◎ Objective — เป้าหมาย
workflow นี้สร้างมาเพื่ออะไร
ช่วยทีม 8–12 คน ตัดสินใจเลือกร้านอาหารในกรุงเทพฯ ได้เร็วและมั่นใจ โดยรวบรวมข้อมูลร้านจริงจาก Google Maps มาให้คะแนนด้วยเกณฑ์ 100 คะแนน แล้วสรุปเป็น Top 3 / Top 10 ที่ใช้ตัดสินใจได้ทันที — ไม่ต้องไล่หาเองทีละร้าน
⇲ Workflow Overview
ตั้งแต่ scraping จนได้หน้า HTML นี้
Scrape Google Maps
รัน Apify actor compass/crawler-google-places ดึงร้านย่านละ 30 ร้าน × 5 ย่าน = 150 ร้าน
เก็บข้อมูลดิบ
export JSON ออกจาก Apify เก็บเป็น raw_<area>.json (หลักฐาน scraping) → วางลง Google Sheets แท็บ raw_data
Google SheetsClean & Normalize
ใช้ AI ทำความสะอาดชื่อ/ประเภท/ที่อยู่ ตัดข้อมูลซ้ำ จัดรูปแบบเรตติ้ง-รีวิว → แท็บ clean_data
Claude AIให้คะแนน 100 คะแนน
คำนวณ 6 หมวด (Rating, Group, Price, Travel, Completeness, Uniqueness) ตามน้ำหนักที่กำหนด → แท็บ scoring
Scoring ModelAutomation
n8n trigger รับ JSON → คำนวณคะแนน → เขียนกลับ Google Sheets อัตโนมัติ (1 จุด automation)
n8nวิเคราะห์ Top 3 / Top 10
ใช้ AI สรุปอันดับ เหตุผล และ trade-off ของร้านที่เด่นที่สุด
Claude AIสร้างหน้า HTML
รวมทุกอย่างเป็นหน้าเดียว — ค้นหา / กรองย่าน / ปรับขนาดกลุ่ม / แผนที่ / AI chatbox
HTML · CSS · JS⚙ Tools Used
เครื่องมือที่ใช้จริงในแต่ละขั้น
🔗 Data Sources
แหล่งข้อมูลพร้อม URL · รวม 150 ร้าน
ร้าน
★ Top 3 — แนะนำให้เลือก
3 อันดับแรก พร้อมเหตุผล ใช้ตัดสินใจได้ทันที · แตะการ์ดเพื่อดูรายละเอียด
10 Top 10 Ranking
เรียงตามคะแนนรวมจากทั้ง 150 ร้าน · แตะแถวเพื่อดูรายละเอียด
≡ ร้านทั้งหมด
👆 แตะที่ร้านเพื่อดูคะแนนย่อย 6 หมวด + แผนที่ + ช่องทางติดต่อ
🤖 AI ผู้ช่วยหาร้าน
ถามได้เลย เช่น "ร้านอันดับ 1", "ร้านญี่ปุ่นทองหล่อ", "รีวิวเยอะสุด"
⇄ Comparison — เปรียบเทียบ Top 3
จุดเด่น / ข้อควรระวังของ 3 อันดับแรก (ปรับตามย่าน + ขนาดกลุ่มที่เลือก)
ข้อมูล 150 ร้าน จาก Google Maps (Apify) · ให้คะแนนด้วย Scoring Model 100 คะแนน
จัดทำโดย Max · 7 มิถุนายน 2026