Utilização de agentes para o desenvolvimento de negócios

Scanner de feiras e exposições

Um fluxo de trabalho inteligente de qualificação de leads com base no n8n AI Agent, Bright Data e GPT-5-mini

(Este post foi reproduzido a partir de uma submissão Hackaton por nós - pode aceder ao post original aqui)

As feiras comerciais são minas de ouro para o desenvolvimento de negócios, mas a pesquisa manual de centenas de expositores é morosa e ineficaz. Este fluxo de trabalho automatiza todo o pipeline de prospeção para os participantes em feiras comerciais.

O que faz

O fluxo de trabalho analisa e qualifica de forma inteligente os potenciais clientes a partir de qualquer lista de expositores de feiras comerciais:

1. Extração automatizada de dados: Usa o raspador da web da Bright Data para obter a lista completa de expositores do site da feira comercial e, em seguida, extrai nomes de empresas, descrições, números de estandes e URLs de sites usando análise de HTML
2. Loteamento inteligente: Processa as empresas em lotes configuráveis (atualmente definido para um pequeno número para testes, facilmente ajustável) para gerir os custos da API durante o desenvolvimento
3. Investigação e qualificação com base em IA: Cada empresa passa por um agente de IA que:

• Realiza pesquisas na Web utilizando a SerpAPI e a recolha de dados de sítios Web específicos
• Avalia a dimensão da empresa (pequena/média/grande com base no número de empregados)
• Avalia a sua posição pública sobre iniciativas de dados, IA e automatização
• Classifica cada empresa (baixa/média/alta) como potencial cliente com base nos seus critérios específicos
• Fornece a justificação de cada pontuação para ajudar a dar prioridade aos acompanhamentos

1. Documentação automatizada: Os resultados são automaticamente anexados a uma folha do Google com dados estruturados, incluindo detalhes da empresa, pontuações de qualificação e raciocínio de IA

A camada de inteligência

O agente de IA está configurado com um contexto pormenorizado sobre a minha empresa (lyfX.ai). Procura especificamente empresas que correspondam ao nosso perfil e a um perfil de cliente “ideal”: pequenas e médias empresas com uma abordagem moderna e orientada para o futuro que valorizam o trabalho com equipas especializadas e de alto calibre.

Isto cria uma lista pré-qualificada e prioritária de visitas a stands e objectivos de acompanhamento, transformando o que seriam horas de pesquisa manual num sistema de filtragem automatizado e inteligente.

Demonstração

Vídeo

https://www.loom.com/share/978e4d64c11b405aa85c8d72aca8b6a1?sid=0be6cc43-ea17-461a-9f1d-4e563cd8edac

Fluxo de trabalho n8n

https://gist.github.com/andremoreira73/fe972f825a5f41e36c8df5ad7cb1f2bb

Note-se que o fluxo de trabalho foi limpo para que qualquer pessoa o possa adaptar ao seu próprio caso de utilização. Deixei os avisos intactos, pois podem servir de inspiração para outros.

Implementação técnica

Concebi este fluxo de trabalho com a simplicidade em mente - mantendo a implementação simples, mas mantendo a eficácia. A análise de HTML e as transformações de código são mínimas, apenas o suficiente para estruturar os dados e torná-los digeríveis para o agente de IA. (O JavaScript no nó de código foi gentilmente preparado pelo meu bom amigo Claude 😊)

Escolha do modelo: Estou a utilizar o GPT-5-mini, que já testei noutras configurações. O que aprecio particularmente nos fluxos de trabalho dos agentes é o equilíbrio consistente do OpenAI entre a capacidade de raciocínio e a formatação fiável da saída estruturada. Depois de quase dois anos com a API OpenAI, há também a vantagem prática da familiaridade e da velocidade de desenvolvimento.

Arquitetura da memória: Esta versão inicial funciona sem estado - cada avaliação de empresa é independente. Para uma versão futura, estou a planear implementar memória para padrões de pesquisa mais sofisticados e referências cruzadas entre empresas.

Pilha de ferramentas: Manteve a concentração com apenas duas ferramentas:

• SerpAPI para pesquisa na Web - fiável e rápida para pesquisa em toda a Internet
• Bright Data para scraping direcionado - trata de sites que o agente pode querer analisar

Instruções do sistema: A minha parte favorita! É aqui que a magia acontece - preparámos cuidadosamente um prompt do sistema com instruções que codificam o nosso perfil de cliente ideal e os critérios de avaliação, garantindo uma pontuação de qualificação consistente e relevante.

A vantagem desta abordagem é a sua flexibilidade - troque o URL da feira, ajuste o perfil do alvo nas instruções do sistema e terá um sistema reutilizável de qualificação de leads para qualquer evento.

