Loading Light/Dark Toggle
वापस ब्लॉग पर

Scrapeless और Compare Runs के साथ एक n8n AI ब्रांड मॉनिटर बनाएँ

James Thompson
James Thompson

Scraping and Proxy Management Expert

13-Nov-2026

सारांश:

  • एक n8n AI ब्रांड मॉनिटर उत्तर में उल्लेख और लौटे हुए स्रोत‑डोमेन हिट्स को अलग‑अलग ट्रैक कर सकता है। उत्तर में ब्रांड आ सकता है, जबकि उसकी वेबसाइट चुनी गई स्रोत सूची में अनुपस्थित हो सकती है।
  • इम्पोर्ट किए जाने योग्य वर्कफ़्लो समान प्रकार की चलानों की तुलना करता है। यह रिपोर्टों को n8n Data Tables में सहेजता है और मूल उत्तर, स्रोत URL और बदलावों को JSON और CSV के रूप में निर्यात करता है।
  • कलेक्शन की विफलताएँ अज्ञात अवलोकन ही रहती हैं। खाली उत्तर और उपलब्ध न होने वाली स्रोत सूचियाँ यह प्रमाण नहीं बननी चाहिए कि कोई ब्रांड गायब हो गया है।
  • स्मार्टफ़ोन वाला केस एक स्थिर बेसलाइन है। यह दिखाता है कि आउटपुट कैसे पढ़ना है; यह किसी सुधार या पूरे प्लेटफ़ॉर्म पर दृश्यता स्कोर स्थापित नहीं करता।

संक्षिप्त झलक में पाइपलाइन

यह n8n AI ब्रांड मॉनिटरिंग वर्कफ़्लो Scrapeless के ज़रिए ChatGPT और Perplexity को एक तय प्रश्न‑समूह भेजता है, उत्तरों को सामान्यीकृत करता है, और रिपोर्ट की तुलना किसी मिलते‑जुलते पहले रन से करता है।

क्रम है: मैनुअल या दैनिक ट्रिगर → मॉनिटर कॉन्फ़िगरेशन → पिछले रन की खोज → प्रति प्रश्न एक इनपुट → दो कलेक्शन शाखाएँ → सामान्यीकृत अवलोकन → रिपोर्ट और इतिहास संग्रहण → JSON और CSV डाउनलोड।

एक मार्केटिंग टीम इस क्रम का उपयोग यह जाँचने के लिए कर सकती है कि किन खरीदार प्रश्नों में उसका ब्रांड आता है, क्या लौटाए गए स्रोतों में आधिकारिक डोमेन दिखाई देते हैं, और किन अवलोकनों में बदलाव आया है। पूरा उत्तर माप के साथ‑साथ रहता है ताकि समीक्षक सिफारिश और आकस्मिक उल्लेख में अंतर कर सके।

Scrapeless AI Scraper उत्तर एकत्र करता है; n8n ऑर्केस्ट्रेशन और सहेजा हुआ इतिहास संभालता है। व्यापक n8n AI Scraper इंटीग्रेशन अवलोकन ऑटोमेशन में उत्तर‑कलेक्शन के उपयोग के लिए संदर्भ देता है। यह लेख दिए गए मॉनिटर के पूरे रिपोर्टिंग प्रवाह पर केंद्रित है।

आवश्यकताएँ और डाउनलोड

आपको एक स्व‑होस्टेड n8n इंस्टेंस चाहिए जो कम्युनिटी पैकेज और Data Tables की अनुमति दे, साथ ही Scrapeless API कुंजी, जिसमें ChatGPT और Perplexity कलेक्शन के लिए एक्सेस और पर्याप्त क्रेडिट हों।

रखे गए प्रोजेक्ट सत्यापन ने n8n 2.35.7 और n8n-nodes-scrapeless@0.5.4 का उपयोग किया। n8n Cloud और अन्य होस्ट संस्करण उस सत्यापन दायरे के बाहर हैं। नीचे दिया गया ऑनलाइन केस प्रोजेक्ट के सहेजे गए एक्ज़ीक्यूशन से आता है, न कि इस लेख के लिए नई कलेक्शन से। मुख्य वर्कफ़्लो को स्वयं चलाने के लिए आपको ऊपर वर्णित क्रेडेंशियल्स और सर्विस एक्सेस की आवश्यकता होगी।

