מה ההבדל בין Make ל-n8n לבוט וואטסאפ?

n8n ניתן להרצה עצמית ו-AI-native, מתאים לבוט כבד. Make ענני ונוח אבל יקר יותר לזרימות AI במודל ה-credits.

↓ צ'קליסט 9 השלבים (PDF)

מדריך מעשי לבעלי עסקים

בוט וואטסאפ עם AI שעונה ללקוחות, מסנן לידים, וקובע פגישות

Q: הבוט יחליף נציג אנושי?

לא. הוא עונה ומסנן ומעביר לנציג ברגע הנכון. הנציג תמיד יכול להשתלב.

Q: הוא מבין הקלטות קוליות?

כן, אחרי שמוסיפים שלב תמלול שממיר את ההקלטה לטקסט.

Q: כמה זמן לוקח להקים?

תלוי במורכבות. בוט בסיסי באוויר תוך שבועות, מערכת מלאה לוקחת יותר.

Q: כמה עולה להפעיל בוט וואטסאפ?

מ-1 ביולי 2025 מטא מתמחרת לפי הודעה. מענה חופשי בתוך חלון 24 השעות הוא ללא עלות, וגם טמפלייט Utility בתוך החלון. תעריף מדויק לפי מדינה נלקח מה-rate card של מטא.

Q: אפשר לבנות בוט וואטסאפ בלי מתכנת?

הרכיבים no-code יחסית, אבל כיול הבוט, הטמפלייטים וההעברה לנציג הם העבודה האמיתית שדורשת ניסיון.

Q: כבר יש לי מערכת על מספר הוואטסאפ, אפשר להוסיף בוט?

לוואטסאפ יש webhook אחד למספר. צריך לנתב אותו דרך ה-Inbox או להעביר אותו, ולא לחבר שתי מערכות במקביל.

זה המדריך המלא לאיך בונים אחד. כל שלב, כל רכיב, וכל המקומות שבהם זה נשבר. 24/7.

9 שלבים · ארכיטקטורה מלאה · המכשולים האמיתיים

●

פתיחה

למה בכלל בוט וואטסאפ עם AI

רוב הלידים פונים בוואטסאפ ומצפים לתשובה מיידית.

כל דקה שעוברת מורידה את הסיכוי לסגור. בוט AI טוב עונה תוך שניות, מבין מה הלקוח צריך, מסנן את הרציניים, ומעביר לנציג רק כשצריך. הוא לא תפריט לחצנים. הוא מבין שפה חופשית, גם הקלטות קוליות, ויודע לדבר על העסק שלך מתוך מידע אמיתי.

לקוח←Cloud API←Inbox←אוטומציה←מוח AI←בסיס ידע

והתשובה חוזרת באותה דרך. צריך אדם? הבוט מעביר לנציג אנושי באותה שיחה.

מה יש בפנים

הרכיבים · מה צריך כדי לבנות אחד
9 השלבים · מאפס עד אוויר
המכשולים שאף אחד לא מספר עליהם
כמה זמן וכמה כסף
שאלות נפוצות

▤

הרכיבים

מה צריך כדי לבנות אחד

חמישה רכיבים עובדים יחד. כל אחד לבד פשוט. לחבר את כולם נכון זה העבודה.

WhatsApp Business Platform (Cloud API)הצינור הרשמי של מטא לשליחה וקבלה בנפח. לא וואטסאפ רגיל. צריך אימות עסק במטא.

פלטפורמת שיחות (Inbox)מרכזת את כל השיחות במקום אחד, כמו Chatwoot. כאן נציג אנושי משתלב בכל רגע, וכאן רואים את כל ההיסטוריה.

מנוע אוטומציהמחבר הכל ומריץ את הלוגיקה, כמו n8n או Make. מקבל הודעה, שולח למוח, מחזיר תשובה.

מודל שפה (LLM)המוח. Claude או GPT. זה מה שמבין את הלקוח ומנסח תשובה.

בסיס ידע (RAG)המידע על העסק שלך: שירותים, תהליך, שאלות נפוצות. המודל שולף מכאן כדי לענות נכון ולא להמציא.

