Xây dựng một n8n AI Brand Monitor với Scrapeless và Compare Runs
Scraping and Proxy Management Expert
Tóm tắt nhanh:
- Một bộ theo dõi thương hiệu bằng n8n AI có thể theo dõi riêng lẻ sự xuất hiện của thương hiệu trong câu trả lời và số lần truy cập vào tên miền nguồn được trả về. Thương hiệu có thể xuất hiện trong nội dung trả lời trong khi website của thương hiệu lại không có trong danh sách nguồn đã chọn.
- Workflow có thể import so sánh các lần chạy “tương đồng với tương đồng”. Nó lưu báo cáo trong n8n Data Tables và xuất các câu trả lời gốc, URL nguồn và các thay đổi dưới dạng JSON và CSV.
- Các lần thu thập thất bại vẫn là các quan sát chưa biết. Câu trả lời trống và danh sách nguồn không khả dụng không được trở thành bằng chứng rằng một thương hiệu đã biến mất.
- Ví dụ ốp lưng điện thoại là một điểm chuẩn được giữ lại. Nó minh họa cách đọc kết quả; nó không thiết lập một cải thiện hay một điểm số hiện diện trên toàn nền tảng.
Quy trình tổng quan
Workflow giám sát thương hiệu bằng n8n AI này gửi một bộ câu hỏi cố định tới ChatGPT và Perplexity thông qua Scrapeless, chuẩn hóa các phản hồi và so sánh báo cáo với một lần chạy trước đó tương ứng.
Chuỗi xử lý là: kích hoạt thủ công hoặc hàng ngày → cấu hình bộ theo dõi → tra cứu lần chạy trước → một đầu vào cho mỗi câu hỏi → hai nhánh thu thập → các quan sát đã chuẩn hóa → lưu báo cáo và lịch sử → tải xuống JSON và CSV.
Một đội ngũ marketing có thể dùng chuỗi này để xem câu hỏi nào của người mua có nhắc đến thương hiệu của họ, liệu tên miền chính thức có xuất hiện trong các nguồn trả về hay không, và những quan sát nào đã thay đổi. Câu trả lời đầy đủ luôn nằm cạnh phép đo, giúp người xem phân biệt giữa một gợi ý khuyên dùng và một lần nhắc đến tình cờ.
Scrapeless AI Scraper thu thập câu trả lời; n8n đảm nhận điều phối và lưu lịch sử. Bài tổng quan rộng hơn về tích hợp n8n AI Scraper cung cấp bối cảnh cho việc dùng thu thập câu trả lời trong tự động hóa. Bài viết này tập trung vào toàn bộ luồng báo cáo của bộ theo dõi được cung cấp.
Điều kiện tiên quyết và Tải xuống
Bạn cần một instance n8n tự host cho phép dùng community packages và Data Tables, cùng với một khóa API Scrapeless có quyền truy cập và đủ credit để thu thập từ ChatGPT và Perplexity.
Dự án kiểm thử giữ lại sử dụng n8n 2.35.7 và n8n-nodes-scrapeless@0.5.4. n8n Cloud và các bản host khác nằm ngoài phạm vi kiểm thử đó. Trường hợp trực tuyến bên dưới lấy từ lần thực thi đã lưu của dự án, không phải một lần thu thập mới cho bài viết này. Tự chạy workflow chính yêu cầu thông tin xác thực và quyền truy cập dịch vụ như đã mô tả.
Dùng kho mã AI brand monitor công khai để lấy mã nguồn và file workflow. Các liên kết tải xuống bên dưới trỏ tới commit đã được rà soát:
- Workflow thu thập chính: thu thập câu trả lời trực tiếp và lưu lịch sử.
- Workflow luyện tập offline: dùng phản hồi tổng hợp cố định và không gọi API Scrapeless.
Mở một file trên GitHub và chọn Download raw file. Giữ hai workflow tách biệt để các quan sát tổng hợp không thể lọt vào lịch sử giám sát trực tiếp của bạn.
Bước 1: Cài đặt Node và Import một Workflow trống
Workflow dùng Scrapeless Official community node cho cả hai nhánh thu thập.
