寻找屋顶维修潜在客户并执行 AI 语音外呼
发布于 10 月 6 日 • 编辑于 10 月 6 日。任务：作者构建了一个用于屋顶维修潜在客户外呼的 n8n 自动化系统，分为潜在客户发现和语音外呼两个工作流。发现流程使用 Apify/Google Places 查找企业，过滤重复项并将潜在客户存储在 Google Sheets 中。外呼流程选择符合条件的潜在客户，检查本地呼叫时间，通过 SerpAPI 研究竞争对手，使用 OpenAI 生成个性化开场白，并通过 Vapi 执行呼叫。呼叫结果由 AI 分类并写回电子表格。源文本未说明人工审核或批准如何集成到这个自动化循环中。；工具：n8n。人工角色：原始帖子没有说明人如何参与。；局限：前提条件包括 Apify、SerpAPI、OpenAI 和 Vapi 的 API 密钥，以及 Google Sheets 数据库。运营成本取决于 API 使用量和语音通话分钟数。关于 AI 语音可靠性、重试处理和人工交接流程存在集成不确定性，作者明确寻求建议。社区评论强调了电话号码标准化（E.164）和多时区状态等边缘情况，需要基于坐标的时间检查。源文本是自我报告的构建日志，没有独立验证结果。。
工具
Agent Work Atlas 发布日期:
概述
发布于 10 月 6 日 • 编辑于 10 月 6 日
工作流程
作者构建了一个用于屋顶维修潜在客户外呼的 n8n 自动化系统，分为潜在客户发现和语音外呼两个工作流。发现流程使用 Apify/Google Places 查找企业，过滤重复项并将潜在客户存储在 Google Sheets 中。外呼流程选择符合条件的潜在客户，检查本地呼叫时间，通过 SerpAPI 研究竞争对手，使用 OpenAI 生成个性化开场白，并通过 Vapi 执行呼叫。呼叫结果由 AI 分类并写回电子表格。源文本未说明人工审核或批准如何集成到这个自动化循环中。
原文报告的结果
源文本未报告任何测量结果，如转化率、呼叫成功指标或节省的时间。它描述了架构和设计目标，但未提供有关实际性能或失败的数据。可衡量的验收检查需要跟踪一段时间内的呼叫连接率、结果分类准确性和潜在客户转化百分比。
人工角色
原始帖子没有说明人如何参与。
局限
前提条件包括 Apify、SerpAPI、OpenAI 和 Vapi 的 API 密钥，以及 Google Sheets 数据库。运营成本取决于 API 使用量和语音通话分钟数。关于 AI 语音可靠性、重试处理和人工交接流程存在集成不确定性，作者明确寻求建议。社区评论强调了电话号码标准化（E.164）和多时区状态等边缘情况，需要基于坐标的时间检查。源文本是自我报告的构建日志，没有独立验证结果。
试一试
充当 n8n 工作流工程师。我需要构建一个屋顶维修潜在客户外呼系统。[可替换输入：目标城市、Google Sheets ID、Apify/SerpAPI/OpenAI/Vapi 的 API 密钥]。首先，创建潜在客户发现工作流：使用 Apify 抓取 [目标城市] 的 Google Places 屋顶维修企业，过滤有效电话号码，标准化为 E.164，检查与表格中的重复项，并追加新潜在客户。其次，创建外呼工作流：选择一个“新”或“跟进”潜在客户，使用企业坐标验证本地时间是否在上午 9 点至晚上 9 点之间，通过 SerpAPI 获取竞争对手数据，使用 OpenAI 生成个性化开场白，并启动 Vapi 语音呼叫。轮询呼叫状态，使用 AI 分类结果（已预约、不感兴趣等），并更新表格。在实时运行之前，使用 3 个样本潜在客户进行试运行。向我展示 AI 分类的 JSON 输出和更新后的表格行以供人工确认。在我批准试运行结果之前，不要发送真实呼叫。如果任何 API 失败，记录错误并停止工作流。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。