Steg 2: anslut feedbackkällor och slå ihop strömmar

Definiera alla källendpoints, hämta sedan feedback parallellt och slå ihop resultaten till en enda ström.

1. I Pipeline Settings, lägg till endpoint-värden och trösklar: socialMediaApiUrl, emailApiUrl, supportTicketsApiUrl, chatApiUrl, reviewsApiUrl, crmApiUrl, marketingApiUrl, negativeSpikeThreshold satt till 0.3 och sentimentShiftThreshold satt till 0.2.
2. Bekräfta att Pipeline Settings matar ut till Retrieve Social Responses, Collect Email Replies, Retrieve Support Tickets, Collect Chat Logs och Gather Product Reviews parallellt.
3. För varje HTTP-källnod, ställ in URL till rätt uttryck: {{ $('Pipeline Settings').first().json.socialMediaApiUrl }}, {{ $('Pipeline Settings').first().json.emailApiUrl }}, {{ $('Pipeline Settings').first().json.supportTicketsApiUrl }}, {{ $('Pipeline Settings').first().json.chatApiUrl }} och {{ $('Pipeline Settings').first().json.reviewsApiUrl }}.
4. I Combine Feedback Streams, ställ in Mode till combine och Combine By till combineAll.

Steg 3: normalisera och standardisera feedbackposter

Rensa inkommande text och anpassa alla fält till ett enhetligt schema för vidare analys.

1. I Normalize Text Content, behåll Mode inställt på runOnceForEachItem för att normalisera varje post och mata ut text_cleaned och text_original.
2. Konfigurera Standardize Record Fields med följande tilldelningar:
   • feedbackId = {{ $now.toMillis() }}-{{ $itemIndex }}
   • feedbackText = {{ $json.text || $json.content || $json.message || $json.body || $json.feedback }}
   • source = {{ $json.source || $json.channel || $json.type }}
   • timestamp = {{ $now.toISO() }}
   • customerId = {{ $json.customerId || $json.userId || $json.customer_id || $json.user_id }}
   • metadata = {{ JSON.stringify({ originalSource: $json.source, rawData: $json }) }}
3. Verifiera att Normalize Text Content är kopplad till Standardize Record Fields och därefter till Sentiment Classification.

Steg 4: sätt upp AI-analys för sentiment, emotioner och entiteter

Analysera sentiment, emotioner och entiteter och konsolidera sedan AI-utdata för lagring och rapportering.

1. I Azure Chat Model, ställ in Model till <__PLACEHOLDER_VALUE__Azure OpenAI deployment name__> och koppla den som språkmodell för Sentiment Classification.
2. Inloggningsuppgifter krävs: Anslut era Azure OpenAI-inloggningsuppgifter i Azure Chat Model.
3. I Sentiment Classification, ställ in Input Text till {{ $json.feedbackText }}.
4. I Emotion Detection AI och Entity Extraction AI, behåll Operation inställt på message.
5. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i Emotion Detection AI och Entity Extraction AI.
6. I Assemble Analysis Output, mappa resultat:
   • sentiment = {{ $('Sentiment Classification').item.json.sentiment }}
   • emotions = {{ $('Emotion Detection AI').item.json.emotions }}
   • entities = {{ $('Entity Extraction AI').item.json.entities }}
   • sentimentScore = {{ $('Sentiment Classification').item.json.sentimentScore }}
   • analysisTimestamp = {{ $now.toISO() }}

Steg 5: konfigurera lagring, synk och trendberäkning

Spara den analyserade feedbacken, synka den till externa plattformar och beräkna sentimenttrender.

1. I Persist Feedback to DB, ställ in Schema till public och Table till customer_feedback, och mappa sedan alla kolumner med befintliga uttryck (t.ex. {{ $json.sentiment }}, {{ $json.entities }}).
2. Inloggningsuppgifter krävs: Lägg till era Postgres-inloggningsuppgifter i Persist Feedback to DB.
3. I Sync CRM Records, ställ in Method till POST, URL till {{ $('Pipeline Settings').first().json.crmApiUrl }} och headers inklusive Authorization = {{ $('Pipeline Settings').first().json.crmApiKey }}.
4. I Sync Marketing Platform, ställ in Method till POST, URL till {{ $('Pipeline Settings').first().json.marketingApiUrl }} och uppdatera Authorization till en giltig token (just nu Bearer [CONFIGURE_YOUR_TOKEN]).
5. Bekräfta att Assemble Analysis Output matar ut till Persist Feedback to DB, Sync CRM Records och Sync Marketing Platform parallellt.
6. I Compute Sentiment Trends, behåll den befintliga JavaScript-koden för glidande medelvärden, spikdetektering och distributionsberäkningar.
7. I Aggregate by Entity & Time, ställ in Aggregate till aggregateAllItemData och Destination Field Name till aggregatedData.

Steg 6: konfigurera aviseringar och rapportdestinationer

Trigga aviseringar när avvikelser upptäcks och uppdatera dashboards och rapporter.

1. I Negative Spike Check, ställ in villkoret för att jämföra {{ $('Aggregate by Entity & Time').item.json.negativeSentimentPercentage }} > {{ $('Pipeline Settings').first().json.negativeSpikeThreshold }}.
2. I Sentiment Shift Check, ställ in villkoret för att jämföra {{ $('Aggregate by Entity & Time').item.json.sentimentShift }} > {{ $('Pipeline Settings').first().json.sentimentShiftThreshold }}.
3. Bekräfta att Aggregate by Entity & Time matar ut till Negative Spike Check, Sentiment Shift Check, Update Sheets Dashboard och Build Insights Report parallellt.
4. I Slack Alert Dispatch, ställ in Channel ID till <__PLACEHOLDER_VALUE__Slack channel ID or name__> och behåll den befintliga malltexten för aviseringen.
5. Inloggningsuppgifter krävs: Anslut era slackOAuth2Api-inloggningsuppgifter i Slack Alert Dispatch.
6. I Email Alert Dispatch, ställ in Subject till Customer Sentiment Alert: {{ $json.alertType }} och uppdatera sedan platshållarna för To Email och From Email.
7. Inloggningsuppgifter krävs: Lägg till era e-postinloggningsuppgifter i Email Alert Dispatch.
8. I Update Sheets Dashboard, ställ in Document ID till <__PLACEHOLDER_VALUE__Google Sheets document ID__>, Sheet Name till Sentiment Dashboard och behåll Operation som appendOrUpdate.
9. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Update Sheets Dashboard.

Steg 7: testa och aktivera ert arbetsflöde

Validera hela flödet end-to-end med en manuell körning innan ni aktiverar den schemalagda exekveringen.

1. Klicka på Execute Workflow och kontrollera att Retrieve Social Responses till Gather Product Reviews returnerar JSON-data och slås ihop korrekt i Combine Feedback Streams.
2. Verifiera att AI-utdata från Sentiment Classification, Emotion Detection AI och Entity Extraction AI fyller Assemble Analysis Output.
3. Bekräfta att lagringen lyckas i Persist Feedback to DB och att parallell synk sker till Sync CRM Records och Sync Marketing Platform.
4. Kontrollera att Update Sheets Dashboard skriver rader och att Slack Alert Dispatch eller Email Alert Dispatch triggas när villkoren uppfylls.
5. När ni är nöjda, växla arbetsflödet till Active så att Scheduled Source Poller körs var 15:e minut i produktion.