Flow การทำงาน

เอกสารนี้อธิบาย Flow การทำงาน ของระบบ โดยเน้น Use Case หลัก: Admin ตอบลูกค้าผ่าน Chatwoot + LINE OA + AI

Flow หลัก: Admin ตอบลูกค้า

Use Case ที่สำคัญที่สุด - ลดภาระงานของทีม Admin ที่ต้องตอบลูกค้าจำนวนมาก

หมายเหตุ: Chatwoot มี OpenAI API integration อยู่แล้ว - เป็นทางหลักสำหรับการช่วยคิดคำตอบ

1
ลูกค้าส่งข้อความใน LINE OA
ลูกค้าส่งข้อความผ่าน LINE Official Account (มีหลายแบรนด์, หลาย Account)
ตัวอย่าง: "ฉันฝากเงินแล้ว แต่มันยังไม่เข้า"
↓
2
Chatwoot รับข้อความ
Chatwoot เชื่อมต่อกับ LINE OA หลายแบรนด์ รับข้อความทั้งหมดมาแสดงใน Dashboard เดียว
ประโยชน์: ปกติต้องเปิด LINE OA 10 หน้าต่าง → เหลือแค่ Chatwoot หน้าเดียวจัดการลูกค้า 10 แบรนด์ได้เลย
Admin เห็น: Dashboard แสดงข้อความใหม่จากทุก LINE OA แบรนด์ในที่เดียว
↓
3
Admin เปิด Chatwoot และเห็นข้อความ
Admin Login Chatwoot → เห็นข้อความใหม่ → คลิกเพื่อดูรายละเอียด
ข้อมูลใน Chatwoot: ชื่อลูกค้า, ประวัติการสนทนา, Tags
↓
4
Chatwoot ใช้ OpenAI API (Built-in) เพื่อช่วยคิดคำตอบ
Chatwoot มี OpenAI API integration อยู่แล้ว - เพียงแค่ตั้งค่า API Key ใน Settings

AI ใน Chatwoot จะ:
  • อ่านข้อความจากลูกค้า
  • ใช้ FAQ ที่อัพโหลดใน Chatwoot (ถ้ามี)
  • ใช้ Context จากบทสนทนาก่อนหน้า
  • สร้าง Draft คำตอบอัตโนมัติ
↓
5
AI สร้าง Draft คำตอบใน Chatwoot
AI สร้างคำตอบอัตโนมัติและแสดงใน Chatwoot - Admin เห็น Draft พร้อมแก้ไข
Output ใน Chatwoot:
สวัสดีครับ คุณ [ชื่อลูกค้า] ขอตรวจสอบให้ทันทีครับ กรุณาแจ้งข้อมูลดังนี้: 1. Transaction ID หรือ Receipt Number 2. จำนวนเงินที่ฝาก 3. เวลาที่ฝาก ฉันจะตรวจสอบให้เร็วที่สุดครับ
↓
6
Admin ตรวจแก้ไขและส่ง
Human-in-the-Loop: Admin ตรวจคำตอบที่ AI สร้างใน Chatwoot
  • ถ้าถูกต้อง → แก้ไขนิดหน่อย (ถ้าต้องการ) แล้วส่ง
  • ถ้าต้องการข้อมูลเพิ่ม → Copy คำถาม → เปิด OpenWebUI → ใช้ Admin Agent (MCP) ดึงข้อมูล CRM/ประวัติ → แก้ไขคำตอบ → Copy กลับไป Chatwoot
  • ถ้าไม่เหมาะสม → เขียนเองใหม่

สำคัญ: ทุกคำตอบต้องผ่านการตรวจสอบก่อนส่ง - AI เป็นแค่เครื่องมือช่วยคิด
↓
7
ส่งข้อความกลับไปให้ลูกค้า
Admin ส่งข้อความใน Chatwoot → Chatwoot ส่งข้อความกลับไป LINE OA → ลูกค้ารับข้อความ
บันทึก: Chatwoot บันทึกบทสนทนาและ AI responses สำหรับ Learning และปรับปรุง

Alternative Flow: ใช้ OpenWebUI เมื่อต้องการข้อมูลเพิ่มเติม

เมื่อไหร่ควรใช้ OpenWebUI:

  • ต้องการข้อมูลจาก CRM (ประวัติลูกค้า, บัญชี, ธุรกรรม)
  • ต้องการค้นหาจาก Knowledge Base ที่อัพโหลดใน OpenWebUI
  • ต้องการใช้ MCP Tools เพื่อดึงข้อมูลเพิ่มเติม
  • คำถามซับซ้อนที่ต้องการข้อมูลหลายแหล่ง

Flow:

  1. Admin Copy คำถามจาก Chatwoot
  2. เปิด OpenWebUI → Login ด้วย Account ของ Admin
  3. เลือก Admin Agent (เชื่อมกับ CRM MCP Server)
  4. ส่งคำถาม → AI ใช้ MCP Tools ดึงข้อมูล CRM, ประวัติ, FAQ
  5. AI สร้างคำตอบพร้อมข้อมูลเพิ่มเติม
  6. Admin Copy คำตอบ → กลับไปแก้ไขใน Chatwoot → ส่ง

