۱۴۰۴-۰۸-۲۱ 
۸ دقیقه 
۰ 
در کسبوکارهای کوچک و نوپا، نیازی به تشکیل تیم پشتیبانی مجزا نیست و حتی یک نفر می‌تواند به‌تنهایی پاسخ‌گوی مشتریان باشد؛ اما…
هرچه ابعاد کسب‌وکارتان بزرگ‌تر شود، حجم پیام‌ها، سفارش‌ها یا درخواست‌ها هم بیشتر می‌شود و پشتیبانی مشتری به یک سیستم پشتیبانی ساختارمند -مثل چت‌بات‌ها- نیاز دارد.
یکی از کاربردهای n8n، ساخت چنین چت‌بات‌های هوشمندی است؛ با این سیستم می‌توانید چت‌باتی طراحی کنید که پیام‌ها را تحلیل کند، پاسخ مناسب بدهد و حتی در صورت نیاز تیکت ایجاد یا اطلاعات لازم را از سیستم‌های دیگر دریافت کند.
چطور؟
کافی‌ست این مقاله را بخوانید تا ساخت چت بات پشتیبانی با n8n را در کمتر از یک ساعت یاد بگیرید!
چرا n8n برای ساخت چت بات مناسب است؟
به‌طور کلی، دلایل زیر ثابت می‌کنند این ابزار برای ساختن چنین چت‌باتی کاملاً مناسب است:
- ابزار اتوماسیون n8n متن‌باز و رایگان است و می‌توانید بدون پرداخت هزینه از آن استفاده کنید؛
- n8n از پس خودکارسازی پیچیده‌ترین کارها و پروسه‌ها هم برمی‌آید؛
- امکان یکپارچه‌سازی و اتصال n8n با انواع سرویس‌ها و پلتفرم‌های خارجی (مثلاً واتس‌اپ) وجود دارد؛
- با n8n می‌توانید بدون نوشتن حتی یک خط کد، چت بات هوشمند برای پشتیبانی بسازید.
اگر شناخت کافی از این پلتفرم و توانایی‌هایش ندارید، مقالۀ «n8n چیست؟ همه‌چیز درباره ابزار اتوماسیون n8n» را بخوانید تا بفهمید چرا ساخت چت بات پشتیبانی با n8n را پیشنهاد می‌کنیم.
۶ نکتۀ کلیدی برای ساخت یک چت‌بات هوش مصنوعی
برای اینکه یک تصویر ذهنی درست از مراحل ساخت چت بات پشتیبانی با n8n در ذهن‌تان شکل بگیرد، کل این فرایند را به ۶ مرحله تقسیم کرده‌ایم:
۱. هدف چت‌بات خود را مشخص کنید
در ابتدا باید دقیق بدانید چت‌بات شما قرار است چه کاری انجام دهد. مثلاً آیا هدفش پاسخگویی به مشتریان است یا ارائه پیشنهاد محصول، یا صرفاً انجام یک‌سری کارهای تکراری و خودکار؟
درک نقش چت‌بات و نیازهای کاربران به شما کمک میکند تصمیمات بعدی را درست‌تر بگیرید و مسیر طراحی را مشخص کنید.
۲. مخاطب هدف و موارد استفاده را شناسایی کنید
حالا باید مشخص کنید چه کسانی و در چه موقعیتی قرار است با چت‌بات شما تعامل داشته باشند. مثلاً کاربران سایت فروشگاهی، بیماران در یک سیستم یا اپلیکیشن سلامت، یا کارمندان داخل سازمان؟
شناخت مخاطب هدف‌تان مهم است، چون اگر قابلیت‌ها و پاسخ‌های چت‌بات را متناسب با نیازهای همان گروه طراحی کنید، تجربه کاربری به‌مراتب بهتر و جذاب‌تری خواهید داشت.
۳. جریان مکالمه را طراحی کنید
در قدم سوم، باید یک ساختار کلی (ولی داینامیک) برای مکالمه‌ای که قرار است بین مخاطب و چت‌بات شکل بگیرد طراحی کنید. یعنی بنویسید کاربران چه سؤال‌هایی ممکن است بپرسند، چت‌بات چه پاسخ‌هایی بدهد و در چه شرایطی کاربر را به مرحله بعدی هدایت کند.
تعیین مسیرهای کلی مکالمه و آماده کردن پاسخ برای پرسش‌های پرتکرار خیالتان را راحت میکند که چت‌بات می‌تواند پیام‌های دریافتی را با دقت و بدون مشکل مدیریت کند و خیلی طبیعی و روان به آنها جواب بدهد.