⌗

ארכיטקטורה

הארכיטקטורה הנכונה, וה-webhook היחיד

זו הנקודה שמפרידה בין בוט שעובד לבוט ששובר אחרי שבוע. ל-WhatsApp Cloud API יש יעד webhook אחד לכל מספר. כל ההודעות הנכנסות זורמות ל-URL אחד. מי שמחזיק אותו, שולט בשיחות. אי אפשר לפגל את אותו מספר לשתי מערכות במקביל.

אזהרה: אם כבר יש לך מערכת על המספר

אם המספר כבר מחובר ל-BSP או לתרחיש Make, חיבור בוט חדש שלוקח את ה-webhook ישבור את הקיים. הפתרון: או מעבירים את ה-webhook דרך override_callback_uri, או שה-Inbox מחזיק אותו ומפיץ הלאה. לעולם לא שתי מערכות על אותו מספר.

הפתרון שלנו: Chatwoot מחזיק את ה-webhook של מטא, ו-n8n רץ כ-Agent Bot של Chatwoot. Chatwoot מעביר כל הודעה נכנסת ל-n8n, n8n מפעיל את המוח ועונה חזרה דרך ה-API של Chatwoot. כך הבוט עונה, ותיבת המענה האנושי נשארת שלמה.

לקוח←Meta Cloud API←Chatwoot (webhook)←n8n Agent Bot

ו-n8n מריץ: מודל (Claude/GPT) + RAG (Pinecone) + זיכרון לפי טלפון. התשובה חוזרת דרך Chatwoot. ב-handoff מקצה נציג והבוט משתתק.

ה-stack המדויק שאנחנו מריצים (גלוי לגמרי)

Chatwootה-Inbox. מחזיק את ה-webhook של מטא, מרכז שיחות, מענה אנושי + בוט באותה שיחה.

self-host

n8nמנוע האוטומציה + ה-AI Agent. רץ כ-Agent Bot של Chatwoot.

self-host

Claude / GPTהמוח. מחליפים ביניהם בהחלפת node אחד ב-n8n.

LLM

Pinecone + OpenAI embeddingsבסיס הידע (RAG). מימד ה-index חייב להתאים למודל (text-embedding-3-small = 1536).

RAG

OpenAI Whisperתמלול הקלטות קוליות (whisper-1, שפה he).

voice

לפני שמתחילים

חשבונות ותשתית

לפני שלב 1, פותחים את החשבונות ומרימים את התשתית. זה החלק הטכני הראשון, והוא חד-פעמי.

חשבונות שצריך לפתוח

Meta: חשבון Business Manager + Meta for Developers (אפליקציה)
מספר טלפון עסקי ייעודי (לא מחובר ל-WhatsApp רגיל)
Anthropic (Claude) או OpenAI (GPT) – API key למוח
OpenAI – ל-embeddings ול-Whisper (גם אם המוח הוא Claude)
Pinecone – חשבון ל-RAG
שרת/VPS (למשל DigitalOcean) ל-Chatwoot ו-n8n, עם דומיין

// מרימים Chatwoot ו-n8n על השרת (Docker) // Chatwoot: docker-compose הרשמי + reverse proxy (Caddy/Nginx) ל-SSL docker compose up -d => https://chat.your-domain // n8n: docker run -d -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n => https://api.your-domain (מאחורי reverse proxy + SSL)

כל ה-stack self-host, אז הדאטה של הלקוחות נשארת אצלך. VPS בסיסי = כמה דולרים לחודש.

הליבה

9 השלבים · מאפס עד אוויר

▸ שלב 1 · מגדירים מה הבוט צריך לעשות

לפני שנוגעים בטכנולוגיה: מה המשימה. לענות על שאלות נפוצות. לסנן לידים לפי תקציב או צורך. לקבוע פגישת היכרות. להעביר לנציג במקרים מסוימים. ככל שההגדרה חדה יותר, הבוט טוב יותר. בוט שמנסה לעשות הכל עונה גרוע על הכל.

▸ שלב 2 · פותחים WhatsApp Business Platform

נרשמים ל-Cloud API של מטא, מחברים מספר עסקי ייעודי (לא הפרטי), ומאמתים את העסק ב-Meta Business Manager. בסוף השלב יש מספר וואטסאפ רשמי שמסוגל לשלוח ולקבל דרך API.

