
تحلیل تماسهای فروش با GPT-4، Supabase RAG و Slack
8 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۲۹
دانلود workflow
فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.
- فایل JSON را دانلود کنید.
- در n8n: Workflows → Import from File.
- Credentialهای هر node را متصل کنید.
- workflow را فعال کنید.
شناسه workflow: 14016 · منبع: کاتالوگ Axeto
تحلیل تماسهای فروش با GPT-4، Supabase RAG، Slack و Multi-CRM
این Workflow، مربی و ارزیاب خودکار فروش مبتنی بر هوش مصنوعی، برای دریافت دادههای جلسات فروش، بازیابی متن جلسه، نرمالسازی پیلود و ارسال نتیجه به یک عامل هوش مصنوعی طراحی شده است. این عامل با استفاده از قابلیتهای چت شبیه GPT-4، تقویت شده با زمینه کسبوکار خارجی از سیستمهای CRM و یک فروشگاه برداری Supabase، تماس را ارزیابی میکند. بازخورد تولید شده سپس از طریق Slack و ایمیل توزیع میشود.
موارد استفاده کلیدی:
- مربیگری خودکار پس از تماس برای نمایندگان فروش.
- امتیازدهی و ارزیابی کیفیت تماس.
- تحلیل تماس با غنیسازی CRM در سیستمهای فروش متعدد.
- بازخورد مبتنی بر بازیابی با استفاده از دانش تاریخی یا داخلی ذخیره شده در Supabase.
این Workflow را میتوان به صورت منطقی به بلوکهای زیر تقسیم کرد:
1. دریافت ورودی و بازیابی متن: دریافت جزئیات جلسه از طریق یک Webhook و بازیابی متن یا محتوای مرتبط.
2. پاکسازی پیلود و طبقهبندی شرکتکنندگان: پاکسازی و بازسازی دادههای ورودی، تمایز بین شرکتکنندگان داخلی و مشتریان بالقوه با استفاده از قوانین دامنه ایمیل.
3. هماهنگسازی تحلیل هوش مصنوعی: یک عامل هوش مصنوعی از GPT-4، ابزارهای CRM و یک فروشگاه برداری Supabase برای تحلیل عمیق تماس استفاده میکند.
4. ارسال بازخورد: توزیع تحلیل و بازخورد تولید شده توسط هوش مصنوعی از طریق Slack و ایمیل.
---
۱. دریافت ورودی و بازیابی متن
این بلوک به عنوان نقطه ورود Workflow عمل میکند و پیلودهای رویداد جلسه را دریافت کرده و متن مربوطه یا جزئیات جلسه را از یک سیستم خارجی بازیابی میکند.
Node های درگیر:
-
Webhook(Trigger) -
HTTP Request(بازیابی متن)
#### ۱.۱. Webhook (Trigger)
- Type:
n8n-nodes-base.webhook - نقش: Node Trigger نقطه ورود که یک نقطه پایانی HTTP برای دادههای ورودی جلسه را در معرض دید قرار میدهد.
- پیکربندی: از رفتار پیشفرض Webhook استفاده میکند، یک درخواست HTTP را میپذیرد و پیلود را به داخل Workflow منتشر میکند.
- ورودی/خروجی: ورودی ندارد؛ به
HTTP Requestخروجی میدهد. - Version:
typeVersion: 2.1 - شکستهای احتمالی: فعال نشدن Webhook، URL نادرست، ساختار پیلود نامعتبر، شناسه جلسه گمشده.
#### ۱.۲. HTTP Request (بازیابی متن)
- Type:
n8n-nodes-base.httpRequest - نقش: یک درخواست HTTP خروجی برای بازیابی دادههای متن یا فراداده گسترده جلسه انجام میدهد.
- پیکربندی: متد، URL، هدرها، احراز هویت و بدنه خاص در JSON ارائه شده قابل مشاهده نیستند. این Node احتمالاً از مقادیر پیلود Webhook (مانند شناسه جلسه) برای بازیابی متن از یک ارائهدهنده جلسه یا API رونویسی استفاده میکند.
- ورودی/خروجی: ورودی از
Webhook؛ بهCleaned JSON Payloadخروجی میدهد. - Version:
typeVersion: 4.3 - شکستهای احتمالی: شناسه/URL متن گمشده، شکست احراز هویت API، خطای 404 (متن در دسترس نیست)، محدودیتهای نرخ، مهلت زمانی، پاسخ غیر JSON.
