В этом задании вы соберёте аналитического ИИ-агента, который помогает быстро обрабатывать клиентские отзывы и превращать их в структурированный управленческий отчёт.
В этом задании вы соберёте в n8n сценарий на демо-наборе отзывов. Он будет получать отзывы из CSV-файла, анализирует их с помощью LLM, выделяет ключевые проблемы клиентов, группирует повторяющиеся темы и формирует итоговый отчёт с выводами.
Почему это важно? В отзывах клиенты часто прямо говорят о проблемах продукта, сервиса, коммуникации или процессов. Но если отзывов много, вручную анализировать их долго и сложно. Аналитический агент помогает быстро увидеть повторяющиеся боли, оценить эмоциональный фон и подготовить основу для управленческих решений.

Выполнив это задание, вы:

• научитесь подключать демо-данные к workflow в n8n;
• настроите анализ текста отзывов с помощью LLM;
• соберёте логику выделения ключевых проблем, тем и повторяющихся паттернов;
• научитесь формировать структурированный отчёт по отзывам с основными выводами и инсайтами;
• протестируете сценарий на тестовом наборе отзывов и проверите корректность аналитики.

Чек-лист готовности к практическому заданию:

• Изучен лонгрид «Работа с отзывами»
• Изучен лонгрид «Аналитика отзывов и база знаний (RAG)»
• Просмотрен вебинар «Сборка аналитического агента»

Инструменты, которые пригодятся для выполнения задания:

• Аккаунт в n8n Cloud или локально установленный n8n (или VPS сервер: Beget, Timeweb и другие).
• Демо-данные с отзывами в CSV-файле.
• ИИ-модель или AI-нода в n8n для анализа текста отзывов.
• API ключ для ИИ модели (OpenAI, OpenRouter и др.).
• Документ для итогового отчёта: Google Docs, Яндекс Документы или другой текстовый редактор.
• Шаблон для внесения информации по домашнему заданию.

Описание задания

Вам нужно собрать демо-версию аналитического ИИ-агента, который анализирует клиентские отзывы и формирует структурированный отчёт о проблемах клиентов.

Сценарий должен работать так: агент получает набор отзывов из CSV-файла, передаёт тексты на анализ в LLM, выделяет основные темы, проблемы, эмоциональный тон и повторяющиеся сигналы. После этого агент формирует краткий структурированный отчёт: какие проблемы встречаются чаще всего, какие темы требуют внимания, какие выводы можно сделать и какие действия стоит рассмотреть команде.

В результате у вас должен получиться рабочий workflow в n8n для анализа отзывов на демо-наборе данных.
В качестве результата сдайте заполненный шаблон домашнего задания со скриншотами ключевых этапов настройки и коротким описанием тестирования.

Инструкция к выполнению

1. Подготовьте демо-источник данных с отзывами. Загрузите приложенный демо-набор отзывов в таблицу или подключите CSV-файл напрямую к n8n. В наборе должно быть не менее 10–15 отзывов.
2. Создайте новый workflow в n8n. Добавьте ноду для получения данных из демо-источника.
3. Проверьте, что n8n корректно получает отзывы. Убедитесь, что в workflow передаётся текст каждого отзыва и, если есть, дополнительные поля: дата, оценка, канал, продукт, категория или автор.
4. Добавьте этап обработки текста с помощью LLM. Передайте модели тексты отзывов и задайте инструкцию: проанализировать отзывы, выделить ключевые проблемы клиентов, повторяющиеся темы, эмоциональный тон и возможные причины недовольства.
5. Настройте структуру результата анализа. На выходе у вас должны получаться понятные поля, например: тема отзыва, проблема клиента, эмоциональный тон, степень критичности, краткий вывод и возможная рекомендация.
6. Добавьте логику группировки проблем и тем. Агент должен не просто анализировать каждый отзыв отдельно, а находить повторяющиеся паттерны: например, проблемы с доставкой, качеством продукта, скоростью поддержки, интерфейсом, ценой или коммуникацией.
7. Настройте формирование итогового отчёта. В отчёте должны быть основные выводы, список ключевых проблем, частотные темы, примеры отзывов, общий эмоциональный фон и рекомендации для команды.
8. Добавьте финальный шаг сохранения или отправки отчёта. Это может быть создание документа, отправка результата в Telegram, email, Google Docs или другой удобный формат.
9. Протестируйте сценарий на демо-наборе отзывов. Проверьте, что агент корректно выделяет темы, не придумывает несуществующие проблемы и опирается на содержание отзывов.
10. Проведите ручную проверку результата. Сравните выводы агента с исходными отзывами и отметьте, какие выводы выглядят точными, а какие требуют уточнения или доработки промпта.
11. Подготовьте результать для сдачи в шаблоне для внесения информации по заданию. Вставьте в него ссылку на workflow, скриншоты основных нод, пример исходных данных, итоговый отчёт агента и краткий вывод о том, насколько корректно сработал сценарий.

Перед сдачей задания убедитесь, что вы:

• подключили демо-набор отзывов к n8n;
• настроили получение текстов отзывов в workflow;
• добавили анализ отзывов с помощью LLM;
• настроили выделение ключевых проблем, тем и эмоционального тона;
• добавили группировку повторяющихся проблем и паттернов;
• сформировали итоговый отчёт с выводами и инсайтами;
• протестировали сценарий на демо-наборе отзывов;
• проверили корректность аналитики вручную;
• оформили результат в шаблоне для сдачи работы.

Загрузите шабон с оформленными результатами выполненной работы на Google или Яндекс Диск, откройте документ на просмотр по ссылке. Вставьте ссылку на вашу работу в поле «Ссылка на решение» и нажмите «Отправить на проверку». Перед отправкой задания вы можете написать комментарий эксперту.

Критерии оценки задания:

«Зачёт»
· Демо-данные подключены к workflow в n8n.
· Workflow корректно получает и передаёт тексты отзывов на анализ.
· В сценарии есть этап анализа отзывов с помощью LLM.
· Агент выделяет ключевые проблемы, темы и эмоциональный тон отзывов.
· В сценарии настроена группировка повторяющихся проблем и тем.
· Итоговый отчёт содержит основные выводы, инсайты и рекомендации.
· Сценарий протестирован на демо-наборе отзывов.
· В работе есть ссылка на workflow, скриншоты, пример исходных данных и итоговый отчёт.
· В отчёте есть цитаты или фрагменты отзывов, подтверждающие выводы агента.

«На доработку»
· Демо-данные подключены частично или отзывы не передаются в сценарий корректно.
· Анализ отзывов выполняется, но результат слишком общий и не выделяет конкретные проблемы клиентов.
· Агент анализирует отдельные отзывы, но не группирует повторяющиеся темы и паттерны.
· Итоговый отчёт неструктурирован или не содержит понятных выводов.
· Нет ручной проверки корректности аналитики.
· В работе не хватает скриншотов, ссылки на workflow, примера исходных данных или итогового отчёта.

Успехов!