تحلیل خودکار فرصت‌های سرمایه‌گذاری املاک با n8n و GPT-4o

تحلیل فرصت‌های زیربازار املاک و مستغلات با GPT-4، MLS، Gmail و Slack

این گردش کار، تحلیل فرصت‌های زیربازار املاک و مستغلات را خودکار می‌کند و از هوش مصنوعی برای بینش و ادغام با ابزارهای ارتباطی ضروری بهره می‌برد.

دسته‌بندی‌ها: تحقیقات بازار، خلاصه‌سازی با هوش مصنوعی

کاتالوگ Axeto: https://axeto.ai/n8n

---

۱. نمای کلی گردش کار

نام گردش کار: تحلیلگر هوشمند روند زیربازار و فرصت‌های سرمایه‌گذاری

هدف: این گردش کار به صورت روزانه اجرا می‌شود تا:

1. داده‌های املاک و مستغلات را از منابع مختلف (MLS، سوابق عمومی، جمعیت‌شناسی، شاخص‌های اقتصاد کلان) دریافت کند.

2. این داده‌ها را تجمیع کند.

3. از GPT-4o برای شناسایی و امتیازدهی فرصت‌های سرمایه‌گذاری در زیربازارها بر اساس یک طرحواره ساختاریافته استفاده کند.

4. فرصت‌هایی را که از یک آستانه امتیاز تعریف شده فراتر می‌روند، فیلتر کند.

5. تیم تملک را از طریق Gmail و سرمایه‌گذاران را از طریق Slack مطلع سازد.

موارد استفاده هدف:

• غربالگری روزانه بازارهای سرمایه‌گذاری بالقوه برای تیم‌های املاک و مستغلات.
• "رادار بازار" خودکار برای شناسایی زیربازارهای نوظهور.
• اولویت‌بندی سریع فرصت‌های سرمایه‌گذاری بر اساس امتیاز بازگشت سرمایه (ROI) و ریسک.

---

۲. جزئیات گردش کار

۲.۱ زمان‌بندی و پیکربندی

این بلوک برنامه اجرای گردش کار را تنظیم کرده و تمام پارامترهای پیکربندی را متمرکز می‌کند.

گره‌ها (Nodes):

• Schedule Trigger (برنامه تحلیل روزانه)
• Set (پیکربندی گردش کار)

جزئیات:

• برنامه تحلیل روزانه (Schedule Trigger):

* نقش: گردش کار را آغاز می‌کند.

* پیکربندی: برای اجرا در ساعت ۰۶:۰۰ هر روز (بر اساس منطقه زمانی نمونه n8n) تنظیم شده است.

* اتصالات: گره پیکربندی گردش کار را فعال می‌کند.

* ملاحظات: اطمینان حاصل کنید که منطقه زمانی نمونه n8n با ساعات کاری مورد نظر شما مطابقت دارد. در صورت عدم دسترسی نمونه در زمان برنامه‌ریزی شده، ممکن است اجرای از دست رفته رخ دهد.

• پیکربندی گردش کار (Set):

* نقش: متغیرهای کلیدی را برای کل گردش کار تعریف می‌کند.

* پیکربندی:

* mlsApiUrl: جایگزین برای نقطه پایانی API MLS.

* publicRecordsApiUrl: جایگزین برای نقطه پایانی API سوابق عمومی.

* demographicApiUrl: جایگزین برای نقطه پایانی API جمعیت‌شناسی.

* macroeconomicApiUrl: جایگزین برای نقطه پایانی API اقتصاد کلان.

* targetMarkets: رشته‌ای از بازارها که با کاما جدا شده‌اند و باید تحلیل شوند (جایگزین).

* minInvestmentScore: حداقل آستانه امتیاز برای در نظر گرفتن یک فرصت به عنوان اولویت بالا (پیش‌فرض: ۷۵).

* acquisitionTeamEmail: آدرس ایمیل تیم اکتساب (جایگزین).

* investorSlackChannel: شناسه کانال Slack برای اعلان سرمایه‌گذاران (جایگزین).

* اتصالات: خروجی‌ها به گره‌های دریافت داده (دریافت داده MLS، دریافت سوابق عمومی و غیره) توزیع می‌شوند.

* ملاحظات: تمام مقادیر جایگزین را با نقاط پایانی واقعی API، شناسه‌های بازار و اطلاعات تماس جایگزین کنید. فرمت targetMarkets باید با الزامات APIهای خاص شما مطابقت داشته باشد.

۲.۲ جمع‌آوری موازی داده‌ها

این بخش داده‌ها را به طور همزمان از چهار منبع مجزا دریافت می‌کند تا تحلیل جامع بازار را تضمین کند.

