
تحلیل دیدهشدن برند در نتایج جستجوی هوش مصنوعی با n8n و SE R…
9 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۲۹
دانلود workflow
فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.
- فایل JSON را دانلود کنید.
- در n8n: Workflows → Import from File.
- Credentialهای هر node را متصل کنید.
- workflow را فعال کنید.
شناسه workflow: 12442 · منبع: کاتالوگ Axeto
تحلیل دیدهشدن برند در نتایج جستجوی هوش مصنوعی با SE Ranking
این Workflow با استفاده از قابلیتهای جستجوی هوش مصنوعی SE Ranking و n8n، نحوه نمایش یک برند خاص را در نتایج جستجوی تولید شده توسط هوش مصنوعی تحلیل میکند. این Workflow، پرامپتها (prompts)، پاسخهای تولید شده توسط هوش مصنوعی و لینکهای مرتبط را بازیابی کرده، سپس این دادهها را پردازش و برای تحقیقات بیشتر و بینشهای استراتژیک صادر میکند.
دستهبندیها: تحقیقات بازار، خلاصهسازی هوش مصنوعی
کاتالوگ n8n در Axeto.ai: https://axeto.ai/n8n
---
۱. نمای کلی Workflow
هدف:
این Workflow پرامپتها و پاسخهای جستجوی هوش مصنوعی مربوط به یک برند مشخص را از نقطه پایانی API "prompts-by-brand" در SE Ranking بازیابی میکند. سپس سه نمای متمایز از دادهها را استخراج میکند: فقط لینکها، پرامپتها به همراه پاسخها، و اشیاء خام پرامپت به همراه لینکها. در نهایت، این سه را در یک مجموعه داده واحد ادغام کرده و به صورت فایل JSON صادر میکند.
موارد استفاده اصلی:
- تحقیق دیدهشدن برند: درک نحوه نمایش برند شما در نتایج جستجوی مبتنی بر هوش مصنوعی (مانند Perplexity).
- استراتژی محتوا: شناسایی پرامپتهای مرتبط هوش مصنوعی و پاسخهای مدل برای اطلاعرسانی در تولید محتوا.
- تحلیل داده: تولید مجموعه داده برای گزارشدهی، تحلیل رقابتی یا اتوماسیونهای پاییندستی.
ساختار Workflow:
۱. ورودی و پارامتردهی: اجرای دستی Workflow و تعریف پارامترهایی مانند نام برند، موتور جستجو، منطقه و اولویتهای مرتبسازی.
۲. بازیابی SE Ranking: انجام یک درخواست HTTP احراز هویت شده به API SE Ranking برای دریافت دادههای جستجوی هوش مصنوعی.
۳. استخراج داده سفارشی: تجزیه پاسخ API به سه فرمت ساختاریافته:
* لیستی از تمام لینکهای استخراج شده.
* جفتهای پرامپت و پاسخهای تولید شده توسط هوش مصنوعی مربوطه (بدون لینک).
* اشیاء خام پرامپت، شامل لینکهای مرتبط آنها.
۴. یکپارچهسازی و خروجی: ادغام سه مجموعه داده استخراج شده در یک شیء JSON واحد و نوشتن آن در یک فایل محلی.
---
۲. تحلیل گره (Node) جزئی
۲.۱ ورودی و پارامتردهی
این بخش پارامترهای اولیه را برای فراخوانی API SE Ranking تنظیم کرده و اجرای Workflow را آغاز میکند.
#### گره: Manual Trigger
- نوع:
n8n-nodes-base.manualTrigger - نقش: نقطه ورود Workflow. اجرا با کلیک بر روی دکمه "Execute workflow" آغاز میشود.
- پیکربندی: پارامتر خاصی ندارد؛ به تعامل کاربر متکی است.
- ورودی/خروجی: ورودی دریافت نمیکند و یک آیتم به گره بعدی خروجی میدهد.
#### گره: Set Input Fields
- نوع:
n8n-nodes-base.set - نقش: جفتهای کلید-مقدار را تعریف و تنظیم میکند که به عنوان پارامترهای کوئری برای درخواست API SE Ranking استفاده خواهند شد.
- پیکربندی:
* brand: نام برندی که باید جستجو شود (مثلاً "LinkedIn").
