عامل املاک هوش مصنوعی: اتوماسیون فروش و عملیات

عامل املاک هوش مصنوعی: اتوماسیون عملیات سرتاسری (وب، داده، صدا)

این گردش کار، عملیات سرتاسری یک کسب‌وکار املاک را با ادغام دریافت سرنخ از طریق وب، غنی‌سازی داده‌ها، تحلیل مبتنی بر هوش مصنوعی و ارتباط صوتی، خودکار می‌کند. این گردش کار برای ساده‌سازی فرآیند از تماس اولیه تا احراز صلاحیت و تعامل با سرنخ طراحی شده است.

دسته‌بندی‌ها: فروش، هوش مصنوعی، اتوماسیون، املاک

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

---

۱. نمای کلی گردش کار

این گردش کار جامع، فرآیند عملیات املاک را با استفاده از هوش مصنوعی و ادغام صدا خودکار می‌کند. این گردش کار برای موارد زیر ساخته شده است:

• دریافت و اعتبارسنجی سرنخ‌های ورودی از طریق وب‌هوک‌ها.
• طبقه‌بندی و استخراج اطلاعات ضروری از پیام‌های سرنخ با استفاده از هوش مصنوعی.
• غنی‌سازی و اعتبارسنجی داده‌های ملک از طریق APIهای خارجی.
• امتیازدهی به سرنخ‌ها بر اساس فوریت و علاقه.
• تولید تماس‌های صوتی شخصی‌سازی شده برای تعامل با سرنخ‌ها.
• ثبت داده‌های ساختاریافته سرنخ و خلاصه‌ها در Google Sheets برای پیگیری و تجزیه و تحلیل.

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

1. دریافت و اعتبارسنجی ورودی: دریافت سرنخ‌های ورودی از طریق وب‌هوک‌ها و اطمینان از قابل استفاده بودن داده‌های ضروری.

2. پاکسازی پیام و طبقه‌بندی قصد: آماده‌سازی متن کاربر و استفاده از هوش مصنوعی برای تعیین قصد و فوریت سرنخ.

3. استخراج و استانداردسازی داده‌ها: استخراج و استانداردسازی جزئیات سرنخ برای پردازش سازگار.

4. اعتبارسنجی ملک و امتیازدهی به سرنخ: تأیید لیست‌های ملک و محاسبه امتیاز سرنخ.

5. ایجاد شیء سرنخ و پردازش هوش مصنوعی: ساختاردهی داده‌های سرنخ و استفاده از عوامل هوش مصنوعی برای غنی‌سازی اطلاعات.

6. تولید صدا و برقراری تماس: ایجاد و ارسال پیام صوتی به سرنخ.

7. ذخیره‌سازی داده‌های سرنخ و خلاصه: ثبت جزئیات سرنخ و خلاصه‌ها در Google Sheets.

8. تریگرهای کمکی و تست دستی: شامل گزینه‌هایی برای اجرای زمان‌بندی شده یا دستی.

---

۲. تجزیه و تحلیل بلوک به بلوک

۲.۱ دریافت و اعتبارسنجی ورودی

این بلوک اولیه، نقطه ورود سرنخ‌های جدید را مدیریت می‌کند و از قابل استفاده بودن داده‌ها اطمینان حاصل می‌کند.

• گره‌ها (Nodes):

* IncomingLeadWebhook (Webhook)

* RenameInputFields (Set)

* ValidateMessageExists (If)

• جزئیات:

* IncomingLeadWebhook: به عنوان تریگر عمل می‌کند و نقطه‌ای را برای دریافت داده‌های سرنخ از منابع خارجی (مانند فرم‌های وب) در معرض دید قرار می‌دهد.

* RenameInputFields: با نگاشت نام فیلدهای خارجی به نام‌های داخلی سازگار، داده‌های ورودی را استاندارد می‌کند.

* ValidateMessageExists: بررسی می‌کند که آیا فیلد حیاتی 'message' از سرنخ وجود دارد یا خیر. در غیر این صورت، گردش کار برای جلوگیری از خطا متوقف می‌شود.

۲.۲ پاکسازی پیام و طبقه‌بندی قصد

این بلوک پیام خام سرنخ را برای تحلیل هوش مصنوعی آماده می‌کند و قصد سرنخ را تعیین می‌کند.