सोर्स और वर्कफ़्लो फ़ाइलें प्राप्त करने के लिए सार्वजनिक AI brand monitor repository का उपयोग करें। नीचे दिए गए डाउनलोड लिंक समीक्षित कमिट की ओर इशारा करते हैं:

GitHub पर फ़ाइल खोलें और Download raw file चुनें। दोनों वर्कफ़्लो अलग रखें ताकि सिंथेटिक अवलोकन आपके लाइव मॉनिटरिंग इतिहास में न आ सकें।

चरण 1: नोड इंस्टॉल करें और एक खाली वर्कफ़्लो इम्पोर्ट करें

वर्कफ़्लो दोनों कलेक्शन शाखाओं के लिए Scrapeless Official कम्युनिटी नोड का उपयोग करता है।

एक n8n मालिक या एडमिन के रूप में Settings → Community nodes → Install खोलें और n8n-nodes-scrapeless@0.5.4 दर्ज करें। कम्युनिटी‑नोड इंस्टॉलेशन प्रक्रिया आवश्यक भूमिका और पैकेज‑वर्ज़न सिंटैक्स समझाती है।

एक नया खाली वर्कफ़्लो बनाएँ। उसके तीन‑डॉट मेनू को खोलें और Import → From file चुनें, या उन संस्करणों में Import from File चुनें जो यह लेबल उपयोग करते हैं। मुख्य JSON चुनें और सेव करें। खाली कैनवस इसलिए ज़रूरी है क्योंकि किसी भरे हुए वर्कफ़्लो में इम्पोर्ट करने से वे नोड्स रीनेम हो सकते हैं जिनका Code नोड्स संदर्भ लेते हैं।

इम्पोर्ट के बाद Configure Monitor, दोनों Scrapeless नोड, Merge Observations, Build Report और डाउनलोड नोड्स खोजें। Scrapeless n8n इंटीग्रेशन नोड के अन्य ऑपरेशनों का परिचय देता है; यह डेमो उसके AI Scraper संसाधन का उपयोग करता है।

चरण 2: दोनों उत्तर इंजनों को कनेक्ट करें

दोनों Scrapeless नोड्स को इच्छित n8n क्रेडेंशियल और समान प्रॉम्प्ट इनपुट का उपयोग करना चाहिए।
Scrapeless ChatGPT खोलें, कोई Scrapeless API क्रेडेंशियल बनाएँ या चुनें, और अपनी कुंजी API Key में दर्ज करें। Scrapeless Perplexity में भी वही क्रेडेंशियल चुनें। दोनों चयन की पुष्टि करें, भले ही n8n ने उन्हें आयात के दौरान अपने आप भर दिया हो। क्रेडेंशियल्स को मॉनिटर के Code नोड और निर्यात किए गए उदाहरणों से बाहर रखें।

Setting Scrapeless ChatGPT Scrapeless Perplexity
Resource AI Scraper AI Scraper
Operation ChatGPT Perplexity
Prompt {{ $json.prompt }} {{ $json.prompt }}
Country {{ $json.country }} {{ $json.country }}
Web Search On On
Shopping Off No switch in this node

मुख्य वर्कफ़्लो प्रति प्रश्न दो रिमोट कलेक्शन टास्क सबमिट करता है। एक छोटे प्रॉम्प्ट पैनल से शुरू करें और आवर्ती शेड्यूल सक्षम करने से पहले वर्तमान Scrapeless प्राइसिंग जाँच लें।

Step 3: एक स्मार्टफोन ब्रांड परिदृश्य कॉन्फ़िगर करें

मॉनिटर कॉन्फ़िगरेशन ब्रांड, उसके लिटरल उपनाम, मैच करने के लिए डोमेन्स, और सटीक प्रश्न सेट को परिभाषित करता है।