Với tư cách chủ sở hữu hoặc admin n8n, mở Settings → Community nodes → Install và nhập n8n-nodes-scrapeless@0.5.4. Quy trình cài đặt community-node giải thích quyền vai trò cần có và cú pháp phiên bản package.
Tạo một workflow mới trống. Mở menu ba chấm của nó và chọn Import → From file, hoặc Import from File trong các phiên bản dùng nhãn đó. Chọn file JSON chính và lưu. Một canvas trống là quan trọng vì import vào một workflow đã có thể làm đổi tên các node mà các Code node đang tham chiếu.
Sau khi import, tìm Configure Monitor, cả hai node Scrapeless, Merge Observations, Build Report, và các node tải xuống. Tích hợp n8n của Scrapeless giới thiệu các thao tác khác của node; bản demo này dùng resource AI Scraper của node.
Bước 2: Kết nối cả hai engine trả lời
Cả hai node Scrapeless phải cùng dùng thông tin xác thực n8n dự kiến và cùng một đầu vào prompt.
Mở Scrapeless ChatGPT, tạo hoặc chọn một thông tin xác thực Scrapeless API, và nhập khóa của bạn vào API Key. Chọn cùng một thông tin xác thực trong Scrapeless Perplexity. Xác nhận cả hai lựa chọn ngay cả khi n8n đã tự động điền trong quá trình nhập. Giữ thông tin xác thực tránh xa node Code của monitor và các ví dụ đã xuất.
| 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 | Không có công tắc trong node này |
Workflow chính gửi hai tác vụ thu thập từ xa cho mỗi câu hỏi. Bắt đầu với một bảng prompt nhỏ và kiểm tra giá Scrapeless hiện tại trước khi bật lịch chạy định kỳ.
Bước 3: Cấu hình Kịch bản Thương hiệu Smartphone
Cấu hình monitor xác định thương hiệu, các bí danh theo nghĩa đen, các tên miền cần khớp, và bộ câu hỏi chính xác.
Mở Configure Monitor. Chỉ thay thế object được gán cho const config =; giữ nguyên phép gán và phần mã xử lý bên dưới nó. Cấu hình này là input hộp đựng điện thoại thông minh được giữ lại:
json
{
"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."
}
]
}
Hai câu hỏi đầu tiên kiểm tra khám phá danh mục mà không cung cấp thương hiệu được giám sát. Câu hỏi hỗ trợ nêu rõ Samsung. Giữ các nhóm này tách biệt khi diễn giải kết quả: câu trả lời hỗ trợ đã được prompt để thảo luận về thương hiệu.
Quy tắc tên miền khớp samsung.com và các tên miền phụ của nó. Nó không kiểm tra thị trường mà một trang hướng tới, không theo dõi chuyển hướng, hoặc suy ra quyền sở hữu các tên miền khác. Khi điều chỉnh bản demo, hãy thay đổi đồng thời thương hiệu, bí danh, tên miền và câu hỏi. Chọn các ID prompt ổn định và giữ nguyên câu chữ để so sánh.
Bắt đầu Scraping với Scrapeless
Tăng lực cho workflow web scraping và tự động hóa của bạn với Scrapeless!
Đăng ký hôm nay và nhận $5 tín dụng miễn phí — không cần thẻ tín dụng.Nhận tín dụng miễn phí ngay trong Bảng điều khiển Scrapeless.
Bước 4: Chạy và Đọc Báo cáo
Một báo cáo hoàn chỉnh chứa bản ghi cho mọi cặp câu hỏi–engine đã lên kế hoạch, bao gồm câu trả lời trống và lỗi.
Lưu ý: Thực thi workflow chính tạo ra các yêu cầu dịch vụ trả phí và cần thông tin xác thực Scrapeless mà bạn đã cấu hình. Trường hợp lịch sử trong bài viết này là bằng chứng dự án được lưu giữ; workflow ngoại tuyến tạo dữ liệu tổng hợp.
