تحلیل خودکار املاک: Zillow به Google Sheets با GPT-4o

تحلیل خودکار املاک: Zillow به Google Sheets با GPT-4o

9 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۲۸

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: 9335 · منبع: کاتالوگ Axeto

تحلیل پتانسیل سرمایه‌گذاری املاک: Zillow Properties به Google Sheets با GPT-4o

این گردش کار، تحلیل پتانسیل سرمایه‌گذاری املاک را با استخراج فهرست املاک Zillow، امتیازدهی آن‌ها با GPT-4o و ذخیره نتایج در Google Sheets خودکار می‌کند. این گردش کار برای سرمایه‌گذاران املاک، تحلیلگران و متخصصان اتوماسیون که به دنبال ساده‌سازی ارزیابی املاک هستند، طراحی شده است.

گردش کار به سه مرحله اصلی تقسیم می‌شود:

1. استخراج داده از Zillow: جمع‌آوری داده‌های خام املاک از Zillow با استفاده از Apify.

2. پاکسازی داده‌ها و امتیازدهی با هوش مصنوعی: پاکسازی داده‌های استخراج شده و استفاده از GPT-4o برای ارزیابی پتانسیل سرمایه‌گذاری هر ملک.

3. ذخیره‌سازی داده‌ها در Google Sheets: سازماندهی و ذخیره داده‌های تحلیل شده املاک در یک Google Sheet.

---

۱. استخراج داده از Zillow

این بخش بر بازیابی داده‌های خام املاک از Zillow تمرکز دارد.

گره‌های (Nodes) درگیر:

  • @apify/n8n-nodes-apify.apifyTrigger: شروع اسکرپر Zillow
  • @apify/n8n-nodes-apify.apify: استخراج داده‌های املاک منفرد

جزئیات گره‌ها:

  • شروع اسکرپر Zillow

* نوع: Apify Trigger

* نقش: هنگامی که اجرای اسکرپر Zillow در Apify کامل می‌شود، گردش کار را آغاز می‌کند.

* پیکربندی:

* از اعتبارنامه‌های OAuth2 Apify استفاده می‌کند.

* شناسه Actor: l7auNT3I30CssRrvO (اسکرپر Zillow)

* ورودی: با تکمیل اسکرپر توسط یک وب‌هوک Apify فعال می‌شود.

* خروجی: شناسه مجموعه داده (dataset ID) و فراداده (metadata) اسکرپ خام را فراهم می‌کند.

* مشکلات احتمالی: شکست تریگر به دلیل پیکربندی نادرست وب‌هوک‌ها یا منقضی شدن احراز هویت.

  • استخراج داده‌های املاک منفرد

* نوع: Apify Actor

* نقش: یک Actor ثانویه Apify را برای استخراج داده‌های دقیق در سطح ملک با استفاده از شناسه مجموعه داده از گره قبلی اجرا می‌کند.

* پیکربندی:

* حافظه: 8GB

* شناسه Actor: ENK9p4RZHg0iVso52 (استخراج‌کننده جزئیات املاک)

* شناسه مجموعه داده را به صورت پویا از گره "شروع اسکرپر Zillow" ارسال می‌کند.

* احراز هویت: اعتبارنامه‌های OAuth2 Apify.

* ورودی: شناسه مجموعه داده از "شروع اسکرپر Zillow".

* خروجی: رکوردهای خام املاک با ویژگی‌های گسترده برای هر ملک.

* مشکلات احتمالی: شکست اجرای Actor به دلیل محدودیت‌های نرخ API، خطاهای شبکه یا شناسه‌های مجموعه داده نامعتبر.

---

۲. پاکسازی داده‌ها و امتیازدهی با هوش مصنوعی

این مرحله داده‌های خام را پاکسازی کرده و از هوش مصنوعی برای ارزیابی پتانسیل سرمایه‌گذاری هر ملک استفاده می‌کند.

گره‌های درگیر:

  • n8n-nodes-base.set: پاکسازی و قالب‌بندی داده‌ها
  • n8n-nodes-base.splitInBatches: پردازش هر ملک
  • @n8n/n8n-nodes-langchain.openAi: امتیازدهی با هوش مصنوعی: پتانسیل سرمایه‌گذاری

جزئیات گره‌ها:

  • پاکسازی و قالب‌بندی داده‌ها

* نوع: گره Set

* نقش: نگاشت و قالب‌بندی داده‌های خام JSON به یک طرح‌بندی تمیز و مسطح با نام فیلدهای کاربرپسند.

