این گردش کار چگونه به تحلیل نتایج معاملات فروش کمک میکند؟

این گردش کار با استفاده از Azure OpenAI، دادههای مربوط به معاملات فروش را تحلیل کرده و بینشهای کلیدی را استخراج میکند. سپس این بینشها را در Google Sheets برای گزارشدهی و تحلیل آسانتر ذخیره مینماید.

چه ابزارهایی در این گردش کار استفاده شدهاند؟

ابزارهای اصلی مورد استفاده عبارتند از Azure OpenAI برای پردازش هوش مصنوعی، Google Sheets برای دریافت و ذخیرهسازی دادهها، و n8n به عنوان پلتفرم اتوماسیون برای اتصال این ابزارها و مدیریت گردش کار.

آیا این گردش کار برای تیمهای فروش مفید است؟

بله، این گردش کار برای تیمهای فروش و بازاریابی بسیار مفید است زیرا به طور خودکار دادههای فروش را پردازش کرده، بینشهای ارزشمندی را استخراج میکند و گزارشهای قابل فهمی را تولید مینماید که به بهبود استراتژیهای فروش کمک میکند.

تحلیل نتایج معاملات فروش با هوش مصنوعی و Google Sheets

تحلیل نتایج معاملات فروش با Azure OpenAI و گزارش‌دهی Google Sheets

این گردش کار نتایج معاملات فروش را با استفاده از Azure OpenAI برای بینش و خودکارسازی گزارش‌دهی از طریق Google Sheets و خلاصه‌های ایمیلی تحلیل می‌کند. این گردش کار برای تیم‌های فروش و بازاریابی که هدفشان استخراج، پردازش و گزارش‌دهی اطلاعات مربوط به معاملات است، ایده‌آل است.

ویژگی‌های کلیدی:

دریافت خودکار داده‌ها: یادداشت‌ها و ایمیل‌های فروش را از Google Sheets می‌کشد.
تحلیل مبتنی بر هوش مصنوعی: از Azure OpenAI از طریق عامل‌های LangChain برای تحلیل و خلاصه‌سازی اطلاعات معاملات استفاده می‌کند.
گزارش‌دهی ساختاریافته: بینش‌های تولید شده توسط هوش مصنوعی را در Google Sheets ذخیره می‌کند.
خلاصه‌های ایمیلی: گزارش‌های خلاصه‌شده را از طریق ایمیل ارسال می‌کند.

این گردش کار و موارد دیگر را در کاتالوگ Axeto کاوش کنید: https://axeto.ai/n8n

---

تشریح گردش کار (Workflow Breakdown)

این گردش کار به بخش‌های منطقی زیر تقسیم می‌شود:

1. دریافت و آماده‌سازی داده‌ها: گردش کار را راه‌اندازی کرده و داده‌های خام فروش را از Google Sheets دریافت می‌کند، سپس آن را برای پردازش توسط هوش مصنوعی آماده می‌سازد.

2. تحلیل و ذخیره‌سازی با هوش مصنوعی: داده‌های آماده‌شده را با استفاده از Azure OpenAI پردازش کرده و بینش‌های ساختاریافته را مجدداً در Google Sheets ذخیره می‌کند.

3. گزارش‌دهی: داده‌های اخیر را فیلتر کرده و خلاصه‌ای ایمیلی از تحلیل را تولید می‌کند.

---

۱. دریافت و آماده‌سازی داده‌ها

این بخش بر راه‌اندازی گردش کار و آماده‌سازی داده‌های فروش برای تحلیل تمرکز دارد.

نودها (Nodes):

* When clicking ‘Execute workflow’ (Manual Trigger)

* Get row(s) in sheet (Google Sheets)

* Extract Notes/Emails (Code)

* Loop Over Items (SplitInBatches)

جزئیات:

* When clicking ‘Execute workflow’

* نوع: Manual Trigger

* هدف: اجرای دستی گردش کار را آغاز می‌کند.

* پیکربندی: پارامتر خاصی نیاز نیست.

* ورودی: ندارد.

* خروجی: نود Get row(s) in sheet را راه‌اندازی می‌کند.

* Get row(s) in sheet

* نوع: Google Sheets (Read)

* هدف: یادداشت‌ها و ایمیل‌های خام فروش را از یک Google Sheet مشخص دریافت می‌کند.