// 2 מסלולי onboarding Embedded Signup // popup שמקים WABA + מספר + webhooks (טוב לריבוי לקוחות) Manual // מוסיפים מספר ידנית ומפעילים: POST /{PHONE_NUMBER_ID}/register { messaging_product:'whatsapp', pin:'{6-digit}' } // scopes: whatsapp_business_management , whatsapp_business_messaging

Coexistence: אותו מספר רץ גם באפליקציית WhatsApp Business וגם ב-Cloud API בו-זמנית, כך לא מאבדים שיחות קיימות. דורש את אפליקציית ה-Business (לא הרגילה), ושהמספר לא מחובר לפלטפורמת API אחרת.

// מסלול ההקמה במטא (Manual): 1. developers.facebook.com > Create App > type Business 2. Add product: WhatsApp 3. Business Manager > Security Center > אימות עסק (יכול לקחת ימים) 4. WhatsApp > API Setup > הוסף מספר, אשר display name 5. Business Settings > System Users > צור system user > Generate Token scopes: whatsapp_business_management , whatsapp_business_messaging 6. POST /{PHONE_NUMBER_ID}/register { messaging_product:'whatsapp', pin:'{6-digit}' }

שמור את ה-token במקום בטוח, לא בטקסט גלוי. ה-Phone Number ID וה-WABA ID מופיעים ב-API Setup.

▸ שלב 3 · מחברים Inbox שמחזיק את השיחות

מחברים את המספר לפלטפורמת שיחות אחת. נקודה קריטית: לוואטסאפ יש webhook אחד בלבד. מי שמחזיק אותו שולט בשיחות. לכן בונים נכון מההתחלה: ה-Inbox מחזיק את ה-webhook ומעביר את ההודעות הלאה למוח. כך גם הבוט עונה וגם נציג אנושי יכול להשתלב באותה שיחה.

// הקולבק של Chatwoot = ה-webhook שמטא שולחת אליו https://chat.your-domain/webhooks/whatsapp/{PHONE_NUMBER} // מטא מאמתת אותו ב-GET handshake: GET /webhook ? hub.mode=subscribe , hub.verify_token={TOKEN} , hub.challenge={XYZ} => verify token, return 200 + {XYZ} // App Dashboard > WhatsApp > Configuration: subscribe field messages // נכנס + סטטוסי מסירה (sent/delivered/read)

אצלנו Chatwoot מחזיק את הקולבק הזה. מלכודת אמת: Chatwoot שולח token בכותרת api-access-token עם מקף. reverse proxy שמוריד כותרות עם קו תחתון יחזיר 401.

// Chatwoot: יוצרים inbox מסוג WhatsApp Cloud Chatwoot > Inboxes > Add Inbox > WhatsApp > Cloud API מדביקים: Phone Number ID , WABA ID , Access Token // Chatwoot מציג Callback URL + Verify Token. מעתיקים למטא: Meta > WhatsApp > Configuration > Callback URL + Verify Token > subscribe: messages

מרגע זה Chatwoot מחזיק את ה-webhook ומענה נכנס+יוצא עובדים. עכשיו מחברים את המוח.

▸ שלב 4 · בונים את המוח

כותבים למודל הוראות ברורות: מי אתה, מה אתה מוכר, איך אתה מדבר, מתי לסגור פגישה, מתי להעביר לנציג, ומה אסור. מחברים את בסיס הידע כדי שהתשובות יישענו על מידע אמיתי.

✦ AI בפעולה · המוח

ה-system prompt הוא ההבדל בין בוט שנשמע כמו טופס לבוט שנשמע כמו איש מכירות טוב. מחברים RAG כך שהמודל שולף תשובות מהמידע האמיתי של העסק, ומוסיפים כלים, למשל משיכת מידע חי מהאתר.

כלים: מוח: Claude / GPT · זיכרון ו-RAG: Pinecone · פעולה ראשונה: כתוב עמוד של השאלות שלקוח שואל לפני קנייה.