Configure Monitor खोलें। केवल उस ऑब्जेक्ट को बदलें जो const config = को असाइन किया गया है; असाइनमेंट और उसके नीचे की प्रोसेसिंग कोड को सुरक्षित रखें। यह कॉन्फ़िगरेशन सुरक्षित रखा गया स्मार्टफोन-केस इनपुट है:

json Copy
{
  "brand": "Samsung",
  "aliases": ["Samsung", "Samsung Galaxy"],
  "domains": ["samsung.com"],
  "country": "US",
  "prompts": [
    {
      "id": "smartphone-brands-shortlist",
      "text": "I'm buying a smartphone in the US for under $1,000. Which three phone brands should I compare for camera quality, battery life, and long-term software support? Explain the tradeoffs and link to official manufacturer pages."
    },
    {
      "id": "travel-phone-shortlist",
      "text": "For travel photography and all-day battery life, which three smartphone brands should a US buyer shortlist? Give one current phone model from each and link to official specifications. Avoid rumors and unreleased products."
    },
    {
      "id": "samsung-support-evaluation",
      "text": "For a Samsung Galaxy smartphone sold in the US, where can I verify its software update policy, warranty, and repair options? Explain what to check and cite official Samsung pages."
    }
  ]
}

पहले दो प्रश्न, मॉनिटर किए जा रहे ब्रांड को दिए बिना, श्रेणी खोज का परीक्षण करते हैं। सपोर्ट प्रश्न स्पष्ट रूप से Samsung का नाम लेता है। परिणामों की व्याख्या करते समय इन समूहों को अलग रखें: सपोर्ट उत्तर को ब्रांड पर चर्चा करने के लिए प्रॉम्प्ट किया गया है।

डोमेन नियम samsung.com और उसके सबडोमेन्स से मेल खाता है। यह यह सत्यापित नहीं करता कि कोई पेज किस मार्केट को संबोधित करता है, रीडायरेक्ट्स को फॉलो नहीं करता, या अन्य डोमेन्स के स्वामित्व का अनुमान नहीं लगाता। डेमो को अनुकूलित करते समय, ब्रांड, उपनाम, डोमेन्स, और प्रश्नों को साथ में बदलें। स्थिर प्रॉम्प्ट ID चुनें और तुलना के लिए सटीक शब्दांकन बनाए रखें।

Scrapeless के साथ स्क्रैपिंग शुरू करें

Scrapeless के साथ अपने वेब स्क्रैपिंग और ऑटोमेशन वर्कफ़्लो को पावर अप करें!
आज ही साइन अप करें और $5 का फ्री क्रेडिट पाएं — कोई क्रेडिट कार्ड आवश्यक नहीं।

अभी अपना फ्री क्रेडिट Scrapeless Dashboard में क्लेम करें।

Step 4: रिपोर्ट चलाएँ और पढ़ें

एक पूर्ण रिपोर्ट में हर नियोजित प्रश्न-इंजन जोड़ी के लिए एक रिकॉर्ड होता है, जिसमें खाली उत्तर और त्रुटियाँ भी शामिल हैं।

नोट: मुख्य वर्कफ़्लो को निष्पादित करना पेड़ सेवा अनुरोध बनाता है और आपके कॉन्फ़िगर किए गए Scrapeless क्रेडेंशियल की आवश्यकता होती है। इस लेख में ऐतिहासिक केस सुरक्षित रखी गई प्रोजेक्ट एविडेंस है; ऑफ़लाइन वर्कफ़्लो सिंथेटिक डेटा उत्पन्न करता है।

Execute workflow को सहेजें और चुनें। Build Report में, report_complete जाँचें, फिर प्रत्येक ऑब्ज़र्वेशन के status का निरीक्षण करें। इस कॉन्फ़िगरेशन के साथ, एक पूर्ण रिपोर्ट में छह ऑब्ज़र्वेशन होते हैं। all_answers_valid का मतलब है कि सभी उत्तर नॉन-एम्प्टी हैं; सोर्स उपलब्धता को अभी भी अलग से चेक करना होगा।

