隨著社群媒體觸及率越來越低，有不少的公司和自媒體創作者，都會透過電子報來和用戶保持長期聯繫，但在訂閱人數成長的同時，養名單的成本也就會隨之增加，這時候，冷名單的管理就非常重要。 市面上的電子報平台都是按照訂閱者數量來計費，不開信的冷名單就會佔用額度，白白浪費訂閱費，並且會拉低開信率，導致信件有很高的機率會被Gmail歸類為垃圾信，雖然電子報平台都有提供自動化的機制，但都是付費的進階功能。 這篇文章就用Kit（原ConvertKit）電子報平台為例，教你利用n8n串接Kit API，建置電子報冷名單清理自動化，定期篩選電子報冷名單，發送喚回郵件（re-engagement email），並且取消訂閱沒回應的訂閱者，提升電子報名單的品質與開信率。 文章目錄 ↕ 一、電子報冷名單自動化清理的運作流程 二、n8n串接Kit API打造電子報冷名單清理自動化的解決方案 三、n8n串接Kit API打造電子報冷名單清理自動化的實作步驟 1.設定Schedule Trigger：定時排程執行 2.設定HTTP Request：篩選Kit電子報冷名單訂閱者 3.設定Code節點：區分「喚回訂閱者」與「取消訂閱者」 4.喚回流程：設定Split Out節點（切分「喚回訂閱者」） 5.喚回流程：設定Loop Over Items節點（重複逐筆執行） 6.喚回流程：設定HTTP Request節點（Kit標記訂閱者） 7.喚回流程：設定Aggregate節點（合併資料） 8.喚回流程：設定HTTP Request節點（寄送喚回郵件） 9.取消訂閱流程：設定Split Out（切分「取消訂閱者」） 10.取消訂閱流程：設定HTTP Request節點（取消訂閱） 四、成果總結 一、電子報冷名單自動化清理的運作流程...

在每個人幾乎都有LINE帳號的現在，相信大家在逛網站的時候，會發現很多公司或店家都有提供LINE客服的管道，自動化回覆使用者所提出的問題，那要怎麼建置LINE AI客服系統，讓AI Agent精準回答使用者的問題就非常重要。 除此之外，傳統人工客服不但耗費大量的人力成本，遇到高峰時段也很容易來不及回應，透過n8n LINE自動化，讓AI Agent全天候即時回覆常見問題，有效降低客服人力的負擔。 這篇文章就來和大家分享，用n8n串接LINE Message API打造LINE AI客服系統，當使用者提出問題時，AI Agent自動化查詢Google Sheets常見問題資料庫，即時回覆使用者的問題，提供良好的客服體驗。 文章目錄 ↕ 一、n8n LINE AI客服系統使用Google Sheets資料庫的運作流程 二、n8n串接LINE Message API打造LINE AI客服系統的解決方案 三、n8n串接LINE Message API打造LINE AI客服系統的實作步驟 1.設定Webhook：偵測使用者LINE訊息 2.設定Edit Fields：篩選Webhook欄位資料 3.設定AI Agent(FAQ Agent)：查詢Google Sheets資料庫 4. 設定 HTTP Request：透過LINE Message API回覆使用者 四、成果總結 一、n8n LINE AI客服系統使用Google Sheets資料庫的運作流程 想利用n8n打造LINE AI客服系統，整體流程大致分為五個步驟： 偵測使用者訊息。 AI Agent分析使用者訊息關鍵字 AI Agent到 Google Sheets查找相關的資料 如果AI Agent找得到資料，就回覆官方標準的答案 如果AI Agent找不到適合的資料，則寫入公司內部的待處理追蹤清單 ...

這幾年 AI 的盛行，很多人利用 AI 技術來接案，最常看到的就是用 Google 表單，讓潛在客戶填寫需求，接案公司根據內容評估之後，再決定是否承接。可是這樣的人工逐筆評估方式，當案量需求多的時候，除了耗時之外，也很難排出優先順序，容易漏掉高價值的客戶。 相反的，有了自動化的客戶評分(Lead Scoring)機制，就能夠在客戶送出需求之後，自動根據表單的內容或過往的購買記錄，進行潛在客戶評分(Lead Scoring)，排出優先順序，並且依照評分的結果，做不同的後續跟進流程，這也是客戶關係管理(CRM)系統自動化很重要的一環。 這篇文章就以接案的情景為例，利用n8n建立客戶關係管理(CRM)系統的自動化流程，根據客戶填寫的Google表單資料進行潛在客戶評分(Lead Scoring)，將結果寫入 Notion 統一管理，並且串接LINE通知，讓團隊把資源和時間精準投入在高價值的潛在客戶身上。