// n8n workflow (Tools Agent): [Webhook: Respond=Immediately] -> [Filter: message_type=incoming AND status=pending] -> [Set: phone, text, conv_id, account_id (מתוך event של Chatwoot)] -> [AI Agent] Chat Model: Anthropic (Claude) // או OpenAI Memory: Postgres Chat Memory, sessionId = phone Tool: Pinecone Vector Store (As Tool) + Embeddings OpenAI (1536) -> [IF text מתחיל ב HANDOFF::] -> מעבירים לנציג (שלב 8) [ELSE] -> שולחים תשובה דרך Chatwoot (שלב 5)

// system prompt (דוגמה למכירות): אתה [שם], נציג מכירות של [העסק]. המטרה: לקבוע שיחת היכרות. דבר עברית, קצר, חם, בלי ז'ארגון. ענה רק מתוך הידע; אם אין מידע, אל תמציא. לפני מחיר: הבן צורך. שאל שאלה אחת בכל פעם. אם מבקשים אדם, או שאלה שאין לך תשובה – החזר בדיוק: HANDOFF:: וסיכום קצר.

הטריק: מגדירים מחרוזת אחת (HANDOFF::) שהמודל מחזיר כשהוא רוצה נציג, ו-n8n מזהה אותה ומעביר.

// workflow נפרד, רץ פעם אחת: הזנת בסיס הידע (RAG) [מסמכי העסק: שירותים, FAQ, התנגדויות] -> [Default Data Loader] -> [Text Splitter] -> [Embeddings OpenAI 1536] -> [Pinecone: Insert Documents] // ה-index ב-Pinecone חייב להיות במימד 1536, כמו המודל

▸ שלב 5 · מחברים את הזרימה

ההודעה הנכנסת עוברת אל מנוע האוטומציה, משם אל המוח, והתשובה חוזרת אל הלקוח דרך אותו Inbox. בונים זיכרון שיחה לפי מספר טלפון, כדי שהבוט יזכור את ההקשר ולא יתחיל כל הודעה מאפס.

// 1. רושמים את n8n כ-Agent Bot של Chatwoot POST /platform/api/v1/agent_bots { name, outgoing_url, account_id } POST /api/v1/accounts/{id}/inboxes/{inbox_id}/set_agent_bot { agent_bot: {BOT_ID} } // 2. n8n Webhook node: Respond = Immediately (200 מיד, השאר async) // 3. מגיבים רק על: message_type=incoming AND status=pending // 4. Simple Memory: sessionId = טלפון השולח (ידני, אין Chat Trigger) // 5. עונים דרך Chatwoot: POST /api/v1/accounts/{id}/conversations/{cid}/messages { content, message_type: 'outgoing' }

שתי מלכודות: (1) חובה להחזיר 200 מיד, אחרת מטא שולחת שוב והבוט עונה כפול. (2) Simple Memory נמחק ב-restart של n8n. לפרודקשן: Postgres/Redis Chat Memory.

● הזמנה אישית · Studio Pro

ראית את הארכיטקטורה. רוצה שנבנה לך את זה?

עשרים דקות, נסתכל יחד על העסק שלך ונבין איפה בוט AI יכניס לך פגישות. ללא עלות, בלי התחייבות.

לתיאום שיחת היכרות ←

בלי מצגת מכירה. פשוט מנתחים יחד את המצב אצלך.

▸ שלב 6 · מטפלים בחוק 24 השעות של מטא

זה החלק שהכי הרבה אנשים מפספסים. מטא מאפשרת לשלוח טקסט חופשי ללקוח רק בתוך 24 שעות מאז שהוא כתב אחרון. מחוץ לחלון הזה אפשר לשלוח רק טמפלייט מאושר מראש. לכן כל שליחה יזומה, כמו תזכורת לפגישה, חייבת לעבור כטמפלייט. בלי זה ההודעה לא מגיעה, ונראה לך שהיא נשלחה.

// בתוך החלון (24ש) – טקסט חופשי: POST /{PHONE_NUMBER_ID}/messages { to:'9725XXXXXXXX', type:'text', text:{ body:'…' } } // מחוץ לחלון – רק טמפלייט מאושר: { type:'template', template:{ name:'…', language:{ code:'he' }, components:[…] } } // טקסט חופשי מחוץ לחלון מחזיר: error 131047 – more than 24h since last user reply // to = E.164 בלי ה-+ המוביל

סוג הודעה	מתי	תמחור (מ-1.7.2025)
Service (טקסט חופשי)	רק בתוך חלון 24ש	ללא עלות
Utility (טרנזקציונלי)	טמפלייט	חינם בתוך החלון, בתשלום מחוצו
Marketing	טמפלייט	בתשלום תמיד (גם בחלון)
Authentication	טמפלייט (OTP)	בתשלום תמיד

מ-1.7.2025 מטא מתמחרת per-message (לא עוד per-conversation). המנוף: להשאיר את הלקוח בתוך חלון 24ש ולענות חופשי (חינם). תעריף מדויק לישראל/+972 מה-rate card החי של מטא.

