房产线索自动评分、分配与跟进

原文要点

该n8n工作流（WeblineIndia发布）用Webhook接收网站表单POST的name、email、phone、budget、property_type、location、message字段；邮箱、电话或预算缺失或非法时直接返回错误响应。合格线索插入PostgreSQL的public.leads_tracking表，再发OpenAI（gpt-4o-mini）生成线索评分、HOT/WARM/COLD分级和理由，解析JSON后与原始数据合并，按location分配销售，并把评分、分级、销售、理由回写同一条记录。评分超过80的热线索发Twilio短信、Gmail确认邮件并向Slack销售频道告警，随后按设定延迟再发一封Gmail跟进邮件。需要PostgreSQL、OpenAI、Gmail、Twilio、Slack五套凭据，Twilio需替换有效发送号码。

这次做成什么

搭建一个房产线索评分练习流：Webhook收单→字段校验→入库→AI评分分级→按地区派单→热线索多渠道通知→延迟跟进。这是本站依据原流程描述独立设计的练习方案，节点细节需以n8n.io/workflows/19365原模板为准核对；OpenAI、Twilio等调用可能产生费用。

准备什么

• 可用的n8n实例与新建工作流权限
• PostgreSQL数据库及建表权限（本地Docker实例即可）
• OpenAI API Key且账号可用gpt-4o-mini模型
• Gmail OAuth2、Slack Bot凭据，以及带有效发送号码的Twilio试用或正式账号
• 一个可发POST的测试工具（curl或Postman均可）

具体怎么做

1. 建库表与Webhook入口

   在PostgreSQL执行建表（见材料）。n8n加Webhook节点，方法POST、路径如real-estate-lead，激活后复制生产URL。练习阶段先用测试URL，用curl发一条完整线索确认能收到七字段。

2. 校验并拒绝坏数据

   接IF或Code节点校验：email匹配简单邮箱格式、phone为8位以上数字、budget为大于0的数字。任一不合格直接用Respond to Webhook返回HTTP 400和失败原因JSON，不入库不调用AI。

3. 入库并调用gpt-4o-mini评分

   用Postgres节点把校验后字段插入leads_tracking并取回自增id。再把线索文本拼入评分提示词发OpenAI，要求返回严格JSON：lead_score、lead_type、reasoning。JSON解析节点把结果与原字段合并。

4. 按地区派单并回写

   用Switch或Code节点按location映射销售：练习规则'朝阳/海淀→王顾问，浦东/静安→李顾问，其他→池顾问'。再用Postgres UPDATE按id回写lead_score、lead_type、assigned_agent、reasoning四列。

5. 热线索通知与延迟跟进

   IF节点判断lead_score>80：真分支并行发Twilio SMS、Gmail确认邮件、Slack告警，然后Respond to Webhook返回成功；接一个Wait节点（练习设1分钟，正式可设24小时）后发Gmail跟进邮件。非热线索只回写库并返回普通成功响应。

可直接复制的材料

CREATE TABLE public.leads_tracking (
  id SERIAL PRIMARY KEY,
  name VARCHAR(100),
  email VARCHAR(200),
  phone VARCHAR(30),
  budget NUMERIC,
  property_type VARCHAR(50),
  location VARCHAR(100),
  message TEXT,
  lead_score INT,
  lead_type VARCHAR(10),
  assigned_agent VARCHAR(50),
  reasoning TEXT,
  created_at TIMESTAMP DEFAULT NOW()
);

你是房产销售线索评分助手。根据下面的线索信息输出严格JSON，不要输出其他文字。

线索：姓名{name}，预算{budget}元，意向房型{property_type}，区域{location}，留言：{message}

返回格式：
{"lead_score": 0到100整数, "lead_type": "HOT|WARM|COLD之一", "reasoning": "60字内中文理由"}

评分参考：预算明确且高于300万加分，留言提到具体时间（如本周末看房）加分，只问泛泛信息减分。不要臆测留言中没有的信息。

{
  "name": "赵一鸣",
  "email": "zhaoym@example.com",
  "phone": "13800001234",
  "budget": 5200000,
  "property_type": "三居室",
  "location": "朝阳",
  "message": "预算520万左右，想看朝阳公园附近三居，本周末可以看房"
}

输入与输出示例

本站虚构演示输入与示意输出，未实际运行，分数不保证与gpt-4o-mini真实输出一致。

输入

用curl向Webhook POST上述赵一鸣线索：预算5200000元、三居室、朝阳、留言'本周末可以看房'。

对应输出

Webhook返回{"status":"success","lead_id":7,"lead_type":"HOT"}；leads_tracking表第7行回写lead_score=88、lead_type=HOT、assigned_agent=王顾问、reasoning='预算明确高于300万且约定本周末看房，购买意向强'；Twilio发出确认短信，Slack销售频道出现热线索告警，1分钟后Gmail发出跟进邮件。

做完检查这些

• POST缺email或budget为0的请求收到HTTP 400且数据库不新增任何行
• 合法请求入库后同一行的lead_score、lead_type、assigned_agent、reasoning四列均被回写而非新增重复行
• 构造预算低于100万且留言只问'随便看看'的线索，其lead_type应为COLD且不触发Twilio和Slack
• lead_score>80时Twilio短信、Gmail确认、Slack告警三者都送达，并在Wait结束后收到跟进邮件
• location为未映射城市时assigned_agent落到默认顾问而不是报错中断

容易卡住的地方

• 原文明确Twilio节点的Your_Phone_Number和from值必须替换为有效Twilio发送号码，否则短信步骤报凭据错误
• OpenAI返回偶尔带Markdown代码围栏，JSON解析节点需先做剥离处理，否则回写步骤会中断
• gpt-4o-mini可用性取决于你的OpenAI账号与地区，原文要求自行确认模型可用，不要假设默认可调
• 评分>80才通知意味着提示词评分尺度的改动会直接改变短信和邮件量，改提示词后要用合成数据回归验证
• 练习Wait设1分钟即可验证链路，不要把正式24小时延迟和练习等待混为一谈
• Twilio、OpenAI按用量计费，批量灌测试数据前先用单条验证