تحلیل خودکار احساسات بازار املاک با n8n و هوش مصنوعی

تحلیل احساسات بازار املاک و مستغلات با ScrapeGraphAI و تلگرام

این گردش کار، تحلیل احساسات بازار املاک و مستغلات را با جمع‌آوری داده از انجمن‌های بحث و وب‌سایت‌های خبری، انجام تحلیل احساسات، تولید پیش‌بینی‌های بازار، بهینه‌سازی زمان‌بندی سرمایه‌گذاری و ارائه هشدارهای عملی از طریق تلگرام، خودکار می‌کند. این گردش کار برای سرمایه‌گذاران املاک و مستغلات، تحلیلگران و خدمات مشاوره‌ای طراحی شده است که هدفشان نظارت بر شرایط روزانه بازار و دریافت بینش‌های به‌موقع برای تصمیم‌گیری است.

شما می‌توانید این گردش کار را در حساب Axeto.ai خود در اینجا پیدا کرده و وارد کنید: گردش کار تحلیل احساسات بازار املاک و مستغلات Axeto.ai

---

نمای کلی گردش کار

گردش کار به صورت منطقی به بلوک‌های عملکردی زیر تقسیم می‌شود:

1. تریگر زمان‌بندی: گردش کار را روزانه در یک زمان ثابت آغاز می‌کند.

2. جمع‌آوری داده: بحث‌های اخیر انجمن املاک و مقالات خبری را با استفاده از نودهای ScrapeGraphAI جمع‌آوری می‌کند.

3. تحلیل احساسات: داده‌های متنی تجمیع شده را برای تعیین احساسات بازار پردازش و امتیازدهی می‌کند.

4. پیش‌بینی بازار: امتیازات احساسات را با توصیه‌های خرید/فروش/نگهداری قابل اجرا، همراه با اطمینان و استدلال، ترجمه می‌کند.

5. بهینه‌سازی زمان‌بندی: زمان‌بندی بهینه برای اقدامات سرمایه‌گذاری را بر اساس قدرت پیش‌بینی و عوامل فصلی پیشنهاد می‌دهد.

6. هشدار مشاور سرمایه‌گذاری: یک پیام هشدار دقیق را که خلاصه‌ای از تحلیل، توصیه‌ها و سطوح ریسک است، ایجاد می‌کند.

7. ارسال تلگرام: پیام هشدار قالب‌بندی شده را برای اطلاع‌رسانی بی‌درنگ به یک کانال تلگرام مشخص ارسال می‌کند.

---

تحلیل گام به گام

۱. تریگر زمان‌بندی

• نقش: راه‌اندازی خودکار کل گردش کار هر روز ساعت ۸:۰۰ صبح برای انجام تحلیل به‌روز احساسات بازار.
• نوع نود: Schedule Trigger
• پیکربندی:

عبارت Cron: 0 8 (هر روز ساعت ۸:۰۰ صبح)

• ورودی: ندارد
• خروجی: نودهای پایین‌دستی را فعال می‌کند.
• موارد خاص: پیکربندی نادرست Cron می‌تواند باعث از دست رفتن اجراها شود؛ اطمینان حاصل کنید که منطقه زمانی سرور با زمان اجرای مورد نظر مطابقت دارد.

۲. جمع‌آوری داده

این بخش داده‌های تازه را از دو منبع مجزا جمع‌آوری می‌کند: انجمن‌های سرمایه‌گذاری املاک و مستغلات و وب‌سایت‌های خبری املاک و مستغلات، با تمرکز بر محتوای ۲۴ ساعت اخیر.

#### ۲.۱. ScrapeGraphAI - انجمن‌های املاک

• نقش: انجمن‌های سرمایه‌گذاری املاک BiggerPockets را برای بحث‌های اخیر خراش می‌دهد (scrape).
• نوع نود: ScrapeGraphAI
• پیکربندی:

* آدرس وب‌سایت: https://www.biggerpockets.com/forums/real-estate-investing

* دستور کاربر (User prompt): استخراج بحث‌ها از ۲۴ ساعت گذشته با فیلدهایی مانند عنوان، نویسنده، شاخص‌های احساسات، پاسخ‌ها و URL را مشخص می‌کند.

