אתם רוצים לגשת לנתוני Google Analytics שלכם בלי ללכת למסכי ה-Dashboard המורכבים ולבזבז זמן על הגדרות ידניות? אתם לא לבד. בכל יום עסקים ותובנה פוענחו דרך מלאכותית – אבל מה אם היינו יכולים לשאול שאלות פשוטות בצ'אט ולקבל תשובות מדויקות תוך שניות? במדריך הזה אנחנו נלווה אתכם צעד אחר צעד ביצירת סוכן AI עצמאי ב-n8n, שיעזור לכם לשלוף נתונים על משתמשים, סשנים ומדדים אחרים בצורה אינטואיטיבית וידידותית. אנחנו נתחיל בהגדרת טריגר לצ'אט שיאפשר לכם לתקשר ישירות עם הסוכן, נעבור לבחירת מודל ה-LLM ולהזנת API Key, נעמיק בהגדרת הזיכרון הזמני בתהליך השיחה, ואז נשלב את המודול של Google Analytics כדי לתכנת שאילתות מותאמות אישית. בסוף המאמר תדעו בדיוק איך להטמיע את סוכן ה-AI שלכם בכל סנריו מוסדר ב-n8n, כך שהמידע יהיה זמין לכם בכל רגע נתון – בלי תלות במפתחים או בממשקי משתמש מורכבים. בואו נתחיל ותגלו כמה קל לייעל את העבודה על ידי שילוב בינה מלאכותית פשוטה וחכמה.

ייצור סוכן AI ב-n8n לחיבור ראשוני ל-Google Analytics

בתחילת המסע שלכם עם סוכן ה-AI ב-n8n, אנחנו צריכים ליצור סנריו חדש שיתחיל מרגע שתשלחו פקודת שיחה. אתם תיכנסו לממשק של n8n ותלחצו על "New Workflow" כדי לפתוח חלון עבודה ריק. בשלב הבא תוסיפו Trigger מסוג "Chat" – זהו הטריגר שייקרא את המסר שלכם ויעביר אותו לסוכן. כאשר אתם בוחרים ב-Chat Trigger, הקונפיגורציה פשוטה: תנו לו שם ברור, למשל "צ'אט סוכן Analytics", וודאו שה-Webhook URL זמין לכם. ברגע שהטריגר מוכן, תראו אייקון של Plus (+) שיופיע מתחתיו. לחיצה עליו תציג שלל Nodes לספקים שונים. בקטגוריית AI תבחרו ב"Agent" או "סוכן AI". הוספת הסוכן תיצור Node חדש שבו תוכלו להגדיר את המודל שלכם. לאחר הגדרת ה-Trigger, תעברו לשלב בחירת ומיפוי ה-Chat Node, שבו נגדיר בקצרה כיצד הנתונים יזרמו פנימה והחוצה – למשל: Message → AI Agent → Response. בסיום שלב זה, יצרתם תשתית גנרית לפעולת הצ'אט, וזה הזמן להתחבר ל-LLM.

הגדרת טריגר וצ'אט בסיסי

הטריגר בצ'אט הוא הלב של האינטגרציה: ברגע שאתם לוחצים על המסר בצד הלקוח, הוא עובר ל-Webhook של n8n, שמפעיל את הסנריו שלנו. אתם תגדירו Trigger מסוג Webhook (HTTP POST) ותיקשרו אותו ל-Chat Node, כך שכל בקשה עם תוכן תועבר ישירות לסוכן. ההגדרה כוללת בחירת כתובת URL יחידה, אפשרות לאימות באמצעות API Key פנימי או טוקן ועוד. לאחר מכן, תוסיפו Node מסוג "AI Agent" ותבחרו בתור Source את Chat Node שיצרתם. ההעברה בין ה-Webhook ל-Agent מתבצעת על ידי העתקת הפלט (body) של הבקשה לתוך שדה message של ה-Agent. כך הסוכן יודע אילו מילים קלטתם ומה הוא אמור לענות. בשלב זה אתם למעשה מחברים את ה-trigger הבסיסי לתהליך השיחה, ואפשר אפילו לבצע בדיקות פשוטות על ידי שליחת פנייה דרך Postman או Curl כדי לוודא שאתם מקבלים תגובות ראשוניות מהרקע.

