بهینه‌سازی سئو یوتیوب با هوش مصنوعی Gemini و n8n

تحلیل سئو ویدیو یوتیوب با هوش مصنوعی، Google Sheets، Slack و Gmail

این Workflow فرآیند تحلیل سئو ویدیو یوتیوب و تولید توصیه‌های بهینه‌سازی را با استفاده از Google Gemini AI خودکار می‌کند. این Workflow یک URL ویدیو را جمع‌آوری کرده، متادیتا و زیرنویس‌ها را بازیابی می‌کند، داده‌ها را پردازش می‌کند، برای تحلیل به Gemini ارسال می‌کند و سپس گزارش را به Google Sheets، Slack و Gmail توزیع می‌کند.

دسته‌بندی‌ها: تحقیقات بازار، خلاصه‌سازی با هوش مصنوعی

کاتالوگ Axeto: https://axeto.ai/n8n

نمای کلی Workflow

این Workflow برای ساده‌سازی تحلیل سئو یوتیوب برای تولیدکنندگان محتوا، تیم‌های بازاریابی و آژانس‌ها طراحی شده است. این Workflow استخراج اطلاعات کلیدی ویدیو را خودکار کرده و از هوش مصنوعی برای ارائه نکات بهینه‌سازی عملی استفاده می‌کند.

ویژگی‌های کلیدی:

• جمع‌آوری خودکار داده‌ها: متادیتا و زیرنویس‌های ویدیو را مستقیماً از یوتیوب جمع‌آوری می‌کند.
• تحلیل مبتنی بر هوش مصنوعی: از Google Gemini برای تحلیل عناصر سئو و پیشنهاد بهبودها استفاده می‌کند.
• گزارش‌دهی چند کاناله: گزارش‌های دقیق را به Google Sheets، Slack و Gmail توزیع می‌کند.

موارد استفاده:

• ممیزی سئو مقیاس‌پذیر: تیم‌های محتوا می‌توانند چندین ویدیوی یوتیوب را به طور موثر ممیزی کنند.
• بهینه‌سازی ویدیوی فردی: تولیدکنندگان می‌توانند به سرعت پیشنهادات سفارشی برای ویدیوهای خاص دریافت کنند.
• گزارش‌دهی آژانس: آژانس‌ها می‌توانند گزارش‌های سازگار "ممیزی سئو + توصیه‌ها" را برای مشتریان تولید کنند.

ساختار Workflow

این Workflow به طور منطقی به مراحل زیر تقسیم می‌شود:

1. ورودی و استخراج شناسه: یک URL یوتیوب را دریافت کرده و شناسه منحصر به فرد ویدیو را استخراج می‌کند.

2. جمع‌آوری داده‌های یوتیوب: متادیتا و متن/زیرنویس‌های ضروری ویدیو را بازیابی می‌کند.

3. آماده‌سازی داده‌ها: داده‌های جمع‌آوری شده را در قالبی مناسب برای تحلیل هوش مصنوعی سازماندهی می‌کند.

4. تحلیل سئو با هوش مصنوعی: داده‌های آماده شده را برای توصیه‌های بهینه‌سازی سئو به Google Gemini ارسال می‌کند.

5. گزارش‌دهی و توزیع: خروجی هوش مصنوعی را تجزیه و تحلیل کرده و گزارش را در Google Sheets، Slack و Gmail منتشر می‌کند.

---

تحلیل گره (Node) جزئی

۱. ورودی و استخراج شناسه

این بخش ورودی اولیه URL ویدیوی یوتیوب را مدیریت کرده و شناسه ویدیوی لازم را استخراج می‌کند.

#### گره: ورودی URL یوتیوب

• نوع: Form Trigger (n8n-nodes-base.formTrigger)
• نقش: نقطه ورود کاربر برای ارسال URL ویدیوی یوتیوب.
• پیکربندی: از تنظیمات پیش‌فرض Form Trigger استفاده می‌کند. انتظار یک فیلد فرم حاوی URL یوتیوب را دارد.
• ورودی/خروجی:

* ورودی: ندارد (trigger).

* خروجی: JSON حاوی داده‌های فرم ارسال شده، از جمله URL یوتیوب.

• گره بعدی: استخراج شناسه ویدیو.