* پیکربندی: نیاز به اعتبارنامه OAuth2 Google Sheets، شناسه صفحه گسترده (Spreadsheet ID) و نام/محدوده صفحه (Sheet Name/Range) دارد.

* ورودی: راه‌اندازی از نود دستی.

* خروجی: داده‌های خام برای نود Extract Notes/Emails.

* مشکلات احتمالی: خطاهای احراز هویت، یافت نشدن صفحه، داده‌های خالی، محدودیت‌های نرخ API.

* Extract Notes/Emails

* نوع: Code (JavaScript)

* هدف: داده‌های خام صفحه گسترده را تجزیه و تحلیل کرده تا فیلدهای متنی مرتبط (یادداشت‌ها، ایمیل‌ها) را برای پردازش هوش مصنوعی جدا کند.

* پیکربندی: کد سفارشی جاوا اسکریپت برای فیلتر کردن یا نگاشت فیلدهای ورودی.

* ورودی: خروجی از Get row(s) in sheet.

* خروجی: لیستی از داده‌های متنی استخراج شده.

* مشکلات احتمالی: خطاهای تجزیه، فرمت‌های داده غیرمنتظره، فیلدهای گمشده.

* Loop Over Items

* نوع: SplitInBatches

* هدف: داده‌های استخراج شده را به دسته‌های کوچک‌تر (مثلاً ۵-۱۰ مورد) تقسیم می‌کند تا محدودیت‌های نرخ API و اندازه‌های بار (payload) برای Azure OpenAI را مدیریت کند.

* پیکربندی: اندازه دسته مورد نظر را تنظیم کنید.

* ورودی: آرایه‌ای از متن استخراج شده از Extract Notes/Emails.

* خروجی: دسته‌ها را برای پردازش به نودهای بعدی ارسال می‌کند.

* مشکلات احتمالی: پیکربندی نادرست اندازه دسته، دسته‌های خالی.

---

۲. تحلیل و ذخیره‌سازی با هوش مصنوعی

این بخش پردازش اصلی هوش مصنوعی و ذخیره‌سازی نتایج را بر عهده دارد.

نودها (Nodes):

* Fetch Google Sheet Data (Google Sheets)

* AI Agent (LangChain AI Agent)

* Azure OpenAI Chat Model (LM Chat Azure OpenAI)

* Edit Fields (Set)

* Parse AI Response (Code)

* Save to Google Sheets (Google Sheets)

جزئیات:

* Fetch Google Sheet Data

* نوع: Google Sheets (Read)

* هدف: داده‌های اضافی یا متنی را از Google Sheets برای غنی‌سازی ورودی هوش مصنوعی بازیابی می‌کند.

* پیکربندی: از اعتبارنامه‌های Google Sheets استفاده می‌کند.

* ورودی: داده‌های دسته‌بندی شده از Loop Over Items.

* خروجی: داده‌های متنی به نود AI Agent ارسال می‌شود.

* مشکلات احتمالی: مشابه Get row(s) in sheet، شامل مشکلات اتصال و مجوز.

* AI Agent

* نوع: LangChain AI Agent

* هدف: ساخت پرامپت هوش مصنوعی و تعامل با مدل چت Azure OpenAI برای تحلیل را هماهنگ می‌کند.

* پیکربندی: به صورت پایین‌دستی به Azure OpenAI Chat Model متصل است.

* ورودی: داده‌های دسته‌بندی شده و اطلاعات متنی.

* خروجی: پاسخ خام هوش مصنوعی.

* مشکلات احتمالی: مشکلات کلید API/اعتبارنامه، محدودیت‌های نرخ، خطاهای پرامپت.

* Azure OpenAI Chat Model

* نوع: Language Model Node (Azure OpenAI)

* هدف: درخواست تکمیل چت را به سرویس Azure OpenAI اجرا می‌کند.

* پیکربندی: نیاز به نقطه پایانی Azure OpenAI (endpoint)، کلید API و نام استقرار (deployment name) دارد. انتخاب مدل (مانند GPT-4، GPT-3.5-turbo).

* ورودی: از AI Agent.

* خروجی: پاسخ متنی تولید شده توسط هوش مصنوعی.

* مشکلات احتمالی: خطاهای احراز هویت، مهلت زمانی درخواست (timeouts)، تجاوز از سهمیه (quota).

* Edit Fields

* نوع: Set

* هدف: پاسخ هوش مصنوعی را برای آماده‌سازی جهت تجزیه و تحلیل و ذخیره‌سازی، اصلاح یا قالب‌بندی می‌کند.

