تحلیل خودکار یوتیوب با GPT-4o-mini و Gmail در n8n

اتوماسیون تحلیل کانال یوتیوب و گزارش‌دهی با GPT-4o-mini و Gmail

این گردش کار فرآیند تحلیل داده‌های عملکرد کانال یوتیوب و ارائه گزارش‌های بینش‌گر را از طریق ایمیل خودکار می‌کند. این گردش کار برای سازندگان محتوا، بازاریابان و تحلیلگران داده که به دنبال استفاده از هوش مصنوعی برای درک معیارهای کانال و ساده‌سازی گزارش‌دهی هستند، طراحی شده است.

کاتالوگ Axeto.ai: https://axeto.ai/n8n

---

تشریح گردش کار

این گردش کار برای اطمینان از وضوح و پردازش کارآمد به فازهای مجزا تقسیم شده است:

1. شروع و دریافت داده: گردش کار را به صورت دستی شروع کرده و داده‌های کانال یوتیوب را از یک Google Sheet بازیابی می‌کند.

2. پردازش و غنی‌سازی داده: از طریق داده‌های هر کانال تکرار می‌شود، اطلاعات مرتبط را با استفاده از درخواست‌های HTTP استخراج کرده و سپس این داده‌ها را جدا و قالب‌بندی می‌کند.

3. تحلیل مبتنی بر هوش مصنوعی: از GPT-4o-mini از طریق Azure OpenAI و یک عامل Langchain برای تولید تحلیل عمیق داده‌های آماده شده استفاده می‌کند.

4. تولید و ارسال گزارش: تحلیل تولید شده توسط هوش مصنوعی را در قالب یک ایمیل قالب‌بندی کرده و گزارش عملکرد را ارسال می‌کند.

---

تحلیل دقیق گره‌ها

۱. راه‌اندازی گردش کار و دریافت داده‌ها

• هدف: راه‌اندازی دستی گردش کار و دریافت مجموعه داده اولیه کانال‌های یوتیوب برای تجزیه و تحلیل.
• گره‌ها:

* Manual Trigger (نوع: n8n-nodes-base.manualTrigger)

* Get YouTube Channel Data (نوع: n8n-nodes-base.googleSheets)

• جزئیات گره:

* Manual Trigger:

* نقش: نقطه شروع گردش کار. منتظر دستور اجرای دستی می‌ماند.

* پیکربندی: تنظیمات پیش‌فرض.

* ورودی: ندارد.

* خروجی: گره Get YouTube Channel Data را فعال می‌کند.

* Get YouTube Channel Data:

* نقش: به Google Sheet شما متصل می‌شود تا ردیف‌های حاوی اطلاعات کانال یوتیوب (مانند شناسه کانال، نام، URLهای مرتبط) را بازیابی کند.

* پیکربندی: نیاز به اعتبارنامه OAuth2 Google Sheets دارد. صفحه گسترده و شیت حاوی داده‌های کانال خود را مشخص کنید.

* ورودی: فعال‌سازی را از گره Manual Trigger دریافت می‌کند.

* خروجی: ردیف‌های بازیابی شده را به گره Iterate Channel Data ارسال می‌کند.

* مشکلات احتمالی: خطاهای احراز هویت، پیکربندی نادرست شیت/صفحه گسترده، محدودیت‌های نرخ API.

۲. پردازش و غنی‌سازی داده‌ها

• هدف: پردازش داده‌های هر کانال یوتیوب به صورت جداگانه، جمع‌آوری اطلاعات خارجی و آماده‌سازی آن برای تجزیه و تحلیل هوش مصنوعی.
• گره‌ها:

* Iterate Channel Data (نوع: n8n-nodes-base.splitInBatches)

* Fetch Channel Details (نوع: n8n-nodes-base.httpRequest)

* Parse and Segregate Data (نوع: n8n-nodes-base.code)

* Format Data for AI (نوع: n8n-nodes-base.code)

• جزئیات گره:

* Iterate Channel Data:

* نقش: هر ردیف (نماینده یک کانال یوتیوب) از Google Sheet را پردازش می‌کند، چه یکی یکی یا در دسته‌های کوچک، برای مدیریت بار API.

* پیکربندی: اندازه دسته پیش‌فرض معمولاً کافی است، اما قابل تنظیم است.

* ورودی: ردیف‌ها را از Get YouTube Channel Data دریافت می‌کند.

* خروجی: موارد داده کانال فردی را به Fetch Channel Details ارسال می‌کند.

* Fetch Channel Details:

* نقش: یک درخواست HTTP به یک منبع خارجی (مانند YouTube Data API یا API مرتبط دیگر) برای جمع‌آوری معیارهای دقیق یا محتوا برای کانال فعلی ارسال می‌کند.

* پیکربندی: متد HTTP (مانند GET) را تنظیم کنید و URL را پیکربندی کنید. از عبارات برای درج پویا شناسه کانال از داده‌های ورودی استفاده کنید.