۴. از مدل‌های زبانی پیشرفته استفاده کنید
به جای استفاده از مدل‌های NLP سنتی، از مدل‌های زبانی بزرگ (LLM) مثل سری GPT از OpenAI استفاده کنید تا توانایی درک زبان طبیعی برای چت‌پات بیشتر شود. امروزه تقریباً تمام چت‌بات‌های مدرن از این همین مدل‌های زبانی بزرگ استفاده می‌کنند. چرا؟
چون این مدل‌ها می‌توانند ورودی کاربر را تحلیل کنند، مفهوم کلی و زمینه گفت‌وگو را درک کنند و پاسخ‌هایی طبیعی و سازگار با موقعیت تولید کنند.
پس با ادغام چنین مدل‌هایی، چت‌بات شما قادر خواهد بود مکالمات پیچیده را درک کند و پاسخ‌هایی هوشمندانه و انسانی ارائه دهد.
| 📌💡بیشتر بدانید: منظور از مدل‌های زبانی بزرگ (LLM) و مدل‌های NLP سنتی چیست؟
مدل‌های زبانی بزرگ (Large Language Models یا LLMs) در واقع نوعی از مدل‌های هوش مصنوعی هستند که برای درک، تولید و تحلیل زبان انسان آموزش دیده‌اند. به زبان ساده‌تر، این مدل‌ها با حجم عظیمی از متون واقعی (مثل کتاب‌ها، مقالات، سایت‌ها و گفت‌وگوها) آموزش می‌بینند تا یاد بگیرند:
این در حالی است که مدل‌های NLP سنتی معمولاً فقط روی الگوهای آماری و سطحی زبان تمرکز دارند و در درک مفهوم، لحن، هدف و زمینه‌ی گفت‌وگو ناتوان هستند. |
۵. نحوه اتصال چت‌بات به داده‌ها و سرویس‌های خارجی
اگر لازم است چت‌بات شما به داده‌های بیرونی دسترسی داشته باشد یا وظایف خاصی را انجام دهد، لازم است که آن را به دیتابیس‌ها یا سرویس‌های مورد نیازتان هم وصل کنید. مثلاً اتصال به APIها، پایگاه‌های داده یا سرویس‌های شخص ثالث برای ارائه اطلاعات به‌روز یا انجام عملیات خاص.
مثال می‌زنیم.
فرض کنید چت‌باتی ساخته‌اید که به کاربران کمک میکند وضعیت سفارش‌شان را بررسی کنند. در این حالت، چت‌بات باید به پایگاه‌داده سفارش‌ها یا API سیستم فروشگاه وصل شود تا بتواند مثلاً بگوید:
«سفارش شماره ۹۵۲۴۵ در تاریخ ۱۲ آبان ارسال شده و الان در حال تحویل است.»
بدون این اتصال، چت‌بات فقط می‌تواند جواب‌های عمومی بدهد (مثل «سفارش‌ها معمولاً ۳ تا ۵ روز کاری زمان می‌برند»)، نه پاسخ اختصاصی برای هر کاربر.
پس این اتصال‌ها باعث می‌شوند چت‌بات شما پویا و مفید باقی بماند و داده‌های واقعی و لحظه‌ای را به کاربران ارائه دهد.
۶. تست، بهینه‌سازی و استقرار!
در نهایت هم باید قبل از انتشار چت‌بات، چت‌بات را در شرایط واقعی آزمایش کنید تا بتوانید بر اساس بازخورد کاربران، مسیر مکالمات و عملکرد چت‌بات را اصلاح کنید.
نکته: ابزارهای زیادی برای ساخت چت‌بات هوشمند وجود دارند؛ از فریم‌ورک‌های برنامه‌نویسی گرفته تا ابزارهای بدون کدنویسی و خودکارسازی. منتهی چون استفاده از پلتفرم اتوماسیون n8n از همه روش‌ها راحت‌تر است، آموزش را بر اساس همین ابزار پیش می‌بریم.
برویم سراغ موضوع اصلی بحث، یعنی آموزش مرحله‌به‌مرحلۀ ساخت چت بات پشتیبانی با n8n.
آموزش ساخت چت‌بات پشتیبانی با n8n
برای اینکه این آموزش برایتان مفید و قابل فهم باشد، لازم است که ابتدا مقالۀ «آموزش نصب و اجرای n8n روی سرور شخصی» را بخوانید و یاد بگیرید این ابزار و چت‌باتی که با آن می‌سازید را روی زیرساخت اختصاصی کسب‌وکارتان بالا بیاورید.