• ورودی: فعال‌سازی از Schedule Trigger.
• خروجی: شیء JSON حاوی آرایه‌ای از بحث‌های اخیر انجمن.
• موارد خاص: خرابی وب‌سایت، تغییر ساختار HTML که بر خراش‌دهی تأثیر می‌گذارد، محدودیت‌های نرخ API یا مسدود کردن خراش‌دهی.

#### ۲.۲. ScrapeGraphAI - اخبار املاک

• نقش: یک وب‌سایت خبری سرمایه‌گذاری املاک و مستغلات را برای آخرین مقالات تحلیل بازار خراش می‌دهد (scrape).
• نوع نود: ScrapeGraphAI
• پیکربندی:

* آدرس وب‌سایت: https://www.realestateinvestingtrust.com/news

* دستور کاربر (User prompt): استخراج مقالات از ۲۴ ساعت گذشته با سرتیتر، نویسنده، خلاصه، تأثیر بر بازار و URL.

• ورودی: فعال‌سازی از Schedule Trigger.
• خروجی: شیء JSON با آرایه‌ای از مقالات خبری.
• موارد خاص: مشابه موارد بالا؛ همچنین، احتمال کمبود داده‌های خبری در برخی روزها.

۳. تحلیل احساسات

• نقش: داده‌های انجمن و اخبار را ترکیب کرده و احساسات کلی بازار را با استفاده از امتیازدهی مبتنی بر کلمات کلیدی تحلیل می‌کند و یک امتیاز احساسات تجمعی و طبقه‌بندی تولید می‌کند.
• نوع نود: Code (JavaScript)
• پیکربندی:

* عناوین و محتوای الحاق شده بحث‌های انجمن و مقالات خبری را تحلیل می‌کند.

* از لیست‌های کلمات کلیدی صعودی (bullish) و نزولی (bearish) تعریف شده برای شمارش وقوع استفاده می‌کند.

* یک برچسب احساسات برای هر مورد اختصاص می‌دهد و یک امتیاز محاسبه می‌کند (+۱، -۱، ۰).

* میانگین امتیاز احساسات کلی را محاسبه کرده و بر اساس آستانه‌ها آن را به عنوان صعودی (bullish)، نزولی (bearish) یا خنثی (neutral) طبقه‌بندی می‌کند.

* تحلیل احساسات دقیق و شمارش‌ها بر اساس نوع احساسات را خروجی می‌دهد.

• ورودی: خروجی‌های ترکیبی از هر دو نود ScrapeGraphAI.
• خروجی: خلاصه احساسات با ساختار JSON و جزئیات تفکیک شده.
• موارد خاص: احساسات مبتنی بر کلمات کلیدی ممکن است زبان ظریف را به اشتباه طبقه‌بندی کند؛ ورودی خالی یا بدشکل ممکن است باعث خطا شود؛ اطمینان حاصل کنید که ورودی‌ها JSON معتبر هستند.

۴. پیش‌بینی بازار

• نقش: نتایج تحلیل احساسات را به پیش‌بینی‌های بازار قابل اقدام با سطوح اطمینان، استدلال، طبقه‌بندی ریسک و توصیه‌های سرمایه‌گذاری تبدیل می‌کند.
• نوع نود: Code
• پیکربندی:

* از آستانه‌ها بر روی امتیاز احساسات و تعداد صعودی/نزولی برای اختصاص دسته‌های پیش‌بینی استفاده می‌کند: strong_buy، buy، hold، sell، strong_sell.

* امتیاز اطمینان را بر اساس قدرت احساسات و حجم داده‌ها تنظیم می‌کند.

* استدلال برای تصمیمات پیش‌بینی را در قالب آرایه جمع‌آوری می‌کند.

* پیش‌بینی‌ها را با توصیه‌های سرمایه‌گذاری سفارشی نگاشت می‌کند.

* سطح ریسک را بر اساس اطمینان طبقه‌بندی می‌کند.

• ورودی: خروجی JSON از نود Sentiment Analyzer.
• خروجی: JSON شامل پیش‌بینی، اطمینان، استدلال، توصیه‌ها و سطح ریسک.
• موارد خاص: منابع داده ناکافی اطمینان را کاهش می‌دهد؛ امتیازات احساسات مرزی ممکن است باعث پیش‌بینی‌های ناپایدار شود.