* ورودی: یک مورد داده کانال را در هر بار از Iterate Channel Data دریافت می‌کند.

* خروجی: داده‌های پاسخ خام را به Parse and Segregate Data ارسال می‌کند.

* مشکلات احتمالی: خطاهای شبکه، URLهای نامعتبر، خطاهای API (4xx، 5xx)، مهلت زمانی.

* Parse and Segregate Data:

* نقش: از یک قطعه کد جاوا اسکریپت برای تجزیه پاسخ خام از Fetch Channel Details استفاده می‌کند. اطلاعات خاصی (مانند عناوین ویدیو، نظرات، معیارهای تعامل) را استخراج کرده و جدا می‌کند.

* پیکربندی: کد جاوا اسکریپت سفارشی متناسب با ساختار پاسخ HTTP.

* ورودی: داده‌های خام را از Fetch Channel Details دریافت می‌کند.

* خروجی: داده‌های ساختاریافته و جدا شده را به Format Data for AI ارسال می‌کند.

* مشکلات احتمالی: خطاهای کد جاوا اسکریپت، فرمت‌های داده غیرمنتظره از API.

* Format Data for AI:

* نقش: یک گره کد جاوا اسکریپت دیگر که داده‌های جدا شده را دریافت کرده و آن را به یک اعلان واضح و مختصر مناسب برای مدل هوش مصنوعی قالب‌بندی می‌کند. این ممکن است شامل ایجاد خلاصه‌ها یا سوالات خاص برای هوش مصنوعی باشد.

* پیکربندی: کد جاوا اسکریپت سفارشی برای ساخت اعلان هوش مصنوعی.

* ورودی: داده‌های جدا شده را از Parse and Segregate Data دریافت می‌کند.

* خروجی: اعلان قالب‌بندی شده را به گره Azure OpenAI Chat Model ارسال می‌کند.

* مشکلات احتمالی: خطاهای کد جاوا اسکریپت، ساخت اعلان نادرست.

۳. تجزیه و تحلیل مبتنی بر هوش مصنوعی

• هدف: استفاده از GPT-4o-mini برای تجزیه و تحلیل داده‌های آماده شده کانال یوتیوب و تولید بینش‌های عملی.
• گره‌ها:

* Azure OpenAI Chat Model (نوع: @n8n/n8n-nodes-langchain.lmChatAzureOpenAi)

* Generate Channel Analysis (نوع: @n8n/n8n-nodes-langchain.agent)

• جزئیات گره:

* Azure OpenAI Chat Model:

* نقش: به عنوان رابط به سرویس Azure OpenAI عمل می‌کند و اعلان قالب‌بندی شده را برای تجزیه و تحلیل به مدل GPT-4o-mini ارسال می‌کند.

* پیکربندی: نیاز به اعتبارنامه Azure OpenAI API، انتخاب مدل GPT-4o-mini و تعریف قالب اعلان دارد.

* ورودی: اعلان قالب‌بندی شده را از Format Data for AI دریافت می‌کند.

* خروجی: پاسخ خام هوش مصنوعی را به گره Generate Channel Analysis ارسال می‌کند.

* مشکلات احتمالی: خرابی احراز هویت، محدودیت‌های نرخ API، خطاهای مدل، قالب‌بندی نادرست اعلان.

* Generate Channel Analysis:

* نقش: از یک عامل Langchain برای پردازش یا اصلاح بیشتر خروجی مدل چت استفاده می‌کند. این می‌تواند شامل ساختاردهی تجزیه و تحلیل، استخراج یافته‌های کلیدی یا انجام استدلال ثانویه باشد.

* پیکربندی: نیاز به راه‌اندازی وظایف، ابزارها و استراتژی‌های اعلان عامل دارد.

* ورودی: پاسخ مدل هوش مصنوعی را از Azure OpenAI Chat Model دریافت می‌کند.

* خروجی: تجزیه و تحلیل نهایی و اصلاح شده را به گره Create Email Content ارسال می‌کند.

* مشکلات احتمالی: پیکربندی نادرست عامل، خروجی غیرمنتظره هوش مصنوعی منجر به خطاهای پردازش.

۴. تولید و تحویل گزارش

• هدف: قالب‌بندی تجزیه و تحلیل تولید شده توسط هوش مصنوعی به یک ایمیل حرفه‌ای و ارسال آن به گیرندگان تعیین شده.
• گره‌ها:

* Create Email Content (نوع: n8n-nodes-base.code)

* Send Performance Report (نوع: n8n-nodes-base.emailSend)

• جزئیات گره:

* Create Email Content:

* نقش: یک گره کد جاوا اسکریپت که تجزیه و تحلیل اصلاح شده را دریافت کرده و موضوع ایمیل، محتوای بدنه و لیست گیرندگان را می‌سازد.