#### گره: استخراج شناسه ویدیو

• نوع: Code (n8n-nodes-base.code)
• نقش: URL ورودی را برای استخراج videoId تجزیه می‌کند.
• پیکربندی: شامل جاوا اسکریپت سفارشی برای مدیریت فرمت‌های مختلف URL یوتیوب (مانند watch?v=, youtu.be/, /shorts/) است.
• ورودی/خروجی:

* ورودی: داده‌های JSON از گره Form Trigger.

* خروجی: داده‌های JSON شامل videoId استخراج شده.

• گره بعدی: دریافت متادیتای ویدیو.

---

۲. جمع‌آوری داده‌های یوتیوب

این مرحله اطلاعات اصلی مربوط به ویدیوی یوتیوب را بازیابی می‌کند.

#### گره: دریافت متادیتای ویدیو

• نوع: HTTP Request (n8n-nodes-base.httpRequest)
• نقش: YouTube Data API را برای بازیابی متادیتای ویدیو فراخوانی می‌کند.
• پیکربندی: برای پرس و جو از نقطه‌ای مانند videos?part=snippet,contentDetails,statistics&id={{$json.videoId}}&key=... پیکربندی شده است. نیاز به اعتبار API دارد.
• ورودی/خروجی:

* ورودی: videoId از گره استخراج شناسه ویدیو.

* خروجی: JSON حاوی متادیتای ویدیو (عنوان، توضیحات، تگ‌ها، کانال، آمار و غیره).

• گره بعدی: دریافت زیرنویس‌های ویدیو.

#### گره: دریافت زیرنویس‌های ویدیو

• نوع: HTTP Request (n8n-nodes-base.httpRequest)
• نقش: زیرنویس‌ها یا متن ویدیو را بازیابی می‌کند.
• پیکربندی: این گره ممکن است YouTube Captions API (نیاز به OAuth) یا یک سرویس شخص ثالث را فراخوانی کند. از videoId و احتمالاً اطلاعات آهنگ زیرنویس از متادیتا استفاده می‌کند.
• ورودی/خروجی:

* ورودی: خروجی از گره دریافت متادیتای ویدیو.

* خروجی: متن یا داده‌های ساختاریافته که نشان‌دهنده زیرنویس‌ها/متن ویدیو است.

• گره بعدی: فرمت‌بندی داده‌های سئو.

---

۳. آماده‌سازی داده‌ها

این بخش داده‌های خام را در قالبی بهینه برای تحلیل هوش مصنوعی سازماندهی می‌کند.

#### گره: فرمت‌بندی داده‌های سئو

• نوع: Code (n8n-nodes-base.code)
• نقش: متادیتا و زیرنویس‌ها را به یک بار داده واحد برای LLM نرمال‌سازی و فرمت‌بندی می‌کند.
• پیکربندی: جاوا اسکریپت سفارشی فیلدهای مرتبط (عنوان، توضیحات، تگ‌ها، متن) را استخراج کرده و آن‌ها را به یک شیء JSON آماده برای prompt تبدیل می‌کند. همچنین ممکن است فیلدهای طولانی را برای جلوگیری از محدودیت‌های زمینه LLM کوتاه کند.
• ورودی/خروجی:

* ورودی: داده‌ها از گره‌های دریافت زیرنویس‌های ویدیو و دریافت متادیتای ویدیو.

* خروجی: یک شیء JSON تلفیقی حاوی داده‌های مرتبط با سئو.

• گره بعدی: تحلیل سئو با هوش مصنوعی.

---

۴. تحلیل سئو با هوش مصنوعی

این مرحله از Google Gemini برای تولید توصیه‌های سئو استفاده می‌کند.

#### گره: Google Gemini

• نوع: Google Gemini Chat Model (@n8n/n8n-nodes-langchain.lmChatGoogleGemini)
• نقش: مدل زبان Google Gemini را برای زنجیره هوش مصنوعی فراهم می‌کند.
• پیکربندی: نیاز به اعتبار API Google AI / Gemini دارد. پارامترهای مدل مانند دما را می‌توان در اینجا پیکربندی کرد.
• اتصالات ورودی/خروجی: به عنوان مدل زبان به گره تحلیل سئو با هوش مصنوعی متصل است.
• گره بعدی: (به صورت داخلی توسط تحلیل سئو با هوش مصنوعی استفاده می‌شود).