در جدول زیر هم اصطلاحاتی را آورده‌ایم که در طول آموزش بارها از آنها استفاده کرده‌ایم، پس بهتر است که نگاهی به آن داشته باشید:
| Workflow | یک روند خودکار از مراحل و کارها یا نودهایی است که چت‌بات یا سیستم باید انجام بدهد |
| Node | مرحله یا واحد کاری جداگانه داخل Workflow که یک کار مشخص انجام می‌دهد، مثل گرفتن اطلاعات از فرم، پردازش داده‌ها، یا ارسال پیام به کاربر. |
| Trigger | یک نود است که نقطۀ شروع جریان کاری به حساب می‌آید. هر بار که اتفاق مشخصی بیفتد (مثلاً دریافت یک پیام پشتیبانی) تریگر فعال شده و مراحل بعدی به‌صورت خودکار فعال می‌شوند. |
| Action | منظور اقداماتی هستند که بعد از فعال شدن تریگر انجام می‌گیرند. مثلاً پاسخگویی به پیامی که کاربر برای چت‌بات فرستاده است. |
| Session ID | عدد منحصربه‌فردی که برای شناسایی هر گفت‌وگو استفاده می‌شود؛ با کمک این شناسه، n8n می‌فهمد پیام‌های متوالی متعلق به چت با یک کاربر خاص هستند و مکالمه را در همان چارچوب قبلی ادامه می‌دهد. |
توجه: این Workflow که در ادامه قرار است با هم بسازیم، از مدل‌های زبانی OpenAI و SerpAPI استفاده میکند.
مرحله ۱: شروع با Chat Trigger
ابتدا یک Node فعال‌سازی چت (Chat Trigger) به Workflow خود اضافه کنید.
Chat Trigger یک نود از پیش تعریف شده در n8n است که طبیعتاً برای ساخت چت بات پشتیبانی با n8n به آن نیاز داریم. این نود منتظر پیام‌های دریافتی کاربران می‌ماند و به محض دریافت اولین پیام، چت را شروع میکند. البته به شرطی که Action بعدی آن را فعال کرده باشید.
در همین مرحلۀ اول می‌توانید مشخص کنید که می‌خواهید چت برای عموم در دسترس باشد (برای تست چت‌بات) یا نه! فعلاً این گزینه را غیرفعال نگه دارید.
مرحله ۲: اتصال Chat Trigger به نود AI Agent
نود AI Agent نقش تصمیم‌گیرنده را دارد؛ یعنی ورودی کاربر را تحلیل و مشخص میکند چه عملیاتی باید انجام شود.
توجه داشته باشید که منبع نود AI Agent در این Workflow، همان Chat Trigger است که در بخش اول تعریف کردیم. نکتۀ مهم دیگر اینکه در تنظیمات این نود، دو گزینه خواهید داشت:
- Tools Agent: نود AI Agent می‌تواند از ابزارها و منابع جانبی برای ارائۀ پاسخ‌های تخصصی‌تر و دقیق‌تر استفاده کند.
- Conversational Agent: نود AI Agent فقط می‌تواند یک مکالمۀ ساده را پیش ببرد و امکان انجام جست‌وجو و محاسبات دقیق برای ارائۀ پاسخ‌های کامل‌تر را نخواهد داشت.
مرحله ۳: یکپارچه‌سازی مدل چت
بعد از وصل کردن Chat Trigger به نود AI Agent، نوبت اضافه کردن یک Node مدل چت هوش مصنوعی است. (مثلاً مدلی که توسط OpenAI پشتیبانی می‌شود). در این Node پردازش اصلی انجام می‌شود؛ یعنی مدل، متن دریافتی از عامل را پردازش کرده و پاسخ مناسب با آن را تولید میکند.
بنابراین در این مرحله از ساخت چت بات پشتیبانی با n8n است که دستیار ساخته‌شده را به معنای واقعی کلمه هوشمند می‌کنید! چون همان‌طور که گفتیم، مدل‌های زبانی پیشرفته می‌توانند پیام‌های دریافتی را پردازش و نیت کاربر را با دقت بالایی متوجه شوند؛ این‌طوری است که چت‌بات شما با چت‌بات‌های قدیمی‌ای که از دور خارج شده‌اند، متمایز می‌شود.
اینجا علاوه‌بر اینکه می‌توانید ارائه‌دهنده مدل و مدل مناسب با هدف خود را انتخاب کنید،می‌توانید پارامترهایی مانند Temperature یا حداکثر تعداد توکن‌ها را تغییر دهید. البته که اما این تنظیمات بیشتر برای بهینه‌سازی عملکرد مدل مهم هستند و برای راه‌اندازی اولیه الزامی نیستند.