---
۲. پاکسازی پیلود و طبقهبندی شرکتکنندگان
این بلوک پاسخ خام متن را به یک پیلود تمیز و مناسب برای پردازش هوش مصنوعی تبدیل میکند. همچنین شامل منطقی برای تمایز بین شرکتکنندگان داخلی شرکت و شرکتکنندگان خارجی بر اساس تطابق دامنه ایمیل است.
Node های درگیر:
-
Code(پاکسازی پیلود)
#### ۲.۱. Code (پاکسازی پیلود)
- Type:
n8n-nodes-base.code - نقش: جاوا اسکریپت سفارشی را برای پاکسازی، نرمالسازی و آمادهسازی پیلود متن برای عامل هوش مصنوعی اجرا میکند.
- پیکربندی: حاوی یک متغیر قابل تنظیم است:
* const internalDomain = "@yourcompany.com";
مهم: @yourcompany.com را با دامنه ایمیل واقعی شرکت خود جایگزین کنید. اگر تیم شما از یک دامنه رایگان استاندارد مانند @gmail.com استفاده میکند، میتوانید آن را در اینجا تنظیم کنید، اما توجه داشته باشید که مشتریانی که از همان دامنه استفاده میکنند ممکن است به اشتباه طبقهبندی شوند.
- ورودی/خروجی: ورودی از
HTTP Request؛ بهAI Agentخروجی میدهد. - Version:
typeVersion: 2 - شکستهای احتمالی: پیکربندی نادرست
internalDomain، طبقهبندی نادرست شرکتکنندگان (به خصوص با دامنههای مشترک مانند@gmail.com)، خطاهای زمان اجرای جاوا اسکریپت به دلیل فیلدهای پیلود گمشده، اعلانهای هوش مصنوعی بدشکل از بخشهای متن null/undefined.
---
۳. هماهنگسازی تحلیل هوش مصنوعی
این بلوک اصلی هوش است که در آن عامل هوش مصنوعی تحلیل تماس فروش را انجام میدهد. این عامل از یک مدل چت OpenAI، حافظه، ابزارهای جستجوی CRM و یک فروشگاه برداری Supabase با Embedding ها برای تولید بازخورد متنی استفاده میکند.
Node های درگیر:
-
AI Agent -
OpenAI Chat Model -
Simple Memory -
Get many deals in HubSpot(Tool) -
Get many deals in Pipedrive(Tool) -
Get many leads in Salesforce(Tool) -
Supabase Vector Store(Tool) -
Embeddings OpenAI(Tool)
#### ۳.۱. AI Agent
- Type:
@n8n/n8n-nodes-langchain.agent - نقش: با فراخوانی مدل زبان و ابزارهای متصل بر اساس پیلود جلسه پاکسازی شده، تحلیل هوش مصنوعی را هماهنگ میکند.
- پیکربندی: با یک مدل چت، حافظه، چندین ابزار CRM و فروشگاه برداری Supabase پیکربندی شده است. ورودی اصلی را از Node
Codeدریافت میکند. - ورودی/خروجی: ورودی اصلی از
Cleaned JSON Payload؛ بهSend the FeedbackوEmail the Feedbackخروجی میدهد. - Version:
typeVersion: 3 - شکستهای احتمالی: اعتبارنامههای مدل گمشده، شکست فراخوانی ابزار (CRM یا فروشگاه برداری)، سرریز توکن/زمینه با متنهای طولانی، خروجیهای ابزار ناسازگار، دستورالعملهای اعلان ناقص.
#### ۳.۲. OpenAI Chat Model
- Type:
@n8n/n8n-nodes-langchain.lmChatOpenAi - نقش: مدل زبان (مورد نظر برای تحلیل کلاس GPT-4) را که توسط عامل هوش مصنوعی برای استدلال و تولید بازخورد استفاده میشود، فراهم میکند.
- پیکربندی: نام مدل خاص، دما و محدودیتهای توکن قابل مشاهده نیستند.
- ورودی/خروجی: خروجی از طریق
ai_languageModelبهAI Agentمتصل است. - Version:
typeVersion: 1.3 - شکستهای احتمالی: اعتبارنامههای نامعتبر OpenAI، عدم دسترسی به مدل، محدودیت نرخ، استفاده زیاد از توکن.