Lưu và chọn Execute workflow. Trong Build Report, kiểm tra report_complete, sau đó kiểm tra status của từng quan sát. Với cấu hình này, một báo cáo hoàn chỉnh chứa sáu quan sát. all_answers_valid nghĩa là tất cả câu trả lời đều không trống; tính sẵn có của nguồn vẫn cần được kiểm tra riêng.
| Field | Meaning |
|---|---|
status |
ok, empty, hoặc error; lỗi thu thập không phải là vắng mặt thương hiệu |
brand_mentioned |
Một thương hiệu hoặc bí danh khớp với văn bản câu trả lời hiển thị |
matched_aliases |
Các tên đã khớp, không phải số lần đề cập hoặc vị trí xếp hạng |
source_field |
content_references cho ChatGPT; web_results cho Perplexity |
source_status |
available, unavailable, hoặc invalid |
brand_source_found |
Một hostname đã cấu hình xuất hiện trong danh sách nguồn đầy đủ, có thể parse |
source_urls |
Các URL trả về đã được khử trùng lặp; workflow không fetch các trang này |
matched_source_urls |
Tập con khớp với các hostname bạn đã cấu hình |
Tỷ lệ đề cập thương hiệu sử dụng các câu trả lời hợp lệ làm mẫu số. Tỷ lệ trúng nguồn sử dụng các câu trả lời hợp lệ với danh sách nguồn đầy đủ, có thể parse. Trường nguồn bị thiếu vẫn là không xác định; một mảng trống rõ ràng có thể đo được và nghĩa là không có lượt trúng nguồn trả về. Một mảng sai định dạng vẫn không hợp lệ ngay cả khi có thể khôi phục một số URL.
Sự phân biệt này ngăn một vấn đề thu thập trông giống như mất khả năng hiện diện. Nó cũng giải thích vì sao hai tỷ lệ có thể có mẫu số khác nhau. Các tỷ lệ JSON là các phân số giữa 0 và 1; một mẫu số bằng 0 tạo ra null.
Mở Download JSON Report → Binary → Download cho ai-brand-report.json. Mở Download CSV Observations → Binary → Download cho ai-brand-observations.csv. Giữ JSON khi văn bản câu trả lời chính xác là quan trọng. CSV sử dụng TRUE và FALSE, để trống các giá trị vô hướng không xác định, và mã hóa mảng dưới dạng chuỗi JSON. Văn bản giống công thức nhận tiền tố dấu nháy đơn trong CSV.
Bước 5: So sánh Các Lần Chạy và Đặt Lịch
Monitor so sánh báo cáo hiện tại với lần chạy đã lưu gần nhất trước đó cho cùng cấu hình giám sát.
Lần chạy đầu tiên tạo ai_brand_monitor_history trong dự án n8n. comparison.previous_run_id của nó là null, và các thay đổi là no_baseline. Ở một lần chạy sau đó, giữ nguyên thương hiệu, bí danh, miền, quốc gia, ID prompt và nội dung prompt để duy trì cùng một nhóm so sánh.
Các thiết lập engine-node cũng cần được giữ nhất quán. Việc thay đổi thủ công Web Search hoặc một thiết lập engine khác không làm thay đổi khóa nhóm của workflow, vì vậy hãy tự ghi lại các thay đổi đó và thiết lập một đường cơ sở riêng khi phù hợp.
| Change | Interpretation |
|---|---|
gained |
Một giá trị đã biết thay đổi từ false sang true |
lost |
Một giá trị đã biết thay đổi từ true sang false |
unchanged |
Cả hai giá trị đã biết đều trùng khớp; hãy kiểm tra giá trị để phân biệt có hay không có |
unknown |
Ít nhất một giá trị không thể được xác định |
no_baseline |
Không tồn tại quan sát trước đó trùng khớp |
Kiểm tra brand_mention_change và brand_source_change một cách độc lập. comparison.changes liệt kê các quan sát có giá trị được bổ sung hoặc bị mất; mảng observations đầy đủ cũng giữ lại các bản ghi không thay đổi và không rõ. changed_observations đếm các cặp câu hỏi-engine với ít nhất một giá trị được bổ sung hoặc bị mất.
Để luyện tập, hãy chạy workflow offline hai lần. Nó sử dụng ai_brand_monitor_demo_history, tách biệt với lịch sử trực tiếp. Đây là các so sánh tổng hợp, không phải bằng chứng về việc khả năng hiển thị AI thay đổi.
