اتوماسیون تحقیق محصول و تولید محتوای سئو با هوش مصنوعی در n…

اتوماسیون تحقیق محصول و تولید محتوای سئو با هوش مصنوعی

این گردش کار فرآیند تحقیق محصول و تولید محتوای سئو را خودکار می‌کند. این برای بازاریابان دیجیتال، متخصصان سئو و متخصصان تجارت الکترونیک طراحی شده است که نیاز دارند با تجزیه و تحلیل داده‌های رقبا، به سرعت توضیحات محصول بهینه شده و فراداده سئو ایجاد کنند.

این گردش کار و بسیاری موارد دیگر را در کاتالوگ n8n در Axeto.ai کاوش کنید.

---

نمای کلی گردش کار

این گردش کار به بلوک‌های منطقی زیر تقسیم شده است:

1. دریافت ورودی: عنوان محصول را از طریق یک فرم وب از کاربر جمع‌آوری می‌کند.

2. آماده‌سازی کوئری: عنوان محصول را برای کوئری جستجوی سفارشی گوگل فرمت می‌کند.

3. جمع‌آوری داده‌های رقبا: جستجوی سفارشی گوگل را برای بازیابی اطلاعات محصولات رقبا انجام می‌دهد.

4. استخراج داده‌های رقبا: عنوان‌ها، توضیحات و کلمات کلیدی را از نتایج جستجو استخراج می‌کند.

5. تولید محتوا و سئوی هوش مصنوعی: از LLM در LangChain برای تولید فراداده سئو و محتوای محصول بر اساس بینش رقبا استفاده می‌کند.

6. بهبود محتوای هوش مصنوعی: کیفیت و جذابیت محتوای تولید شده را با استفاده از مدل چت Google Gemini بهبود می‌بخشد.

7. قالب‌بندی محتوا: محتوای تولید شده توسط هوش مصنوعی را به بخش‌های ساختاریافته برای فراداده سئو و جزئیات محصول تقسیم می‌کند.

8. ذخیره‌سازی داده‌ها: محتوای نهایی را برای مدیریت آسان به یک سند Google Sheets اضافه می‌کند.

---

تحلیل گره‌های جزئیات

۱. دریافت ورودی

• هدف: دریافت عنوان محصول از کاربر برای شروع گردش کار.
• گره‌ها:

* On form submission (فعال‌ساز فرم)

* Edit Fields (تنظیم)

• جزئیات گره:

* On form submission:

* نوع: n8n-nodes-base.formTrigger

* نقش: گردش کار را از طریق فرم ورودی کاربر فعال می‌کند.

* پیکربندی: منتظر ارسال فرمی است که شامل فیلد الزامی title برای نام محصول باشد.

* ورودی: ورودی کاربر از رابط کاربری وب.

* خروجی: JSON حاوی title ارسال شده.

* ملاحظات: اعتبارسنجی فرم فیلدهای الزامی گمشده را مدیریت می‌کند. نیاز به در دسترس بودن Webhook دارد.

* Edit Fields:

* نوع: n8n-nodes-base.set

* نقش: عنوان محصول را برای کوئری جستجوی بعدی آماده و قالب‌بندی می‌کند.

* پیکربندی: فیلد title ارسال شده را مستقیماً در ویژگی JSON خود به نام title کپی می‌کند.

* ورودی: خروجی گره On form submission.

* خروجی: JSON با ویژگی title آماده برای کوئری.

* ملاحظات: عناوین خالی یا بدشکل ممکن است بر نتایج جستجو تأثیر بگذارند. در این مرحله هیچ تبدیلی اعمال نمی‌شود.

۲. آماده‌سازی کوئری

• هدف: ساخت و اجرای یک کوئری Google Custom Search API با استفاده از عنوان محصول برای جمع‌آوری داده‌های رقبا.
• گره‌ها:

* Google Search (درخواست HTTP)

• جزئیات گره:

* Google Search:

* نوع: n8n-nodes-base.httpRequest

* نقش: جستجوی سفارشی گوگل را برای یافتن محصولات رقبا و اطلاعات مرتبط انجام می‌دهد.

* پیکربندی:

* URL: https://www.googleapis.com/customsearch/v1

* پارامترهای کوئری: شامل کلید API، شناسه موتور جستجوی سفارشی (cx) و یک کوئری جستجو که به صورت زیر ساخته شده است: intitle:"<product title>" (pricing OR features OR buy OR software) -medium.com -quora.com -youtube.com -linkedin.com. این کوئری برای یافتن محتوای مرتبط رقبا ضمن حذف دامنه‌های خاص طراحی شده است.

