اتوماسیون تحقیقات مشتریان بالقوه با لینکدین و Perplexity AI

اتوماسیون گزارش‌های تحقیقاتی مشتریان بالقوه با لینکدین و Perplexity AI

این گردش کار، ایجاد گزارش‌های تحقیقاتی دقیق و شخصی‌سازی شده برای مشتریان بالقوه را که با رزروهای جدید تماس مشاوره فعال می‌شوند، خودکار می‌کند. این گردش کار برای تیم‌های فروش B2B، توسعه کسب و کار و مشاوره که نیاز به آمادگی کامل قبل از تماس‌های کشف یا صلاحیت‌سنجی دارند، ایده‌آل است.

شما می‌توانید این گردش کار و موارد مشابه را در کاتالوگ n8n پیکسیوری.می بیابید.

مراحل اتوماسیون گردش کار

این گردش کار فرآیندهای کلیدی زیر را خودکار می‌کند:

1. تریگر تماس جدید و شناسایی سرنخ: رزرو تماس‌های جدید را از طریق Cal.com تشخیص داده و URL پروفایل لینکدین سرنخ را از چندین پایگاه داده Google Sheets بازیابی می‌کند.

2. استخراج داده از لینکدین: داده‌های جامع پروفایل لینکدین، از جمله بخش "درباره"، پست‌های اخیر، سابقه کاری، سابقه تحصیلی و اطلاعات شرکت را استخراج می‌کند.

3. تحقیق وب با Perplexity AI: تحقیقات عمیق وب را در مورد شرکت سرنخ برای جمع‌آوری بینش‌های متنی و اخبار اخیر انجام می‌دهد.

4. قالب‌بندی داده‌ها: داده‌های استخراج شده و تحقیق شده را به قطعه‌های HTML ساختاریافته برای ادغام آسان در گزارش‌ها پردازش می‌کند.

5. خلاصه‌سازی و تحلیل با هوش مصنوعی: از OpenAI برای تولید موارد زیر استفاده می‌کند:

* خلاصه‌ای یکپارچه از پروفایل شخصی و شرکتی.

* تحلیلی از نقاط درد بالقوه و فرصت‌های راه‌حل سفارشی برای شرکت سرنخ.

6. تولید و تحویل گزارش: تمام اطلاعات جمع‌آوری شده و تحلیل شده را در یک گزارش HTML پردازش شده گردآوری کرده و از طریق ایمیل به مشاور فروش تحویل می‌دهد.

تشریح گره‌های جزئیات

۱. تریگر تماس جدید و شناسایی سرنخ

این بخش با یک رویداد رزرو تماس جدید، گردش کار را آغاز کرده و پروفایل لینکدین مشتری بالقوه را شناسایی می‌کند.

• تریگر Cal.com:

* نوع: Cal.com Trigger

* نقش: گوش دادن به رویدادهای رزرو جدید (BOOKING_CREATED) از یک نوع رویداد خاص Cal.com.

* پیکربندی: نیاز به اعتبارنامه API Cal.com دارد.

* خروجی: جزئیات رزرو، از جمله ایمیل و URL لینکدین شرکت‌کننده را ارائه می‌دهد.

* ملاحظات: اطمینان حاصل کنید که تحویل وب‌هوک قابل اعتماد است و احراز هویت API به درستی پیکربندی شده است.

• Google Sheets (۴ نمونه):

* نوع: Google Sheets (Read)

* نقش: جستجو در چندین پایگاه داده Google Sheets با استفاده از آدرس ایمیل مشتری بالقوه برای یافتن URL پروفایل لینکدین او.

* پیکربندی: هر گره برای خواندن از یک Google Sheet و تب خاص پیکربندی شده است و به اعتبارنامه OAuth2 Google Sheets نیاز دارد.

* ورودی: ایمیل مشتری بالقوه از تریگر Cal.com.

* خروجی: ردیف‌هایی حاوی URL پروفایل لینکدین در صورت یافتن تطابق.

* ملاحظات: مواردی را که هیچ ایمیل مطابق پیدا نمی‌شود، مدیریت کنید، به محدودیت‌های نرخ API توجه داشته باشید و اطمینان حاصل کنید که اعتبارنامه‌ها معتبر باقی می‌مانند.

• فیلتر:

* نوع: Filter

* نقش: فیلتر کردن داده‌های ورودی برای اطمینان از اینکه فقط رکوردهایی که با یک آدرس ایمیل خاص مطابقت دارند (به عنوان مثال، برای آزمایش یا صلاحیت‌سنجی مشتری بالقوه خاص) ادامه می‌یابند.

* ورودی: داده‌ها از گره‌های Google Sheets.

* خروجی: داده‌ها را فقط در صورتی عبور می‌دهد که آدرس ایمیل معیارهای فیلتر را برآورده کند.

* ملاحظات: اگر هیچ داده‌ای با فیلتر مطابقت نداشته باشد، گردش کار در این مسیر بیشتر ادامه نخواهد یافت.

