (اگر در پرامپت مشخص نشده باشد)، یا فراتر رفتن از محدودیت‌های پنجره زمینه مدل برای نظرات بسیار طولانی.

---

بلوک ۴: پس‌پردازش و اعتبارسنجی

این بلوک خروجی هوش مصنوعی را اصلاح کرده و آن را برای درج مجدد در Airtable آماده می‌کند، از جمله مکانیزمی برای مدیریت خطاها.

  • Flatten AI Output (n8n-nodes-base.set)

* نقش: خروجی JSON ساختاریافته از هوش مصنوعی را به جفت‌های کلید-مقدار مسطح تبدیل می‌کند و آنها را برای نگاشت به فیلدهای Airtable آسان‌تر می‌سازد.

* پیکربندی: فیلدهای JSON تودرتو (مانند sentiment.label) را به فیلدهای سطح بالا (مانند sentimentLabel) تبدیل می‌کند. آرایه‌ها مانند موضوعات را با پیوستن آنها به یک رشته یا آماده‌سازی آنها برای فیلدهای چندانتخابی Airtable مدیریت می‌کند.

* اتصالات: ورودی را از AI: Analyze Review Sentiment دریافت می‌کند و خروجی را به Combine AI Output with Review Data ارسال می‌کند.

* مشکلات احتمالی: دشواری در نگاشت ساختارهای داده پیچیده (آرایه‌ها، اشیاء تودرتو) به انواع فیلدهای Airtable. کلیدهای گمشده در خروجی هوش مصنوعی می‌تواند منجر به مقادیر undefined شود.

  • Combine AI Output with Review Data (n8n-nodes-base.set)

* نقش: بینش‌های مسطح شده هوش مصنوعی را با داده‌های نظر اصلی ادغام می‌کند و اطمینان می‌دهد که تمام اطلاعات لازم (به ویژه recordId) برای به‌روزرسانی Airtable وجود دارد.

* پیکربندی: معمولاً شامل recordId و سایر فراداده‌های ضروری در کنار فیلدهای جدید تولید شده توسط هوش مصنوعی است.

* اتصالات: خروجی را به Check AI Output Valid ارسال می‌کند.

* مشکلات احتمالی: بازنویسی تصادفی recordId یا سایر شناسه‌های حیاتی که باعث شکست به‌روزرسانی Airtable می‌شود.

  • Check AI Output Valid (n8n-nodes-base.if)

* نقش: قبل از به‌روزرسانی Airtable، اعتبار داده‌های تولید شده توسط هوش مصنوعی را با معیارهای خاصی بررسی می‌کند.

* پیکربندی: وجود و اعتبار فیلدهای کلیدی را بررسی می‌کند (مانند اطمینان از اینکه sentimentLabel خالی نیست).

* منطق:

* True (خروجی هوش مصنوعی معتبر است): به Prepare Airtable Update هدایت می‌شود.

* False (خروجی هوش مصنوعی نامعتبر است): به AI Failure Handler هدایت می‌شود.

* مشکلات احتمالی: اعتبارسنجی بیش از حد سخت‌گیرانه ممکن است خروجی‌های معتبر را به اشتباه به عنوان خطا علامت‌گذاری کند. برعکس، اعتبارسنجی بیش از حد سهل‌گیرانه ممکن است داده‌های نادرست را وارد Airtable کند.

  • AI Failure Handler (n8n-nodes-base.set)

* نقش: یک بار داده استاندارد برای به‌روزرسانی‌های Airtable هنگام شکست پردازش هوش مصنوعی یا تولید نتایج نامعتبر ایجاد می‌کند.

* پیکربندی: فیلدهای خاصی را برای نشان دادن شکست تنظیم می‌کند، مانند processingStatus = "AI_FAILED"، و به طور بالقوه هرگونه پیام خطا یا خروجی خام هوش مصنوعی را ثبت می‌کند.

* اتصالات: خروجی را به Update Airtable Review Record ارسال می‌کند.

