Бізнес-результат

<aside> 💡

• Проблема: У мережі Ябко 130+ магазинів техніки Apple по Україні, і на кожну точку в Google Maps сотні відгуків. Прочитати їх вручну і зрозуміти, на що клієнти скаржаться найчастіше і де саме, фізично нереально.
• Як було раніше: Відгуки обробляються по одному: на кожен пишеться відповідь, але загальної картини по темах і точках немає.
• Що зробилено: Система на n8n, яка збирає публічні відгуки по всіх магазинах мережі, AI розкладає кожен за темою і тональністю, код рахує частку негативу по темах і точках, а інша модель пише звіт для директора з маркетингу.

Результат: Зібрано 5 794 відгуки по 133 магазинах у 47 містах, 3 712 з них з текстом пройшли AI-класифікацію. Виявлено, що понад половина відповідей мережі на негативні відгуки будуються за двома шаблонами. Топ-3 причининезадоволення:

• Найбільше негативу припадає на трейд-ін та вживану техніку — 41 згадка. Далі йдуть гарантія — 34, ремонт — 30, сервіс — 24, персонал — 18 і онлайн-замовлення — 18. Менше, але теж помітно: наявність товару — 12, ціни — 10, розстрочка та оплата — 6. </aside>

Дослідження клієнтського досвіду без доступу до внутрішніх систем компанії: тільки публічні відгуки Google Maps, AI-класифікація та аналітика, зібрані в один n8n-воркфлоу.

Деталі проєкту

Контекст:

• Бізнес/індустрія: Роздрібна мережа магазинів техніки Apple та сервісних центрів (Ябко), 130+ точок в Україні.
• Формат: Безкоштовне дослідження, погоджене з командою Ябко через LinkedIn; результати переглядав директор з маркетингу.
• Поточний процес: Команда відповідає на відгуки, але системного аналізу, які теми і які точки генерують негатив, немає.

Проблема:

• Тисячі відгуків розкидані по 130+ картках Google Maps.
• Ручний аналіз займає тижні і швидко застаріває.
• Середній рейтинг 4.5–5.0 приховує локальні проблеми конкретних магазинів.

Рішення

<aside> 🧠

Apify збирає відгуки Google Maps по всіх магазинах мережі за останні 12 місяців. n8n відсіює магазини конкурентів зі схожою назвою та відгуки без тексту, групує відгуки пачками по 15 і відправляє в OpenAI. Модель повертає для кожного відгуку тему, тональність і коротку суть у JSON. Code-нода рахує частку негативу по темах і точках, а друга модель перетворює цифри на звіт простою мовою в Google Docs. Сирі класифіковані дані зберігаються в Google Sheets для ручної перевірки.

Використані інструменти: n8n, Apify (Google Maps Scraper), OpenAI (через вбудовані кредити n8n), Google Sheets, Google Docs, JavaScript.

</aside>

Логіка рішення: