دکتر وحید صفاری

اگر برای جذب مشتری از فرم سایت، لندینگ‌پیج‌ها، کمپین‌های تبلیغاتی یا وبینارها استفاده می‌کنید، به احتمال زیاد هر روز تعداد زیادی لید وارد HubSpot یا CRM شما می‌شود. مشکل اینجاست که همه این لیدها ارزش یکسانی ندارند؛ بعضی‌ها خیلی «داغ» هستند و بعضی‌ها فقط کنجکاوند. با یک ورک‌فلو هوش مصنوعی در n8n می‌توانید امتیازدهی (Lead Scoring) و غنی‌سازی اطلاعات لید را خودکار کنید تا تیم فروش دقیقاً بداند روی چه کسانی باید اول تمرکز کند.

در این سناریو، اطلاعات اولیه لید از HubSpot گرفته می‌شود، با استفاده از منابع خارجی و OpenAI تکمیل می‌شود، یک امتیاز هوشمند برای هر لید محاسبه می‌شود و نتیجه در همان CRM ذخیره می‌شود؛ بدون کار دستی و حوصله‌سربر.

این ورک‌فلو دقیقاً چه کاری انجام می‌دهد؟

هدف این سناریو ساخت یک AI-Powered Lead Scoring & Enrichment است که:

• هر لید جدید در HubSpot را به‌محض ایجاد تشخیص می‌دهد،
• اطلاعات لید مثل نام، شرکت، ایمیل، وب‌سایت و منبع ورود را جمع می‌کند،
• در صورت نیاز، با سرچ یا APIهای جانبی اطلاعات بیشتری مانند اندازه شرکت، صنعت و شبکه‌های اجتماعی را پیدا می‌کند،
• همه این اطلاعات را به یک مدل زبانی (LLM) می‌دهد تا کیفیت و قصد خرید لید را تحلیل کند،
• برای هر لید یک امتیاز (مثلاً ۰ تا ۱۰۰) و وضعیت (Hot, Warm, Cold) تولید می‌کند،
• و در نهایت، این امتیاز و وضعیت را در فیلدهای اختصاصی HubSpot ذخیره و برای تیم فروش اطلاع‌رسانی می‌کند.

نتیجه این است که داشبورد CRM شما همیشه مرتب است و لیدهای مهم در بالای لیست قرار می‌گیرند.

سناریوهای کاربردی امتیازدهی لید با هوش مصنوعی

• استارتاپ‌های B2B: وقتی تعداد فرم‌ها و دمو ریکوئست‌ها زیاد است و باید روی شرکت‌های مناسب تمرکز کنید.
• آژانس‌های دیجیتال مارکتینگ: امتیازدهی خودکار لیدهای کمپین‌های تبلیغاتی برای تحویل لیدهای بهتر به مشتریان.
• فروش SaaS: تشخیص کسانی که «احتمال تبدیل» بالاتری دارند بر اساس شغل، صنعت و متنی که در فرم نوشته‌اند.
• فیلتر اسپم و لیدهای کم‌ارزش: شناسایی ایمیل‌های فیک، دامنه‌های غیرمرتبط یا فرم‌هایی که فقط برای دانلود Freebie پر شده‌اند.

جریان کلی این ورک‌فلو در n8n

از نگاه فنی، این سناریو در n8n معمولاً به چند گام ساده تقسیم می‌شود:

• ۱. تریگر روی لید جدید در HubSpot: با نود HubSpot Trigger یا Webhook، هر زمان یک Contact جدید ساخته یا آپدیت شود (مثلاً فرم سایت پر شود)، ورک‌فلو n8n فعال می‌شود و اطلاعات لید (نام، ایمیل، شرکت، فرم منبع و…) را دریافت می‌کند.
• ۲. غنی‌سازی اولیه داده: اگر فیلدی مثل Company Website موجود باشد، می‌توانید:
  • با HTTP Request به سرویس‌های داده شرکت (مثلاً Clearbit-like APIs) اطلاعات صنعت، تعداد کارمند و… را بگیرید،
  • یا حداقل با یک درخواست ساده، Meta Title/Description سایت را بخوانید تا بفهمید شرکت چه‌کار می‌کند.
• ۳. آماده‌سازی پروفایل لید برای LLM: با نود Set یا Function یک متن ساختارمند می‌سازید که شامل:
  • مشخصات لید (نام، عنوان شغلی، ایمیل، کشور)،
  • اطلاعات شرکت (اندازه، صنعت، توضیح کوتاه)،
  • منبع لید (Organic, Ads, Webinar, Referral و غیره)،
  • و متنی که خود لید در فرم نوشته (نیاز، مشکل یا سوال).
• ۴. تحلیل لید با OpenAI: این پروفایل به OpenAI ارسال می‌شود و Promptی طراحی می‌کنید که از مدل بخواهد:
  • یک امتیاز بین ۰ تا ۱۰۰ برای کیفیت لید پیشنهاد دهد،
  • وضعیت کلی لید را در یکی از دسته‌های Hot، Warm یا Cold قرار دهد،
  • چند دلیل کوتاه برای امتیازی که داده ارائه کند،
  • و در صورت امکان، بخش یا محصول مناسب برای این لید را پیشنهاد کند.
  بهتر است خروجی مدل در قالب JSON باشد تا در n8n راحت بتوانید پردازش کنید.
• ۵. پارس خروجی و تبدیل به فیلدهای CRM: با نودهای Parse/Set مقادیر را به فیلدهای جدا مثل ai_score، ai_segment، ai_notes تبدیل می‌کنید.
• ۶. آپدیت Contact در HubSpot: با نود HubSpot → Update Contact این فیلدها را داخل پروفایل لید ذخیره می‌کنید تا در لیست‌ها و فیلترها قابل استفاده باشند.
• ۷. اطلاع‌رسانی به تیم فروش: اگر لید در دسته «Hot» باشد یا امتیاز بالاتر از مثلاً ۸۰ داشته باشد، با نود Slack/Telegram/Email یک نوتیف برای SDR یا Sales Owner ارسال می‌کنید.