#### گره: تحلیل سئو با هوش مصنوعی

• نوع: LangChain LLM Chain (@n8n/n8n-nodes-langchain.chainLlm)
• نقش: ساخت prompt را هماهنگ کرده و مدل Google Gemini را فراخوانی می‌کند.
• پیکربندی: داده‌های سئو آماده شده را دریافت کرده، از گره پیکربندی شده Google Gemini استفاده می‌کند و گزارش تحلیل سئو را تولید می‌کند.
• ورودی/خروجی:

* ورودی: داده‌های سئو فرمت‌بندی شده از فرمت‌بندی داده‌های سئو.

* خروجی: تحلیل سئو و نکات بهینه‌سازی تولید شده توسط هوش مصنوعی.

• گره بعدی: تجزیه نتایج هوش مصنوعی.

---

۵. گزارش‌دهی و توزیع

این مرحله نهایی خروجی هوش مصنوعی را پردازش کرده و گزارش را توزیع می‌کند.

#### گره: تجزیه نتایج هوش مصنوعی

• نوع: Code (n8n-nodes-base.code)
• نقش: خروجی خام هوش مصنوعی را پس از پردازش، استخراج توصیه‌های کلیدی را به فیلدهای ساختاریافته انجام می‌دهد.
• پیکربندی: جاوا اسکریپت سفارشی پاسخ LLM را تجزیه کرده و بخش‌هایی مانند پیشنهادات عنوان، بازنویسی توضیحات، لیست کلمات کلیدی و ایده‌های محتوا را شناسایی می‌کند.
• ورودی/خروجی:

* ورودی: گزارش تولید شده توسط هوش مصنوعی از تحلیل سئو با هوش مصنوعی.

* خروجی: فیلدهای داده ساختاریافته آماده برای گزارش‌دهی.

• گره‌های بعدی (موازی): ذخیره گزارش در Sheets، اطلاع‌رسانی به تیم در Slack، ارسال گزارش از طریق ایمیل به تولیدکننده.

#### گره: ذخیره گزارش در Sheets

• نوع: Google Sheets (n8n-nodes-base.googleSheets)
• نقش: گزارش تحلیل سئو را به عنوان یک ردیف جدید در یک Google Sheet اضافه می‌کند.
• پیکربندی: نیاز به اعتبار Google Sheets OAuth دارد. برای "Append Row" با فیلدهای نگاشت شده از نتایج تجزیه شده هوش مصنوعی (مانند URL ویدیو، عنوان، توضیحات، توصیه‌ها، زمان‌بندی) پیکربندی شده است.
• ورودی/خروجی:

* ورودی: فیلدهای گزارش تجزیه شده از تجزیه نتایج هوش مصنوعی.

* خروجی: پاسخ API Google Sheets.

#### گره: اطلاع‌رسانی به تیم در Slack

• نوع: Slack (n8n-nodes-base.slack)
• نقش: یک پیام اطلاع‌رسانی به کانال مشخص شده Slack ارسال می‌کند.
• پیکربندی: نیاز به اعتبار Slack OAuth دارد. برای "Post Message" با خلاصه‌ای از تحلیل، توصیه‌های کلیدی و پیوندی به Google Sheet پیکربندی شده است.
• ورودی/خروجی:

* ورودی: فیلدهای گزارش تجزیه شده از تجزیه نتایج هوش مصنوعی.

* خروجی: پاسخ API Slack.

#### گره: ارسال گزارش از طریق ایمیل به تولیدکننده

• نوع: Gmail (n8n-nodes-base.gmail)
• نقش: گزارش تفصیلی سئو را به تولیدکننده ویدیو یا یک آدرس ایمیل مشخص شده ارسال می‌کند.
• پیکربندی: نیاز به اعتبار Google OAuth با دامنه Gmail دارد. برای "Send Email" پیکربندی شده است، که آدرس گیرنده احتمالاً از ورودی فرم یا یک تنظیم از پیش تعریف شده می‌آید. بدنه ایمیل حاوی توصیه‌های خلاصه شده و احتمالاً پیوندی به Google Sheet است.
• ورودی/خروجی:

* ورودی: فیلدهای گزارش تجزیه شده از تجزیه نتایج هوش مصنوعی.

* خروجی: نتیجه ارسال Gmail API.

---

جدول خلاصه