۲. استخراج داده‌های لینکدین

این بخش بر استخراج اطلاعات دقیق مستقیماً از پروفایل لینکدین مشتری بالقوه تمرکز دارد.

• Scrape Profiles + Posts - Relevance AI (HTTP Request):

* نوع: HTTP Request

* نقش: فراخوانی API Relevance AI برای استخراج داده‌های جامع پروفایل لینکدین، از جمله بخش "About"، پست‌های ۳۰ روز گذشته، سابقه کار، تحصیلات و جزئیات شرکت.

* پیکربندی: از درخواست POST با بدنه JSON حاوی URL لینکدین و دوره زمانی مورد نظر برای استخراج استفاده می‌کند. نیاز به احراز هویت هدر دارد.

* ورودی: URL لینکدین مشتری بالقوه که از گره فیلتر به دست آمده است.

* خروجی: JSON حاوی جزئیات پروفایل، پست‌ها، تجربیات، تحصیلات، تصاویر و اطلاعات شرکت.

* ملاحظات: از محدودیت‌های نرخ API، احتمال URLهای نامعتبر لینکدین، قطع شدن مهلت زمانی شبکه و احتمال داده‌های ناقص آگاه باشید.

• Posts (Code Node):

* نوع: Code

* نقش: تبدیل پست‌های استخراج شده لینکدین به بلوک‌های HTML با قالب‌بندی مناسب برای گنجاندن در گزارش نهایی.

* منطق: از طریق آرایه پست‌ها تکرار می‌شود و عناصر div HTML حاوی محتوای پست و تاریخ انتشار را تولید می‌کند.

* ورودی: خروجی از گره استخراج Relevance AI.

* خروجی: یک شی JSON با رشته postsHTML.

* ملاحظات: داده‌های پست خالی یا گمشده را مدیریت می‌کند و محتوا را از پست‌هایی با فرمت‌های مختلف سازماندهی می‌کند.

• Experiences (Code Node):

* نوع: Code

* نقش: تبدیل داده‌های سابقه کار استخراج شده به ردیف‌های جدول HTML برای گزارش.

* ورودی: آرایه تجربیات استخراج شده از خروجی Relevance AI.

* خروجی: یک شی JSON با رشته HTML experiencesTable.

* ملاحظات: مواردی را با داده‌های تجربه گمشده یا رکوردهای ناقص مدیریت می‌کند.

• Education (Code Node):

* نوع: Code

* نقش: تبدیل تاریخچه تحصیلات استخراج شده به ردیف‌های جدول HTML برای گزارش.

* ورودی: آرایه تحصیلات استخراج شده از خروجی Relevance AI.

* خروجی: یک شی JSON با رشته HTML educationTable.

* ملاحظات: سناریوهایی را با داده‌های تحصیلات گمشده یا ورودی‌های ناقص برطرف می‌کند.

۳. تحقیق وب با Perplexity AI

این بخش از Perplexity AI برای جمع‌آوری زمینه خارجی و اطلاعات اخیر در مورد شرکت مشتری بالقوه استفاده می‌کند.

• Perplexity:

* نوع: Perplexity API Node

* نقش: پرس‌وجو از Perplexity AI با یک اعلان خاص برای تحقیق در مورد شرکت مشتری بالقوه، با استفاده از اطلاعاتی مانند نام شرکت و URL وب‌سایت که از داده‌های لینکدین استخراج شده است.

* پیکربندی: از مدل "sonar-pro" استفاده می‌کند. اعلان سیستم برای عمل به عنوان یک محقق برای توسعه کسب و کار پیکربندی شده است و شامل جایگزین‌هایی برای جزئیات شرکت است.

* ورودی: نام شرکت و URL وب‌سایت لینکدین از خروجی Relevance AI.

* خروجی: یافته‌های تحقیق به صورت متن و لیستی از استنادات در قالب JSON.

* ملاحظات: تماس‌های API ناموفق را نظارت کنید، از صحت و به‌روز بودن اطلاعات بازگشتی اطمینان حاصل کنید و از محدودیت‌های احتمالی نرخ آگاه باشید.

۴. قالب‌بندی داده‌ها

این بخش داده‌های به دست آمده از Perplexity AI را اصلاح می‌کند، به ویژه قالب‌بندی استنادات.

• Citations (Code Node):

* نوع: Code

* نقش: استخراج آرایه استنادات از خروجی Perplexity AI و تولید یک لیست نامرتب HTML (<ul>) از پیوندهای قابل کلیک.

* ورودی: خروجی JSON از گره Perplexity حاوی آرایه استنادات.

* خروجی: یک شی JSON با رشته citationsHTML.

* ملاحظات: مواردی را که هیچ استنادی یافت نمی‌شود یا اگر URLها بدشکل باشند، مدیریت می‌کند.

۵. خلاصه‌سازی و تحلیل هوش مصنوعی

این بخش از OpenAI برای ترکیب داده‌های جمع‌آوری شده به بینش‌های عملی استفاده می‌کند.