* پیکربندی: تعریف تقریباً ۶۰ تخصیص برای استخراج و قالب‌بندی فیلدهایی مانند قیمت، آدرس، اطلاعات مالیاتی، هزینه‌های HOA، رتبه‌بندی مدارس، نرخ‌های وام مسکن، GRM، قانون NDI 50، توضیحات و اطلاعات تماس نماینده. شامل محاسبات و قالب‌بندی تاریخ.

* ورودی: آرایه داده‌های خام ملک از "استخراج داده‌های املاک منفرد".

* خروجی: داده‌های پاکسازی شده ملک آماده برای پردازش دسته‌ای.

* مشکلات احتمالی: فیلدهای داده‌ای گمشده ممکن است منجر به مقادیر خالی شوند؛ عبارات در صورت نامعتبر بودن مسیرهای JSON ممکن است با شکست مواجه شوند.

  • پردازش هر ملک

* نوع: SplitInBatches

* نقش: تقسیم آرایه داده‌های پاکسازی شده به رکوردهای مجزای ملک برای تجزیه و تحلیل و ذخیره‌سازی متوالی با هوش مصنوعی.

* پیکربندی: اندازه دسته پیش‌فرض ۱ مورد در هر دسته برای اطمینان از پردازش هر ملک.

* ورودی: آرایه داده‌های پاکسازی شده.

* خروجی: یک شیء JSON ملک در هر تکرار.

* مشکلات احتمالی: مجموعه داده‌های خالی پردازش را متوقف می‌کند؛ مجموعه داده‌های بزرگ ممکن است بر توان عملیاتی تأثیر بگذارد.

  • امتیازدهی با هوش مصنوعی: پتانسیل سرمایه‌گذاری

* نوع: OpenAI LangChain (GPT-4o-mini)

* نقش: تجزیه و تحلیل ویژگی‌های هر ملک با استفاده از GPT-4o-mini برای اختصاص یک امتیاز عددی پتانسیل سرمایه‌گذاری (۱-۱۰۰).

* پیکربندی:

* مدل: gpt-4o-mini

* پیام سیستم: نقش هوش مصنوعی را به عنوان یک تحلیلگر هوشمند سرمایه‌گذاری املاک تعریف می‌کند.

* دستور کاربر: شامل قوانین دقیق امتیازدهی، فیلترهای حیاتی سرمایه‌گذاری، محاسبات مالی (جریان نقدی، نرخ سرمایه، GRM، DSCR) و طرح‌بندی امتیازدهی.

* ورودی‌های پویا: فیلدهای داده ملک از طریق عبارات الگو تزریق می‌شوند.

* ورودی: شیء JSON تک ملک از "پردازش هر ملک".

* خروجی: یک امتیاز سرمایه‌گذاری صحیح (به صورت رشته).

* مشکلات احتمالی: داده‌های حیاتی گمشده ممکن است منجر به امتیاز صفر شوند؛ محدودیت‌های نرخ API یا مهلت‌های زمانی؛ خطاهای ارزیابی عبارت در صورت ناقص بودن داده‌های ورودی؛ خروجی مدل هوش مصنوعی باید کاملاً با فرمت فقط عددی مطابقت داشته باشد.

---

۳. ذخیره‌سازی داده‌ها در Google Sheets

این مرحله نهایی، داده‌های تحلیل‌شده را در یک Google Sheet برای دسترسی و بررسی آسان ذخیره می‌کند.

گره‌های درگیر:

  • n8n-nodes-base.googleSheets: به‌روزرسانی پایگاه داده Google Sheets

جزئیات گره:

  • به‌روزرسانی پایگاه داده Google Sheets

* نوع: Google Sheets

* نقش: ردیف‌ها را در یک صفحه Google Sheet با جزئیات ملک و امتیازات هوش مصنوعی اضافه یا به‌روزرسانی می‌کند.

* پیکربندی:

* عملیات: اضافه کردن یا به‌روزرسانی، با استفاده از ستون "URL" به عنوان یک شناسه منحصربه‌فرد برای جلوگیری از تکرار.

* شناسه سند و نام برگه: از پیش تعریف شده (لینک Google Sheet ارجاع داده شده است).

* نگاشت ستون: فیلدهای JSON ملک و خروجی امتیاز هوش مصنوعی را به طور صریح به ستون‌های Google Sheet نگاشت می‌کند.

