پرسش از هوش مصنوعی درباره تبلیغات متا: بینش فوری از داده‌های…

پرسش از هوش مصنوعی درباره تبلیغات متا: دریافت بینش از داده‌های تبلیغات فیسبوک شما

این گردش کار به متخصصان بازاریابی این امکان را می‌دهد تا با یک دستیار هوش مصنوعی تعامل داشته باشند که به سوالات مربوط به معیارهای عملکرد تبلیغات متا (فیسبوک) شما پاسخ می‌دهد. شما می‌توانید از طریق تلگرام (یا ادغام با پلتفرم‌های چت دیگر) چت کنید تا بینش‌هایی مانند بازدیدها (impressions)، هزینه‌ها (spend)، دسترسی (reach)، تبدیل‌ها (conversions)، نرخ کلیک (CTR)، هزینه به ازای هر کلیک (CPC) و موارد دیگر را درخواست کنید. هوش مصنوعی پرس‌وجوهای شما را پردازش می‌کند، داده‌های مربوطه تبلیغات متا را از طریق API دریافت می‌کند، محاسبات لازم را انجام می‌دهد و پاسخ‌ها را به زبان طبیعی برمی‌گرداند.

این گردش کار و سایر راهکارهای اتوماسیون قدرتمند را در کاتالوگ n8n اکسِتو کاوش کنید.

نمای کلی گردش کار

گردش کار به طور منطقی به اجزای کلیدی زیر تقسیم می‌شود:

1. دریافت ورودی: پیام‌های کاربر را از تلگرام یا یک تریگر چت عمومی دریافت می‌کند، بر اساس شناسه چت فیلتر می‌کند و زمینه جلسه را مقداردهی اولیه می‌کند.

2. هسته پردازش هوش مصنوعی: از یک عامل هوش مصنوعی LangChain با یک مدل چت OpenAI، بافرهای حافظه و ابزارها برای تفسیر پرس‌وجوها، دریافت داده‌های تبلیغات متا و انجام محاسبات استفاده می‌کند.

3. بازیابی داده‌های تبلیغات متا: از یک ابزار درخواست HTTP استفاده می‌کند که برای پرس‌وجوی API تبلیغات متا برای معیارهای خاص پیکربندی شده است.

4. مدیریت حافظه: زمینه مکالمه را با استفاده از پنجره‌های بافر حافظه و یک گره اختصاصی مدیر حافظه حفظ می‌کند.

5. تحویل خروجی: پاسخ‌های تولید شده توسط هوش مصنوعی را از طریق تلگرام به کاربر ارسال می‌کند.

6. ارکستراسیون و ابزارهای گردش کار: شامل گره‌هایی برای مدیریت شناسه جلسه، تریگرهای گردش کار و پاکسازی حافظه است.

---

تجزیه و تحلیل گره‌ها به تفصیل

۱. دریافت ورودی

هدف: این بخش به ورودی اولیه پیام‌های کاربر می‌پردازد، اطمینان حاصل می‌کند که فقط کاربران مجاز می‌توانند با هوش مصنوعی تعامل داشته باشند و یک جلسه برای ردیابی زمینه ایجاد می‌کند.

گره‌ها:

• تریگر تلگرام (n8n-nodes-base.telegramTrigger): پیام‌های ورودی جدید از کاربران تلگرام را گوش می‌دهد. با یک وب‌هوک برای به‌روزرسانی‌های بی‌درنگ پیکربندی شده است.
• هنگام دریافت پیام چت (@n8n/n8n-nodes-langchain.chatTrigger): یک تریگر جایگزین برای پیام‌های چت عمومی، مفید برای ادغام با سایر پلتفرم‌های چت. همچنین از یک وب‌هوک استفاده می‌کند.
• فیلتر بر اساس شناسه چت (n8n-nodes-base.filter): پیام‌های ورودی را فیلتر می‌کند تا فقط پیام‌های شناسه چت از پیش تعریف شده و مجاز را بپذیرد و امنیت را افزایش دهد.
• تنظیم شناسه جلسه (n8n-nodes-base.set): یک شناسه جلسه منحصر به فرد به هر مکالمه اختصاص می‌دهد که برای حفظ زمینه در طول چندین نوبت ضروری است.

۲. هسته پردازش هوش مصنوعی

هدف: این مرکز اصلی است که در آن پرس‌وجوهای کاربر پردازش می‌شوند. این از LangChain و OpenAI برای درک درخواست‌ها، دسترسی به ابزارهای لازم و تولید پاسخ‌های هوشمند استفاده می‌کند.

