每日扫描滞销房源并让AI给处置建议

原文要点

原模板每天早8点定时运行，读取Google Sheets的Listings表，计算挂牌天数与咨询、带看、出价转化，与组合中位数对比标记低表现房源；设有7天预警冷却和调价后10天宽限；把咨询/带看/出价快照回写表格追踪趋势；入选房源送Google Gemini返回JSON诊断（可能问题、建议动作、严重度）；Slack预警对重复标记可升级并@经纪人或经理，预警日期与次数写回表格；工作流出错会把工作流、节点、错误详情发到Slack。凭据为Google Service Account、Gemini（PaLM）API与Slack，可选MANAGER_SLACK_ID环境变量。

这次做成什么

在自有n8n中按模板搭好「每日滞销房源扫描+AI诊断+Slack预警」链路，并用本站设计的合成房源表做一次端到端练习，跑通触发器→判定→Gemini诊断→Slack与表格写回→失败通知五段。

准备什么

• 一个可用的n8n实例（云端或自托管）并能打开该模板页
• Google Service Account凭据，且表格已共享给该服务账号邮箱
• 含规定列的Google Sheets电子表格与名为Listings的工作表
• Google Gemini（PaLM）API凭据与Slack凭据及目标频道
• 可选：环境变量MANAGER_SLACK_ID用于紧急预警@经理

具体怎么做

1. 建表并填入合成练习数据

   新建Google Sheets，工作表命名Listings，按下方材料建齐列（Listing ID、Property、Status、Listed Date、Enquiries、Viewings、Offers、Last Price Change Date、Prev Enquiries/Viewings/Offers、Prev Snapshot Date、Last Alert Date、Alert Count、Agent Name、Agent Slack ID），填入示例合成行，并把表格共享给Service Account的客户端邮箱。

2. 导入模板并绑定三类凭据

   在n8n模板页将工作流复制到自己的实例，依次把Google Sheets节点指向你的表格和Listings表，给Gemini的HTTP请求节点挂上Gemini API凭据，给Slack节点选择预警与出错通知频道；如需经理升级提醒，在实例环境变量中配置MANAGER_SLACK_ID。

3. 核对触发与判定逻辑

   确认Schedule Trigger为每天8:00；在标记逻辑节点中核对挂牌天数与转化指标的计算、与组合中位数的对比方式、7天预警冷却（依据Last Alert Date）和调价后10天宽限（依据Last Price Change Date）的实现。模板内的具体阈值表达式需在原模板节点中核对，本页下方给出的阈值JSON只是本站练习方案。

4. 配置Gemini诊断并解析JSON

   在Gemini请求节点中放入下方提示词（本站独立撰写），把房源上下文字段插入变量，要求只返回含likely_issue、suggested_action、severity三键的JSON；在其后的解析节点按这三个键取数，失败时走错误分支。具体模型名与端点以模板HTTP节点实际配置为准。

5. 映射Slack消息与表格写回

   把诊断三字段、Listing ID、Property拼进Slack消息体；重复标记时升级并@Agent Slack ID，紧急时用MANAGER_SLACK_ID；发送成功后写回Last Alert Date、Issue/Action列并把Alert Count加1；同时确认每日快照节点用当天Enquiries/Viewings/Offers覆盖Prev列并更新Prev Snapshot Date。

6. 用合成行端到端测试

   手动执行一次工作流：含45天挂牌且咨询低迷的合成行应触发预警，处于冷却期或调价宽限期的行应被跳过；随后故意填错Slack频道再跑一次，确认收到含工作流、节点与错误详情的失败通知。

可直接复制的材料

Listing ID,Property,Status,Listed Date,Enquiries,Viewings,Offers,Last Price Change Date,Prev Enquiries,Prev Viewings,Prev Offers,Prev Snapshot Date,Last Alert Date,Alert Count,Agent Name,Agent Slack ID
L-101,梧桐苑3栋1202,Active,2026-09-01,9,6,1,2026-08-20,8,5,1,2026-09-09,,0,林晓,U0A11TEST1
L-104,滨江里7栋301,Active,2026-07-28,1,1,0,2026-08-15,2,1,0,2026-09-09,2026-09-02,1,周航,U0A11TEST2
L-107,青禾公寓2栋805,Active,2026-08-10,7,4,0,2026-09-08,6,4,0,2026-09-09,,0,林晓,U0A11TEST1

你是房产组合运营分析师。根据下面这套房源的JSON数据，诊断它相对于组合中位数表现不佳的最可能原因，并给出一条可执行的处置建议。

房源数据：
{{ $json }}

要求：
1. 只输出一个JSON对象，不要输出任何其他文字或代码块标记。
2. JSON结构固定为：{"likely_issue":"一句话指出最可能的问题","suggested_action":"一条具体可执行的建议，如调整价格区间、重拍首图、优化标题关键词、安排集中带看等","severity":"low|medium|high之一"}
3. 若挂牌天数明显低于组合中位数但咨询转化差，优先怀疑定价或展示素材；若咨询正常但无出价，优先怀疑价格预期或看房体验。
4. severity依据偏离中位数的幅度与挂牌天数综合判断。

{
  "cooldownDays": 7,
  "priceChangeGraceDays": 10,
  "flagRules": {
    "enquiriesBelowMedianRatio": 0.5,
    "viewingsBelowMedianRatio": 0.5,
    "minDaysOnMarket": 21,
    "zeroOffersAfterDays": 30
  },
  "escalateWhenAlertCountAtLeast": 2
}

输入与输出示例

本站虚构演示，非作者运行结果；Gemini实际输出可能不同。

输入

合成行L-104：挂牌45天，本期Enquiries=1、Viewings=1、Offers=0；组合中位数为Enquiries=8、Viewings=5；Last Alert Date为2026-09-02已超出7天冷却，距上次调价已超过10天。

对应输出

Gemini示意返回{"likely_issue":"挂牌45天但咨询量仅为中位数的约12%，最可能是定价偏高或首图展示缺乏吸引力","suggested_action":"核对同小区近30天成交价并下调挂牌价3%-5%，同时重拍客厅与阳台首图","severity":"high"}；Slack消息：「⚠️ 滞销预警 L-104 滨江里7栋301｜问题：定价偏高或首图吸引力不足｜建议：下调3%-5%并重拍首图｜严重度：high <@U0A11TEST2>」，写回Last Alert Date=当天、Alert Count=2。

做完检查这些

• 手动执行后，L-104这类超冷却、低转化的合成行在Slack产生一条含三字段诊断的预警
• 处于7天冷却期或调价后10天宽限期的行被跳过，Slack无新增消息
• 预警成功后表格Last Alert Date更新为当天、Alert Count加1，Prev快照列被当日数据覆盖
• Gemini返回可被解析为含likely_issue、suggested_action、severity的合法JSON
• 故意填错Slack频道重跑，能收到含工作流名、节点名与错误详情的失败通知

容易卡住的地方

• Service Account必须被共享到表格，否则读取节点报权限错误
• 缺列或列名不一致会让中位数与冷却判断拿到空值，先对照必需列清单核对
• Gemini的模型名、端点与配额以模板HTTP节点实际配置和你的API为准，模型服务可能另收费
• Last Alert Date与Last Price Change Date格式不统一会导致冷却/宽限判断失效
• Slack @人需要成员ID（U开头）而非显示名，MANAGER_SLACK_ID未配置时紧急预警不会@经理
• AI诊断只是处置建议，不会自动改价或下架，需人工执行