۵. بهینه‌سازی زمان‌بندی

• نقش: راهنمایی استراتژیک در مورد بهترین زمان برای اقدام بر اساس پیش‌بینی‌های بازار، با در نظر گرفتن فوریت، بازه‌های زمانی بهینه و الگوهای فصلی بازار املاک و مستغلات ارائه می‌دهد.
• نوع نود: Code
• پیکربندی:

* دسته‌های زمان‌بندی را تعریف می‌کند: act_immediately، act_soon، monitor، exit_positions، reduce_exposure.

* از ماه جاری برای استنباط فصل (بهار، تابستان، پاییز، زمستان) و تنظیم عوامل زمان‌بندی استفاده می‌کند.

* مشاوره زمان‌بندی شامل فوریت، بازه زمانی توصیه شده و عوامل توضیحی را خروجی می‌دهد.

• ورودی: خروجی JSON از نود Market Predictor.
• خروجی: JSON غنی شده با توصیه‌های زمان‌بندی و زمینه فصلی.
• موارد خاص: پیکربندی نادرست تاریخ/زمان سیستم بر منطق فصلی تأثیر می‌گذارد؛ مقادیر پیش‌بینی غیر استاندارد ممکن است باعث شکاف شود.

۶. هشدار مشاور سرمایه‌گذاری

• نقش: یک پیام هشدار سرمایه‌گذاری جامع و قالب‌بندی شده ایجاد می‌کند که تمام نتایج تحلیل را برای توزیع تجمیع می‌کند.
• نوع نود: Code
• پیکربندی:

* یک پیام با فرمت Markdown با سرتیترها، لیست‌های گلوله‌ای و ایموجی‌ها برای خوانایی ایجاد می‌کند.

* اولویت هشدار (normal، high، critical) را بر اساس فوریت و اطمینان تعیین می‌کند.

* شامل آمار خلاصه و عوامل زمان‌بندی است.

* مهر زمانی برای زمان تولید گزارش گنجانده شده است.

• ورودی: خروجی JSON از نود Timing Optimizer.
• خروجی: JSON با alert_title، alert_message (Markdown)، alert_priority و داده‌های خام.
• موارد خاص: خطاهای قالب‌بندی Markdown اگر داده‌های ورودی حاوی کاراکترهای غیرمنتظره باشند؛ سازگاری منطقه زمانی برای مُهرهای زمانی.

۷. تحویل تلگرام

• نقش: پیام هشدار سرمایه‌گذاری تولید شده را به یک کانال تلگرام تعیین شده برای اطلاع‌رسانی فوری ارسال می‌کند.
• نوع نود: Telegram
• پیکربندی:

* شناسه چت (Chat ID): @real_estate_alerts

* متن پیام: به صورت پویا به پیام هشدار از نود قبلی متصل می‌شود.

* حالت تجزیه Markdown (Markdown parse mode): برای قالب‌بندی فعال شده است.

• ورودی: خروجی JSON از نود Investment Advisor Alert.
• خروجی: وضعیت تحویل پیام.
• اعتبارنامه‌ها (Credentials): توکن API ربات تلگرام مورد نیاز است که در اعتبارنامه‌های n8n پیکربندی شده است.
• موارد خاص: توکن ربات یا شناسه چت نامعتبر باعث شکست احراز هویت می‌شود؛ خرابی API تلگرام؛ محدودیت‌های حجم پیام.

---

جدول خلاصه

بازسازی گردش کار از ابتدا

1. ایجاد گره‌ی فعال‌ساز زمان‌بندی (Schedule Trigger Node):

* نوع: Schedule Trigger

پارامترها: عبارت کرون را روی 0 8 (هر روز ساعت ۸:۰۰ صبح) تنظیم کنید.

* نیازی به اعتبارنامه نیست.

* خروجی آن را به هر دو گره‌ی ScrapeGraphAI متصل کنید.

2. ایجاد گره‌ی ScrapeGraphAI - RE Forums:

* نوع: ScrapeGraphAI

* پارامترها:

* URL وب‌سایت: https://www.biggerpockets.com/forums/real-estate-investing

* دستور کاربر: "بحث‌های اخیر (۲۴ ساعت گذشته) را از انجمن‌های سرمایه‌گذاری املاک و مستغلات BiggerPockets استخراج کن. برای هر بحث، عنوان، نویسنده، هرگونه نشانگر صریح احساسات ذکر شده، تعداد پاسخ‌ها و URL را ارائه بده."

* خروجی آن را به گره‌ی Sentiment Analyzer متصل کنید.