گره‌ها:

• عامل هوش مصنوعی (@n8n/n8n-nodes-langchain.agent): عامل هوش مصنوعی اصلی که ورودی کاربر را تفسیر می‌کند، تصمیم می‌گیرد از کدام ابزارها استفاده کند (مانند ماشین حساب یا API تبلیغات متا) و پاسخی را تدوین می‌کند.
• مدل چت OpenAI (@n8n/n8n-nodes-langchain.lmChatOpenAi): قابلیت‌های درک و تولید زبان طبیعی عامل هوش مصنوعی را با استفاده از مدل‌های OpenAI تامین می‌کند. نیاز به اعتبارنامه API دارد.
• ماشین حساب (@n8n/n8n-nodes-langchain.toolCalculator): ابزاری که عامل هوش مصنوعی می‌تواند برای انجام محاسبات ریاضی یا تبدیل معیارها فراخوانی کند.
• بینش‌های تبلیغات متا (@n8n/n8n-nodes-langchain.toolWorkflow): این گره به عنوان ابزاری برای پرس‌وجوی API تبلیغات متا عمل می‌کند. این با جزئیات درخواست HTTP لازم برای دریافت داده‌های عملکرد تبلیغات پیکربندی شده است.
• حافظه چت (۲ عدد) (@n8n/n8n-nodes-langchain.memoryManager): دو نمونه از گره‌های بافر حافظه، تاریخچه اخیر مکالمه را ذخیره می‌کنند. این به هوش مصنوعی اجازه می‌دهد تا پیام‌های قبلی را به خاطر بسپارد و زمینه را در یک جلسه حفظ کند.
• پاک کردن حافظه (n8n-nodes-base.stickyNote): یک گره ابزار، که به طور بالقوه توسط عامل هوش مصنوعی برای پاک کردن یا بازنشانی حافظه مکالمه در صورت لزوم استفاده می‌شود.
• مدیر حافظه چت (@n8n/n8n-nodes-langchain.memoryManager): بافرهای حافظه را مدیریت می‌کند، چندین جلسه مکالمه را مدیریت می‌کند و اطمینان حاصل می‌کند که زمینه به درستی حفظ و به عامل هوش مصنوعی منتقل می‌شود.

۳. بازیابی داده‌های تبلیغات متا

هدف: این جزء به طور خاص بر دریافت داده‌ها از تبلیغات متا تمرکز دارد.

گره:

• بینش‌های تبلیغات متا (@n8n/n8n-nodes-langchain.toolWorkflow): همانطور که در "هسته پردازش هوش مصنوعی" توضیح داده شد، این گره برای انجام درخواست‌های HTTP به API تبلیغات متا پیکربندی شده است. برای دریافت معیارهایی مانند بازدیدها، هزینه‌ها، دسترسی، تبدیل‌ها، نرخ کلیک و هزینه به ازای هر کلیک، نیاز به اعتبارنامه‌های API معتبر و پارامترهای پرس‌وجوی صحیح دارد. مشکلات احتمالی شامل خطاهای احراز هویت، محدودیت‌های نرخ API یا مشکلات شبکه است.

۴. مدیریت حافظه

هدف: اطمینان حاصل می‌کند که هوش مصنوعی می‌تواند بخش‌های قبلی مکالمه را به یاد بیاورد و منجر به تعاملات منسجم‌تر و مفیدتر می‌شود.

گره‌ها:

• حافظه چت (۲ عدد) (@n8n/n8n-nodes-langchain.memoryManager): تاریخچه مکالمه را ذخیره می‌کند.
• مدیر حافظه چت (@n8n/n8n-nodes-langchain.memoryManager): بافرهای حافظه را برای جلسات مختلف مدیریت می‌کند.
• پاک کردن حافظه (n8n-nodes-base.stickyNote): امکان پاک کردن صریح حافظه را فراهم می‌کند.

۵. تحویل خروجی

هدف: پاسخ تولید شده توسط هوش مصنوعی را به کاربر ارسال می‌کند.

گره:

• ارسال پیام (n8n-nodes-base.telegram): یک گره تلگرام که برای ارسال متن پاسخ هوش مصنوعی به شناسه چت صحیح پیکربندی شده است. نیاز به اعتبارنامه ربات تلگرام دارد.

۶. ارکستراسیون و ابزارهای گردش کار

هدف: این گره‌ها جریان کلی و قابلیت‌های ادغام گردش کار را مدیریت می‌کنند.

گره‌ها:

• هنگام اجرا توسط گردش کار دیگر (n8n-nodes-base.executeWorkflowTrigger): به این گردش کار اجازه می‌دهد تا توسط سایر گردش کارهای n8n فعال شود و سناریوهای اتوماسیون پیچیده‌تر را امکان‌پذیر می‌سازد، مانند فعال کردن روتین‌های پاکسازی حافظه.
• تنظیم شناسه جلسه (n8n-nodes-base.set): همانطور که در "دریافت ورودی" توضیح داده شد، این گره برای مدیریت زمینه مکالمه در سراسر گردش کار حیاتی است.

---

جدول خلاصه