Этот шаблон n8n представляет собой рабочий процесс для анализа данных Google Analytics с использованием ИИ и сохранения результатов в Baserow (noCode платформа для создания баз данных). Давайте разберем его пошагово.
Основная функциональность
Шаблон позволяет:
- Получать данные из Google Analytics.
- Анализировать данные с помощью ИИ (например, OpenAI).
- Сохранять результаты анализа в Baserow (база данных с открытым исходным кодом).
Пошаговое описание работы
1. Триггер: “On new manual Chat Message”
- Это точка входа в рабочий процесс.
- Шаблон активируется, когда пользователь отправляет запрос через чат-интерфейс.
- Запрос передается в следующий узел для анализа.
Пример запроса:
- Пользователь: “Проанализируй трафик за последний месяц.”
2. Получение данных: “Google Analytics API”
- Этот узел использует API Google Analytics для извлечения данных.
- Для работы требуется:
- ID представления Google Analytics.
- Диапазон дат (например, последний месяц).
- Метрики (например, количество сессий, пользователей, отказы).
Настройки:
- Поддерживается выбор метрик и измерений.
- Данные извлекаются в формате JSON.
3. Анализ данных: “OpenAI Chat Model”
- Здесь используется модель OpenAI для анализа данных.
- Модель генерирует текстовый отчет на основе входных данных.
Особенности:
- Можно использовать различные модели OpenAI (например, GPT-4o, gpt-4o-mini).
- Поддерживаются параметры, такие как температура (
temperature) и частота повторений (frequency_penalty).
Пример анализа:
- Входные данные: “Количество сессий: 10,000, пользователи: 5,000, отказы: 30%.”
- Выходной текст: “Трафик за последний месяц вырос на 10%. Отказы находятся на уровне 30%, что выше среднего значения.”
4. Сохранение результатов: “Baserow API”
- Этот узел сохраняет результаты анализа в Baserow.
- Для работы требуется API-ключ Baserow.
Настройки:
- Выбор таблицы и полей для сохранения данных.
- Автоматическое создание записей.
5. Sticky Notes (Заметки)
В шаблоне используются заметки для объяснения функционала каждого узла:
- “Google Analytics API”: Описывает этапы получения данных.
- “OpenAI Chat Model”: Рассказывает о выборе модели и ее настройках.
- “Baserow API”: Объясняет, как сохраняются данные.
Какие задачи решает этот шаблон?
Автоматизация анализа данных:
- Пользователи могут отправлять запросы и получать готовые отчеты.
Улучшение пользовательского опыта:
- Агент уточняет детали, если запрос неясен.
- Диалог поддерживается естественным образом.
Интеграция с OpenAI и Baserow:
- Используется мощная модель для анализа данных и выполнения действий.
Как расширить функциональность?
Добавить больше источников данных:
- Например, Facebook Ads или LinkedIn Analytics.
Интеграция с другими API:
- Можно добавить инструменты для работы с Gmail, Slack или другими сервисами.
Хранение истории запросов:
- Использовать базу данных для сохранения результатов.
Мультиязычная поддержка:
- Настроить агента на работу с разными языками.
Пример использования
Пользователь: Задает запрос: “Проанализируй трафик за последний месяц.”
Система:
- Извлекает данные из Google Analytics.
- Анализирует данные с помощью OpenAI.
- Генерирует текст: “Трафик за последний месяц вырос на 10%. Отказы находятся на уровне 30%, что выше среднего значения.”
Система: Сохраняет результаты в Baserow.