گره‌ها (Nodes):

• HTTP Request (دریافت داده MLS)
• HTTP Request (دریافت سوابق عمومی)
• HTTP Request (دریافت داده جمعیت‌شناسی)
• HTTP Request (دریافت داده اقتصاد کلان)

جزئیات:

• دریافت داده MLS (HTTP Request):

* نقش: داده‌ها را از API سرویس لیست املاک (MLS) دریافت می‌کند.

* پیکربندی:

* URL: از mlsApiUrl از پیکربندی گردش کار استفاده می‌کند.

* پارامترهای کوئری: شامل markets که به مقدار targetMarkets تنظیم شده است.

* احراز هویت: نیاز به یک نوع اعتبارنامه HTTP متصل دارد که با API MLS شما سازگار باشد.

* اتصالات: ورودی را از پیکربندی گردش کار دریافت می‌کند؛ خروجی به تجمیع تمام منابع داده ارسال می‌شود.

* ملاحظات: خطاهای احراز هویت (۴۰۱/۴۰۳)، محدودیت‌های نرخ API (۴۲۹)، مهلت‌های زمانی و صفحه‌بندی مدیریت نشده می‌تواند باعث شکست شود. ساختار پاسخ API باید با پردازش پایین‌دستی سازگار باشد.

• دریافت سوابق عمومی (HTTP Request):

* نقش: داده‌ها را از یک API سوابق عمومی (مانند اسناد، مالیات، اطلاعات مجوز) دریافت می‌کند.

* پیکربندی: مشابه دریافت داده MLS، با استفاده از publicRecordsApiUrl.

* اتصالات: ورودی را از پیکربندی گردش کار دریافت می‌کند؛ خروجی به تجمیع تمام منابع داده ارسال می‌شود.

* ملاحظات: مشابه دریافت داده MLS در مورد احراز هویت، محدودیت‌های نرخ و طرح‌بندی پاسخ.

• دریافت داده جمعیت‌شناسی (HTTP Request):

* نقش: اطلاعات جمعیت‌شناسی (مانند جمعیت، درآمد، داده‌های خانوار) را بازیابی می‌کند.

* پیکربندی: مشابه دریافت داده MLS، با استفاده از demographicApiUrl.

* اتصالات: ورودی را از پیکربندی گردش کار دریافت می‌کند؛ خروجی به تجمیع تمام منابع داده ارسال می‌شود.

* ملاحظات: مشابه دریافت داده MLS در مورد احراز هویت، محدودیت‌های نرخ و طرح‌بندی پاسخ.

• دریافت داده اقتصاد کلان (HTTP Request):

* نقش: شاخص‌های اقتصاد کلان (مانند اشتغال، رشد کسب و کار) را جمع‌آوری می‌کند.

* پیکربندی: مشابه دریافت داده MLS، با استفاده از macroeconomicApiUrl.

* اتصالات: ورودی را از پیکربندی گردش کار دریافت می‌کند؛ خروجی به تجمیع تمام منابع داده ارسال می‌شود.

* ملاحظات: مشابه دریافت داده MLS در مورد احراز هویت، محدودیت‌های نرخ و طرح‌بندی پاسخ.

۲.۳ تجمیع داده‌ها

این گره داده‌های جمع‌آوری شده از فراخوانی‌های موازی API را در یک بار داده (payload) واحد برای تحلیل هوش مصنوعی ادغام می‌کند.

گره‌ها (Nodes):

• Aggregate (تجمیع تمام منابع داده)

جزئیات:

• تجمیع تمام منابع داده (Aggregate):

* نقش: داده‌ها را از تمام گره‌های HTTP Request ورودی ادغام می‌کند.

* پیکربندی:

* Mode: aggregateAllItemData برای جمع‌آوری تمام آیتم‌های JSON ورودی در یک ساختار واحد.

* اتصالات: ورودی را از هر چهار گره دریافت داده دریافت می‌کند؛ خروجی به تحلیلگر فرصت سرمایه‌گذاری ارسال می‌شود.

* ملاحظات: اگر هر منبع داده‌ای شکست بخورد و "Continue on Fail" فعال نباشد، پردازش پایین‌دستی ممکن است داده‌های ناقص یا هیچ داده‌ای دریافت نکند. بارهای داده تجمیع شده بزرگ می‌توانند بر عملکرد تأثیر بگذارند و ممکن است از محدودیت‌های پنجره زمینه LLM فراتر روند.

۲.۴ تحلیل هوش مصنوعی

این بلوک از یک LangChain Agent با GPT-4o برای تحلیل داده‌های تجمیع شده، شناسایی فرصت‌ها و ساختاردهی خروجی استفاده می‌کند.

