<aside> 🤖

Кейс: AI-система кваліфікації та аналітики лідів для маркетингової агенції GrowthLab — три пов'язані AI-воркфлоу на n8n

</aside>

1) Context 🏙️

• Ніша: маркетингова агенція (агенція зростання)
• Процес: вхідні ліди з сайту обробляли менеджери вручну
• Що робили руками: відповідали в чаті, ставили кваліфікаційні питання, заносили дані в CRM, аналізували діалоги, готували звіти для керівництва

2) Problem ⚠️

• Було: вхідні ліди з сайту обробляли менеджери вручну — відповідь у чаті, кваліфікація, занесення в CRM, аналіз діалогів і звіти.
• Чому це критично: ручна обробка повільна й не масштабується — менеджер не доступний 24/7, і лід встигає охолонути, поки до нього дійдуть.
• Субʼєктивність і хаос: кваліфікація «гарячий/холодний» без єдиних критеріїв, якість діалогів ніхто системно не аналізує, звіти для CEO збираються вручну й нерегулярно.
• Ціль: зробити обробку лідів миттєвою й цілодобовою, кваліфікацію — обʼєктивною, а звітність — автоматичною.

3) Solution ✅

Побудована екосистема з трьох пов'язаних AI-воркфлоу на n8n. AI-агент сам веде діалог за моделлю BANT, рахує скоринг ліда (0–100) і створює лід у CRM. Другий агент аналізує якість кожного діалогу. Третій щотижня зводить кількісні та якісні дані у звіт для CEO. Воркфлоу пов'язані через Postgres (історія діалогів), поле Skype_ID (місток лід ↔ діалог) і Google Sheets (база аналізу).

4) Process 🔁 (Prompt design → API integration → n8n workflow)

🧠 Prompt design

• System Prompt для агента кваліфікації: повний сценарій BANT, таблиця скорингу по 4 категоріях (0–25 балів кожна), правила фолбеку для обов'язкових полів CRM, нормалізація телефону.
• Окремі промпти для агента-аналітика та агента-звіту зі строгим структурованим виводом (Structured Output Parser).

🔌 API integration

• OpenAI (GPT-4o) — LLM усіх трьох агентів.
• Zoho CRM — створення й читання лідів.
• Google Sheets — база аналізу діалогів.