ระบบค้นหาและจัดอันดับร้านอาหารสำหรับทีม (8-12 คน)
วิเคราะห์ตามเกณฑ์ความเหมาะสมของกลุ่ม งบประมาณ และความสะดวกในการเดินทาง
| อันดับ | ชื่อร้านอาหาร | ประเภทอาหาร | คะแนนรวม | เรตติ้ง | รีวิว (ครั้ง) | ช่วงราคา | คำแนะนำเพิ่มเติมและทำเลที่ตั้ง | แผนที่ |
|---|
ข้อมูลสนับสนุนสำหรับประกอบการตัดสินใจของทีม
ดูดข้อมูลร้านอาหาร Google Maps อย่างถูกวิธี
จัดเก็บและคัดแยกแท็บ Raw และ Clean data
วิเคราะห์ข้อมูล ให้คะแนน และสรุปประเด็นตัดสินใจ
รันไปป์ไลน์คำนวณคะแนนร้านค้าทันทีเมื่อเพิ่มร้านใหม่
พิมพ์คุยสอบถามร้านที่เหมาะสมสำหรับทีมของคุณ โดย AI จะอ้างอิงและค้นหาจากฐานข้อมูลร้านค้าโดยตรง
ระบบดักจับร้านอาหารที่จำนวนรีวิวน้อยกว่า 150 รีวิว เพื่อให้คนสแกนรีวิวจริงประกอบการตัดสินใจและให้ความคุ้มครองความแม่นยำขั้นสุดท้าย (Human-in-the-loop)
| ชื่อร้านอาหาร | ย่านพื้นที่ | ประเภทอาหาร | รีวิว (ครั้ง) | คะแนน AI | ลิงก์ Google Maps | การตัดสินใจของคน |
|---|---|---|---|---|---|---|
| กำลังโหลดรายการคิวตรวจสอบรีวิวต่ำ... | ||||||
พัฒนา **AI Workflow** ที่โปร่งใสและใช้ข้อมูลจริง เพื่อตอบคำถามสำคัญ: "หากต้องเลือกร้านอาหาร 1–3 ร้าน สำหรับจัดมื้อค่ำทีมขนาด 8-12 คน ในย่านธุรกิจหลัก ร้านไหนตอบโจทย์และมีความคุ้มค่าสูงสุด?" โดยรวบรวมข้อมูลผ่านการ Scrape จริง วิเคราะห์และให้คะแนนด้วยโมเดล 100 คะแนนเต็มด้วย AI
ดึงข้อมูลดิบ 100 ร้านจาก Google Maps ผ่าน Apify
เก็บบันทึกลง Google Sheets แยกแท็บดิบ/คลีน
Gemini 3.5 Flash ให้คะแนนตามเกณฑ์ 100 แต้ม
เชื่อม Google Sheets อัปเดตข้อมูลและคำนวณคะแนน
ผลลัพธ์การทำงาน: ระบบสามารถรวบรวมร้านอาหารได้ครอบคลุมทั้ง 5 ย่าน รวม 100 ร้านค้า มีการคัดกรองข้อมูลดิบที่ไม่สมบูรณ์และตัดรายการที่ไม่เกี่ยวข้องออกได้ 100% ด้วยการเขียนเงื่อนไขตรวจสอบข้อมูล (Data Completeness Check) และการจัดประเภท (Categorization) บน AI
ปัญหาและอุปสรรคที่พบ: ในตอนแรกการรันบอท Scraper ค้นหาในเขตกรุงเทพฯ เกิดปัญหาการระบุพิกัดตำแหน่งผิดพลาดเนื่องจาก encoding ของภาษาไทยเพี้ยนในขั้นตอนการส่ง JSON ในคำสั่งเบื้องหลัง ทำให้คีย์เวิร์ดเพี้ยนและค้นหาได้สถานศึกษา/หน่วยงานแทนร้านอาหาร การแก้ไขทำได้โดยสร้างไฟล์ตั้งค่า JSON ในรหัส UTF-8 ที่ไม่มี BOM (Byte Order Mark) และเรียกใช้ผ่าน `curl.exe` โดยตรง ทำให้สามารถระบุพิกัดของกรุงเทพมหานครได้ถูกต้อง 100%
การพัฒนาต่อยอด: ในอนาคตสามารถต่อยอดโดยเชื่อม API ของแพลตฟอร์มจองโต๊ะ (เช่น HungryHub หรือ Eatigo) เพื่อดูสถานะโต๊ะว่างสำหรับกลุ่ม 8-12 คนแบบเรียลไทม์ และส่งข้อมูลสรุปตรงไปยังห้องแชทของกลุ่มเป้าหมายในทันที