#### ۳.۳. Simple Memory
- Type:
@n8n/n8n-nodes-langchain.memoryBufferWindow - نقش: حافظه مکالمهای کوتاهمدت را برای عامل هوش مصنوعی فراهم میکند که برای استفاده تکراری از ابزار مفید است.
- پیکربندی: هیچ پارامتر صریحی نشان داده نشده است؛ احتمالاً یک پنجره زمینه محدود را ذخیره میکند.
- ورودی/خروجی: خروجی از طریق
ai_memoryبهAI Agentمتصل است. - Version:
typeVersion: 1.3 - شکستهای احتمالی: حافظه ممکن است در Workflow های تکگذر کمتر حیاتی باشد؛ اندازه پنجره بیش از حد میتواند اندازه اعلان را افزایش دهد.
#### ۳.۴. Get many deals in HubSpot (Tool)
- Type:
n8n-nodes-base.hubspotTool - نقش: بازیابی معامله HubSpot را به عنوان یک ابزار قابل فراخوانی توسط هوش مصنوعی در معرض دید قرار میدهد و زمینه شرکت/مخاطب/فرصت را فراهم میکند.
- پیکربندی: برای بازیابی چندین معامله از HubSpot پیکربندی شده است. عامل هوش مصنوعی احتمالاً عبارات جستجو یا فیلترها را ارسال میکند.
- ورودی/خروجی: خروجی از طریق
ai_toolبهAI Agentمتصل است. - Version:
typeVersion: 2.2 - شکستهای احتمالی: مشکلات اعتبارنامه HubSpot، مجوزهای ناکافی پورتال، مجموعههای نتیجه بزرگ یا خالی، تطابق مبهم مخاطب/شرکت.
#### ۳.۵. Get many deals in Pipedrive (Tool)
- Type:
n8n-nodes-base.pipedriveTool - نقش: بازیابی معامله Pipedrive را به عنوان یک ابزار قابل فراخوانی توسط هوش مصنوعی در معرض دید قرار میدهد.
- پیکربندی: احتمالاً برای جستجو یا لیست کردن معاملات مرتبط با شرکتکنندگان جلسه/حساب پیکربندی شده است.
- ورودی/خروجی: خروجی از طریق
ai_toolبهAI Agentمتصل است. - Version:
typeVersion: 1 - شکستهای احتمالی: شکست توکن API یا اعتبارنامه OAuth، عدم تطابق مجوزها، مجموعههای نتیجه بزرگ، نام سازمانهای تکراری.
#### ۳.۶. Get many leads in Salesforce (Tool)
- Type:
n8n-nodes-base.salesforceTool - نقش: بازیابی سرنخ Salesforce را به عنوان یک ابزار قابل فراخوانی توسط هوش مصنوعی در معرض دید قرار میدهد.
- پیکربندی: بر روی جستجوی سرنخ متمرکز شده است؛ تنظیمات شیء و پرس و جوی دقیق قابل مشاهده نیستند.
- ورودی/خروجی: خروجی از طریق
ai_toolبهAI Agentمتصل است. - Version:
typeVersion: 1 - شکستهای احتمالی: مشکلات احراز هویت/جلسه Salesforce، محدودیتهای SOQL/پرس و جو، انتخاب شیء نادرست اگر دادهها در مخاطبین/فرصتها قرار دارند.
#### ۳.۷. Supabase Vector Store (Tool)
- Type:
@n8n/n8n-nodes-langchain.vectorStoreSupabase - نقش: با پرس و جو از پایگاه داده برداری Supabase برای اطلاعات متنی مرتبط، تولید افزوده شده با بازیابی (RAG) را فعال میکند.
- پیکربندی: به یک نمونه Supabase متصل است و برای انجام جستجوهای شباهت بر اساس محتوای جلسه پیکربندی شده است.
- ورودی/خروجی: خروجی از طریق
ai_toolبهAI Agentمتصل است. - Version:
typeVersion: 1.1 - شکستهای احتمالی: خطاهای اتصال Supabase، کلیدهای API نامعتبر، پیکربندی نادرست جدول/اسکیما، ایندکسگذاری ناکارآمد منجر به نتایج کند یا نامربوط میشود.
#### ۳.۸. Embeddings OpenAI (Tool)
- Type:
@n8n/n8n-nodes-langchain.embeddingsOpenAi - نقش: Embedding های برداری را برای دادههای متنی تولید میکند که توسط فروشگاه برداری Supabase برای ایندکس کردن و بازیابی اطلاعات استفاده میشود.