在使用市面上的AI模型提問題的時候，有沒有遇過AI一本正經的回答問題，但答案可能已經過時或錯誤的情況呢？更不用說是詢問公司內部的領域知識問題了。 這是因為AI模型是使用公開的資料預先訓練好的，所以不會有公司內部的領域知識或即時的資料，那想讓AI模型擁有公司專屬的知識，就可以使用RAG技術來解決。 這篇文章就來和大家介紹RAG是什麼，並且以客服的場景為例，手把手帶大家利用n8n做一個簡單的RAG AI客服系統，讓AI Agent先查詢我們自己建立的RAG向量資料庫，並透過LINE通知客服人員確認，再自動回覆客戶，實現客服自動化，提升回答的品質。

很多公司每天都有處理不完的客服郵件，每封都需要花費時間檢視、查找資料來回答問題，並且相同的問題不斷重複回覆，非常耗費人力和時間。 那想要提升客戶郵件的回覆效率，可以利用 AI Agent 來輔助自動化執行。透過AI模型分析郵件內容的關鍵字，查找資料庫來產生適合的郵件內容，只要人工確認沒問題，就能夠自動回覆郵件。 這篇文章就來示範如何使用 n8n 搭配 Notion知識庫，在收到客戶郵件的同時，AI Agent 自動查詢標準答案與回信，打造完整的 AI 客服系統，如果你也有在使用 Notion 的資料庫，這篇文章一定要看完。

在處理客服郵件時，你還在一封一封的打開、理解問題，再查找資料手動回覆嗎？沒有 AI 客服自動回覆的幫助，當有幾百封的電子郵件需要處理時，真的會瘋掉！ 想建立 AI 客服系統，可以利用 AI Agent 輔助分析郵件內容、自動查找公司的資料來回答問題，我們只需負責檢核正確性，就能大幅減少回覆郵件所花費的時間。 這篇文章就以販售線上課程的情境為例，利用n8n打造AI客服系統，當收到新郵件時，自動觸發 AI Agent 分析內容、查找 Google Sheets 常見問題資料庫，產生郵件草稿後，傳送給客服人員確認，沒問題即自動回覆客戶，實現客服自動化流程。 文章目錄 ↕ 一、AI客服系統使用 Google Sheets資料庫的運作流程 二、用n8n + Google Sheets打造AI客服系統的解決方案 三、用n8n + Google Sheets打造AI客服系統的實作步驟 1.設定 Gmail Trigger：偵測新客服郵件，觸發 n8n 自動化流程 2.設定 Edit Fields(Set)：篩選自動化流程所需的欄位 3.設定 AI Agent(FAQ Agent)：分析郵件並查找 Google Sheets FAQ 資料庫 4.設定 IF 節點：判斷是否需人工處理，決定後續流程 5.AI客服自動回覆流程：AI 擬稿，人工確認後自動回信 ▍設定AI Agent(Email Agent) ▍設定Human Review(Telegram) ▍同意寄出：設定Gmail(Reply to a message)回覆客戶 ▍不同意寄出：設定Gmail(Add label to message)標記需人工處理 6.客服人工處理流程：AI 找不到答案時的備援機制 ▍設定Gmail(Add label to message)標記需人工處理 ▍設定Gmail(Reply to a message)回覆客...

在提供線上預約諮詢服務時，你是不是也在煩惱要如何用最簡單的方式，蒐集潛在客戶的預約諮詢需求，同時不用自己實作行程檢核機制，又能夠避免行程衝突或重複預約的情形，並且即時回覆客戶預約的結果呢？ 這時候就可以使用 Cal.com 這個線上預約系統，免費方案就能夠提供客戶日曆表單來進行預約，它會自動檢核行事曆的行程是否有衝突，並且郵寄預約結果給客戶與顧問雙方，最棒的是還有提供 Webhook 服務，讓我們可以串接 n8n 來實作後續的自動化流程。 這篇教學將帶大家使用 Cal.com 串接 n8n，來建置自動化的線上預約系統，並且將客戶的預約諮詢資料同步寫入 CRM 系統（Notion）中，不用自己手動搬運，大幅提升工作效率。

如果你有在使用Google表單建置線上預約系統，來接收接收客戶的預約諮詢，是不是也遇過這樣的情況：客戶填寫完表單後，需要人工確認預約時間有沒有和其他行程衝突，沒有問題的話再手動把客戶資料填到CRM系統，最後發送郵件通知客戶預約結果。如果時間有衝突，這樣的流程又要再來一遍！ 可想而知，這樣的人工處理流程需要花費不少時間，研究也顯示，回應客戶的時間越長，流失潛在客戶的機會就越高，所以搭建一套n8n自動化的線上預約系統，除了可以減少人工的時間，也能夠提升客戶留存的機率。 這篇文章就來教大家如何透過Google表單串接n8n自動化，打造一套完整的線上預約系統。從Google表單預約系統蒐集客戶的預約諮詢資料、自動偵測時間衝突、同步寫入CRM（Notion），到自動發送預約確認信通知客戶，共 10 個步驟完整拆解，讓你照著做就能完成。