* پیکربندی: اصلاحات فیلد یا تبدیل داده‌ها را تعریف کنید.

* ورودی: پاسخ خام هوش مصنوعی از AI Agent.

* خروجی: پاسخ قالب‌بندی شده هوش مصنوعی برای Parse AI Response.

* مشکلات احتمالی: پیکربندی نادرست منجر به از دست رفتن داده‌ها می‌شود.

* Parse AI Response

* نوع: Code (JavaScript)

* هدف: متن پاسخ هوش مصنوعی را به یک فرمت ساختاریافته (مانند JSON) مناسب برای Google Sheets تجزیه می‌کند.

* پیکربندی: کد سفارشی جاوا اسکریپت برای استخراج بینش‌های کلیدی و نگاشت آن‌ها به ستون‌ها.

* ورودی: خروجی ویرایش شده هوش مصنوعی از Edit Fields.

* خروجی: داده‌های ساختاریافته آماده برای ذخیره‌سازی.

* مشکلات احتمالی: خطاهای تجزیه در صورتی که فرمت پاسخ هوش مصنوعی ناسازگار باشد.

* Save to Google Sheets

* نوع: Google Sheets (Write)

* هدف: ردیف‌ها را در یک Google Sheet با بازخورد تحلیل شده توسط هوش مصنوعی اضافه یا به‌روزرسانی می‌کند.

* پیکربندی: شناسه صفحه گسترده، صفحه هدف و نگاشت داده‌ها پیکربندی شده‌اند. از اعتبارنامه‌های Google استفاده می‌کند.

* ورودی: داده‌های ساختاریافته از Parse AI Response.

* خروجی: به Loop Over Items بازمی‌گردد تا دسته بعدی را پردازش کند.

* مشکلات احتمالی: خطاهای مجوز نوشتن، محدودیت‌های API، ناسازگاری فرمت داده.

---

۳. گزارش‌دهی

این بخش نهایی، خلاصه‌ای از تحلیل را تولید و ارسال می‌کند.

نودها (Nodes):

* AI Agent1 (LangChain AI Agent)

* Azure OpenAI Chat Model1 (LM Chat Azure OpenAI)

* Filter Recent Data (Code)

* Send Email Digest (Email Send)

جزئیات:

* AI Agent1

* نوع: LangChain AI Agent

* هدف: داده‌های فیلتر شده را به طور خاص برای خلاصه ایمیلی، اصلاح یا خلاصه می‌کند.

* پیکربندی: به Azure OpenAI Chat Model1 پیوند داده شده است.

* ورودی: داده‌های بازیابی شده برای گزارش‌دهی (احتمالاً از Fetch Google Sheet Data یا مستقیماً از نتایج ذخیره شده).

* خروجی: داده‌های پردازش شده برای خلاصه‌سازی.

* مشکلات احتمالی: خطاهای استاندارد مرتبط با هوش مصنوعی (کلیدهای API، محدودیت‌های نرخ، مشکلات پرامپت).

* Azure OpenAI Chat Model1

* نوع: Language Model Node (Azure OpenAI)

* هدف: خلاصه هوش مصنوعی را برای خلاصه ایمیلی تولید می‌کند.

* پیکربندی: مشابه نود قبلی Azure OpenAI، احتمالاً با پرامپت‌ها یا پارامترهای متفاوتی برای خلاصه‌سازی.

* ورودی: از AI Agent1.

* خروجی: متن خلاصه تولید شده توسط هوش مصنوعی.

* مشکلات احتمالی: خطاهای استاندارد مرتبط با هوش مصنوعی.

* Filter Recent Data

* نوع: Code (JavaScript)

* هدف: داده‌های پردازش شده را فیلتر می‌کند تا فقط ورودی‌های اخیر (مثلاً از روز یا هفته گذشته) را برای گزارش شامل شود.

* پیکربندی: کد سفارشی جاوا اسکریپت با منطق فیلتر تاریخ.

* ورودی: داده‌های پردازش شده و احتمالاً خلاصه‌شده توسط هوش مصنوعی.

* خروجی: داده‌های فیلتر شده برای ایمیل.

* مشکلات احتمالی: خطاهای تجزیه تاریخ، نتایج فیلتر شده خالی.

* Send Email Digest

* نوع: Email Send

* هدف: گزارش خلاصه تحلیل فروش را از طریق ایمیل به گیرندگان تعیین شده ارسال می‌کند.