گره‌ها (Nodes):

• LangChain Agent (تحلیلگر فرصت سرمایه‌گذاری)
• LM Chat (OpenAI) (OpenAI GPT-4)
• LangChain Tool (ابزار ماشین‌حساب)
• Structured Output Parser (تجزیه‌کننده خروجی ساختاریافته)

جزئیات:

• تحلیلگر فرصت سرمایه‌گذاری (LangChain Agent):

* نقش: فرآیند استدلال هوش مصنوعی، از جمله استفاده از ابزار و تولید خروجی ساختاریافته را هماهنگ می‌کند.

* پیکربندی:

* Prompt: شامل یک پیام سیستمی دقیق است که هوش مصنوعی را برای تحلیل روندها، شناسایی و امتیازدهی فرصت‌های سرمایه‌گذاری (۰-۱۰۰)، پیش‌بینی عملکرد آینده (۱۲-۲۴ ماه) و ارائه توصیه‌ها هدایت می‌کند.

* Input: روی ={{ $json.data }} تنظیم شده است (اطمینان حاصل کنید که این با نام فیلد خروجی از گره Aggregate مطابقت دارد).

* Output Parser: فعال است و انتظار خروجی مطابق با یک طرحواره JSON تعریف شده را دارد.

* اتصالات:

* Main Input: داده‌ها را از تجمیع تمام منابع داده دریافت می‌کند.

* AI Language Model Input: به OpenAI GPT-4 متصل می‌شود.

* AI Tool Input: به ابزار ماشین‌حساب متصل می‌شود.

* AI Output Parser Input: به تجزیه‌کننده خروجی ساختاریافته متصل می‌شود.

* Main Output: نتایج را به فیلتر فرصت‌های اولویت بالا ارسال می‌کند.

* ملاحظات: نگاشت ورودی ($json.data) باید به طور دقیق به داده‌های تجمیع شده ارجاع دهد. در صورت عدم تطابق خروجی هوش مصنوعی با ساختار مورد انتظار، ممکن است خطاهای اعتبارسنجی طرحواره رخ دهد. داده‌های ورودی بزرگ می‌توانند منجر به سرریز توکن شوند.

• OpenAI GPT-4 (LM Chat (OpenAI)):

* نقش: مدل زبان GPT-4o را به LangChain Agent ارائه می‌دهد.

* پیکربندی:

* Model: gpt-4o.

* Temperature: 0.3 (برای خروجی‌های متمرکزتر و قطعی‌تر).

* Credentials: نیاز به یک اعتبارنامه پیکربندی شده OpenAI API دارد.

* اتصالات: مدل زبان را به تحلیلگر فرصت سرمایه‌گذاری ارائه می‌دهد.

* ملاحظات: اطمینان حاصل کنید که کلید API OpenAI شما معتبر است، سهمیه کافی دارد و مدل در منطقه شما قابل دسترسی است.

• ابزار ماشین‌حساب (LangChain Tool):

* نقش: به عامل هوش مصنوعی اجازه می‌دهد تا محاسبات حسابی را انجام دهد، که برای پیش‌بینی بازگشت سرمایه مفید است.

* پیکربندی: از تنظیمات پیش‌فرض استفاده می‌کند.

* اتصالات: ابزار ماشین‌حساب را به تحلیلگر فرصت سرمایه‌گذاری ارائه می‌دهد.

* ملاحظات: خطاهای فراخوانی ابزار نادر هستند اما در صورتی که عامل فراخوانی ابزار را به اشتباه قالب‌بندی کند، ممکن است رخ دهند.

• تجزیه‌کننده خروجی ساختاریافته (Structured Output Parser):

* نقش: یک طرحواره JSON خاص را برای خروجی هوش مصنوعی اجباری می‌کند.

* پیکربندی: یک طرحواره JSON دستی تعریف می‌کند شامل:

* opportunities[]: آرایه‌ای از اشیاء، که هر کدام شامل فیلدهایی مانند submarket, investmentScore, expectedROI, riskLevel و غیره هستند.

* marketSummary: رشته‌ای که خلاصه‌ای از تحلیل کلی بازار را ارائه می‌دهد.

* topOpportunities[]: لیستی از فرصت‌های شناسایی شده برتر.

* اتصالات: اجرای طرحواره را به تحلیلگر فرصت سرمایه‌گذاری ارائه می‌دهد.

* ملاحظات: خروجی هوش مصنوعی باید به شدت از این طرحواره پیروی کند. اطمینان حاصل کنید که تمام فیلدهایی که توسط گره‌های پایین‌دستی ارجاع داده می‌شوند، در طرحواره وجود دارند و به درستی نام‌گذاری شده‌اند.

۲.۵ اولویت‌بندی و هشدارها

این بلوک نهایی فرصت‌های تولید شده توسط هوش مصنوعی را بر اساس آستانه امتیاز تعریف شده فیلتر کرده و اعلان‌ها را به ذینفعان مربوطه ارسال می‌کند.

