این گردش کار n8n چه کاری انجام میدهد؟

این گردش کار، تحلیل تماسهای فروش هفتگی ضبط شده توسط Fireflies.ai را خودکار میکند. از GPT-4o-mini برای استخراج اطلاعات کلیدی فروش، ثبت یافتهها در Google Sheets و ارسال خلاصهای به Slack استفاده میکند.

چه ابزارهایی در این گردش کار استفاده شدهاند؟

این گردش کار از n8n، Fireflies.ai، GPT-4o-mini، Google Sheets و Slack استفاده میکند.

چه نوع اطلاعاتی از تماسها استخراج میشود؟

اطلاعات کلیدی فروش مانند بحثهای مربوط به قیمتگذاری، اعتراضات مشتری، سیگنالهای خرید، رقبا و اقدامات پیشنهادی استخراج میشود.

چه کسی از این گردش کار سود میبرد؟

مدیران فروش و تیمهای درآمد که نیاز به درک سریع عملکرد تماس، شناسایی روندها و اقدام بر اساس بینشهای فروش دارند، از این گردش کار سود میبرند.

تحلیل خودکار تماس‌های Fireflies با GPT-4o-mini و Google Shee…

تحلیل تماس‌های فروش هفتگی Fireflies با GPT-4o-mini، Google Sheets و Slack

این گردش کار، تحلیل تماس‌های فروش هفتگی شما را که توسط Fireflies.ai ضبط شده‌اند، خودکار می‌کند. این گردش کار از GPT-4o-mini برای استخراج اطلاعات کلیدی فروش، ثبت یافته‌های دقیق در یک Google Sheet و ارسال خلاصه‌ای مختصر به Slack استفاده می‌کند. این فرآیند به مدیران فروش و تیم‌های درآمد کمک می‌کند تا به سرعت عملکرد تماس را درک کنند، روندها را شناسایی کنند و اقدام کنند.

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

---

۱. نمای کلی گردش کار

این گردش کار برای اجرا خودکار در صبح هر دوشنبه طراحی شده است. این گردش کار، رونوشت تماس‌های فروش هفته گذشته را بازیابی می‌کند، از هوش مصنوعی برای تجزیه و تحلیل اطلاعات حیاتی آن‌ها استفاده می‌کند، نتایج را در قالبی ساختاریافته ذخیره می‌کند و خلاصه‌ای را برای تیم شما ارائه می‌دهد.

مراحل کلیدی:

1. زمان‌بندی و پیکربندی: گردش کار را به صورت هفتگی فعال می‌کند و پارامترهای ضروری مانند کلیدهای API و کانال‌های هدف را راه‌اندازی می‌کند.

2. بازیابی و فیلتر کردن رونوشت: داده‌های تماس اخیر را از Fireflies.ai دریافت کرده و تماس‌های هفت روز گذشته را فیلتر می‌کند.

3. تجزیه و تحلیل دقیق تماس: برای هر تماس مرتبط، رونوشت کامل را استخراج کرده و از GPT-4o-mini از طریق یک عامل هوش مصنوعی (AI Agent) برای شناسایی بحث‌های مربوط به قیمت‌گذاری، اعتراضات، سیگنال‌های خرید، رقبا و اقدامات پیشنهادی استفاده می‌کند.

4. تجمیع داده‌ها و گزارش‌دهی: بینش‌های تولید شده توسط هوش مصنوعی را تجمیع کرده، آن‌ها را در یک Google Sheet ثبت می‌کند و یک گزارش خلاصه برای Slack تهیه می‌کند.

---

۲. تشریح گره به گره

۲.۱. زمان‌بندی و پیکربندی سراسری

هدف: راه‌اندازی گردش کار بر اساس یک برنامه زمان‌بندی و تعریف متغیرهای سراسری برای کلیدهای API، شناسه‌های صفحه گسترده و سایر تنظیمات پیکربندی.
گره‌ها:

1. Schedule — Every Monday 9AM (Schedule Trigger): با عبارت cron 0 9 * 1 پیکربندی شده است تا هر دوشنبه ساعت ۹:۰۰ صبح اجرا شود.

* 2. Set — Config Values (Set): جزئیات ضروری پیکربندی را به صورت جفت‌های کلید-مقدار ذخیره می‌کند:

* firefliesApiKey: توکن احراز هویت API Fireflies.ai شما.