* پیکربندی: کد جاوا اسکریپت سفارشی برای قالب‌بندی ایمیل، که ممکن است شامل عناصر پویا بر اساس تجزیه و تحلیل باشد.

* ورودی: تجزیه و تحلیل نهایی را از Generate Channel Analysis دریافت می‌کند.

* خروجی: داده‌های آماده شده ایمیل را به گره Send Performance Report ارسال می‌کند.

* مشکلات احتمالی: خطاهای کد جاوا اسکریپت، داده‌های تجزیه و تحلیل گمشده منجر به ایمیل‌های ناقص.

* Send Performance Report:

* نقش: گزارش ایمیل نهایی شده را به گیرندگان مشخص شده ارسال می‌کند.

* پیکربندی: نیاز به اعتبارنامه ایمیل SMTP یا OAuth2 (مانند Gmail) دارد. جزئیات فرستنده، موضوع و بدنه را با استفاده از عبارات ارجاع به خروجی Create Email Content پیکربندی کنید.

* ورودی: جزئیات محتوای ایمیل را از Create Email Content دریافت می‌کند.

* خروجی: ندارد (این یک گره پایانی برای مسیر اجرای اصلی است).

* مشکلات احتمالی: خطاهای احراز هویت SMTP، آدرس‌های گیرنده نادرست، مشکلات سرور ایمیل.

---

جدول خلاصه

ساخت گردش کار

برای بازسازی این گردش کار در n8n، مراحل زیر را دنبال کنید:

1. Manual Trigger: یک گره Manual Trigger اضافه کنید.

2. Google Sheets: یک گره Google Sheets اضافه کنید. آن را به Manual Trigger متصل کنید. آن را برای خواندن داده‌های کانال یوتیوب خود پیکربندی کنید.

3. پردازش دسته‌ای: یک گره SplitInBatches اضافه کنید. آن را به گره Google Sheets متصل کنید.

4. HTTP Request: یک گره HTTP Request اضافه کنید. آن را به گره SplitInBatches متصل کنید (از خروجی دوم استفاده کنید). URL را برای دریافت پویا جزئیات کانال پیکربندی کنید.

5. Code Node (Parsing): یک گره Code اضافه کنید. آن را به گره HTTP Request متصل کنید. جاوا اسکریپت را برای تجزیه و تفکیک داده‌ها بنویسید.

6. Code Node (Formatting): یک گره Code دیگر اضافه کنید. آن را به گره Code قبلی متصل کنید. جاوا اسکریپت را برای قالب‌بندی داده‌ها به یک پرامپت هوش مصنوعی بنویسید.

7. Langchain Azure OpenAI: یک گره Azure OpenAI Chat Model (از یکپارچه‌سازی Langchain) اضافه کنید. آن را به گره Format Data for AI متصل کنید. اعتبارنامه‌های Azure OpenAI خود را پیکربندی کرده و مدل GPT-4o-mini را انتخاب کنید.

8. Langchain Agent: یک گره Langchain Agent اضافه کنید. آن را به گره Azure OpenAI Chat Model متصل کنید. رفتار عامل را پیکربندی کنید.

9. Code Node (Email Prep): یک گره Code اضافه کنید. آن را به گره Langchain Agent متصل کنید. جاوا اسکریپت را برای ایجاد موضوع، بدنه و گیرنده ایمیل بنویسید.

10. Email Send: یک گره Email Send اضافه کنید. آن را به گره Create Email Content متصل کنید. اعتبارنامه‌های ایمیل خود (مانند Gmail SMTP) را پیکربندی کرده و فیلدهای ایمیل را نگاشت کنید.

منابع و نکات

• مدل هوش مصنوعی: این گردش کار از GPT-4o-mini از طریق گره Azure OpenAI Chat Model برای تجزیه و تحلیل پیشرفته متن استفاده می‌کند.
• سرویس ایمیل: گره Email Send برای ارسال گزارش‌ها پیکربندی شده است، که معمولاً از اعتبارنامه‌های SMTP برای سرویس‌هایی مانند Gmail استفاده می‌کند. اطمینان حاصل کنید که حساب ایمیل شما دسترسی برنامه‌نویسی را مجاز می‌داند (به عنوان مثال، از طریق App Passwords اگر از Gmail با احراز هویت دو عاملی استفاده می‌کنید).
• کلیدهای API و اعتبارنامه‌ها: کلیدهای API Google Sheets، کلیدهای API Azure OpenAI و اعتبارنامه‌های ایمیل خود را به صورت امن در سیستم مدیریت اعتبارنامه‌های n8n مدیریت کنید.
• مدیریت خطا: در صورت لزوم، گره‌های اضافی مدیریت خطا (مانند Set Error To یا کد سفارشی) را برای مدیریت صحیح خرابی‌های احتمالی در درخواست‌های API یا پردازش داده‌ها پیاده‌سازی کنید.