3. ایجاد گره‌ی ScrapeGraphAI - RE News:

* نوع: ScrapeGraphAI

* پارامترها:

* URL وب‌سایت: https://www.realestateinvestingtrust.com/news

* دستور کاربر: "آخرین مقالات خبری سرمایه‌گذاری در املاک و مستغلات منتشر شده در ۲۴ ساعت گذشته را استخراج کن. برای هر مقاله، تیتر، نویسنده، خلاصه‌ی مختصری، هرگونه تأثیر بازاری ذکر شده و URL را ارائه بده."

* خروجی آن را به گره‌ی Sentiment Analyzer متصل کنید.

4. ایجاد گره‌ی تحلیلگر احساسات (Sentiment Analyzer Node):

* نوع: Code

* زبان: JavaScript

* کد: منطق ترکیب ورودی‌ها، تعریف لیست کلمات کلیدی (مانند bullishKeywords = ['buy', 'growth', 'positive', 'up', 'strong']، bearishKeywords = ['sell', 'down', 'negative', 'crash', 'weak'])، پیمایش داده‌های استخراج شده، شمارش تکرار کلمات کلیدی، محاسبه‌ی امتیازات احساسات و تعیین طبقه‌بندی کلی احساسات (صعودی، نزولی، خنثی) را پیاده‌سازی کنید.

* خروجی‌های هر دو گره‌ی ScrapeGraphAI را به این گره متصل کنید. خروجی آن را به گره‌ی Market Predictor متصل کنید.

5. ایجاد گره‌ی پیش‌بینی‌کننده بازار (Market Predictor Node):

* نوع: Code

* زبان: JavaScript

* کد: منطق دریافت خروجی تحلیل احساسات را پیاده‌سازی کنید. آستانه‌هایی برای امتیازات احساسات و تعداد کلمات کلیدی برای تولید پیش‌بینی‌ها (strong_buy, buy, hold, sell, strong_sell) تعریف کنید. امتیاز اطمینان را محاسبه کرده و بر اساس داده‌های احساسات، استدلال تولید کنید. پیش‌بینی‌ها را به توصیه‌های سرمایه‌گذاری نگاشت کرده و سطوح ریسک را طبقه‌بندی کنید.

* خروجی آن را به گره‌ی Timing Optimizer متصل کنید.

6. ایجاد گره‌ی بهینه‌ساز زمان‌بندی (Timing Optimizer Node):

* نوع: Code

* زبان: JavaScript

* کد: منطق اصلاح توصیه‌های زمان‌بندی را پیاده‌سازی کنید. از قدرت پیش‌بینی و امتیاز اطمینان استفاده کنید. عوامل فصلی را بر اساس ماه جاری در نظر بگیرید (به عنوان مثال، بهار/تابستان ممکن است فعال‌تر باشد). دسته‌بندی‌های زمان‌بندی مانند act_immediately, act_soon, monitor, exit_positions را تعریف کنید.

* خروجی آن را به گره‌ی Investment Advisor Alert متصل کنید.

7. ایجاد گره‌ی هشدار مشاور سرمایه‌گذاری (Investment Advisor Alert Node):

* نوع: Code

* زبان: JavaScript

* کد: منطق قالب‌بندی یک پیام هشدار جامع را پیاده‌سازی کنید. از Markdown برای ساختار استفاده کنید. بخش‌هایی برای خلاصه‌ی احساسات، پیش‌بینی بازار، سطح اطمینان، ارزیابی ریسک، توصیه‌های زمان‌بندی و استدلال را شامل شود. اولویت هشدار (normal, high, critical) را تعیین کنید. یک مُهر زمانی اضافه کنید.

* خروجی آن را به گره‌ی Telegram Alert متصل کنید.

8. ایجاد گره‌ی هشدار تلگرام (Telegram Alert Node):

* نوع: Telegram

* پارامترها:

* شناسه چت (Chat ID): شناسه چت تلگرام هدف خود را وارد کنید (مانند @your_channel_name یا یک شناسه عددی).

* پیام (Message): از یک عبارت برای درج پویا پیام قالب‌بندی شده از گره‌ی قبلی استفاده کنید (مانند {{ $json.alert_message }}).

* حالت تجزیه (Parse Mode): MarkdownV2 را انتخاب کنید.

* اعتبارنامه‌ها (Credentials): توکن API ربات تلگرام خود را در اعتبارنامه‌های n8n پیکربندی کنید.

* خروجی آن را به انتهای گردش کار متصل کنید.