• گره‌ها (Nodes):

* CleanUserText (Code)

* OpenAI Chat Model (OpenAI Chat)

* ClassifyIntentUrgency (LangChain Agent)

* ExtractClassification (Set)

• جزئیات:

* CleanUserText: یک گره تابع جاوا اسکریپت که متن ورودی را پاکسازی می‌کند، نویزهایی مانند فضاهای خالی اضافی یا کاراکترهای خاص را برای بهبود دقت هوش مصنوعی حذف می‌کند.

* OpenAI Chat Model: از API OpenAI با یک پرامپت سفارشی برای پردازش متن پاکسازی شده استفاده می‌کند.

* ClassifyIntentUrgency: یک عامل هوش مصنوعی که متن را برای طبقه‌بندی قصد سرنخ (مانند پرس و جو، پیشنهاد) و سطح فوریت تجزیه و تحلیل می‌کند.

* ExtractClassification: پاسخ هوش مصنوعی را تجزیه می‌کند و قصد و فوریت طبقه‌بندی شده را به فیلدهای ساختاریافته برای استفاده بعدی استخراج می‌کند.

۲.۳ استخراج و استانداردسازی داده‌ها

این بخش بر استخراج جزئیات کلیدی از سرنخ و استانداردسازی آن‌ها برای پردازش بیشتر تمرکز دارد.

• گره‌ها (Nodes):

* StandardizeFields (Code)

* PropertyCheckAPI (HTTP Request)

* IsKnownListing (If)

• جزئیات:

* StandardizeFields: از جاوا اسکریپت برای نرمال‌سازی داده‌هایی مانند آدرس‌ها و تاریخ‌ها به یک فرمت سازگار استفاده می‌کند.

* PropertyCheckAPI: یک API داده‌های ملک خارجی را (با استفاده از اعتبارنامه‌های ارائه شده) برای تأیید یا بازیابی جزئیات ملک ذکر شده توسط سرنخ، پرس و جو می‌کند.

* IsKnownListing: یک گره شرطی که پاسخ را از PropertyCheckAPI بررسی می‌کند. تشخیص می‌دهد که آیا ملک شناخته شده یا معتبر است و گردش کار را بر این اساس هدایت می‌کند.

۲.۴ اعتبارسنجی ملک و امتیازدهی به سرنخ

این بلوک بر اساس اطلاعات ملک تأیید شده و ویژگی‌های سرنخ، امتیاز سرنخ را محاسبه می‌کند.

• گره‌ها (Nodes):

* CalculateLeadScore (Code)

* CreateStructuredLeadObject (Set)

• جزئیات:

* CalculateLeadScore: یک الگوریتم امتیازدهی سفارشی جاوا اسکریپت را پیاده‌سازی می‌کند که عواملی مانند فوریت، وضعیت ملک و سایر ویژگی‌های سرنخ را در نظر می‌گیرد.

* CreateStructuredLeadObject: تمام اطلاعات جمع‌آوری شده و پردازش شده را در یک شیء JSON ساختاریافته که نمایانگر سرنخ است، از جمله جزئیات تماس، اطلاعات ملک و امتیاز محاسبه شده، گردآوری می‌کند.

۲.۵ ایجاد شیء سرنخ و پردازش هوش مصنوعی

این یک بلوک اصلی مبتنی بر هوش مصنوعی است که در آن داده‌های سرنخ با استفاده از ابزارهای مختلف غنی‌سازی و پردازش می‌شوند.

• گره‌ها (Nodes):

* AI Agent (LangChain Agent)

* OpenAI Chat Model1 (OpenAI Chat)

* Calculator (LangChain Tool Calculator)

* SerpAPI (LangChain Tool SerpAPI)

* Google Docs (Google Docs)

* Split Out (Split Out)

* Real Estate Data (Google Sheets)

* HTTP Request (HTTP Request)

* Information Extractor (LangChain Information Extractor)

• جزئیات:

* AI Agent: چندین ابزار هوش مصنوعی را برای انجام وظایف پیچیده مانند غنی‌سازی داده‌ها، استخراج اطلاعات و تصمیم‌گیری بر اساس داده‌های سرنخ، هماهنگ می‌کند.

* OpenAI Chat Model1: به عنوان مدل هوش مصنوعی مکالمه‌ای برای AI Agent عمل می‌کند.

* Calculator: ابزاری که با AI Agent ادغام شده است تا عملیات ریاضی را انجام دهد.

* SerpAPI: ابزار دیگری برای AI Agent که امکان جستجو در وب را برای جمع‌آوری اطلاعات اضافی در مورد سرنخ یا ملک فراهم می‌کند.

* Google Docs: اسناد Google را با اطلاعات سرنخ پردازش شده یا خلاصه‌ها ایجاد یا به‌روزرسانی می‌کند.