* sheetId & sheetName: شناسه‌های صفحه گسترده Google مقصد شما.

* slackChannel: کانال Slack که گزارش خلاصه در آن ارسال خواهد شد.

* salesKeywords: لیستی از کلمات کلیدی جدا شده با کاما برای کمک به فیلتر کردن تماس‌های مرتبط (اختیاری، بسته به تنظیمات Fireflies شما).

* weekStart, weekEnd, sevenDaysAgoMs: عبارات تاریخ محاسبه شده به صورت پویا برای تعریف پنجره تحلیل ۷ روزه.

۲.۲. بازیابی و فیلتر کردن رونوشت

هدف: دریافت داده‌های تماس اخیر از Fireflies.ai و جداسازی رونوشت‌هایی که در دوره زمانی هفتگی تعریف شده قرار می‌گیرند.
گره‌ها:

* 3. HTTP — Fetch Recent Transcripts (HTTP Request): یک درخواست POST GraphQL به نقطه پایانی /graphql Fireflies.ai برای بازیابی ۵۰ رونوشت اخیر ارسال می‌کند. احراز هویت با استفاده از firefliesApiKey انجام می‌شود.

* 4. Code — Filter Last 7 Days (Code): لیست رونوشت‌های دریافتی از Fireflies را پردازش می‌کند. این گره رونوشت‌ها را فیلتر کرده و فقط آن‌هایی را که در هفت روز گذشته بر اساس متغیر sevenDaysAgoMs رخ داده‌اند، نگه می‌دارد. این گره برای اطمینان از پردازش داده‌های هفته مربوطه توسط گردش کار حیاتی است.

* 5. IF — Any Transcripts Found? (IF): به عنوان یک دروازه‌بان عمل می‌کند. بررسی می‌کند که آیا پس از مرحله فیلتر کردن، رونوشتی پیدا شده است یا خیر.

* اگر true باشد، گردش کار به تحلیل دقیق ادامه می‌دهد.

* اگر false باشد، گردش کار به یک گره پایان‌دهنده منشعب می‌شود.

* 6. Set — No Calls This Week (Set): اگر هیچ رونوشتی برای هفته پیدا نشد، این گره یک پیام وضعیت نهایی ارائه می‌دهد و گردش کار به طور تمیز پایان می‌یابد.

۲.۳. تحلیل دقیق تماس

هدف: دریافت رونوشت کامل برای هر تماس مرتبط و استفاده از یک مدل هوش مصنوعی برای استخراج اطلاعات فروش ساختاریافته.
گره‌ها:

* 7. HTTP — Fetch Full Transcript (HTTP Request): برای هر رونوشت شناسایی شده در مرحله قبل، این گره یک درخواست GraphQL دیگر به Fireflies.ai ارسال می‌کند تا اطلاعات دقیق شامل sentences، summary، analytics (داده‌های احساسات) و transcript_url را بازیابی کند.

* 8. Code — Extract Transcript Data (Code): این گره داده‌های رونوشت را برای هوش مصنوعی آماده می‌کند. speaker_name و text را از آرایه sentences به هم متصل می‌کند، متن ترکیبی را برای قرار گرفتن در پنجره زمینه مدل هوش مصنوعی (مثلاً ۴۰۰۰ کاراکتر) کوتاه می‌کند و یک امتیاز احساسات کلی را بر اساس درصد تحلیل احساسات Fireflies محاسبه می‌کند.

* 9. AI Agent — Analyze Sales Call (AI Agent): این گره تحلیل هوش مصنوعی را هماهنگ می‌کند.

* نقش: به عنوان "تحلیلگر اطلاعات فروش" پیکربندی شده است.

* دستور: به هوش مصنوعی دستور می‌دهد تا بخش رونوشت ارائه شده و نشانگرهای شناسایی شده توسط Fireflies را تحلیل کند. به طور خاص درخواست استخراج موارد زیر را دارد: pricingMentions، objections، buyingSignals، competitorMentions، keyTakeaway و recommendedAction.

* 10. OpenAI — GPT-4o-mini Model (Chat Model): این گره مدل هوش مصنوعی مورد استفاده را مشخص می‌کند. gpt-4o-mini به دلیل تعادل بین قابلیت و مقرون به صرفه بودن انتخاب شده است، با تنظیم temperature روی 0.3 برای تشویق خروجی‌های سازگار و متمرکز.

