Daha Gelişmiş İş Akışları İçin n8n Orta Seviye Örnekler
Başlangıç seviyesinde temel tetikleyici ve veri taşıma mantığını gördük. Şimdi ise daha kontrollü ve dallanan akışlara geçiyoruz. Bu aşamada birden fazla veri kaynağı kullanıyoruz. Ayrıca koşullu yönlendirme ekliyoruz. Böylece daha gerçekçi iş süreçleri kurabiliyoruz. Bununla birlikte karmaşıklığı bilinçli şekilde yönetmek gerekir.
1. Çoklu form kaynağını tek CRM’de toplama
Problem
Farklı formlardan gelen lead verileri dağılır. Bu nedenle ekip merkezi tabloya ulaşamaz.
Kullanılan node’lar
Webhook, Merge, IF, HTTP Request
Veri akışı
Önce farklı Webhook’lar veriyi alır. Ardından Merge node verileri birleştirir. Daha sonra IF alan kontrolü yapar. Sonrasında CRM API’sine gönderim yapılır.
Kim için mantıklı
Birden fazla kampanya yöneten ekipler.
Risk ve sınır
Alan eşleşmesi doğru yapılmazsa veri kaybı oluşur.
2. E-ticarette stok eşiği kontrolü
Problem
Stok seviyesi düşer ancak ekip bunu geç fark eder.
Kullanılan node’lar
Cron, HTTP Request, IF, Slack
Veri akışı
Öncelikle Cron belirli aralıkla çalışır. Ardından API üzerinden stok verisi çekilir. IF eşik değerini kontrol eder. Eğer şart sağlanırsa bildirim gider.
Kim için mantıklı
Operasyon ekipleri.
Risk ve sınır
Yanlış eşik değeri gereksiz uyarı üretir. Bu nedenle sınır dikkatle belirlenmelidir.
3. Search Console sorgularını filtreleme
Problem
Tüm sorgular tek tabloda toplanır. Bu yüzden analiz zorlaşır.
Kullanılan node’lar
Google Search Console, IF, Google Sheets
Veri akışı
Önce veriler çekilir. Ardından IF belirli kelimeleri filtreler. Sonrasında seçilen sorgular tabloya yazılır.
Kim için mantıklı
SEO ekipleri.
Risk ve sınır
Yanlış filtre önemli sorguları dışarıda bırakabilir.
4. API verisini dönüştürerek başka sisteme aktarma
Problem
Kaynak API karmaşık veri döndürür. Ancak hedef sistem sade format ister.
Kullanılan node’lar
HTTP Request, Function, HTTP Request
Veri akışı
İlk olarak veri çekilir. Ardından Function node veri yapısını dönüştürür. Daha sonra hedef API’ye uygun formatta gönderim yapılır.
Kim için mantıklı
Teknik entegrasyon geliştiren ekipler.
Risk ve sınır
Yanlış dönüşüm veri hatasına yol açar. Bu nedenle test süreci önemlidir.
5. E-posta içeriğine göre otomatik etiketleme
Problem
Destek mailleri manuel sınıflandırılır. Bu yüzden zaman kaybı oluşur.
Kullanılan node’lar
Gmail Trigger, IF, Gmail
Veri akışı
Önce yeni mail tetiklenir. Ardından IF içerikte belirli kelimeleri kontrol eder. Sonrasında uygun etiket eklenir.
Kim için mantıklı
Destek ekipleri.
Risk ve sınır
Anahtar kelime listesi güncel tutulmazsa hatalı etiket oluşur.
6. Onay sonrası ikinci sistem tetikleme
Problem
İşlem onay gerektirir. Ancak manuel takip süreci yavaşlatır.
Kullanılan node’lar
Webhook, Slack, Wait, IF, HTTP Request
Veri akışı
Önce süreç başlatılır. Ardından Slack üzerinden onay istenir. Wait yanıtı bekler. Eğer onay gelirse HTTP Request ikinci sistemi tetikler.
Kim için mantıklı
Operasyon ekipleri.
Risk ve sınır
Onay gecikirse süreç uzar.
7. RSS içeriğini filtreleyerek tabloya yazma
Problem
Tüm içerikler aynı değerde değildir. Bu nedenle analiz zorlaşır.
Kullanılan node’lar
RSS Read, IF, Google Sheets
Veri akışı
Önce RSS çekilir. Ardından IF belirli kriterleri kontrol eder. Sonrasında seçilen içerikler tabloya eklenir.
Kim için mantıklı
Araştırma ekipleri.
Risk ve sınır
Yanlış kriter değerli içeriği eleyebilir.
8. API hata koduna göre uyarı üretme
Problem
API hata verir ancak ekip bunu fark etmez.
Kullanılan node’lar
HTTP Request, IF, Slack
Veri akışı
Önce API çağrılır. Ardından IF status kodunu kontrol eder. Eğer hata varsa Slack bildirim gönderir.
Kim için mantıklı
API entegrasyonu kullanan ekipler.
Risk ve sınır
Detaylı log tutulmazsa kök neden analizi zorlaşır.
9. Koşullara göre farklı akış başlatma
Problem
Tüm veriler aynı işlemden geçer. Bu nedenle süreç verimsiz olur.
Kullanılan node’lar
Webhook, IF, Switch
Veri akışı
Önce veri alınır. Ardından IF temel kontrol yapar. Daha sonra Switch farklı koşullara göre ayrı akış başlatır.
Kim için mantıklı
Segment bazlı işlem yapan ekipler.
Risk ve sınır
Koşullar karmaşıklaşırsa yönetim zorlaşır.
10. Basit AI destekli metin sınıflandırma
Problem
Metin içerikleri manuel analiz edilir. Bu nedenle zaman kaybı oluşur.
Kullanılan node’lar
Webhook, OpenAI, IF
Veri akışı
Önce metin alınır. Ardından OpenAI sınıflandırma yapar. Sonrasında IF sonuca göre akışı yönlendirir.
Kim için mantıklı
İçerik ve destek ekipleri.
Risk ve sınır
Model hatalı sonuç üretebilir. Bu yüzden kritik kararlarda manuel kontrol gerekir.
Orta seviyede amaç birden fazla adımı kontrollü şekilde yönetmektir. Önce veri alınır. Ardından filtrelenir. Daha sonra farklı akışlara yönlendirilir. Böylece n8n ile daha esnek sistemler kurabilirsiniz. Bir sonraki aşamada ise ileri seviyede performans, veri ölçekleme ve gelişmiş AI entegrasyonları ele alınmalıdır.
Bu orta seviye n8n örnekleri içeriği, temel otomasyon akışlarını bir adım ileri taşıyan uygulamaları kapsar; eğer henüz başlangıç seviyesine hakim değilseniz önce n8n Örnekleri Başlangıç Seviyesi rehberini incelemeniz faydalı olur; böylece orta seviye akışları kurarken temel kavramlara sağlam bir zeminle yaklaşmış olursunuz.
Ayrıca hazırladığınız n8n içeriklerinin yapay zeka sistemleri tarafından nasıl yorumlandığını ölçmek için SIAS SEO – Yapay Zeka SEO Analiz Aracı üzerinden analiz yapabilirsiniz. Bu araç sayesinde yapay zeka sistemlerinin sitenizi nasıl algıladığını ve içeriklerinizi alıntılayıp alıntılayamadığını test edebilirsiniz. Böylece yalnızca arama motoru görünürlüğünü değil, aynı zamanda yapay zeka tabanlı sistemlerdeki yapısal görünürlüğü de ölçebilirsiniz.
Yazıya Yorum Bırak