* engine: موتور جستجوی هوش مصنوعی (مثلاً "perplexity").
* source: منطقه جستجو (مثلاً "us").
* sort: معیار مرتبسازی (مثلاً "volume").
* sort_order: ترتیب مرتبسازی (مثلاً "desc").
* offset: آفست صفحهبندی (مثلاً "0").
* limit: تعداد نتایج برای بازیابی (مثلاً "10").
* multi_keyword_included: رشتهای شبیه JSON برای قوانین شمول (توجه: در پیکربندی درخواست HTTP فعلی استفاده نمیشود).
* multi_keyword_excluded: رشتهای شبیه JSON برای قوانین عدم شمول (توجه: در پیکربندی درخواست HTTP فعلی استفاده نمیشود).
- ورودی/خروجی: ورودی را از Manual Trigger دریافت کرده و پارامترهای تعریف شده را به گره HTTP Request SE Ranking خروجی میدهد.
- ملاحظات:
* offset و limit به صورت رشته تنظیم شدهاند. اطمینان حاصل کنید که API آنها را به درستی مدیریت میکند یا در صورت نیاز به تبدیل آنها به عدد فکر کنید.
فیلدهای multi_keyword_ تعریف شدهاند اما در فراخوانی API بعدی استفاده نمیشوند. در صورت قصد استفاده، آنها را حذف کرده یا در درخواست ادغام کنید.
---
۲.۲ بازیابی SE Ranking
این بخش، پاسخ خام API را برای جمعآوری دادههای مرتبط جستجوی هوش مصنوعی، کوئری میکند.
#### گره: SE Ranking AI Request by Brand
- نوع:
n8n-nodes-base.httpRequest - نقش: یک درخواست GET احراز هویت شده به API SE Ranking انجام میدهد.
- نقطه پایانی (Endpoint):
https://api.seranking.com/v1/ai-search/prompts-by-brand - احراز هویت:
* از احراز هویت هدر HTTP از طریق یک اعتبارنامه (credential) به نام "SE Ranking" استفاده میکند.
* (توجه: یک اعتبارنامه httpBearerAuth نیز لیست شده اما توسط این درخواست فعالانه استفاده نمیشود.)
- پارامترهای کوئری: به صورت پویا با استفاده از عبارات ارجاعی به خروجی گره "Set Input Fields" تنظیم میشوند (مثلاً
brand={{ $json.brand }}). - گزینههای رفتار:
* followRedirects: غیرفعال (false).
* retryOnFail: فعال (true).
- ورودی/خروجی: پارامترها را از "Set Input Fields" دریافت کرده و پاسخ API را به سه گره استخراج داده مجزا تقسیم میکند.
- مشکلات احتمالی:
* خطاهای احراز هویت (401/403) در صورت نامعتبر بودن یا عدم وجود اعتبارنامهها.
* محدودیت نرخ (429) از API SE Ranking.
* ساختار پاسخ API غیرمنتظره میتواند تجزیه پاییندستی را مختل کند.
* اگر SE Ranking تغییر مسیر (redirects) را پیادهسازی کند، درخواست ممکن است به دلیل غیرفعال بودن followRedirects با شکست مواجه شود.
---
۲.۳ استخراج داده سفارشی
این بخش، پاسخ خام API را به فرمتهای قابل مدیریتتر و ساختاریافتهتر تجزیه میکند.
#### گره: Extract All Links
- نوع:
n8n-nodes-base.code - نقش: تمام URLهای منحصربهفرد را از فیلد
linksدر پاسخ API SE Ranking استخراج و نرمالسازی میکند. - منطق: آرایه
promptsرا پیمایش کرده، تمام لینکها را از هر پاسخ جمعآوری میکند، فضاهای خالی را حذف میکند، مقادیر خالی را حذف کرده و برای URLهای معتبر HTTP(S) فیلتر میکند. - خروجی: یک آیتم واحد حاوی یک شیء با آرایه
links:{ links: [...] }. - ورودی/خروجی: پاسخ API SE Ranking را دریافت کرده و لینکهای استخراج شده را به گره "Merge Responses" (شاخص ورودی ۰) خروجی میدهد.
- ملاحظات: فرض میکند مقادیر لینک رشته هستند؛ مقادیر غیر رشتهای میتوانند باعث خطا شوند.