* 11. Parser — Structured Call Analysis (Structured Output Parser): اطمینان حاصل می‌کند که خروجی مدل هوش مصنوعی به شدت از یک طرحواره JSON از پیش تعریف شده پیروی می‌کند. این امر برای حفظ یکپارچگی داده‌ها و جلوگیری از خطاها در مراحل بعدی ادغام و پردازش داده‌ها حیاتی است.

۲.۴. تجمیع و توزیع نتایج

هدف: ترکیب بینش‌های استخراج شده توسط هوش مصنوعی با فراداده تماس، ثبت نتایج و ارسال یک گزارش خلاصه به تیم.
گره‌ها:

* 12. Code — Combine Analysis Results (Code): خروجی ساختاریافته هوش مصنوعی (از پارسر) را با فراداده‌های مرتبط تماس (مانند تاریخ، عنوان و URL رونوشت) ادغام می‌کند. این یک ساختار داده مسطح مناسب برای ثبت ایجاد می‌کند.

* 13. Google Sheets — Log Call Analysis (Google Sheets): داده‌های ترکیبی را به عنوان یک ردیف جدید به صفحه گسترده Google مشخص شده شما اضافه می‌کند. این گره داده‌ها را با ستون‌های از پیش تعریف شده مانند "Call Date"، "Objections" و "Recommended Action" نگاشت می‌کند.

* 14. Code — Build Weekly Slack Summary (Code): نتایج تحلیل را از تمام تماس‌های پردازش شده در طول هفته جمع‌آوری می‌کند. معیارهایی مانند تعداد کل تماس‌های تحلیل شده را محاسبه می‌کند، رایج‌ترین اعتراضات را شناسایی می‌کند و رقبای منحصر به فرد ذکر شده را لیست می‌کند. خروجی به صورت یک رشته Markdown برای Slack قالب‌بندی می‌شود.

* 15. Slack — Send Weekly Report (Slack): خلاصه Markdown تولید شده را با استفاده از احراز هویت OAuth2 در کانال Slack پیکربندی شده ارسال می‌کند و یک نمای کلی از عملکرد تماس‌های فروش هفته ارائه می‌دهد.

---

۳. 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))	محتوای یادداشت چسبان (Sticky Note Content)
1. Schedule — Every Monday 9AM	Schedule Trigger	نقطه ورود گردش کار (Workflow Entry)	-	2. Set — Config Values	زمان‌بندی و پیکربندی (Schedule and Config)
2. Set — Config Values	Set	تعریف متغیر محیطی (Env Var Definition)	1. Schedule	3. HTTP — Fetch...	زمان‌بندی و پیکربندی (Schedule and Config)
3. HTTP — Fetch Recent Transcripts	HTTP Request	دریافت اولیه داده (Initial Data Fetch)	2. Set — Config Values	4. Code — Filter...	دریافت و فیلتر کردن رونوشت (Transcript Fetch & Filter)
4. Code — Filter Last 7 Days	Code	فیلتر تاریخ (Date Filtering)	3. HTTP — Fetch...	5. IF — Any...	دریافت و فیلتر کردن رونوشت (Transcript Fetch & Filter)
5. IF — Any Transcripts Found?	IF	دروازه اجرای گردش کار (Execution Gate)	4. Code — Filter...	7. HTTP — Fetch... / 6. Set	دریافت و فیلتر کردن رونوشت (Transcript Fetch & Filter)
6. Set — No Calls This Week	Set	خاتمه گردش کار (Workflow Termination)	5. IF — Any...	-	دریافت و فیلتر کردن رونوشت (Transcript Fetch & Filter)
7. HTTP — Fetch Full Transcript	HTTP Request	دریافت جزئیات داده (Detailed Data Fetch)	5. IF — Any...	8. Code — Extract...	دریافت رونوشت کامل و هوش مصنوعی (Full Transcript Fetch & AI)
8. Code — Extract Transcript Data	Code	پیش‌پردازش متن (Text Pre-processing)	7. HTTP — Fetch...	9. AI Agent...	دریافت رونوشت کامل و هوش مصنوعی (Full Transcript Fetch & AI)
9. AI Agent — Analyze Sales Call	AI Agent	استخراج اطلاعات هوشمند (Intelligence Extraction)	8. Code — Extract...	12. Code — Combine...	دریافت رونوشت کامل و هوش مصنوعی (Full Transcript Fetch & AI)
10. OpenAI — GPT-4o-mini Model	Chat Model	موتور LLM (LLM Engine)	-	9. AI Agent...	دریافت رونوشت کامل و هوش مصنوعی (Full Transcript Fetch & AI)
11. Parser — Structured Call Analysis	Output Parser	اعمال طرحواره (Schema Enforcement)	-	9. AI Agent...	دریافت رونوشت کامل و هوش مصنوعی (Full Transcript Fetch & AI)
12. Code — Combine Analysis Results	Code	ادغام داده‌ها (Data Merging)	9. AI Agent...	13. Google Sheets / 14. Code	مونتاژ و خروجی نتایج (Results Assembly & Output)
13. Google Sheets — Log Call Analysis	Google Sheets	ثبت دائمی (Permanent Logging)	12. Code — Combine...	-	مونتاژ و خروجی نتایج (Results Assembly & Output)
14. Code — Build Weekly Slack Summary	Code	تجمیع گزارش (Report Aggregation)	12. Code — Combine...	15. Slack — Send...	مونتاژ و خروجی نتایج (Results Assembly & Output)
15. Slack — Send Weekly Report	Slack	تحویل اعلان (Notification Delivery)	14. Code — Build...	-	مونتاژ و خروجی نتایج (Results Assembly & Output)