* پیکربندی: نیاز به اعتبارنامه‌های SMTP یا سایر سرویس‌های ایمیل دارد. محتوای ایمیل شامل خلاصه تولید شده توسط هوش مصنوعی خواهد بود.

* ورودی: داده‌های فیلتر شده و خلاصه‌شده.

* خروجی: ندارد (پایان گردش کار).

* مشکلات احتمالی: خطاهای احراز هویت SMTP، آدرس‌های ایمیل نامعتبر، خرابی ارسال ایمیل.

---

جدول خلاصه

نام نود (Node Name)	نوع نود (Node Type)	نقش عملکردی (Functional Role)	نود(های) ورودی (Input Node(s))	نود(های) خروجی (Output Node(s))
`When clicking ‘Execute workflow’`	Manual Trigger	شروع دستی گردش کار (Starts workflow manually)	None	`Get row(s) in sheet`
`Get row(s) in sheet`	Google Sheets (Read)	دریافت داده‌های خام فروش از Google Sheets (Retrieves raw sales data from Google Sheets)	`When clicking ‘Execute workflow’`	`Extract Notes/Emails`
`Extract Notes/Emails`	Code	استخراج فیلدهای متنی مرتبط از داده‌های خام (Extracts relevant text fields from raw data)	`Get row(s) in sheet`	`Loop Over Items`
`Loop Over Items`	SplitInBatches	دسته‌بندی داده‌ها برای پردازش کارآمد هوش مصنوعی (Batches data for efficient AI processing)	`Extract Notes/Emails`	`Fetch Google Sheet Data`, `AI Agent`
`Fetch Google Sheet Data`	Google Sheets (Read)	دریافت داده‌های متنی برای غنی‌سازی هوش مصنوعی (Retrieves contextual data for AI enrichment)	`Loop Over Items`	`AI Agent`
`AI Agent`	LangChain AI Agent	هماهنگ‌سازی تحلیل هوش مصنوعی با Azure OpenAI (Coordinates AI analysis with Azure OpenAI)	`Loop Over Items`, `Fetch Google Sheet Data`	`Edit Fields`
`Azure OpenAI Chat Model`	Language Model (Azure OpenAI)	انجام تکمیل چت هوش مصنوعی برای تحلیل (Performs AI chat completions for analysis)	`AI Agent`	`Edit Fields`
`Edit Fields`	Set	آماده‌سازی پاسخ هوش مصنوعی برای تجزیه (Prepares AI response for parsing)	`AI Agent`	`Parse AI Response`
`Parse AI Response`	Code	تجزیه پاسخ متنی هوش مصنوعی به داده‌های ساختاریافته (Parses AI text response into structured data)	`Edit Fields`	`Save to Google Sheets`
`Save to Google Sheets`	Google Sheets (Write)	ذخیره بازخورد تحلیل‌شده توسط هوش مصنوعی در یک Google Sheet (Saves AI-analyzed feedback into a Google Sheet)	`Parse AI Response`	`Loop Over Items`
`AI Agent1`	LangChain AI Agent	اصلاح/خلاصه‌سازی داده‌ها برای گزارش‌دهی (Refines/summarizes data for reporting)	`Fetch Google Sheet Data`	`Filter Recent Data`
`Azure OpenAI Chat Model1`	Language Model (Azure OpenAI)	تولید خلاصه هوش مصنوعی برای خلاصه ایمیل (Generates AI summary for email digest)	`AI Agent1`	`AI Agent1`
`Filter Recent Data`	Code	فیلتر کردن ورودی‌های داده اخیر برای خلاصه ایمیل (Filters recent data entries for the email summary)	`AI Agent1`	`Send Email Digest`
`Send Email Digest`	Email Send	ارسال گزارش خلاصه‌شده از طریق ایمیل (Sends the summarized report via email)	`Filter Recent Data`	None

تحلیل نتایج معاملات فروش با هوش مصنوعی و Google Sheets

دانلود workflow

تحلیل نتایج معاملات فروش با Azure OpenAI و گزارش‌دهی Google Sheets

تشریح گردش کار (Workflow Breakdown)

۱. دریافت و آماده‌سازی داده‌ها

۲. تحلیل و ذخیره‌سازی با هوش مصنوعی

۳. گزارش‌دهی

جدول خلاصه

Nodeهای استفاده‌شده

سوالات متداول

workflowهای مرتبط