* Split Out: داده‌های آرایه را به موارد جداگانه تبدیل می‌کند، که اغلب قبل از ارسال داده‌ها به یک صفحه گسترده استفاده می‌شود.

* Real Estate Data: داده‌های سرنخ غنی شده را در یک صفحه Google ثبت می‌کند.

* HTTP Request: در اینجا به طور بالقوه برای دریافت داده‌ها در طول پردازش دسته‌ای که توسط زمان‌بندی‌ها یا اجرای دستی راه‌اندازی شده است، استفاده می‌شود و به Information Extractor تغذیه می‌کند.

* Information Extractor: داده‌های ساختاریافته را از متن بدون ساختار استخراج می‌کند، که احتمالاً توسط AI Agent استفاده می‌شود.

۲.۶ تولید صدا و برقراری تماس

این بلوک بر ارتباط خروجی، تولید پیام صوتی و شروع تماس تمرکز دارد.

• گره‌ها (Nodes):

* Set Lead Variables (Set)

* Generate Intro Message (Code)

* ElevenLabs - Generate Voice (HTTP Request)

* Twilio - Place Call (HTTP Request)

• جزئیات:

* Set Lead Variables: متغیرهای خاص مورد نیاز برای تولید پیام صوتی را مقداردهی اولیه یا آماده می‌کند.

* Generate Intro Message: یک تابع جاوا اسکریپت که یک پیام متنی شخصی‌سازی شده برای سنتز صدا ایجاد می‌کند.

* ElevenLabs - Generate Voice: API ElevenLabs را برای تبدیل پیام متنی تولید شده به یک فایل صوتی فراخوانی می‌کند.

* Twilio - Place Call: از API Twilio برای شروع تماس تلفنی با سرنخ و پخش پیام صوتی سنتز شده استفاده می‌کند.

۲.۷ ذخیره‌سازی داده‌های سرنخ و خلاصه

بلوک نهایی اطمینان حاصل می‌کند که تمام اطلاعات سرنخ پردازش شده و خلاصه‌های تعامل به طور سیستماتیک ذخیره می‌شوند.

• گره‌ها (Nodes):

* AI Agent - Extract Lead Info (LangChain Agent)

* Store Extracted Values (Set)

* Normalize User Data (Code)

* IF Lead Interested (If)

* Assign Lead Score (Set)

* Format Timestamp (DateTime)

* Google Sheets - Log Lead (Google Sheets)

* AI Agent - Lead Summary (LangChain Agent)

* Google Sheets - Log Summary (Google Sheets)

• جزئیات:

* AI Agent - Extract Lead Info: اطلاعاتی را که احتمالاً از تماس یا تعاملات بعدی جمع‌آوری شده است، پردازش می‌کند.

* Store Extracted Values: جزئیات خاص استخراج شده از خروجی عامل هوش مصنوعی را ذخیره می‌کند.

* Normalize User Data: داده‌ها را قبل از ذخیره‌سازی نهایی بیشتر پاکسازی و استاندارد می‌کند.

* IF Lead Interested: یک گره شرطی برای انشعاب منطق بر اساس اینکه آیا سرنخ علاقه نشان می‌دهد یا خیر.

* Assign Lead Score: امتیاز سرنخ را بر اساس نتایج تعامل تنظیم یا به‌روز می‌کند.

* Format Timestamp: اطمینان حاصل می‌کند که تاریخ‌ها و زمان‌ها در یک فرمت سازگار و خوانا هستند.

* Google Sheets - Log Lead: اطلاعات دقیق سرنخ را به یک صفحه Google اختصاصی اضافه می‌کند.

* AI Agent - Lead Summary: خلاصه‌ای مختصر از تعامل سرنخ ایجاد می‌کند.

* Google Sheets - Log Summary: خلاصه سرنخ تولید شده را در صفحه Google دیگری می‌نویسد.

---

۳. تریگرهای کمکی و تست دستی

• گره‌ها (Nodes):

* Schedule Trigger (Manual Trigger / Schedule)

* Manual Trigger (Manual Trigger)

• جزئیات:

* گردش کار شامل یک Schedule Trigger برای پردازش دسته‌ای خودکار (مانند پیگیری روزانه سرنخ‌ها) و یک Manual Trigger برای تست یا اجرای در صورت تقاضا است. این‌ها می‌توانند برای راه‌اندازی گره‌های HTTP Request برای دریافت داده‌ها در طول اجرای دسته‌ای یا برای آزمایش بخش‌های خاصی از گردش کار استفاده شوند.