---

۴. ساخت گردش کار از ابتدا

مرحله ۱: تریگر و پیکربندی سراسری

1. یک گره Schedule Trigger اضافه کنید. آن را طوری پیکربندی کنید که با استفاده از عبارت cron 0 9 1 (دوشنبه ساعت ۹ صبح) به صورت هفتگی اجرا شود.

2. یک گره Set اضافه کنید. متغیرهای رشته‌ای زیر را تعریف کنید: firefliesApiKey، sheetId، sheetName، slackChannel و salesKeywords.

3. سه متغیر پویا با استفاده از عبارات $now ایجاد کنید: weekStart، weekEnd و sevenDaysAgoMs (اطمینان حاصل کنید که sevenDaysAgoMs به میلی‌ثانیه تبدیل شده است).

مرحله ۲: دریافت و فیلتر کردن رونوشت‌ها

1. یک گره HTTP Request ایجاد کنید.

* متد: POST

* URL: https://api.fireflies.ai/graphql

* بدنه (پرس و جوی GraphQL):

```graphql

query GetRecentTranscripts {

transcripts(limit: 50) {

title

date

duration

participants

}

```

* هدرها: Authorization: Bearer {{ $json.firefliesApiKey }} (با فرض اینکه firefliesApiKey در گره Set قبلی قرار دارد).

2. یک گره Code اضافه کنید. جاوا اسکریپت را برای فیلتر کردن آرایه transcripts از خروجی گره قبلی پیاده‌سازی کنید و فقط مواردی را نگه دارید که date >= sevenDaysAgoMs باشد. گره باید آرایه‌ای را برگرداند که هر عنصر آن نشان‌دهنده یک رونوشت برای پردازش است.

3. یک گره IF اضافه کنید. شرط را برای بررسی اینکه آیا خروجی گره Code حاوی رونوشت است (به عنوان مثال، بررسی کنید که آیا طول آرایه بیشتر از ۰ است یا یک ویژگی خاص مانند hasTranscripts درست است) تنظیم کنید.

4. خروجی false گره IF را به یک گره Set متصل کنید. پیامی مانند "هیچ تماسی در این هفته یافت نشد." تنظیم کنید. این کار گردش کار را در صورت عدم وجود داده به طور موثر پایان می‌دهد.

مرحله ۳: حلقه تجزیه و تحلیل تماس دقیق

1. یک گره HTTP Request ایجاد کنید (این گره در داخل حلقه قرار می‌گیرد و توسط مسیر true گره IF فعال می‌شود).

* متد: POST

* URL: https://api.fireflies.ai/graphql

* بدنه (پرس و جوی GraphQL): از یک پرس و جو برای دریافت جزئیات کامل رونوشت با استفاده از id از رونوشت‌های فیلتر شده استفاده کنید. فیلدهایی مانند sentences، summary، analytics و transcript_url را شامل شود.

```graphql

query GetTranscriptDetails($transcriptId: ID!) {

transcript(id: $transcriptId) {

title

date

sentences {

speaker_name

text

}

summary

analytics {

sentiment {

positive

negative

neutral

}

transcript_url

}

```

* هدرها: Authorization: Bearer {{ $json.firefliesApiKey }}

* متغیرها: transcriptId را به صورت پویا ارسال کنید.