Field Meaning
status ok, empty, या error; कलेक्शन विफलता ब्रांड की अनुपस्थिति नहीं है
brand_mentioned किसी ब्रांड या उपनाम ने विज़िबल उत्तर टेक्स्ट से मैच किया
matched_aliases नाम जो मैच हुए, न कि मेंशन काउंट या रैंकिंग पोज़िशन
source_field ChatGPT के लिए content_references; Perplexity के लिए web_results
source_status available, unavailable, या invalid
brand_source_found एक कॉन्फ़िगर किया गया होस्टनेम एक पूर्ण, पार्सेबल सोर्स सूची में पाया गया
source_urls डीडुप्लिकेटेड रिटर्न की गई URLs; वर्कफ़्लो इन पेजों को फ़ेच नहीं करता
matched_source_urls वह सबसेट जो आपके कॉन्फ़िगर किए गए होस्टनेम से मेल खाता है

ब्रांड मेंशन दर अपने हर के रूप में वैध उत्तरों का उपयोग करती है। सोर्स हिट दर पूर्ण, पार्सेबल सोर्स सूचियों वाले वैध उत्तरों का उपयोग करती है। एक गायब सोर्स फ़ील्ड अज्ञात रहता है; एक स्पष्ट खाली एरे मापने योग्य है और इसका मतलब है कि कोई रिटर्न्ड-सोर्स हिट नहीं। एक ख़राब एरे, भले ही कुछ URLs रिकवर की जा सकें, फिर भी अवैध रहती है।

यह अंतर किसी कलेक्शन समस्या को खोई हुई विज़िबिलिटी जैसा दिखने से रोकता है। यह यह भी समझाता है कि दो दरों के हर अलग क्यों हो सकते हैं। JSON दरें शून्य और एक के बीच के भिन्न हैं; शून्य हर null उत्पन्न करता है।

ai-brand-report.json के लिए Download JSON Report → Binary → Download खोलें। ai-brand-observations.csv के लिए Download CSV Observations → Binary → Download खोलें। जब सटीक उत्तर टेक्स्ट मायने रखता हो, तो JSON रखें। CSV TRUE और FALSE का उपयोग करता है, अज्ञात स्केलर मानों को खाली छोड़ देता है, और एरेज़ को JSON स्ट्रिंग्स के रूप में एन्कोड करता है। फार्मूला-जैसे टेक्स्ट को CSV में एक एपोस्ट्रॉफी प्रिफ़िक्स मिलता है।

Step 5: रन की तुलना करें और शेड्यूल सेट करें

मॉनिटर वर्तमान रिपोर्ट की तुलना उसी मॉनिटरिंग कॉन्फ़िगरेशन के लिए पहले सहेजे गए नवीनतम रन से करता है।
पहला रन n8n प्रोजेक्ट में ai_brand_monitor_history बनाता है। इसका comparison.previous_run_id null होता है, और बदलाव no_baseline होते हैं। बाद के रन में, एक ही तुलना समूह में बने रहने के लिए ब्रांड, उपनाम (aliases), डोमेन्स, देश, प्रॉम्प्ट IDs और प्रॉम्प्ट टेक्स्ट को अपरिवर्तित रखें।

इंजन-नोड सेटिंग्स भी सुसंगत रहनी चाहिए। Web Search या किसी अन्य इंजन सेटिंग को मैन्युअली बदलने से वर्कफ़्लो की grouping key नहीं बदलती, इसलिए उन बदलावों को स्वयं रिकॉर्ड करें और जहाँ ज़रूरत हो, एक अलग बेसलाइन स्थापित करें।