O utilizador fornece uma lista de empresas que irão participar numa feira comercial. A lista contém o nome da empresa, a descrição, o stand e o sítio Web.
Irei representar a minha empresa (lyfX.ai) na feira.

Sobre lyfX.ai: Ajudamos as organizações a integrar soluções de dados e IA que abordam seus desafios de negócios e fornecem resultados mensuráveis. Ao fundir profunda perspicácia comercial, conhecimento de domínio, ciência de dados e IA moderna, oferecemos estratégias que impulsionam o crescimento, aumentam a eficiência e aumentam a lucratividade.  Temos um profundo conhecimento em produtos químicos, engenharia de processos, fertilizantes e indústrias adjacentes.

Somos uma equipa pequena com pessoas de grande calibre: Um deles é professor catedrático numa universidade de renome na Alemanha e o outro teve uma longa carreira de sucesso nas indústrias química e de fertilizantes. Os membros da nossa equipa possuem diferentes certificações: por exemplo, Google Associate Cloud Engineer, Google Professional ML Engineer, entre outros.

Somos proficientes em python, LangGraph, n8n, django.



Descobrir, a partir da lista de empresas, quais as que devemos abordar como potenciais novos clientes.



- empresa de pequena e média dimensão
- expressa publicamente um grande interesse em dados, IA, automação
- moderno e orientado para o futuro
- não tem medo de trabalhar com uma equipa pequena e de alto calibre



Para cada empresa da lista, faça o seguinte:
1) Descubra o que eles fazem
2) Trata-se de uma empresa pequena (menos de 50 empregados), média (entre 10 e 1000 empregados) ou grande (mais de 1000 empregados)?
3) Com base no que descobriu, classifique a pontuação desta empresa como perfil de cliente-alvo: baixa, média ou alta?

Seja minucioso e atenha-se aos factos.
Se não souber algo ou não encontrar algo, deixe em branco.





SerpApi: Google como motor de busca para pesquisa na Internet
Scraper: Extrai um URL específico conforme necessário



Formato JSON com os elementos:
- nome
- descrição
- posição
- sítio web
- pontuação como perfil de cliente-alvo
- justificação da pontuação

Nó verificado de dados brilhantes

Utilizei o Bright Data em dois pontos críticos do fluxo de trabalho:

• Extração inicial de dados: Bright Data's web scraper trata da extração completa da lista de expositores dos sites de feiras, analisando as páginas de forma confiável (páginas com muito JavaScript, conteúdo dinâmico, etc).
• Como ferramenta de agente para a sua investigação: A Bright Data permite que a IA execute a raspagem direcionada de sites de empresas individuais sob demanda. Isto permite ao agente recolher informações públicas em tempo real sobre a dimensão da empresa, o foco tecnológico e as iniciativas diretamente da fonte.

A integração foi fácil. Os nós n8n da Bright Data exigiram configuração mínima e lidaram com sites complexos que normalmente exigem automação do navegador.

A fiabilidade significou uma intervenção manual zero, mesmo ao processar centenas de expositores, tornando-o ideal para casos de utilização de produção em que a consistência é importante.

Viagem

Este projeto foi uma excelente oportunidade para explorar a n8n e a Bright Data em profundidade. Embora tenha investido no LangGraph, descobri que o n8n é excelente na prototipagem rápida de uma forma que o LangGraph não é. O desenvolvimento do meu fluxo de trabalho habitual envolve vários notebooks Jupyter para experimentar gráficos e agentes, mas o n8n abriu um novo caminho: Agora posso criar protótipos funcionais em horas, em vez de dias, e depois produzi-los no LangGraph ou mantê-los a correr diretamente no n8n.

A utilização da Bright Data foi uma óptima experiência. Anteriormente, eu estava usando outras soluções de raspagem, mas a abordagem da Bright Data é realmente elegante e robusta. O criador de colectores assistido por IA impressionou-me particularmente (embora este fluxo de trabalho não o tenha exigido). O que se destaca é a versatilidade da plataforma. A ferramenta ganhou definitivamente um lugar permanente na minha pilha de tecnologia.

Próximas etapas

A combinação da construção do fluxo de trabalho visual da n8n e a extração de dados confiável da Bright Data cria um ambiente poderoso que preenche a lacuna entre “experiência rápida” e “solução pronta para produção”.”

Este ponto ideal é exatamente o que tenho procurado nos meus projectos de automatização. Já criei mais alguns fluxos de trabalho de desenvolvimento empresarial e estou ansioso por partilhá-los ao longo do tempo!