ดูต่อ: Architecture - Integrations · Best Practices - Human-in-the-Loop

ประโยชน์ของ Flow นี้
  • ลดเวลา - Admin ไม่ต้องคิดคำตอบเองทุกครั้ง ลดเวลา 50-70%
  • คำตอบสม่ำเสมอ - ใช้ข้อมูลเดียวกัน มีมาตรฐาน
  • ไม่ต้องสลับ App - เห็นทุก LINE OA ใน Dashboard เดียว
  • เรียนรู้ได้ - ระบบเรียนรู้จากบทสนทนาที่ดี
  • Human Check - ทุกคำตอบผ่านการตรวจสอบ ไม่เสี่ยงส่งผิด

Flow ก่อน/หลัง

ก่อน

  • หลายแอป, ค้นหายาก, ส่งซ้ำ

หลัง

  • ศูนย์กลางที่ Slack + 3 การเชื่อมต่อหลัก + สรุปรายวัน

Flow: ทีมบริหารดูภาพรวม

1
รวบรวมข้อมูลจากทุกทีม
ข้อมูลจาก:
  • ทีม Admin → จำนวนลูกค้า, Response Time, Satisfaction
  • ทีมการตลาด → Performance แคมเปญ, Budget, ROI
  • ข้อมูลรวมเพื่อผู้บริหาร → KPI, Budget Usage, Metrics
  • ระบบ → ยอดธุรกรรม, Revenue
↓
2
AI วิเคราะห์และสรุป (OpenWebUI + MCP)
MCP Tools:
# เรียก MCP Tools เพื่อดึงข้อมูล admin_kpi = get_kpi_data("admin", "last_week") marketing_kpi = get_kpi_data("marketing", "last_week") budget = get_budget_usage("all_teams", "this_month") campaigns = get_campaign_performance("last_week")

AI วิเคราะห์ข้อมูลทั้งหมด → สรุปเป็น Executive Summary
↓
3
แสดงผลใน Dashboard
Output:
  • KPI ของแต่ละทีม (เปรียบเทียบกับเป้าหมาย)
  • งบประมาณที่ใช้ vs วางแผน
  • Performance แคมเปญ (Top/Bottom Performers)
  • Alerts และ Recommendations

ดูต่อ: คู่มือทีมบริหาร · Architecture - Integrations

Flow: ทีมการตลาดวิเคราะห์แคมเปญ

1
ดึงข้อมูลจาก Ad Platforms
MCP Tools:
# ดึงข้อมูลจาก Facebook Ads, Google Ads fb_campaigns = get_fb_ads_performance("last_7_days") google_campaigns = get_google_ads_performance("last_7_days") conversions = get_conversions("last_7_days")
↓
2
AI วิเคราะห์ Performance
AI เปรียบเทียบแคมเปญ: ROI, CTR, CPC → แนะนำแคมเปญที่ควรเพิ่มงบ/ลดงบ/pause
Output: Campaign Report, Recommendations, Priority List
↓
3
ทีมการตลาด Review และตัดสินใจ
ทีมดู Recommendations → ตัดสินใจเพิ่มงบ/ลดงบ/ pause แคมเปญ → Execute ผ่าน Ad Platforms

ดูต่อ: คู่มือทีมการตลาด · Architecture - Integrations

Architecture Flow

ภาพรวมการเชื่อมต่อระหว่างระบบต่างๆ:

LINE OA Accounts
→
Chatwoot
→
Admin Dashboard
→
OpenWebUI
→
MCP Servers
→
CRM / Database / APIs
# Flow Diagram LINE OA (หลาย Account) ↓ Chatwoot Channels (1 Account = 1 Channel) ↓ Chatwoot Inbox (รวมทุก Channel) ↓ Admin เปิด Dashboard ↓ Copy คำถาม → OpenWebUI ↓ OpenWebUI → LLM (GPT-4/Claude) ↓ LLM เรียก MCP Tools ↓ MCP Servers → CRM API / Database / Ads API ↓ MCP Servers → Return Data → LLM ↓ LLM → Generate Response → OpenWebUI ↓ Admin ตรวจ → Copy → Chatwoot ↓ Chatwoot → LINE OA ↓ ลูกค้ารับข้อความ

ข้อมูลสำคัญที่ต้องเก็บ

สำหรับ Learning และ Improvement
  • บทสนทนาที่ดี → เก็บไว้เป็น Template หรือ Best Practice
  • คำถามที่พบบ่อย → เพิ่มเข้า FAQ และ Knowledge Base
  • AI Usage Logs → ใช้เท่าไหร่, Accuracy เท่าไหร่, User Satisfaction
  • Performance Metrics → Response Time, Accuracy, Time Saved
  • Feedback → ลูกค้าพึงพอใจแค่ไหน, Admin ต้องแก้อะไรบ่อย

ดูต่อ: Architecture - Integrations · Best Practices - การจัดการข้อมูล

สิ่งที่ต้องระวัง

  • Human Review เสมอ - AI เป็นแค่เครื่องมือช่วยคิด ทุกคำตอบต้องตรวจสอบ
  • ข้อมูลต้องถูกต้อง - ตรวจสอบว่า AI ดึงข้อมูลถูก Account หรือไม่
  • Privacy & Security - ข้อมูลลูกค้าเป็นเรื่องลับ ต้องระวัง
  • Cost Control - ติดตามการใช้ LLM API เพื่อควบคุมต้นทุน
  • Error Handling - ถ้า AI Error หรือ Timeout ต้องมี Fallback

ดูต่อ: Best Practices - Human-in-the-Loop · Best Practices - การจัดการข้อผิดพลาด