#### گره: Extract Prompts with Answers
- نوع:
n8n-nodes-base.code - نقش: متن پرامپت و متن پاسخ تولید شده توسط هوش مصنوعی را استخراج میکند، به طور خاص دادههای لینک را حذف میکند.
- منطق: آرایه
promptsرا پیمایش کرده و برای هر پرامپت یک آیتم جدید ایجاد میکند که فقط شامل فیلدهایpromptوanswer.textاست. - خروجی: شیئی حاوی آرایه
promptsاز اشیاء{ prompt: "...", answer: "..." }. - ورودی/خروجی: پاسخ API SE Ranking را دریافت کرده و جفتهای پرامپت-پاسخ را به گره "Merge Responses" (شاخص ورودی ۱) خروجی میدهد.
- نکته مهم: خروجی
{ prompts: output }ممکن است بسته به مدیریت داخلی n8n، به جای آیتمهای جداگانه متعدد، یک آرایه واحد ایجاد کند. این احتمالاً برای ادغام موقعیتی (positional merging) عمدی است. - ملاحظات: در صورت عدم وجود
data.promptsخطا خواهد داد. فرض میکندanswer.textیک رشته است.
#### گره: Extract JSON
- نوع:
n8n-nodes-base.code - نقش: آرایه خام
promptsرا از پاسخ API تحت یک کلید جدید عبور میدهد. - منطق: آرایه
promptsرا از ورودی میخواند و آن را در یک شیء جدید برمیگرداند:{ prompts_with_links: data }. - ورودی/خروجی: پاسخ API SE Ranking را دریافت کرده و دادههای خام پرامپت را به گره "Merge Responses" (شاخص ورودی ۲) خروجی میدهد.
- ملاحظات: اگر
promptsدر ورودی وجود نداشته باشد، خروجی{ prompts_with_links: undefined }خواهد بود.
---
۲.۴ یکپارچهسازی و خروجی
این بخش نهایی، دادههای پردازش شده را تجمیع کرده و در یک فایل ذخیره میکند.
#### گره: Merge Responses
- نوع:
n8n-nodes-base.merge - نقش: خروجیهای سه گره استخراج داده را در یک آیتم داده واحد ترکیب میکند.
- پیکربندی:
* حالت (Mode): Combine
* ترکیب بر اساس (Combine by): Position
* تعداد ورودیها (Number of inputs): 3
- ورودی/خروجی: یک آیتم از هر یک از سه گره استخراج دریافت کرده و یک آیتم واحد و ادغام شده را به گره "Create a Binary Data" خروجی میدهد.
- مشکلات احتمالی: اگر هر شاخه ورودی صفر آیتم ارائه دهد، ادغام ممکن است منجر به دادههای ناقص شود. تعداد نامتطابق آیتمها در بین شاخهها میتواند منجر به از دست رفتن داده شود.
#### گره: Create a Binary Data
- نوع:
n8n-nodes-base.function - نقش: دادههای JSON ادغام شده را به فرمت باینری کدگذاری شده base64 مناسب برای نوشتن فایل تبدیل میکند.
- منطق: دادههای JSON آیتم اول (
items[0].json) را گرفته، آن را به صورت زیبا چاپ کرده، به base64 کدگذاری میکند و درitems[0].binary.dataذخیره میکند. - ورودی/خروجی: آیتم ادغام شده را از "Merge Responses" دریافت کرده و دادههای باینری را به گره "Write File to Disk" خروجی میدهد.
- ملاحظات: از
new Buffer(...)استفاده میکند که منسوخ شده است.Buffer.from(...)جایگزین مدرن است. مجموعه دادههای بزرگ ممکن است حافظه قابل توجهی مصرف کنند.
#### گره: Write File to Disk
- نوع:
n8n-nodes-base.readWriteFile - نقش: دادههای باینری را در یک فایل محلی مینویسد.
- پیکربندی:
* عملیات (Operation): write
* نام فایل (File name): C:\\SERanking_ByBrand.json (توجه: این مسیر مختص ویندوز است و ممکن است برای سیستمعاملهای دیگر یا محیطهای کانتینری نیاز به تنظیم داشته باشد).