مرحله ۴: افزودن نود حافظه برای حفظ زمینه مکالمه
حالا باید یک Node حافظه (Memory Storage Node) مانند Window Buffer Memory Node را به Workflow خود اضافه کنید.
طبیعتاً کاربر از چت‌بات هوشمند کسب‌وکار شما انتظار دارد مکالمات قبلی و مشکلات به‌خصوص شخص او را به خاطر بسپارد؛ به همین خاطر، در این مرحله باید یک نود حافظه، مثلاً window buffer memory را به گردش کاری اضافه کنید.
این نود می‌تواند چند پیام آخر ردوبدل‌شده (بسته به تنظیمات) با هر کاربر را ذخیره کند و این‌طوری کلیتی از آن کاربر را به خاطر چت‌بات بسپارد.
البته که نباید انتظار داشته باشید چت‌باتتان اندازۀ غولی مثل ChatGPT حافظه داشته باشد؛ هیچ مشتری‌ای هم چنین انتظاری از شما و کسب‌وکارتان ندارد!
نود Chat Trigger که در مرحلۀ اول ساختید باید به‌عنوان تعیین‌کنندۀ Session ID در نظر گرفته شود؛ همان نودی که پیام اول را همراه با اطلاعات کلی کاربر دریافت میکند. طول زمینه (Context Length)، یعنی حجم و تعداد پیام‌هایی که در حافظه ذخیره می‌شوند به شرایط خاص هر کسب‌وکار بستگی دارد.
نکته: رنج معمول برای حفظ پیام‌های قبلی بین ۵ تا ۲۰ پیام است؛ توجه کنید که تعیین رنج‌های گسترده‌تر هزینۀ بیشتری هم روی دستتان می‌گذارد!
مرحله ۵: افزودن SerpAPI برای پاسخ‌های غنی‌تر
در مرحلۀ آخر و با اضافه کردن SerpAPI می‌توانید چت‌باتی که قرار است بسازید را به موتورهای جست‌وجو وصل و امکان سرچ کردن در اینترنت را برای آنها به وجود بیاورید.
به کمک SerpAPI چت‌بات به اطلاعات لحظه‌ای و به‌روز دسترسی خواهد داشت و می‌تواند جواب‌های درست‌تری به پیام‌های دریافتی از کاربران بدهد.
در تنظیمات این ابزار می‌توانید مشخص کنید که جست‌وجوها به یک کشور، زبان یا حتی دستگاه مشخص محدود شوند تا جواب‌ها دقیق‌تر باشند.
حالا موفق شدید به‌سادگی هرچه تمام‌تر، بدون برنامه‌نویسی و مواجهه با کمترین پیچیدگی‌های فنی، چت‌بات هوشمندی بسازید که خیلی خوب پاسخگویی به مشتری‌ها را خودکارسازی میکند و حجم کارهای تیم پشتیبانی کمتر میکند.
چت‌بات مجهز به هوش مصنوعی: یکی از ضروریات کسب‌وکارها در دنیای امروزی
در این مقاله توضیح دادیم که ساخت چت بات پشتیبانی با n8n به چه صورتی انجام می‌گیرد؛ ضمناً، علاوه‌بر آموزش مرحله‌به‌مرحله ساخت چنین چت‌باتی، ۶ نکتۀ مقدماتی را هم بررسی کردیم که باید آنها را رعایت کنید تا مطمئن شوید این دستیار هوشمند به بهترین شکل ممکن کارش را انجام می‌دهد.
کاربران امروزی به استفاده از هوش مصنوعی عادت کرده‌اند و چون کسب‌وکارها چند وقتی است که برای رفع نیازهای ان‌ها شروع کرده‌اند به استفاده از ابزارهای مجهز به AI، بدون اغراق می‌توانیم بگوییم نادیده گرفتن این ترند جدید می‌تواند کسب‌وکارتان را درقابت عقب بیندازد و به ضررتان تمام شود!
امیدواریم این مقاله برایتان مفید بوده باشد و بتوانید با پشت‌سر گذاشتن این مراحل، یک چت‌بات حرفه‌ای و تخصصی برای پشتیبانی از مشتری‌هایتان بسازید؛ اگر همچنان سؤالی دارید، در قسمت کامنت‌های همین زیر منتظرتان هستیم.
دیدگاه ها
اولین نفری باشید که دیدگاه خود را ثبت می کنید