צ'קליסט טמפלייט שעובר אישור בפעם אחת

משתנים רצופים {{1}},{{2}}, לא מתחילים או מסתיימים במשתנה
בלי מקצרי URL (bit.ly) ובלי wa.me, רק דומיין מלא
Utility = טרנזקציונלי בלבד. מ-9.4.2025 ניסוח שיווקי מסווג מחדש ל-Marketing היקר
בלי נתונים רגישים (מספר כרטיס, ת.ז.), בלי טון ספאמי
opt-in לפני כל שליחה יזומה, והאישור נאסף לא דרך וואטסאפ עצמו

// יוצרים טמפלייט ומגישים לאישור: Meta > WhatsApp Manager > Message Templates > Create category: Utility | name: lead_intro | language: Hebrew body: שלום {{1}}, קיבלנו את הפנייה שלך. נחזור אליך בהקדם. // אישור: דקות עד ~48ש. סטטוס: Approved / Rejected // שליחה דרך Chatwoot (מחוץ לחלון): POST …/conversations/{cid}/messages { template:{ name:'lead_intro', language:'he', processed_params:{ body:{ '1':'דני' } } } }

▸ שלב 7 · מוסיפים הבנה של הקלטות קוליות

לקוחות שולחים הרבה הקלטות. מוסיפים שלב שמתמלל את ההקלטה לטקסט לפני שהיא מגיעה למוח, כך שהבוט עונה כאילו זה היה כתוב.

// האודיו לא ב-webhook, מקבלים media id. שליפה ב-2 שלבים: GET /{MEDIA_ID} => { url, mime_type } // url פג תוך 5 דקות GET {url} (Bearer token) => הקובץ הבינארי // n8n: OpenAI node, Resource=Audio, model whisper-1, language=he

וואטסאפ שולח הקלטות כ-OGG/Opus, ש-Whisper תומך בו. אם קובץ נדחה, מוסיפים שלב המרת ffmpeg לפני התמלול.

▸ שלב 8 · מגדירים העברה לנציג

מגדירים בדיוק מתי הבוט מרים ידיים: בקשה מפורשת לדבר עם בן אדם, או שאלה שהוא באמת לא יודע. ברגע ההעברה הבוט משתתק, מקצה נציג, ומשאיר סיכום קצר. נציג שמשתלט ממשיך באותה שיחה בלי שהלקוח מרגיש תפר.

// הבוט החזיר HANDOFF:: ? מעבירים לנציג: POST …/conversations/{cid}/toggle_status { status: 'open' } POST …/conversations/{cid}/assignments { assignee_id: {AGENT_ID} } // הבוט מגיב רק כש status=pending, אז עם open הוא שותק לבד // להחזיר את הבוט: status חזרה ל pending

מלכודה: auto-assignment על ה-inbox חייב להיות כבוי, אחרת שיחות חדשות נכנסות מוקצות והבוט לא עונה.

▸ שלב 9 · מודדים הכל במקום אחד

כל שיחה, כל הודעה יוצאת, כל תזכורת, מרוכזות ב-Inbox אחד. כך רואים כמה לידים נכנסו, כמה ענה הבוט, כמה עברו לנציג, וכמה נסגרו לפגישה. בלי מדידה אי אפשר לשפר.

// מדרגת מכסת ההודעות היזומות (למספר, ב-24ש): 250 (לא מאומת) -> אימות עסק -> 1K -> 10K -> 100K -> Unlimited // עולה אוטומטית אם quality=Medium/High ופתחת חצי מהמכסה ב-7 ימים

quality rating (ירוק/צהוב/אדום) נקבע לפי חסימות ודיווחים. צניחה לאדום = Flagged, ואם לא מתאושש תוך 7 ימים המכסה יורדת מדרגה. בוט שמציק = פחות scale.