בחירת LLM והתחברות ל-OpenAI

לאחר שהגדרנו את טריגר הצ'אט, הגיע הזמן לבחור מודל שייצר בפועל את התשובות. אתם תבחרו ב-Agent Configuration את ספק ה-LLM, למשל OpenAI, ותבחרו את המודל המתאים – כאן מומלץ OpenAI GPT-4.1 Mini, שמאזן בין דיוק למהירות. כדי לאפשר ל-n8n גישה למודל, עליכם להוסיף API Key: עברו אל חשבון ה-OpenAI שלכם, היכנסו ל-Dashboard → API Keys → Create new secret key, ותעתיקו את הקוד שמתקבל. חזרו ל-n8n, לחצו על New Credentials בספק של OpenAI, והדביקו את ה-Key בשדה הייעודי. לאחר שמירת ההגדרה, תרצו לראות שהאייקון הופך לירוק – סימן שהחיבור פעיל. בשלב זה תוכלו לשלוח שאילתות פשוטות לסוכן ולקבל ממנו תשובות מפורטות יותר כרגע הסוכן מנותק מספר ההקשרים, אבל כבר תוכלו לוודא שסביבת העבודה תקינה וש-LLM מגיב לבקשות שלכם.

הגדרת זיכרון וניהול חוויית שיחה בסוכן AI

כדי להפוך את הסוכן שלכם לאינטראקטיבי באמת ולזכור שיחות קודמות, יש צורך בזיכרון זמני. ב-n8n מוסיפים Node מסוג "Memory" או "Conversation Memory", שבמסגרתו מגדירים כמה הודעות הסוכן ישמור. זה מאפשר לו לענות על שאלות שמבוססות על ההקשר הקודם ולא להתייחס תמיד רק לשאלה הנוכחית. אתם תצרו Node של Simple Memory, תקשרו אותו בין Chat Trigger ובין ה-Agent, ותגדירו שהוא ישמור, למשל, עשר הודעות אחרונות. כך ניתן לשמור על רצף שיחה ברור ולקבל תשובות הגיוניות גם כשמדובר בסדרה של שאלות כמו "מה שאלתי קודם?" או "כמה משתמשים היו אתמול ולפני יומיים?". השילוב בין ה-Memory ל-LLM יוצר חוויה דיאלוגית, שבה אתם מרגישים שהסוכן עוקב אחרי הדיון ולא פשוט מבצע קריאה חד־פעמית של API. כמובן, יש לשקול את עומק הזיכרון כדי לא להעמיס על ה-Workflow, אך הגדרה חכמה של עשר עד עשרים הודעות מאחור מספיקה לרוב התרחישים המקצועיים.

סוגי זיכרון זמני ב-n8n

ב-n8n קיימים מספר סוגי זיכרון שתוכלו לבחור ביניהם: Simple Memory שומר רשימה של הודעות טקסט; Key-Value Memory מאחסן פרמטרים ספציפיים כמו תאריכים או שמות; ו-Context Memory שמאפשר אחסון נרחב יותר של כל משתנה הקשור לשיחה. Simple Memory מתאים למקרים שבהם אתם רוצים לשמור רק על רצף ההודעות האחרון, בלי צורך לנתח מבנה נתונים. Key-Value שימושי כשאתם מעוניינים לגשת לערך מסוים בקלות, לדוגמה טווח תאריכים שהוזן בשיחה; Context Memory מומלץ לסביבות מורכבות עם מספר רב של שלבים ותנאים, שבהם תרצו לשמור על נתונים מורכבים כמו הזנת מסמכים, ניתוח רגשות או סימון אירועים מיוחדים בתהליך. הבחירה בסוג הזיכרון תשפיע על ביצועי ה-Workflow ועל קריאות הקוד בפלטפורמה שלכם.