* شامل تبدیل داده‌ها (به عنوان مثال، تبدیل اندازه قطعه به فوت مربع اگر واحدها کمتر از ۲۰ باشد، با فرض اینکه واحدها جریب هستند).

* ورودی: داده‌های ملک با امتیاز هوش مصنوعی اضافه شده از گره "امتیازدهی هوش مصنوعی: پتانسیل سرمایه‌گذاری".

* خروجی: تأیید به‌روزرسانی Google Sheets.

* اعتبارنامه‌ها: به اعتبارنامه‌های API OAuth2 Google Sheets نیاز دارد.

* مشکلات احتمالی: محدودیت‌های سهمیه API، مشکلات مجوز، عدم تطابق طرح‌واره، خرابی شبکه.

---

۴. جدول خلاصه گردش کار

| نام گره (Node Name) | نوع گره (Node Type) | نقش عملکردی (Functional Role) | گره(های) ورودی (Input Node(s)) | گره(های) خروجی (Output Node(s)) | محتوای یادداشت چسبان (Sticky Note Content)

  • n8n-nodes-base.stickyNote | نقش عملکردی: جزئیات امتیازدهی هوش مصنوعی | — | — | # 🟦 STEP 2: AI Investment Scoring<br>Helps prioritize listings worth deeper research.
  • n8n-nodes-base.stickyNote | نقش عملکردی: یادداشت‌های پاکسازی داده‌ها | — | — | # Clean & Format Data
  • n8n-nodes-base.stickyNote | نقش عملکردی: یادداشت‌های ذخیره‌سازی Google Sheets | — | — | # 🟨 STEP 3: Google Sheets Data Storage<br>Keeps property database current and organized.
  • n8n-nodes-base.stickyNote | نقش عملکردی: توضیحات کامل گردش کار | — | — | # Zillow Property Scraper with AI Scoring to Google Sheets<br>Full workflow description and disclaimers.
  • n8n-nodes-base.stickyNote | نقش عملکردی: یادداشت‌های پردازش دسته‌ای | — | — | # Process Each Property

---

۵. بازسازی گردش کار از ابتدا

برای ساخت این گردش کار، مراحل زیر را دنبال کنید:

1. ایجاد نود "شروع کننده استخراج کننده Zillow" (Start Zillow Scraper):

* نوع: Apify Trigger (@apify/n8n-nodes-apify.apifyTrigger)

* پیکربندی:

* شناسه Actor را روی l7auNT3I30CssRrvO تنظیم کنید.

* با استفاده از اعتبارنامه‌های Apify OAuth2 احراز هویت کنید.

* هدف: این نود گردش کار را پس از اتمام وظیفه استخراج داده از Zillow فعال می‌کند.

2. ایجاد نود "استخراج داده املاک فردی" (Extract Individual Property Data):

* نوع: Apify Actor (@apify/n8n-nodes-apify.apify)

* پیکربندی:

* شناسه Actor را روی ENK9p4RZHg0iVso52 تنظیم کنید.

* حافظه را روی 8192 مگابایت تنظیم کنید.

* در بخش "Custom Body" در قالب JSON، شناسه مجموعه داده را از نود "شروع کننده استخراج کننده Zillow" به صورت پویا ارسال کنید: "searchResultsDatasetId": {{ $json.data.datasetId }}.

* با استفاده از اعتبارنامه‌های Apify OAuth2 احراز هویت کنید.

* اتصال: خروجی نود "شروع کننده استخراج کننده Zillow" را به ورودی این نود متصل کنید.

3. ایجاد نود "پاکسازی و قالب‌بندی داده‌ها" (Clean & Format Data):

* نوع: Set Node (n8n-nodes-base.set)

* پیکربندی: تمام فیلدهای مورد نیاز را از خروجی JSON خام نود "استخراج داده املاک فردی" به ویژگی‌های ساختاریافته نگاشت کنید. این شامل تغییر نام فیلدها، محاسبه معیارها (مانند GRM، قانون NDI 50) و قالب‌بندی داده‌ها می‌شود. برای نگاشت دقیق فیلدها و عبارات، به گردش کار موجود مراجعه کنید.

* اتصال: خروجی نود "استخراج داده املاک فردی" را به ورودی این نود متصل کنید.