پیش‌نیازهای راه‌اندازی این سناریو

• اکانت HubSpot: با دسترسی API برای خواندن و ویرایش Contacts.
• OpenAI API Key: یا مدل LLM سازگار برای تحلیل پروفایل لید.
• n8n در حال اجرا: روی سرور شخصی، VPS، Docker یا n8n Cloud.
• (اختیاری) سرویس داده شرکت: برای غنی‌سازی اطلاعات شرکت بر اساس دامنه.
• تعریف فیلدهای اختصاصی در HubSpot: مثل AI Score، AI Segment، AI Notes.

مراحل کلی پیاده‌سازی در n8n

1. در HubSpot فیلدهای اختصاصی موردنیاز (امتیاز، وضعیت، یادداشت AI) را ایجاد کنید.
2. در n8n یک ورک‌فلو جدید بسازید و نود HubSpot Trigger را برای رویداد Contact Created/Updated تنظیم کنید.
3. اطلاعات لید (نام، ایمیل، شرکت، فرم، متن) را با نودهای Set/Function ساختار دهید و در صورت نیاز به سرویس غنی‌سازی شرکت بفرستید.
4. نود OpenAI را اضافه کنید و Promptی طراحی کنید که خروجی JSON با امتیاز، وضعیت و توضیح برگرداند.
5. خروجی JSON را پارس کنید و فیلدها را برای آپدیت Contact آماده کنید.
6. با نود HubSpot → Update Contact مقدار امتیاز و وضعیت را در پروفایل لید ذخیره کنید.
7. یک نود Slack/Telegram/Email اضافه کنید تا برای لیدهای Hot اعلان فوری به تیم فروش ارسال شود.
8. ورک‌فلو را با چند لید تستی اجرا کنید، Prompt و آستانه‌های امتیاز را تنظیم کنید و در نهایت آن را فعال کنید.

چطور این ورک‌فلو را حرفه‌ای‌تر کنیم؟

• ترکیب با داده‌های رفتاری: علاوه بر فرم، رفتار کاربر روی سایت (تعداد بازدید صفحات، دانلودها، sessionها) را هم در امتیاز دخیل کنید.
• تقسیم‌بندی بر اساس ICP: مشخصات «مشتری ایده‌آل» (ICP) را در Prompt تعریف کنید تا مدل طبق آن قضاوت کند.
• به‌روزرسانی دوره‌ای امتیاز: هر بار که لید کار جدیدی انجام می‌دهد (باز کردن ایمیل، کلیک روی لینک، حضور در وبینار)، امتیاز را دوباره محاسبه کنید.
• چند مدل برای بازارهای مختلف: برای پرسونای مختلف (SMB، Enterprise، Agency) Prompt جداگانه و امتیازدهی جدا داشته باشید.
• گزارش‌گیری: امتیازها و وضعیت‌ها را در یک شیت یا دیتابیس ذخیره کنید تا بعداً روی نرخ تبدیل لیدهای Hot/Warm/Cold تحلیل انجام دهید.

نکات مهم و خطاهای رایج

• امتیاز هوش مصنوعی باید راهنما باشد، نه تنها معیار تصمیم؛ هنوز هم بررسی انسانی برای لیدهای مهم توصیه می‌شود.
• اگر خروجی مدل خیلی متغیر است، Prompt را ثابت‌تر و دقیق‌تر کنید و مثال از لیدهای خوب و بد به آن بدهید.
• برای جلوگیری از هزینه زیاد، می‌توانید فقط لیدهای اکوسیستم‌های خاص (مثلاً B2B، ایمیل کاری، دامنه شرکتی) را به LLM بفرستید.
• حتماً سیاست‌های حریم خصوصی و ارسال داده به سرویس‌های خارجی را در سازمان خود بررسی کنید، به‌خصوص اگر اطلاعات حساس جمع‌آوری می‌کنید.

جمع‌بندی

با ورک‌فلو امتیازدهی و غنی‌سازی لیدها با هوش مصنوعی در n8n و HubSpot می‌توانید از «لیست بلند لیدهای بی‌کیفیت» به یک صف کوتاه از بهترین فرصت‌های فروش برسید. این اتوماسیون کمک می‌کند تیم فروش به‌جای جست‌وجو و حدس، روی لیدهایی کار کند که شانس تبدیل بالاتری دارند.

اگر می‌خواهید فرآیند فروش‌تان هوشمندتر، سریع‌تر و داده‌محورتر شود، ساخت یک Pipeline AI Lead Scoring با n8n، HubSpot و OpenAI یکی از مهم‌ترین قدم‌هایی است که می‌توانید در مسیر Sales Automation بردارید.