Change Interpretation
gained कोई ज्ञात मान false से true में बदला
lost कोई ज्ञात मान true से false में बदला
unchanged दोनों ज्ञात मान सहमत हैं; उपस्थिति और अनुपस्थिति में अंतर करने के लिए मान का निरीक्षण करें
unknown कम-से-कम एक मान निर्धारित नहीं किया जा सका
no_baseline कोई मिलान करता हुआ पहले का अवलोकन मौजूद नहीं है

brand_mention_change और brand_source_change को स्वतंत्र रूप से निरीक्षण करें। comparison.changes उन अवलोकनों को सूचीबद्ध करता है जिनमें कोई मान प्राप्त हुआ या खोया गया; पूरा observations ऐरे अपरिवर्तित और अज्ञात दोनों प्रकार के रेकॉर्ड भी बनाए रखता है। changed_observations उन प्रश्न–इंजन युग्मों की गिनती करता है जिनमें कम-से-कम एक प्राप्त या खोया हुआ मान है।

अभ्यास के लिए, ऑफ़लाइन वर्कफ़्लो दो बार चलाएँ। यह लाइव history से अलग ai_brand_monitor_demo_history का उपयोग करता है। ये synthetic comparisons हैं, बदलती AI visibility के प्रमाण नहीं।

सफल मैन्युअल रन के बाद, Daily Schedule में घंटा और मिनट सेट करें, Settings में वर्कफ़्लो टाइमज़ोन की पुष्टि करें, और वर्कफ़्लो को publish करें। Schedule Trigger publication and timezone rules यह समझाती हैं कि शेड्यूल्ड execution कब शुरू होती है। पूर्ण हो चुके रन और डाउनलोड के लिए Executions का उपयोग करें, और सेव्ड रिपोर्ट्स के लिए Data Tables का। रिटेन्ड प्रोजेक्ट validation ने कई दिनों में फैली scheduling को कवर नहीं किया।

रिटेन्ड स्मार्टफ़ोन केस क्या दिखाता है

रिटेन्ड बेसलाइन में तीनों प्रश्नों के लिए दोनों इंजनों से मान्य उत्तर शामिल हैं, जिनमें parseable स्रोत सूचियाँ हैं।

दोनों category प्रश्नों के लिए, Samsung प्रत्येक इंजन के उत्तर में दिखाई दिया। उन चार चुनी गई returned-source सूचियों में से किसी में भी कॉन्फ़िगर किया गया Samsung domain शामिल नहीं था। आधिकारिक लिंक अब भी answer text के अंदर दिखाई दे सकते थे: answer-body links और returned-source फ़ील्ड अलग-अलग माप हैं।

Named-brand support प्रश्न के लिए, ChatGPT ने पाँच यूनिक source URLs लौटाए, जिनमें से चार कॉन्फ़िगर किए गए domain से मेल खाते थे। Perplexity ने दस लौटाए, सभी उससे मेल खाते थे। कुछ Perplexity स्रोतों ने US प्रश्न के बावजूद भारत या UK को संबोधित किया। केवल hostname मैच भर से क्षेत्रीय प्रासंगिकता स्थापित नहीं हुई।

यह n8n AI brand monitoring केस शाब्दिक mentions और domain hits को मापता है। यह स्वतःभाव से sentiment, recommendation position, factual accuracy या traffic को नहीं मापता। सेव्ड बेसलाइन भी दूसरे रन में सुधार को नहीं दिखा सकती। किसी मार्केटिंग दावे में माप को बदलने से पहले, प्रत्येक अवलोकन के पीछे का मूल उत्तर पढ़ें।

निष्कर्ष

खरीदार प्रश्नों के एक छोटे, निश्चित सेट से शुरू करें, पहली रिपोर्ट को जाँचें, और उसके मूल उत्तरों को सुरक्षित रखें। बाद के तुलनीय रन में, प्राप्त और खोई गई mentions की समीक्षा returned sources में बदलावों के साथ-साथ करें। असफल अवलोकनों को unknown रखें और category प्रश्नों को named-brand प्रश्नों से अलग रखें। ये चुनाव रिपोर्ट को आवर्ती content review के लिए उपयोगी बनाते हैं, बिना इस बात को बढ़ा-चढ़ाकर बताए कि कोई सैंपल्ड AI उत्तर क्या सिद्ध करता है।

अपनी Brand Monitoring Workflow बनाने के लिए तैयार?