* مشکلات احتمالی: اگر این گره نتواند recordId را شامل شود، به‌روزرسانی Airtable رکورد صحیح را هدف قرار نخواهد داد.

---

بلوک ۵: آماده‌سازی و به‌روزرسانی Airtable

این بلوک نهایی داده‌ها را به درستی قالب‌بندی کرده و رکورد اصلی Airtable را به‌روزرسانی می‌کند.

  • Prepare Airtable Update (n8n-nodes-base.set)

* نقش: داده‌ها را به ساختار دقیقی که Airtable برای عملیات به‌روزرسانی انتظار دارد، قالب‌بندی می‌کند و فیلدها را به نام ستون‌های مربوطه نگاشت می‌کند.

* پیکربندی: شیء fields مورد نیاز API Airtable را می‌سازد و از انواع داده‌های صحیح اطمینان حاصل می‌کند (مانند اعداد، رشته‌ها برای تک‌انتخابی‌ها، آرایه‌ها برای چندانتخابی‌ها).

* اتصالات: خروجی را به Update Airtable Review Record ارسال می‌کند.

* مشکلات احتمالی: عدم تطابق بین انواع داده‌های آماده‌شده و انواع فیلدهای واقعی Airtable (مانند ارسال یک رشته به فیلد عددی). قالب‌بندی نادرست برای فیلدهای چندانتخابی Airtable (نیاز به آرایه‌ای از رشته‌ها دارد).

  • Update Airtable Review Record (n8n-nodes-base.airtable)

* نقش: عملیات به‌روزرسانی واقعی را در Airtable انجام می‌دهد و فیلدهای احساسات تولید شده توسط هوش مصنوعی را به رکورد اصلی بازمی‌نویسد.

* پیکربندی:

* عملیات (Operation): روی "Update" تنظیم شده است.

* Base & Table: Base و Table هدف Airtable را مشخص می‌کند.

* Record ID: از یک عبارت برای درج پویا recordId آیتم در حال پردازش استفاده می‌کند.

* Fields: فیلدهای آماده‌شده از گره قبلی را به ستون‌های مربوطه Airtable نگاشت می‌کند.

* نسخه: نسخه نوع 2.1.

* اتصالات: این یک گره پایانی در گردش کار است.

* مشکلات احتمالی: recordId نامعتبر یا گمشده، مجوزهای ناکافی Airtable، محدودیت‌های نرخ API Airtable، یا تلاش برای به‌روزرسانی فیلدهایی که در جدول وجود ندارند.

Nodeهای استفاده‌شده

سوالات متداول

این گردش کار n8n چه کاری انجام می‌دهد؟

این گردش کار نظرات هتل را که در Airtable ذخیره شده‌اند، با استفاده از مدل GPT-4o-mini شرکت OpenAI تجزیه و تحلیل می‌کند. احساسات، موضوعات کلیدی و بینش‌های دیگر را استخراج کرده و نتایج را به Airtable بازمی‌گرداند.

چه ابزارهایی برای این گردش کار لازم است؟

شما به یک حساب n8n، یک حساب OpenAI (برای دسترسی به GPT-4o-mini) و یک حساب Airtable نیاز دارید. گره‌های مورد استفاده شامل Airtable Trigger، گره‌های شرطی (IF)، گره‌های LangChain برای تعامل با OpenAI و گره Airtable برای به‌روزرسانی داده‌ها هستند.

چگونه این گردش کار به بهبود تجربه مشتری کمک می‌کند؟

با خودکارسازی تحلیل نظرات، هتل‌ها می‌توانند سریع‌تر بازخوردها را درک کنند، روندهای کلیدی را شناسایی کرده و به سرعت به مسائل رسیدگی کنند. این امر منجر به بهبود خدمات و رضایت بیشتر مشتریان می‌شود.

workflowهای مرتبط

این workflow در کاتالوگ Axeto.ai بایگانی شده است. لایسنس اصلی متعلق به سازنده workflow است.