🧠 概要：
概要
この記事では、n8nとGPTを活用して営業メールの下書きを半自動化する手法について説明しています。具体的には、顧客対応が必要と判断された場合に、顧客情報を基にAIを用いて下書きメールを生成し、その後Gmailで確認・修正できる状態に持っていく流れを解説しています。
要約
- 目的: 顧客対応のデータベースを構築し、営業メールの下書きを半自動化する。
- 前提: 前回の段階で顧客情報をデータベース化し、対応の振り返りや自動化ロジックの改善を目指す。
- 下書きメール作成フロー:
- IFノードで顧客対応が必要と判断
- Airtableから対応コンテンツを取得
- LLM Chatモデルを使用して下書き作成
- AI Messageノードの設定:
- 適切なモデルを選択（著者は「GPT-4.1-MINI」）
- Role設定を「System」として、返信メールの生成に必要な指示を定義
- プロンプト設定:
- 顧客の依頼を要約し必要なアクションをリスト化する形式を指定
- 丁寧な締めくくりと署名を含む
- Gmailノードの追加:
- 下書きメールを作成するためにGmailノードを追加し、タイトルとメッセージを設定
- 業務効率化の提案:
- Difyやn8nを活用したアプリ開発や業務自動化の支援サービスを紹介
この記事を通じて、定型的な営業メール作成の効率化と顧客情報の有効活用が強調されています。
「n8n + GPTで営業メールの下書き作成を半自動化してみた③」では、メール内容が顧客対応が必要な場合に、同時に顧客情報をデータベース化する、という流れを作ってみました。最終回の今回は実際に下書きメールを作成してGmail側で、後で送信するか修正するかを選べる状態まで持っていきます。
はじめに
前回の自動判別ルールを作成した際とちょっと違って、下書きメールを用意するのは今回も非常にシンプルに設定できます。どのノードを使うべきかは利用目的によって異なりますし、それだけ複雑な情報を取り込めたりするので、使い方は知っておくといいかもしれません。
前回でも触れまいたが下書きメールを作成する前に顧客対応データベースを構築しています。その理由は
下書きメールの作成は最終回にカバーしますが、顧客情報をデータベースに保存することでなにがいいかというと顧客対応の振り返り
顧客対応自動化ロジックをUpdateするためのインプットデータの生成
が可能になるからです。この顧客対応データベースを使って以降の回でどうやって下書きメールの精度を上げるのかも試してみようと思います。
2. メールの下書きを作成
メールの下書きフローを早速作ってきます。流れとしては、
-
IFノードで顧客対応が必要と判断され
-
Airtableで格納した対応コンテンツを使って
-
LLM Chatモデルを使って下書きを書いてもらう
という作業になります。
2.1. AI Messageノードの設定
AI Chatモデルを使って実際に返信メールを作成してもらうことにします。
まず、画面右の「＋」ボタンをクリックしたら
AI ＞ OpenAI ＞ Message a model
を選択してください。
Model部分でみなさんの好みのモデルを選んでください。前回でも触れましたが、最終的にはアプリ運用をされると思うので、都度APIコール料金がかかるでしょうから、コスパのいいモデルなのか、品質が高いモデルがいいのか、それぞれのニーズに合わせてモデル選択されるといいでしょう。私は相変わらず「GPT-4.1-MINI」を選択します。
2.2. Roleの設定
Roleについては、公式ドキュメントを読むとこう書かれています。今回は、人格、専門性、出力フォーマットなどを固定した上でn8n内でフロー完結させるので、Roleは「System」と設定しています。
Messages: Enter a Text prompt and assign a Role that the model will use to generate responses. Refer to Prompt engineering | OpenAI for more information on how to write a better prompt by using these roles. Choose from one of these roles:User: Sends a message as a user and gets a response from the model.Assistant: Tells the model to adopt a specific tone or personality.System: By default, the system message is "You are a helpful assistant". You can define instructions in the user message, but the instructions set in the system message are more effective. You can only set one system message per conversation. Use this to set the model's behavior or context for the next user message.もし、ユーザーからの質問、指示、データなどの入力があって、チャット形式でやり取りする際には「User」を選びますし、モデルに過去の応答履歴を「こうだった」と教えたいときは「Assistant」を選ぶといいでしょう。
2.3. LLMチャット内のプロンプトの設定
次は実際にプロンプトを書いてみましょう。ChatGPTで何度か試行錯誤を進めてこのような形に落ち着きました。
「Edit Fields」ノードのアウトプットにはHTMLタグが残る場合もあるので、前回同様このノードでも出力形式について細かい依頼をかけています。
あなたは、実際の顧客からのメールを受け取った際に、次のアクション提案や社内での検討事項を整理したうえで、返信メールのドラフトを生成するシステムです。必ず以下の要件を守ってください。【出力形式】・純粋なプレーンテキストで・実在の改行のみを使用・「n」や HTML タグ、エスケープ文字を一切含めない1. 受領確認メール冒頭で顧客依頼を要約し、承知した旨を記載します。例：このたびは○○についてご依頼をいただき、誠にありがとうございます。内容を拝見し、承知いたしました。2. 必要アクション顧客対応の次ステップを20字以内の短文で番号付きリストにまとめます。例：1. 仕様詳細の社内確認2. 追加要件の把握3. お見積りの作成3. 社内検討（必要時）社内での調整や議論が必要な場合は「社内にて検討のうえ、改めてご連絡いたします。」という一文を必ず挿入します。4. 打ち合わせ候補日時以下の形式で5つ列挙します。6月7日（水）10:00～11:006月8日（木）14:00～15:006月9日（金）13:00～14:006月12日（月）15:00～16:006月13日（火）11:00～12:005. 丁寧な締めくくりご都合をお知らせいただけますと幸いです。等、相手の返信を促す文言で締めます。6. 署名差出人の氏名と会社名を記載します。例：XYZ株式会社佐藤 太郎
2.4. Gmailノードの追加
最後に、Gmailノードを追加します。ここでは「Draft a message」を選んでください。
返信タイトル：「Re：」とつけてSubjectを引っ張ってきます
Message：これはMessageモデルのアウトプットになります
最終的にこういうノードの流れでドラフトメールが完成します。実際に実行したら下書きが作成されていたので、一連の実装が問題なさそうだと確認できました。
業務効率化からプロダクト開発まで、頼れるパートナーをお探しの方へ
私たちは、Difyやn8nなどのローコードツールを活用したアプリ開発・業務自動化の支援を中心に、お客様の課題に寄り添いながら、実践的な並走支援を提供しています。また、ClickUpやJIRAを使った開発コミュニケーションの効率化支援から、顧客と一緒にプロトタイプを迅速に作って実装経験を積む支援サービスも月額固定で行っています。
さらに、オフショア・ニアショアの信頼できる人材ネットワークを活用し、
プロダクト開発やアジャイル開発の立ち上げ・推進をワンストップでサポートします。
「社内に開発リソースが足りない」「生成AIや自動化を取り入れて、もっと効率化したい」
「素早くPoCを立ち上げたい」
そんなお悩みがある方は、ぜひ一度datag株式会社HPからお気軽にご相談ください。
Views: 0