✓

בדיקה

איך יודעים שהבוט עובד

צ'קליסט בדיקות לפני אוויר

שלח הודעה ממספר אחר: שיחה נכנסת ל-Chatwoot כ-pending והבוט עונה תוך שניות
שלח הקלטה קולית: הבוט מתמלל ועונה כאילו זה טקסט
כתוב 'רוצה נציג': הבוט מעביר, משתתק, והשיחה עוברת ל open
טסט זיכרון: שתי שאלות רצופות, הבוט זוכר הקשר
טסט RAG: שאל על שירות ספציפי, התשובה מהמידע האמיתי ולא מומצאת
טסט טמפלייט: שלח למספר שלא כתב 24ש, וודא status=sent על המכשיר

בזמן הבדיקות: auto-assignment על ה-inbox חייב כבוי, אחרת שיחה נכנסת כבר מוקצית והבוט לא עונה.

האמת

המכשולים שאף אחד לא מספר עליהם

חלון 24 השעות. שליחה מחוץ לחלון בלי טמפלייט נופלת בשקט. צריך לבנות נכון מההתחלה.
טמפלייטים. כל הודעה יזומה צריכה טמפלייט מאושר מראש מול מטא, עם אישור שיכול לקחת זמן, ועם מבנה משתנים מדויק.
ה-webhook היחיד. אם כמה מערכות מנסות להחזיק את אותו מספר, משהו נשבר. צריך ארכיטקטורה אחת ברורה.
כיול ההעברה לנציג. בוט שמעביר על כל שטות, או הפוך, שלא מעביר כשצריך. כיול הלוגיקה הזו הוא העבודה האמיתית.
בסיס ידע ריק או מיושן. מודל בלי מידע נכון ימציא. צריך לתחזק את הידע.
מספרים בפורמטים שונים. אותו לקוח יכול להופיע פעמיים אם לא מנרמלים את הטלפון נכון.
החזרת 200 איטית. אם ה-webhook לא מחזיר 200 תוך כמה שניות, מטא שולחת שוב, והבוט עונה פעמיים. חובה 200 מיד, עיבוד אסינכרוני.
סיווג מחדש של טמפלייט. מאז 9.4.2025 מטא ממירה טמפלייט Utility ל-Marketing אם הניסוח שיווקי. אותו טמפלייט פתאום עולה כסף.
opt-in. אסור לשלוח הודעה יזומה בלי שהלקוח אישר מראש, ולא דרך וואטסאפ עצמו. בלי זה נחסמים.
איכות שיורדת. יותר מדי חסימות מורידות את ה-quality rating, ומשם המכסה היומית יורדת. בוט אגרסיבי הורג את עצמו.
זיכרון נדיף. זיכרון in-memory ב-n8n נמחק ב-restart. לפרודקשן צריך Postgres/Redis, אחרת הבוט שוכח באמצע.
מימד embeddings לא תואם. index ב-Pinecone שנוצר עם מימד שונה מהמודל מחזיר שליפות שבורות. 1536 חייב להתאים בשני הצדדים.
טוקן ה-Agent Bot. בחלק מגרסאות Chatwoot הטוקן של הבוט נכשל על חלק מה-endpoints. נופלים חזרה לטוקן של agent רגיל.

כל אחד מהשלבים אפשרי לבד. ביחד, באוויר, בלי תקלות ובלי לאבד לידים, זה פרויקט.

₪

כנות

כמה זמן וכמה כסף

עלות הרכיבים עצמם נמוכה יחסית. העלות האמיתית היא הזמן והידע להרכיב הכל נכון, לכייל את הבוט, ולוודא שכל ליד מקבל מענה. עסק שבונה לבד מגיע לרוב לבוט שעובד חלקית. ההפרש בין חלקית למושלם הוא בדיוק מה שמכניס פגישות.

המנוף הכלכלי הגדול: לשמור את הלקוח בתוך חלון 24ש ולענות חופשי (חינם). ממזערים שליחות Marketing, מעדיפים Utility טרנזקציונלי. על ה-stack: n8n באחסון עצמי עולה כמה דולרים לחודש.