उत्तर-मॉनिटरिंग पाइपलाइंस बनाने वाले डेवलपर्स से जुड़ने के लिए हमारे समुदाय से जुड़ें: Discord · Telegram.

Scrapeless से शुरू करें और वर्कफ़्लो को अपने ब्रांड और प्रश्न सेट के अनुसार अनुकूलित करें।

FAQ

प्रश्न: क्या इस n8n AI brand monitor के लिए कोई autonomous agent ज़रूरी है?

नहीं। इम्पोर्ट किया गया वर्कफ़्लो एक निश्चित collection और reporting sequence चलाता है। कॉन्फ़िगर किए गए प्रश्न तय करते हैं कि वह प्रत्येक इंजन को क्या भेजता है।

प्रश्न: क्या डेमो बिना API key के चल सकता है?

ऑफ़लाइन वर्कफ़्लो Scrapeless key के बिना चल सकता है क्योंकि यह synthetic responses का उपयोग करता है। मुख्य वर्कफ़्लो को दोनों इंजनों के लिए access और credits वाली key की आवश्यकता होती है।

प्रश्न: क्या अनुपस्थित source list, brand citation के न होने के बराबर है?

नहीं। Missing या invalid सूची unknown होती है। एक पूरी तरह खाली सूची का अर्थ है कि उस अवलोकन के लिए कोई returned-source hit नहीं है। दोनों में से कोई भी परिणाम answer body के भीतर मौजूद हर लिंक का वर्णन नहीं करता।

प्रश्न: क्या domain hit यह सिद्ध करता है कि ब्रांड की सिफ़ारिश की गई थी?

नहीं। Domain hit केवल यह दर्शाता है कि चयनित returned-source सूची में कोई मेल खाता हुआ hostname दिखाई दिया। Recommendation context, पेज की प्रासंगिकता और क्षेत्रीय उपयुक्तता के लिए समीक्षा आवश्यक है।

प्रश्न: नए रन में कोई baseline क्यों नहीं थी?
एक नया कॉन्फ़िगरेशन एक अलग तुलना समूह बनाता है, और जिसके पास पहले का मिलान करने वाला अवलोकन नहीं है ऐसे प्रश्न-इंजन युग्म का कोई बेसलाइन नहीं होता। सहेजे गए कॉन्फ़िगरेशन और previous_run_id की जाँच करें।

प्रश्न: क्या एक ही रिपोर्ट कुल AI ब्रांड दृश्यता को माप सकती है?

नहीं। एक रिपोर्ट चयनित प्रॉम्प्ट्स, इंजनों, सेटिंग्स और संग्रह समय को कवर करती है। दोहराए गए तुलनीय नमूने एक सीमित अवलोकन का समर्थन कर सकते हैं, लेकिन वे प्लेटफ़ॉर्म-व्यापी रैंकिंग स्थापित नहीं करते या यह साबित नहीं करते कि किसी कंटेंट संपादन ने परिवर्तन का कारण बना।

स्क्रैपलेस में, हम केवल सार्वजनिक रूप से उपलब्ध डेटा का उपयोग करते हैं, जबकि लागू कानूनों, विनियमों और वेबसाइट गोपनीयता नीतियों का सख्ती से अनुपालन करते हैं। इस ब्लॉग में सामग्री केवल प्रदर्शन उद्देश्यों के लिए है और इसमें कोई अवैध या उल्लंघन करने वाली गतिविधियों को शामिल नहीं किया गया है। हम इस ब्लॉग या तृतीय-पक्ष लिंक से जानकारी के उपयोग के लिए सभी देयता को कोई गारंटी नहीं देते हैं और सभी देयता का खुलासा करते हैं। किसी भी स्क्रैपिंग गतिविधियों में संलग्न होने से पहले, अपने कानूनी सलाहकार से परामर्श करें और लक्ष्य वेबसाइट की सेवा की शर्तों की समीक्षा करें या आवश्यक अनुमतियाँ प्राप्त करें।

सबसे लोकप्रिय लेख

सूची