התאמת עומק הזיכרון לצרכים שלכם

כשאתם מגדירים את אורך רשימת ההודעות הזמניות, חשוב לשאול את עצמכם: האם הסוכן שלכם צריך להיזכר רק בשאלה הקודמת או במקדמי השיחה הארוכים יותר? במקרים של שאילתות פשוטות על נתונים כמו מספר משתמשים ב-7 הימים האחרונים, שמירה של 5–10 הודעות מספיקה. לעומת זאת, אם אתם מבצעים ניתוח רב־שלבי שמשלב שאלות כמו "הצג לי את חודש ינואר", "עכשיו השווה לפברואר" ואז "הוצא דוח HTML כללי", ייתכן שתזדקקו ל-Context Memory רחב יותר. ההמלצה היא להתחיל בפשטות, ולאחר בדיקות מעשיות להגדיל או להקטין את מספר ההודעות השמורות בהתאם לצרכים. אל תשכחו לבחון ביצועים: יותר מדי זיכרון עלול להאט את ה-Workflow, ומעט מדי עלול לפגוע ברצף השיחה הטבעי.

הטמעת Google Analytics בסוכן AI לניתוח נתונים מתקדם

השלב הקריטי במדריך הוא שילוב מודול Google Analytics בתוך הסוכן כדי שיאפשר לכם לשלוף נתונים ישירות מה-GA4. תחילה תוסיפו Node מסוג "Google Analytics" מתוך קטגוריית Tools, ובתצורה שלו תבחרו ב-Data API של Google Analytics 4. בממשק תדרשו להזין Client ID ו-Client Secret שהפקתם דרך Google Cloud Console תחת API & Services → Credentials → OAuth Client ID (Web Application). לאחר שאתם מגדירים את ה-OAuth Redirect URL שמתקבל מ-n8n ומאשרים את החיבור, המסך יראה כפתור "Connect Google Analytics". לחיצה עליו תפתח חלון התחברות לפרופיל שלכם ותקשר את כל ההרשאות הנדרשות לשליפת Metrics. כעת הסוכן שלכם יכול להריץ שאילתות API מתוחכמות כמו Active Users ב-28 הימים האחרונים, כמות Session Per User ונתונים נוספים תוך הפעלת סקריפט פשוט בצ'אט.

טבלת השוואה בין סוגי זיכרון בעבודה עם סוכן AI

דגשים למטריקות ולמידע מעשי

לאחר חיבור Google Analytics, תוכלו להגדיר בתוך ה-Node אילו Metrics לשלוף – Active Users, Sessions, Session Per User, Total Users ועוד. אם רצונכם לשאול שאלות דינמיות כמו "כמה משתמשים היו אתמול ולפני יומיים?", השתמשו בפרמטרי תאריך מותאמים: עברו ל-Custom Date Range, וייצרו שדות הממופים מתוך השיחה (כמו "אתמול", "לפני יומיים"), ואז העבירו אותם ישירות לשאילתה. כך הסוכן יידע לפרש ערכים יחסיים ולהמיר אותם לתאריכים מדויקים. בנוסף, ניתן להגדיר פילטרים כמו Device Category או Location כדי לקבל ניתוח מעמיק יותר. בסופו של דבר אתם תיהנו מגמישות מלאה – פשוט שאלו בצ'אט, וקבלו דוחות JSON מובנים או אפילו דוחות HTML גרפיים שתוכלו להציג בפלטפורמה שלכם.

סיכום – נקודות עיקריות ותובנות אחרונות

בסוף המדריך הזה יצרתם סוכן AI ב-n8n שמתחיל ב-Webhook Trigger, ממשיך ב-Chat Agent עם מודל GPT-4.1 Mini, משלב זיכרון זמני לצורך המשכיות שיחה, ומתחבר ל-Google Analytics 4 כדי לשלוף Metrics בזמן אמת. הגדרתם זיכרון פשוט או מורכב בהתאם לצורך, למדתם לייצר API Key של OpenAI, להפיק Client ID ו-Secret בגוגל, ולהגדיר OAuth Redirect URL משלכם. כעת תוכלו לשאול בצ'אט שאלות כמו "כמה משתמשים היו בשבוע האחרון?" או "השווה בין נתוני ינואר לפברואר", ולקבל תשובות מדויקות ב־JSON או ב־HTML להצגה בדשבורד. הכל מתבצע בצורה אוטומטית, חכמה ונגישה, ובלי צורך בהתערבות ידנית של מפתחים. אנחנו בטוחים שכעת אתם ערוכים להתחיל לבנות סוכני AI מתוחכמים משלכם שמשפרים תהליכים, חוסכים זמן ומספקים תובנות עסקיות מיידיות. שיהיה בהצלחה!