* نام ویژگی داده (Data property name): data (انتظار دارد ویژگی داده باینری به نام binary.data باشد).
- ورودی/خروجی: دادههای باینری را از "Create a Binary Data" دریافت کرده و با نوشتن فایل، Workflow را تکمیل میکند.
- مشکلات احتمالی:
* اعتبار مسیر فایل: مسیر C:\... احتمالاً در صورتی که n8n روی ماشین ویندوزی با ساختار دایرکتوری مشخص شده اجرا نشود، یا در صورت اجرا در محیطهای Docker/cloud، با شکست مواجه خواهد شد.
* مجوزهای دایرکتوری.
* نامگذاری نادرست ویژگی باینری میتواند مانع از نوشتن فایل شود.
---
۳. جدول خلاصه
| نام گره (Node Name) | نوع گره (Node Type) | نقش عملکردی (Functional Role) | گره(های) ورودی (Input Node(s)) | گره(های) خروجی (Output Node(s)) |
|---|---|---|---|---|
| When clicking ‘Execute workflow’ | manualTrigger | شروع دستی Workflow | — | Set Input Fields |
| Set Input Fields | set | تعریف پارامترهای درخواست API | Manual Trigger | SE Ranking AI Request by Brand |
| SE Ranking AI Request by Brand | httpRequest | دریافت دادههای جستجوی هوش مصنوعی از API SE Ranking | Set Input Fields | Extract All Links, Extract Prompts with Answers, Extract JSON |
| Extract All Links | code | استخراج و نرمالسازی URLها | SE Ranking AI Request by Brand | Merge Responses (Input 0) |
| Extract Prompts with Answers | code | استخراج جفتهای متن پرامپت/پاسخ | SE Ranking AI Request by Brand | Merge Responses (Input 1) |
| Extract JSON | code | عبور دادن اشیاء خام پرامپت با لینکها | SE Ranking AI Request by Brand | Merge Responses (Input 2) |
| Merge Responses | merge | ترکیب دادهها از شاخههای متعدد | Extract All Links, Extract Prompts..., Extract JSON | Create a Binary Data |
| Create a Binary Data | function | تبدیل JSON ادغام شده به باینری base64 | Merge Responses | Write File to Disk |
| Write File to Disk | readWriteFile | ذخیره دادههای نهایی JSON در فایل محلی | Create a Binary Data | Workflow End |
Nodeهای استفادهشده
سوالات متداول
این Workflow چگونه به تحلیل دیدهشدن برند در نتایج جستجوی هوش مصنوعی کمک میکند؟▾
این Workflow با بازیابی پرامپتها، پاسخهای تولید شده توسط هوش مصنوعی و لینکهای مرتبط از SE Ranking، به شما امکان میدهد تا نحوه نمایش برند خود را در نتایج جستجوی مبتنی بر هوش مصنوعی درک کنید.
چه دادههایی توسط این Workflow استخراج و پردازش میشوند؟▾
این Workflow سه نوع داده را استخراج میکند: فقط لینکها، جفتهای پرامپت و پاسخهای AI (بدون لینک)، و اشیاء خام پرامپت به همراه لینکهای مرتبط. سپس این دادهها در یک فایل JSON ادغام و صادر میشوند.
موارد استفاده اصلی این Workflow چیست؟▾
موارد استفاده اصلی شامل تحقیق در مورد دیدهشدن برند در نتایج جستجوی AI، اطلاعرسانی به استراتژی محتوا با شناسایی پرامپتهای مرتبط، و تولید مجموعه داده برای تحلیل رقابتی و اتوماسیونهای پاییندستی است.
workflowهای مرتبط
- طبقهبندی خودکار حوادث امنیتی با GPT-4 و Google SheetsSecOps
- دستهبندی خودکار ایمیل جیمیل با GPT-4o و هشدار SlackAI Summarization
- دستهبندی خودکار پستهای وبلاگ با هوش مصنوعی و گیتهابContent Creation
- تحلیل خودکار Google Analytics با هوش مصنوعی Gemini و اعلانه…Market Research
- خودکارسازی اصلاح نقطه پایانی با Wazuh، ClamAV و GPT-4SecOps
- تغییر نام خودکار گرههای n8n با هوش مصنوعیEngineering