4. ایجاد نود "پردازش هر ملک" (Process Each Property):

* نوع: SplitInBatches (n8n-nodes-base.splitInBatches)

* پیکربندی: "Batch Size" را روی 1 تنظیم کنید.

* اتصال: خروجی نود "پاکسازی و قالب‌بندی داده‌ها" را به ورودی این نود متصل کنید.

5. ایجاد نود "امتیازدهی هوش مصنوعی: پتانسیل سرمایه‌گذاری" (AI Scoring: Investment Potential):

* نوع: OpenAI LangChain (@n8n/n8n-nodes-langchain.openAi)

* پیکربندی:

* مدل: gpt-4o-mini را انتخاب کنید.

* پیام سیستم (System Message): نقش هوش مصنوعی را تعریف کنید (مثلاً "شما یک تحلیلگر متخصص سرمایه‌گذاری املاک هستید...").

* دستور کاربر (User Prompt): یک دستور دقیق بسازید که شامل موارد زیر باشد:

* دستورالعمل‌هایی برای تجزیه و تحلیل داده‌های ملک.

* فیلترهای حیاتی برای رد فوری.

* فرمول‌هایی برای محاسبات مالی (مانند جریان نقدی، نرخ سرمایه).

* مقیاس امتیازدهی مورد نظر (1-100).

* تزریق داده‌های ملک با استفاده از عبارات قالب (مانند {{ $json.price }}, {{ $json.address }}).

* اطمینان حاصل کنید که دستور، خروجی کاملاً عددی را درخواست می‌کند.

* اتصال: خروجی نود "پردازش هر ملک" را به ورودی این نود متصل کنید.

6. ایجاد نود "به‌روزرسانی پایگاه داده Google Sheets" (Update Google Sheets Database):

* نوع: Google Sheets (n8n-nodes-base.googleSheets)

* پیکربندی:

* عملیات (Operation): "Append or Update" را انتخاب کنید.

* اعتبارنامه‌ها (Credentials): اعتبارنامه‌های Google Sheets OAuth2 را راه‌اندازی کنید.

* شناسه سند و نام برگه (Document ID & Sheet Name): Google Sheet و نام برگه مورد نظر خود را مشخص کنید.

* گزینه‌های به‌روزرسانی (Update Options): "Update Row" را انتخاب کرده و فیلد "Update Row By" را روی "URL" (یا یک شناسه منحصر به فرد دیگر) تنظیم کنید.

* نگاشت ستون (Column Mapping): فیلدهای خروجی از نود "امتیازدهی هوش مصنوعی: پتانسیل سرمایه‌گذاری" و داده‌های ملک پاکسازی شده را به ستون‌های مربوطه در Google Sheet خود نگاشت کنید. هرگونه تبدیل داده لازم را شامل شود.

* اتصال: خروجی نود "امتیازدهی هوش مصنوعی: پتانسیل سرمایه‌گذاری" را به ورودی این نود متصل کنید.

7. افزودن یادداشت‌های چسبان (Sticky Notes):

* از نودهای n8n-nodes-base.stickyNote برای مستندسازی هر بخش از گردش کار استفاده کنید و نمای کلی، توضیحات و نکات مهم را ارائه دهید.

---

نکته: اطمینان حاصل کنید که اعتبارنامه‌های API لازم برای Apify و OpenAI را دارید و دسترسی به حساب Google Sheets خود را مجاز کرده‌اید. شناسه Actorهای خاص و جزئیات دستور ممکن است بر اساس آخرین نسخه‌ها یا الزامات خاص نیاز به تنظیم داشته باشند.

Nodeهای استفاده‌شده

سوالات متداول

این گردش کار n8n چه کاری انجام می‌دهد؟

این گردش کار داده‌های املاک را از Zillow استخراج می‌کند، پتانسیل سرمایه‌گذاری هر ملک را با استفاده از GPT-4o ارزیابی می‌کند و نتایج را در Google Sheets سازماندهی می‌کند.

چه ابزارهایی در این گردش کار استفاده شده است؟

این گردش کار از گره‌های n8n، اسکرپرهای Apify برای Zillow و مدل GPT-4o برای تحلیل هوش مصنوعی استفاده می‌کند.

این گردش کار برای چه کسانی مفید است؟

این گردش کار برای سرمایه‌گذاران املاک، تحلیلگران و متخصصان اتوماسیون که به دنبال ساده‌سازی و کارآمدسازی فرآیند ارزیابی املاک هستند، ایده‌آل است.

workflowهای مرتبط

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