## 工作流概述
这个n8n工作流自动化了员工入职后的留存跟踪和分析流程。它从Google Sheets中提取候选人数据和特质汇总信息，通过AI处理生成留存分析摘要，并自动发送给相关利益相关者。
## 工作流步骤详解
### 📊 数据获取阶段
– **候选人数据获取**：从Google Sheets的”Hires Tracking”工作表获取候选人详细信息
– **特质汇总获取**：从”Retention Summary”工作表获取特质级别的留存统计数据
### 🔀 数据处理阶段
– **数据合并**：将候选人数据和特质数据合并为统一的数据集
– **候选人评分与数据标准化**：通过代码节点清理、标准化和丰富合并后的数据集
– 将行拆分为`candidates[]`和`traits[]`数组
– 构建特质→权重查找映射
– 基于候选人的特质计算每个候选人的`Candidate_Score`
### ✅ 数据验证
– 验证候选人和特质数组是否都包含记录
– 条件检查：`candidates.length > 0` AND `traits.length > 0`
– 如果为TRUE → 继续到LLM摘要生成
– 如果为FALSE → 工作流路由到错误日志记录
### 🧠 AI处理阶段
– **留存摘要生成器**：使用Azure OpenAI生成HTML留存摘要
– 生成包含以下部分的电子邮件：
– TL;DR摘要
– 顶级特质（强留存+正权重）
– 弱特质（差留存+负权重）
– 候选人亮点
– 3个可操作的JD优化建议
### 📧 输出阶段
– **电子邮件投递**：通过Gmail发送留存摘要
– 使用LLM生成的HTML作为电子邮件正文
– 主题：”留存分析摘要 – 每周更新”
### ⚠️ 错误处理
– **错误处理逻辑**：将失败的运行追加到错误日志工作表
– 记录详细信息如error_id和错误消息
– 确保优雅处理不良数据而不中断工作流
## 技术特点
– **自动化数据处理**：自动从Google Sheets提取和合并数据
– **智能评分系统**：基于特质权重动态计算候选人分数
– **AI驱动分析**：使用Azure OpenAI生成专业的留存分析报告
– **错误恢复机制**：完善的错误处理和日志记录系统
– **实时通知**：自动将分析结果发送给相关团队
## 应用场景
这个工作流特别适合：
– 人力资源团队进行员工留存分析
– 招聘经理跟踪新员工表现
– 数据分析团队自动化报告生成
– 需要定期留存分析的组织
评论(0)