- پیکربندی: برای استفاده از یک مدل Embedding OpenAI پیکربندی شده است.
- ورودی/خروجی: به صورت داخلی توسط Node
Supabase Vector Storeاستفاده میشود. - Version:
typeVersion: 1.2 - شکستهای احتمالی: اعتبارنامههای نامعتبر OpenAI، عدم دسترسی به مدل، محدودیت نرخ.
---
۴. ارسال بازخورد
این بلوک نهایی مسئول توزیع تحلیل و بازخورد تولید شده توسط هوش مصنوعی است.
Node های درگیر:
-
Slack(ارسال بازخورد) -
Email(ارسال بازخورد)
#### ۴.۱. Slack
- Type:
n8n-nodes-base.slack - نقش: بازخورد تولید شده توسط هوش مصنوعی را به یک کانال یا کاربر تعیین شده Slack ارسال میکند.
- پیکربندی: نیاز به اعتبارنامه API Slack و پیکربندی برای کانال هدف و محتوای پیام دارد.
- ورودی/خروجی: ورودی از
AI Agent؛ خروجی بیشتری نشان داده نشده است. - Version:
typeVersion: 3.1 - شکستهای احتمالی: اعتبارنامههای نامعتبر Slack، شناسه کانال نادرست، مجوزهای ناکافی، خطاهای قالببندی پیام.
#### ۴.۲. Email
- Type:
n8n-nodes-base.emailSend - نقش: بازخورد تولید شده توسط هوش مصنوعی را از طریق ایمیل به گیرندگان مشخص شده ارسال میکند.
- پیکربندی: نیاز به جزئیات سرور SMTP، آدرس فرستنده، گیرنده(ها)، موضوع و محتوای بدنه ایمیل دارد.
- ورودی/خروجی: ورودی از
AI Agent؛ خروجی بیشتری نشان داده نشده است. - Version:
typeVersion: 3.1 - شکستهای احتمالی: اعتبارنامههای نادرست SMTP، آدرس گیرنده نامعتبر، مشکلات اتصال سرور ایمیل، محتوا فراتر از محدودیتهای اندازه.
---
Workflow های بیشتر n8n را در Axeto.ai کاوش کنید: https://axeto.ai/n8n
Nodeهای استفادهشده
سوالات متداول
این Workflow چگونه به تحلیل تماسهای فروش کمک میکند؟▾
این Workflow با استفاده از GPT-4 و تکنیک RAG (Retrieval-Augmented Generation) با Supabase، متن تماسهای فروش را تحلیل کرده، کیفیت آنها را ارزیابی میکند و بازخوردهای مفیدی برای بهبود ارائه میدهد.
نقش Supabase RAG در این Workflow چیست؟▾
Supabase RAG به Workflow اجازه میدهد تا با بازیابی اطلاعات مرتبط از پایگاه داده برداری Supabase، زمینه و دانش بیشتری را به مدل GPT-4 ارائه دهد. این امر منجر به تحلیل دقیقتر و غنیتر تماسهای فروش میشود.
چگونه بازخوردها به تیم فروش میرسد؟▾
پس از تحلیل تماس، بازخوردهای تولید شده توسط هوش مصنوعی از طریق کانالهای Slack و ایمیل به صورت خودکار به تیم فروش ارسال میشوند تا بتوانند از آنها برای بهبود عملکرد خود استفاده کنند.
آیا این Workflow با سیستمهای CRM مختلف سازگار است؟▾
بله، این Workflow برای ادغام با دادههای CRM چندگانه طراحی شده است. این امکان را فراهم میکند تا اطلاعات تماس فروش با دادههای موجود در سیستمهای CRM مختلف غنیسازی شود و تحلیل جامعتری ارائه گردد.
workflowهای مرتبط
- تحلیل خودکار مناقصهها با n8n، LlamaParse و GeminiDocument Extraction
- خودکارسازی تماسهای خروجی Typeform با Vapi در n8nLead Nurturing
- اتوماسیون API Clarify با n8n و عوامل هوش مصنوعیEngineering
- ارزیابی ریسک بلاکچین با GPT-4o و n8n: امنیت و توکنومیکSecOps
- پرسش و پاسخ صوتی جلسات گذشته با OpenAI و PineconeInternal Wiki
- چتبات واتساپ: پاسخ به سوالات با PDF، Google Drive و RAGSupport Chatbot