⇄

החלטות

n8n או Make, Claude או GPT

קריטריון	n8n	Make
אחסון	self-host, שליטה מלאה בדאטה	ענן בלבד
AI	AI Agent + RAG + memory native	AI Agents חדשים, פחות בשלים
תמחור	לפי הרצות (community self-host חינם)	מ-8.2025 מודל credits, יקר ל-AI
מתאים ל	בוט AI כבד, דאטה רגישה	זרימות פשוטות, בנייה מהירה

לבוט מכירות AI כבד אנחנו בוחרים n8n. למודל: Claude נוטה ליתרון קל בעברית ובדבקות ל-system prompt, GPT חם יותר לשיחה. זה כיוון ולא חרות בסלע: עדיף A/B על שיחות אמיתיות בעברית. ב-n8n החלפה בין המודלים = node אחד.

מקורות: תיעוד מטא (pricing / messaging limits / templates), Chatwoot API docs, n8n docs. תעריפים מדויקים לפי מדינה משתנים, בדוק ב-rate card החי.

לא רוצה לבנות את זה לבד?

אנחנו בונים בוטים כאלה לעסקים, מקצה לקצה.

מחוברים, מכוילים, ונמדדים. בלי שתצטרך לגעת ב-API אחד.

שיחת היכרות ללא עלות

עשרים דקות. נבין את העסק, ונראה איפה בוט וואטסאפ מכניס לך כסף.

לתיאום שיחה ← שלחו לנו וואטסאפ ←

שאלות נפוצות

מה שואלים אותנו הכי הרבה

האם זה וואטסאפ רגיל?

לא. זה WhatsApp Business Platform הרשמי של מטא, שמיועד לעסקים ולנפח.

הבוט יחליף נציג אנושי?

לא. הוא עונה ומסנן, ומעביר לנציג ברגע הנכון. הנציג תמיד יכול להשתלב.

הוא מבין הקלטות קוליות?

כן, אחרי שמוסיפים שלב תמלול. הבוט מתמלל את ההקלטה לטקסט ועונה כאילו זה היה כתוב.

כמה זמן לוקח להקים?

תלוי במורכבות. בוט בסיסי באוויר תוך שבועות, מערכת מלאה עם סינון ופגישות לוקחת יותר.

אפשר לחבר ליומן ולקבוע פגישות אוטומטית?

כן, זה אחד השימושים הכי שווים. הבוט מזהה ליד בשל, מציע מועד פנוי, וקובע ישירות ביומן.

כמה עולה להפעיל בוט וואטסאפ?

מ-1.7.2025 מטא מתמחרת per-message. מענה חופשי בתוך חלון 24 השעות חינם, וגם טמפלייט Utility בתוך החלון. תעריף מדויק לפי מדינה מה-rate card של מטא. ה-stack עצמו (Chatwoot, n8n) בהרצה עצמית עולה מעט.

אפשר בלי מתכנת?

הרכיבים הם no-code יחסית (Chatwoot, n8n), אבל כיול הבוט, הטמפלייטים וההעברה לנציג הם העבודה האמיתית. בלי ניסיון מגיעים לרוב לבוט שעובד חלקית.

מה ההבדל בין Make ל-n8n?

n8n ניתן להרצה עצמית, AI-native, ומתאים לבוט כבד. Make ענני ונוח לבנייה מהירה, אבל ממודל ה-credits החדש יקר לזרימות AI.

אפשר לחבר ל-CRM, ליומן או ל-Google Sheets?

כן. n8n מתחבר למאות מערכות, כך הבוט שומר ליד, קובע פגישה ביומן, ומעדכן CRM באותה זרימה.

כבר יש לי מערכת על מספר הוואטסאפ. אפשר להוסיף בוט?

לוואטסאפ יש webhook אחד למספר. צריך לנתב את ה-webhook דרך ה-Inbox או להעביר אותו, לא לחבר שתי מערכות במקביל. עם Coexistence אפשר להוסיף בלי לאבד שיחות.

▤

להעמיק

מרכז הידע של Studio Pro

המדריך נתן את התמונה. באתר יש מאות מאמרים, כלים ומחשבונים:

טכנולוגיה ו-AI

לידים וצמיחה

StudioPro

מרכז הידע לעסקים · studio-pro.co.il

דברו איתנו: 077-2316204 · וואטסאפ

שיווק דיגיטלי

שיווק מסורתי

פיתוח עסקי

השקעות

ניהול כספים

אקדמיה

טכנולוגיה

הזירה העסקית

איך בונים בוט וואטסאפ עם AI – המדריך המלא מאפס עד אוויר