• Person + Company Profile (OpenAI - Langchain):

* نوع: OpenAI (Langchain)

* نقش: ایجاد خلاصه‌ای جامع با ترکیب بخش "About" لینکدین، پست‌های اخیر و تحقیقات وب Perplexity. خلاصه‌ای از پروفایل شخصی، خلاصه‌ای از پروفایل شرکت، لیستی از علایق و حقایق منحصر به فرد در مورد مشتری بالقوه را تولید می‌کند.

* پیکربندی: از مدل "o1-mini" استفاده می‌کند. اعلان به گونه‌ای طراحی شده است که اطمینان حاصل شود خروجی دقیقاً در قالب HTML، با استفاده از سرصفحه‌ها و لیست‌ها، و اجتناب از بلوک‌های کد محصور شده است.

* ورودی: بخش "About" لینکدین، پست‌های اخیر و محتوای تحقیق Perplexity.

* خروجی: یک قطعه HTML حاوی اطلاعات ساختاریافته پروفایل.

* ملاحظات: به محدودیت‌های نرخ API، مشکلات احتمالی با داده‌های ورودی ناقص و پایبندی به اعلان توسط مدل هوش مصنوعی توجه داشته باشید.

• Pain Points + Solutions (OpenAI - Langchain):

* نوع: OpenAI (Langchain)

* نقش: خلاصه‌ی پروفایل تولید شده، تحقیقات Perplexity و هرگونه بررسی منفی موجود را تجزیه و تحلیل می‌کند تا موارد زیر را شناسایی کند:

* مشکلات (Pain points) که شرکت مشتری بالقوه با آن‌ها روبرو است.

* شواهد پشتیبان برای هر مشکل شناسایی شده.

* راه حل‌های بالقوه‌ای که "Built by Abdul" می‌تواند ارائه دهد.

* ۵ فرصت اتوماسیون با بالاترین بازگشت سرمایه (ROI).

* پیکربندی: از همان مدل گره OpenAI قبلی استفاده می‌کند. خروجی در قالب HTML، با استفاده از جداول و لیست‌ها، و اجتناب از بلوک‌های کد محصور شده قالب‌بندی شده است.

* ورودی: خلاصه‌ی پروفایل تولید شده توسط گره OpenAI قبلی و محتوای تحقیق Perplexity.

* خروجی: یک قطعه HTML حاوی جدولی از مشکلات و لیستی از فرصت‌ها.

* ملاحظات: ملاحظات مشابهی در مورد محدودیت‌های API و کامل بودن داده‌ها اعمال می‌شود. داده‌های ورودی پراکنده ممکن است منجر به بینش‌های کمتر دقیق شود.

۶. تولید و تحویل گزارش

این بخش نهایی تمام اطلاعات پردازش شده را در یک گزارش نهایی جمع‌آوری کرده و از طریق ایمیل ارسال می‌کند.

• Create HTML Report (HTML Node):

* نوع: HTML

* نقش: تمام خروجی‌های گره‌های قبلی را در یک سند HTML کامل ادغام می‌کند. شامل CSS درون خطی برای استایل‌دهی است و موارد زیر را در بر می‌گیرد:

* تصاویر پروفایل و شرکت.

* تحلیل تولید شده توسط هوش مصنوعی و حقایق کلیدی.

* جزئیات پروفایل لینکدین، تحصیلات و جداول تجربه.

* پست‌های لینکدین قالب‌بندی شده.

* متن تحلیل تحقیق Perplexity.

* پیوندهای استناد قابل کلیک.

* ورودی: خروجی‌ها از گره‌های OpenAI، استخراج Relevance AI، گره‌های کد (برای پست‌ها، تجربیات، تحصیلات، استنادات) و تحقیق Perplexity.

* خروجی: یک رشته HTML کامل که در یک فیلد JSON به نام html قرار دارد.

* ملاحظات: اطمینان حاصل کنید که تمام جایگزین‌های داده به درستی پر شده‌اند و URLهای تصویر معتبر هستند. HTML بدشکل ممکن است در صورت ناسازگار بودن داده‌های ورودی رخ دهد.

• Email Report (Gmail Node):

* نوع: Gmail

* نقش: ارسال گزارش HTML تولید شده از طریق ایمیل به یک گیرنده از پیش تعیین شده (به عنوان مثال، builtbyabdul@gmail.com). خط موضوع شامل نام کامل مشتری بالقوه است.

* پیکربندی: نیاز به اعتبارنامه OAuth2 Gmail دارد. بدنه ایمیل از فیلد html گره قبلی پر می‌شود. پاورقی انتساب غیرفعال شده است.

* ورودی: خروجی گزارش HTML از گره Create HTML Report.

* خروجی: تأیید تحویل ایمیل.

* ملاحظات: از سهمیه‌های API Gmail آگاه باشید، از معتبر بودن آدرس ایمیل گیرنده اطمینان حاصل کنید و مشکلات اتصال شبکه را بررسی کنید.

جدول خلاصه