Steg 2: normalisera och berika inkommande feedback

Alla intagskällor leds in i en normaliserad struktur och användarberikning innan AI-analys.

1. I Normalize Payload, behåll JavaScript-koden som den är för att detektera källa och outputa den enhetliga strukturen med fälten source, user och content.
2. Bekräfta att Normalize Payload är kopplad från Telegram Message Trigger, Form Sheet Trigger och Gmail Intake Trigger (alla vägar matar in i samma nod).
3. I Telegram Quick Reply, ställ in Text till =✅ Feedback received 🔄 Analysis in progress ⏱️ Estimated time 2 minutes och Chat ID till [YOUR_ID].
4. Autentiseringsuppgifter krävs: Anslut era Telegram API-uppgifter i Telegram Quick Reply.
5. I Enrich User Profile, redigera platshållarna i tierMapping (ersätt [YOUR_EMAIL]) så att de speglar era faktiska användarnivåer.

Steg 3: konfigurera AI-analys av feedback

AI-noderna analyserar feedback, tolkar JSON och beräknar en prioriteringspoäng som används för Jira-routning och rapportering.

1. I AI Feedback Analysis, verifiera att modellen är gpt-4o-mini och att det andra meddelandet innehåller uttryck som {{$json.content.raw_text}}, {{$json.user.tier}} och {{$json.source}}.
2. Autentiseringsuppgifter krävs: Anslut era OpenAI-uppgifter i AI Feedback Analysis.
3. Lämna Extract AI JSON oförändrad så att den rensar och tolkar AI:ns JSON-svar med fallback-hantering.
4. I Compute Priority Score, behåll RICE-beräkningslogiken och Jira-prioritetsmappningen intakt för konsekvent scoring.

Steg 4: konfigurera Jira-skapande och källroutning

Arbetsflödet skapar ett Jira-ärende, bygger Jira-URL:en och routar Telegram-källor till ett bekräftelsemeddelande.

1. Öppna Generate Jira Issue och ställ in Project till test2 (10002) och Issue Type till Story (10014).
2. Ställ in Summary till =[{{ $json.scoring.priority }}] {{ $json.ai_analysis.summary }}.
3. Ställ in Additional Fields → Priority till ={{ $json.scoring.jira_priority_id }} och Description till ={{ $('Extract AI JSON').item.json.ai_analysis.description }}.
4. Autentiseringsuppgifter krävs: Anslut era Jira Software Cloud-uppgifter i Generate Jira Issue.
5. I Assemble Jira Output, ersätt https://[YOUR_ID].atlassian.net med er Jira-bas-URL.
6. I Source Route Check, behåll villkoret ={{ $('Normalize Payload').item.json.source }} lika med telegram för att routa Telegram-feedback.
7. Source Route Check skickar vidare till Telegram Result Notice när källan är Telegram, annars går den direkt till Append Analytics Log.
8. I Telegram Result Notice, behåll meddelandemallen med uttryck som {{ $json.jira.key }} och {{ $json.jira.url }} för dynamisk output.
9. Autentiseringsuppgifter krävs: Anslut era Telegram API-uppgifter i Telegram Result Notice.

Steg 5: konfigurera analys, Notion och e-postutdata

Feedback loggas i Google Sheets, en Notion-post skapas och ett bekräftelsemejl skickas.

1. I Append Analytics Log, ställ in Operation till append, Document ID till [YOUR_ID] och Sheet Name till Feuille 1.
2. Bekräfta att kolumnmappningarna i Append Analytics Log använder uttryck som ={{ $json.jira.url }}, ={{ $('Compute Priority Score').item.json.scoring.priority }} och ={{ $now.toFormat('yyyy-LL-dd HH:mm:ss') }}.
3. Autentiseringsuppgifter krävs: Anslut era Google Sheets-uppgifter i Append Analytics Log.
4. I Send Confirmation Email, ställ in Send To till [YOUR_EMAIL], Subject till Your feedback och behåll meddelandetexten som angivet.
5. Autentiseringsuppgifter krävs: Anslut era Gmail-uppgifter i Send Confirmation Email.
6. I Create Notion Record, ställ in Title till =Feedback {{ $now.toFormat('dd/MM/yyyy HH:mm:ss') }} och Page ID till https://[YOUR_ID].
7. Autentiseringsuppgifter krävs: Anslut era Notion-uppgifter i Create Notion Record.

Steg 6: konfigurera pipeline för månadsrapportering

Månadschemat läser feedbackloggar, sammanställer mätvärden, genererar AI-insikter och skickar en rapport via Notion, Sheets och Gmail.

1. I Read Feedback Sheet, ställ in Document ID till [YOUR_ID] och Range till A1:S1000 under Options → Data Location On Sheet.
2. Autentiseringsuppgifter krävs: Anslut era Google Sheets-uppgifter i Read Feedback Sheet.
3. Behåll koden i Compile Monthly Metrics oförändrad för att beräkna månadsaggregering och sammanfattningar.
4. I AI Monthly Insights, ställ in Model till gpt-5 och behåll JSON Output aktiverat.
5. Autentiseringsuppgifter krävs: Anslut era OpenAI-uppgifter i AI Monthly Insights.
6. I Create Monthly Notion, ställ in Title till =Montly report och Page ID till https://[YOUR_ID].
7. Autentiseringsuppgifter krävs: Anslut era Notion-uppgifter i Create Monthly Notion.
8. I Log Monthly Report, ställ in Operation till append och mappa fält som ={{ $('Compile Monthly Metrics').item.json.stats.month }} och ={{ $now.toISO() }}.
9. Autentiseringsuppgifter krävs: Anslut era Google Sheets-uppgifter i Log Monthly Report.
10. I Dispatch Report Email, behåll HTML-meddelandemallen och ställ in Subject till =📊 Monthly Product Intelligence Report - {{ $json.Month }}.
11. Autentiseringsuppgifter krävs: Anslut era Gmail-uppgifter i Dispatch Report Email.

Steg 7: testa och aktivera ert arbetsflöde

Kör manuella tester för varje intagskälla och verifiera att utdata till Jira, Notion, Sheets och e-post fylls i korrekt.

1. Klicka på Execute Workflow och skicka ett Telegram-meddelande för att trigga Telegram Message Trigger.
2. Bekräfta att körningen passerar Normalize Payload, AI Feedback Analysis, Generate Jira Issue, och att Telegram Result Notice skickar ett meddelande med en Jira-länk.
3. Testa Google Forms-vägen genom att lägga till en rad i formulärets svarsheet och säkerställ att Append Analytics Log skriver en ny rad.
4. Testa Gmail-vägen genom att skicka ett mejl som matchar etiketten och avsändarfiltret till Gmail Intake Trigger.
5. Verifiera att Create Notion Record skapar en sida med AI-analysen och Jira-detaljer.
6. När alla vägar fungerar, växla arbetsflödet till Active för produktionsanvändning.