在眾多的資料分析專案中，不動產實價也是很常被拿來分析的主題，那想要利用Python網頁爬蟲蒐不動產的資料，除了可以爬取網站上的資料之外，地方政府也有透過OpenAPI來提供各種不同的開放資料(OpenData)，讓大家進行多元的分析或應用。這篇文章就來和大家分享，如何利用Python網頁爬蟲爬取 臺北市資料大平臺上的不動產實價開放資料 。 開放資料(OpenData)存取方法 Python網頁爬蟲存取 開放資料(OpenData) Python網頁爬蟲爬取開放資料(OpenData) 一、開放資料(OpenData)存取方法 前往 臺北市資料大平台 ，如下圖： 在搜尋的地方輸入「臺北市實價周報」，就可以找到臺北市不動產實價周報的開放資料(OpenData)，如下圖： 點擊之後，可以看到它的資料描述、欄位說明等，那存取方式就在最下面的地方，分別提供下載CSV檔案資料、API、預覽資料集，而想要利用Python網頁爬蟲爬取不動產的實價資料，就要選擇API的方式，如下圖： 在API的文件中，Python網頁爬蟲會需要利用API位址、API使用方式與參數來發送請求，進而爬取回應的不動產實價資料。另外，「API參數及測試」則是依需求選擇性加入的參數，如下圖： 二、Python網頁爬蟲存取 開放資料(OpenData) 瞭解臺北市不動產實價周報的開放資料API使用方式之後，就可以開啟Python網頁爬蟲專案，引用requests模組，如下範例： import requests 接下來，Python網頁爬蟲發送請求到 臺北市不動產實價周報的開放資料API，並且傳入必要的參數，如下範例： import requests # 參數 params = { "resource_id": "2979c431-7a32-4067-9af2-e716cd825c4b" } # 發送請求 response = requests.get( 'https://data.taipei/api/v1/dataset/2979c431-7a32-4067-9af2-e716cd825c4b?scope=resourceAquire', params=params ) 假設我們只想要利用Python網頁爬蟲爬取10筆的臺北...

  每到放假出遊的時候，規劃行程就是最花時間的工作，要到許多網站蒐集各種旅遊景點，而這也是Python網頁爬蟲很常應用的情境，透過自動化的方式有效蒐集熱門的旅遊景點資料，提升規劃行程的效率。這篇文章就用 雄獅旅遊網站 來當作網路爬蟲應用實例，教大家使用Python網頁爬蟲蒐集旅遊資料。 網站分析及爬取策略 Python網頁爬蟲爬取JavaScript網站資料 Python網頁爬蟲爬取多分頁資料 一、網站分析及爬取策略 首先，前往 雄獅旅遊網站 ，如下圖： 截取自 雄獅旅遊 假設我們想要利用Python網頁爬蟲蒐集韓國旅行團的資料，在上面「國外團體」的地方選擇「韓國」，如下圖： 截取自 雄獅旅遊 並且在下面 「季節限定」的區塊選擇 「更多行程」，如下圖： 截取自 雄獅旅遊 就可以看到非常多季節限定的旅行團資料，如下圖： 截取自 雄獅旅遊 這時候點擊滑鼠右鍵，選擇 「檢查」，切換到 「Network(網路)」頁籤，來檢視網頁背後發送請求的況況。 接下來，按下「Ctrl + R」重新整理網頁，並且搜尋網頁上的資料，會發現網站有使用JavaScript發送請求來取得資料，如下圖： 由此可知，這個網頁就是JavaScript型網頁， 那要利用Python網頁爬蟲爬取JavaScript型網頁的資料，我們就需要知道它的請求網址(Url)、請求方法(Request Method)及請求參數(Payload)，可以切換到Headers(標頭)、Payload(參數)頁籤檢視，如下圖： 如果想要瞭解更詳細的Python網頁爬蟲爬取策略，可以參加 我的免費線上培訓 ，教你各種網頁的爬取方法，讓你能夠輕鬆判斷網頁類型，爬取到想要的資料。 二、Python網頁爬蟲爬取JavaScript網站資料 Python網頁爬蟲爬取JavaScript網站回應的資料，需要引用requests模組，如下範例： import requests 接著，利用requests模組發送POST請求到JavaScript的請求網址，如下範例： import requests response = requests.post('https://travel.liontravel.com/search/grouplistinfojson') 由於剛剛有看到網頁發送請求的時候有傳入參數(Payload...