* ورودی: JSON حاوی title از مرحله قبل.

* خروجی: پاسخ JSON از Google Search API، شامل items با عناوین و خلاصه‌ها.

* ملاحظات:

* خرابی‌ها ممکن است به دلیل محدودیت‌های سهمیه کلید API یا اعتبارنامه‌های نامعتبر رخ دهند.

* اتمام زمان اتصال شبکه یا خطاهای Google API ممکن است فرآیند را مختل کند.

* اگر کوئری بیش از حد محدودکننده باشد یا محصول به طور گسترده ایندکس نشده باشد، ممکن است هیچ نتیجه جستجویی بازگردانده نشود.

۳. استخراج داده‌های رقبا

• هدف: استخراج عناوین محصولات رقبا، توضیحات و کلمات کلیدی از نتایج جستجوی گوگل، آماده‌سازی آن‌ها برای تولید محتوای هوش مصنوعی.
• گره‌ها:

* Extract Competitor Data (تابع)

• جزئیات گره:

* Extract Competitor Data:

* نوع: n8n-nodes-base.function

* نقش: آرایه items را از نتایج جستجوی گوگل تجزیه می‌کند تا عناوین، خلاصه‌ها را استخراج کرده و کلمات کلیدی را استنتاج کند.

* منطق:

* برای جمع‌آوری عناوین و خلاصه‌ها، از طریق هر مورد نتیجه جستجو تکرار می‌شود.

* کلمات کلیدی با تقسیم عناوین به کلماتی با طول بیش از ۳ کاراکتر و فیلتر کردن موارد تکراری تولید می‌شوند.

* یک رشته متنی ترکیبی با بخش‌هایی برای "لیست عنوان"، "لیست توضیحات" و "کلمات کلیدی" خروجی می‌دهد.

* ورودی: نتایج جستجوی JSON از گره Google Search.

* خروجی: JSON با یک ویژگی واحد chatInput حاوی داده‌های قالب‌بندی شده رقبا.

* ملاحظات:

* نتایج جستجوی خالی یا بدشکل می‌تواند منجر به خروجی‌های خالی شود.

* ساختارهای JSON غیرمنتظره ممکن است باعث خطاهای زمان اجرا شود.

* استخراج کلمات کلیدی اساسی است و ممکن است شامل اصطلاحات نامربوط باشد.

۴. تولید محتوا و سئو با هوش مصنوعی

• هدف: تولید فراداده سئو و محتوای دقیق محصول با استفاده از زنجیره مدل زبان بزرگ LangChain، بر اساس داده‌های استخراج شده رقبا.
• گره‌ها:

* Basic LLM Chain (زنجیره LangChain LLM)

• جزئیات گره:

* Basic LLM Chain:

* نوع: @n8n/n8n-nodes-langchain.chainLlm

* نقش: عنوان متا سئو، توضیحات متا، کلمات کلیدی و توضیحات دقیق محصول را تولید می‌کند.

* پیکربندی:

* Prompt: به LLM دستور می‌دهد تا از عنوان دقیق محصول برای عنوان سئو و عنوان محصول استفاده کند، توضیحات متای مختصر (۱۲۰۰-۱۶۰ کاراکتر) با گنجاندن طبیعی کلمات کلیدی تولید کند، لیست کلمات کلیدی مرتبط را ارائه دهد و توضیحات دقیق محصول حداقل ۱۵۰ کلمه‌ای تولید کند. فرمت خروجی به شدت برای تجزیه بعدی تعریف شده است.

* ورودی: متن chatInput از گره Extract Competitor Data.

* خروجی: یک رشته واحد حاوی فراداده سئو و محتوای محصول ترکیبی.

* ملاحظات:

* LLM ممکن است خروجی‌ای تولید کند که به طور دقیق از فرمت پیروی نمی‌کند و باعث مشکلات تجزیه می‌شود.

* تأخیر یا محدودیت‌های API برای LangChain یا LLM زیربنایی می‌تواند بر عملکرد تأثیر بگذارد.

* حساسیت Prompt به این معنی است که داده‌های رقبا بدشکل ممکن است کیفیت خروجی را کاهش دهد.

