📋 SmartForm როგორც საუბრის ინსტრუმენტი

SmartForm Trigger წარმოადგენს სამუშაო პროცესების შესვლის წერტილს, რომელიც აგროვებს მომხმარებლის პასუხებს ფორმის მეშვეობით. ყველა შეგროვებული მონაცემი, მათ შორის AI-ის მიერ გამოთვლილი შედეგები (თუ ფორმის კონფიგურაციაში ჩართულია), გადაეცემა SmartFlow-ს. ეს საშუალებას გაწვდით ფორმის მონაცემების დინამიურად გამოყენებას თქვენს სამუშაო პროცესებში და ლოგიკით გაწვდილი მოქმედებების შექმნას.

---

📝 Trigger დეტალები

სახელი: SmartForm
კატეგორია: Triggers

---

🔧 პარამეტრები

1. ფორმის ID

• ტიპი: string
• აღწერა: SmartForm-ის უნიკალური იდენტიფიკატორი.
• მطلობელია: დიახ
• მაგალითი:

  form12345

2. ფორმის პასუხები

• ტიპი: object
• აღწერა: შეიცავს ყველა კითხვას და მათ შესაბამის პასუხებს, რომლებიც შეიძლება გამოყენებულ იქნას როგორც ცვლადები SmartFlow მოქმედებებში.
• მطلობელია: დიახ
• მაგალითი:

  {
    "name": "John Doe",
    "email": "john.doe@example.com",
    "age": 30,
    "feedback": "Great service!"
  }

3. შენიშვნა

• ტიპი: string
• აღწერა: აყენებს შენიშვნას AI-სთვის ფორმის დასრულების შემდეგ. როგორც წესი, ეს არის AI-ის მიერ გამოთვლილი შედეგი ან ფორმის პასუხები. თუმცა, შეგიძლიათ მოარგოთ იგი ხელით.
• მطلობელია: اختیاری
• ნაგულისხმები მნიშვნელობა: ფორმის შედეგი ან პასუხი.

---

🚀 როგორ მუშაობს

1. ფორმის დასრულება:

   • მომხმარებლები ურთიერთობენ SmartForm-თან და პასუხობენ კითხვებზე.

2. შედეგების მართვა:

   • ფორმის გაგზავნის შემდეგ, SmartFlow იღებს:
     • ყველა ფორმის მონაცემი: თითოეული კითხვა და პასუხი როგორც ცვლადები.
     • შედეგი (თუ ჩართულია): AI-ის მიერ გამოთვლილი შედეგები მომხმარებლის შეყვანების საფუძველზე.
   • შენიშვნა განისაზღვრება როგორც გამოთვლილი შედეგი ან ნაგულისხმები ფორმის მონაცემები.

3. ცვლადები სამუშაო პროცესში:

   • თითოეული კითხვა და პასუხი ხელმისაწვდომია SmartFlow მოქმედებებში გამოყენებისთვის.
   • მაგალითი: გამოიყენეთ {name} ან {feedback} ელფოსტის მოქმედებაში.

---

💡 გამოყენების შემთხვევები

1. პერსონალიზებული onboarding

• სცენარი: გამოიყენეთ SmartForms მომხმარებლის დეტალების შეგროვებისათვის onboarding-ის დროს.
• სამუშაო პროცესი:
  • ფორმიდან მიღებული ცვლადები (მაგ., სახელი, ასაკი) გამოიყენება მომდევნო ნაბიჯების პერსონალიზაციისთვის.
  • მაგალითი: მომხმარებლების მიცემა კონკრეტულ მომხმარებელთა წარმატების მენეჯერს მათი პასუხების საფუძველზე.

2. გამოკითხვის ანალიზი

• სცენარი: შეაგროვეთ უკუკავშირი და გაანალიზეთ იგი დინამიურად.
• სამუშაო პროცესი:
  • გამოიყენეთ AI-ის მიერ გამოთვლილი შედეგები განწყობის შეფასებისთვის.
  • ცვლადები როგორიცაა {rating} და {feedback} გამოიყენება შესაბამისი მოქმედებების გასატარებლად.

3. დინამიური გადაწყვეტილების მიღება

• სცენარი: დაუშვით SmartFlow-ის გადაწყვეტილების მიღება მომხმარებლის პასუხების საფუძველზე.
• სამუშაო პროცესი:
  • კითხვები ფორმაში (მაგ., {role}) ხელმძღვანელობენ სამუშაო პროცესის მომდევნო ნაბიჯებს.

---

🔍 მაგალითი კონფიგურაცია

ფორმის ID:

customerFeedbackForm01

ფორმის კითხვები:

{
  "name": "string",
  "email": "string",
  "feedback": "string",
  "rating": "number"
}

შენიშვნა:

"უკუკავშირის ანალიზი დასრულებულია. განწყობა: დადებითი."

---

🛠️ რჩევები

1. შენიშვნის კონტროლი:

   • ხელით დააყენეთ შენიშვნა AI-ის მომდევნო მოქმედებაზე გავლენის მოხდენისთვის. მაგალითად:

     "ახალი სამუშაო პროცესის დაწყება ფორმის მონაცემების საფუძველზე."

2. დაგეგმვა:

   • ფორმის გაგზავნების ტესტირება, რათა დარწმუნდეთ, რომ ყველა ცვლადი სწორად გადაეცემა SmartFlow-ს.

3. შედეგების სიზუსტე:

   • თუ შედეგების გამოთვლა ჩართულია, დარწმუნდით, რომ AI-ის ლოგიკა ფორმაში სწორად არის კონფიგურირებული ზუსტი შედეგებისათვის.