2. یک گره Code اضافه کنید. این گره موارد زیر را انجام خواهد داد:

* speaker_name و text را از آرایه sentences در یک رشته واحد ترکیب کنید.

* این متن ترکیبی را به حداکثر ۴۰۰۰ کاراکتر کوتاه کنید.

* یک رشته "Overall Sentiment" را بر اساس درصد positive، negative و neutral از داده‌های analytics محاسبه کنید.

3. یک گره AI Agent ایجاد کنید.

* یک گره OpenAI Chat Model را متصل کنید. gpt-4o-mini را انتخاب کرده و temperature را روی 0.3 تنظیم کنید.

* یک گره Structured Output Parser را متصل کنید. یک طرحواره JSON برای خروجی مورد انتظار تعریف کنید، شامل فیلدهایی مانند pricingMentions، objections، buyingSignals، competitorMentions، keyTakeaway و recommendedAction.

* prompt سیستمی AI Agent را پیکربندی کنید تا آن را به عنوان "تحلیلگر هوش فروش" راهنمایی کند و خلاصه رونوشت و فراداده ارائه شده را تجزیه و تحلیل کند.

مرحله ۴: توزیع نهایی

1. یک گره Code ایجاد کنید. این گره خروجی ساختاریافته AI (از پارسر) را با فراداده تماس (مانند date، title، transcript_url) ادغام خواهد کرد.

2. یک گره Google Sheets اضافه کنید.

* عملیات: Append

* اتصال به حساب Google خود را پیکربندی کرده و sheetId و sheetName را انتخاب کنید.

* فیلدها را از داده‌های ادغام شده (از گره Code قبلی) به ستون‌های مربوطه در Google Sheet خود نگاشت کنید (مانند "Call Date"، "Objections"، "Recommended Action").

3. یک گره Code ایجاد کنید. این گره تمام داده‌های تماس تجزیه و تحلیل شده از اجرای فعلی گردش کار را پیمایش خواهد کرد. این گره باید معیارهای کلیدی مانند تعداد کل تماس‌ها، ۳ اعتراض برتر و ۳ سیگنال خرید برتر را جمع‌آوری کند. این اطلاعات را در یک رشته Markdown قالب‌بندی کنید.

4. یک گره Slack اضافه کنید.

* عملیات: Post Message

* اتصال Slack را با استفاده از OAuth2 پیکربندی کنید.

* Channel Name را با استفاده از متغیر slackChannel تنظیم کنید.

* در فیلد Text، خلاصه Markdown تولید شده توسط گره Code قبلی را درج کنید.

---

۵. نکات عمومی و منابع

محتوای نکته
Fireflies.ai API: برای استفاده از این گردش کار، به یک کلید API از Fireflies.ai نیاز دارید. این کلید را می‌توان در تنظیمات حساب Fireflies خود پیدا کرد.
Google Sheets API: برای نوشتن داده‌ها در Google Sheets، باید یک حساب Google و یک صفحه گسترده از پیش ایجاد شده داشته باشید. اتصال n8n به Google Sheets از طریق OAuth2 انجام می‌شود.
Slack API: برای ارسال پیام‌ها به Slack، باید گردش کار n8n را با حساب Slack خود از طریق OAuth2 احراز هویت کنید.
GPT-4o-mini: این مدل برای تعادل بین هزینه و عملکرد انتخاب شده است. برای وظایف پیچیده‌تر، ممکن است بخواهید از مدل‌های قوی‌تر مانند GPT-4 استفاده کنید، اما این امر هزینه را افزایش می‌دهد.
مدیریت زمینه (Context Management): رونوشت‌های طولانی ممکن است از پنجره زمینه مدل فراتر روند. گره `Code — Extract Transcript Data` متن را کوتاه می‌کند تا از این محدودیت جلوگیری کند، اما ممکن است اطلاعات اولیه یا پایانی را از دست بدهد.
طرحواره خروجی (Output Schema): تعریف دقیق طرحواره JSON در گره `Structured Output Parser` برای اطمینان از اینکه هوش مصنوعی خروجی قابل استفاده تولید می‌کند، بسیار مهم است.