۵. بهبود محتوای هوش مصنوعی

• هدف: پالایش و بهبود کیفیت و جذابیت محتوای تولید شده توسط هوش مصنوعی با استفاده از مدل زبان Google Gemini (PaLM).
• گره‌ها:

* Google Gemini Chat Model (مدل چت LangChain Google Gemini)

• جزئیات گره:

* Google Gemini Chat Model:

* نوع: @n8n/n8n-nodes-langchain.lmChatGoogleGemini

* نقش: کیفیت خروجی و جذابیت محتوای تولید شده توسط Basic LLM Chain را بهبود می‌بخشد.

* پیکربندی:

* مدل: models/gemini-2.0-flash

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های Google PaLM API دارد.

* ورودی: خروجی گره Basic LLM Chain، از طریق اتصال ai_languageModel متصل شده است.

* خروجی: متن پالایش شده، که برای پردازش تکراری به گره Basic LLM Chain بازگردانده می‌شود.

* ملاحظات:

* خطاهای سهمیه API یا احراز هویت ممکن است رخ دهد.

* خطاها یا اتمام زمان مدل امکان‌پذیر است.

* محتوا ممکن است منحرف شود یا ناخواسته بازنویسی شود.

• نکته: این گره از طریق یک اتصال مدل هوش مصنوعی ویژه به Basic LLM Chain متصل می‌شود و امکان پالایش تکراری را فراهم می‌کند.

۶. قالب‌بندی محتوا

• هدف: تقسیم متن ترکیبی تولید شده توسط هوش مصنوعی به دو شیء JSON مجزا و ساختاریافته: یکی برای فراداده سئو و دیگری برای محتوای محصول.
• گره‌ها:

* Code Formatting (کد)

• جزئیات گره:

* Code Formatting:

* نوع: n8n-nodes-base.code

* نقش: متن خروجی هوش مصنوعی را برای استخراج فیلدهای فراداده سئو (عنوان، توضیحات، کلمات کلیدی) و فیلدهای محتوای محصول (عنوان محصول، توضیحات محصول) به طور جداگانه تجزیه می‌کند.

* منطق:

* از عبارات منظم برای استخراج فیلدهای خاص تحت "SEO Meta Data" و "Product Content" استفاده می‌کند.

* دو شیء JSON را برمی‌گرداند که هر کدام با یک ویژگی type (مثلاً "seo_metadata"، "product_content") متمایز می‌شوند.

* ورودی: خروجی متنی از گره Basic LLM Chain.

* خروجی: دو مورد JSON، قالب‌بندی شده برای درج در Google Sheets.

* ملاحظات:

* تجزیه ممکن است در صورت تغییر فرمت خروجی هوش مصنوعی یا بدشکل بودن آن، با شکست مواجه شود.

* فیلدهای گمشده منجر به رشته‌های خالی خواهند شد.

* تطابق Regex ممکن است تمام انواع متن را پوشش ندهد.

۷. ذخیره‌سازی داده‌ها

• هدف: ذخیره فراداده سئو نهایی شده و محتوای محصول در یک سند Google Sheets برای پیگیری و استفاده در آینده.
• گره‌ها:

* Google Sheets (Google Sheets)

• جزئیات گره:

* Google Sheets:

* نوع: n8n-nodes-base.googleSheets

* نقش: ردیف‌ها را در یک سند Google Sheets مشخص شده با داده‌های ساختاریافته سئو و محتوای محصول اضافه یا به‌روزرسانی می‌کند.

* پیکربندی:

* عملیات: appendOrUpdate

* اعتبارنامه‌ها: از اعتبارنامه‌های حساب سرویس با دسترسی به سند Google Sheets هدف استفاده می‌کند.

* نگاشت ستون: ستون‌هایی مانند type، title، description، keywords، product_title، product_description را به طور خودکار نگاشت می‌کند.

* شناسه سند و نام برگه: این موارد باید توسط کاربر از طریق پارامترهای حالت URL ارائه شوند.

* ورودی: دو ردیف JSON از گره Code Formatting.

* خروجی: تأیید عملیات اضافه کردن/به‌روزرسانی داده‌ها.

* ملاحظات:

* خطاهای احراز هویت ممکن است در صورت انقضای اعتبارنامه‌ها یا عدم وجود مجوزهای لازم رخ دهد.

* خطاها ممکن است در صورت عدم یافتن برگه یا سند مشخص شده رخ دهد.

* مشکلات نگاشت داده‌ها ممکن است در صورت تغییر طرح ستون رخ دهد.

---

جدول خلاصه