گره‌ها (Nodes):

• Code (فیلتر فرصت‌های اولویت بالا)
• Gmail (ایمیل به تیم اکتساب)
• Slack (اطلاع‌رسانی به سرمایه‌گذاران در Slack)

جزئیات:

• فیلتر فرصت‌های اولویت بالا (Code):

* نقش: خروجی هوش مصنوعی را نرمال‌سازی کرده، فرصت‌ها را بر اساس امتیاز فیلتر و مرتب می‌کند.

* منطق:

* minInvestmentScore را از پیکربندی گردش کار بازیابی می‌کند.

* خروجی تحلیلگر فرصت سرمایه‌گذاری را پردازش می‌کند.

* آرایه opportunities را استخراج می‌کند، و انواع احتمالی در ساختار خروجی را مدیریت می‌کند (مانند agentOutput.opportunities, agentOutput.output.opportunities).

* فرصت‌هایی را که investmentScore (یا investment_score) برابر یا بیشتر از آستانه است، فیلتر می‌کند.

* فرصت‌های فیلتر شده را بر اساس امتیاز به ترتیب نزولی مرتب می‌کند.

* هر فرصت اولویت بالا را به عنوان یک آیتم جداگانه خروجی می‌دهد.

* اتصالات: ورودی را از تحلیلگر فرصت سرمایه‌گذاری دریافت می‌کند؛ خروجی به هر دو ایمیل به تیم اکتساب و اطلاع‌رسانی به سرمایه‌گذاران در Slack ارسال می‌شود.

ملاحظات: این گره فرصت‌های فردی* را به ازای هر آیتم خروجی می‌دهد. گره‌های پایین‌دستی که یک آیتم واحد حاوی آرایه opportunities را انتظار دارند، نیاز به تنظیمات دارند. اطمینان حاصل کنید که investmentScore به طور مداوم مدیریت می‌شود (به عنوان مثال، در صورت امکان تبدیل به عدد اگر رشته باشد).

• ایمیل به تیم اکتساب (Gmail):

* نقش: یک اعلان ایمیلی به تیم اکتساب با فرصت‌های اولویت بالا ارسال می‌کند.

* پیکربندی:

* To: از acquisitionTeamEmail از پیکربندی گردش کار استفاده می‌کند.

* Subject: به صورت پویا تنظیم شده است (مانند "فرصت‌های سرمایه‌گذاری اولویت بالا - [تاریخ]").

* HTML Body: در نظر گرفته شده است که روی فرصت‌ها حلقه بزند، اما در حال حاضر انتظار ساختاری ($json.opportunities[]) را دارد که با ورودی از گره فیلتر فرصت‌های اولویت بالا مطابقت ندارد.

* اتصالات: ورودی را از فیلتر فرصت‌های اولویت بالا دریافت می‌کند.

* ملاحظات: عدم تطابق طرحواره قابل توجه: این گره انتظار یک آیتم واحد با آرایه opportunities را دارد، اما چندین آیتم دریافت می‌کند که هر کدام یک فرصت واحد است. رندر ایمیل احتمالاً شکست می‌خورد یا خالی خواهد بود. نام فیلدهای مورد استفاده در الگو (مانند address, projectedROI) ممکن است با طرحواره خروجی ساختاریافته هوش مصنوعی (که از expectedROI, recommendations و غیره استفاده می‌کند) همسو نباشد. نیاز به اصلاح دارد تا به درستی روی آیتم‌های فرصت فردی ورودی حلقه بزند و فیلدهای صحیح را نگاشت کند. اعتبارنامه‌های Gmail OAuth2 باید معتبر باشند.

• اطلاع‌رسانی به سرمایه‌گذاران در Slack (Slack):

* نقش: هشدارهای قالب‌بندی شده را به یک کانال Slack تعیین شده برای سرمایه‌گذاران ارسال می‌کند.

* پیکربندی:

* Channel: از investorSlackChannel از پیکربندی گردش کار استفاده می‌کند.

* Message: اعلان را قالب‌بندی می‌کند، که احتمالاً برای خلاصه‌سازی یا لیست کردن فرصت‌ها در نظر گرفته شده است.

* اتصالات: ورودی را از فیلتر فرصت‌های اولویت بالا دریافت می‌کند.

* ملاحظات: مشابه گره Gmail، قالب‌بندی پیام گره Slack نیاز به تطبیق دارد تا آیتم‌های فرصت فردی که از گره فیلتر عبور می‌کنند را مدیریت کند، به جای انتظار یک آرایه opportunities تجمیع شده در یک آیتم واحد. اطمینان حاصل کنید که اعتبارنامه‌های API Slack و شناسه کانال صحیح هستند.