Sau một lần chạy thủ công thành công, đặt giờ và phút trong Daily Schedule, xác nhận múi giờ workflow trong Settings, và xuất bản workflow. Các quy tắc xuất bản và múi giờ của Schedule Trigger giải thích thời điểm bắt đầu thực thi theo lịch. Sử dụng Executions cho các lần chạy đã hoàn tất và tải xuống, và Data Tables cho các báo cáo đã lưu. Việc xác thực dự án được giữ lại không bao gồm lập lịch qua nhiều ngày.
Điều mà Case Smartphone Được Giữ Lại Cho Thấy
Đường cơ sở được giữ lại chứa các câu trả lời hợp lệ từ cả hai engine cho mỗi trong ba câu hỏi, với danh sách nguồn có thể phân tích cú pháp.
Đối với cả hai câu hỏi về danh mục, Samsung xuất hiện trong câu trả lời của mỗi engine. Không một trong bốn danh sách nguồn được trả về đã chọn đó chứa miền Samsung đã cấu hình. Các liên kết chính thức vẫn có thể xuất hiện bên trong nội dung câu trả lời: liên kết trong phần thân câu trả lời và trường returned-source là các phép đo riêng biệt.
Đối với câu hỏi hỗ trợ thương hiệu được nêu tên, ChatGPT trả về năm URL nguồn duy nhất, bốn trong số đó khớp với miền đã cấu hình. Perplexity trả về mười, tất cả đều khớp. Một số nguồn Perplexity đề cập đến Ấn Độ hoặc Vương quốc Anh mặc dù câu hỏi về Mỹ. Do đó, chỉ trùng khớp hostname thôi thì không đủ để xác lập mức độ liên quan theo khu vực.
Case giám sát thương hiệu AI n8n này đo lường các đề cập theo nghĩa đen và số lần trúng miền. Nó không tự động đo lường cảm xúc, vị trí khuyến nghị, độ chính xác thực tế hoặc lưu lượng truy cập. Đường cơ sở đã lưu cũng không thể hiển thị sự cải thiện ở lần chạy thứ hai. Hãy đọc câu trả lời gốc đằng sau mỗi quan sát trước khi biến phép đo thành một tuyên bố marketing.
Kết luận
Bắt đầu với một tập nhỏ, cố định các câu hỏi của người mua, kiểm tra báo cáo đầu tiên và giữ lại các câu trả lời ban đầu của nó. Ở các lần chạy so sánh tiếp theo, xem xét các đề cập được bổ sung và bị mất cùng với các thay đổi trong nguồn được trả về. Giữ các quan sát thất bại ở trạng thái không rõ và tách biệt câu hỏi về danh mục khỏi câu hỏi về thương hiệu được nêu tên. Những lựa chọn đó giúp báo cáo hữu ích cho việc rà soát nội dung định kỳ mà không cường điệu hóa những gì một câu trả lời AI được lấy mẫu chứng minh.
Sẵn sàng Xây Dựng Workflow Giám Sát Thương Hiệu của Bạn?
Tham gia cộng đồng của chúng tôi để kết nối với các nhà phát triển xây dựng pipeline giám sát câu trả lời: Discord · Telegram.
Start with Scrapeless và điều chỉnh workflow cho thương hiệu và bộ câu hỏi riêng của bạn.
Câu hỏi thường gặp
H: Bộ giám sát thương hiệu AI n8n này có cần một agent tự động không?
Không. Workflow được import chạy một chuỗi thu thập và báo cáo cố định. Các câu hỏi được cấu hình quyết định những gì nó gửi đến mỗi engine.
H: Bản demo có thể chạy mà không cần API key không?
Workflow offline có thể chạy mà không cần Scrapeless key vì nó sử dụng phản hồi tổng hợp. Workflow chính yêu cầu một key có quyền truy cập và tín dụng cho cả hai engine.
H: Danh sách nguồn vắng mặt có giống với việc không có trích dẫn thương hiệu không?
Không. Một danh sách thiếu hoặc không hợp lệ là không rõ. Một danh sách trống hoàn toàn có nghĩa là không có lượt trúng returned-source cho quan sát đó. Không kết quả nào mô tả mọi liên kết bên trong phần thân câu trả lời.
H: Một lượt trúng miền có chứng minh thương hiệu được khuyến nghị không?
Không. Một lượt trúng miền chỉ có nghĩa là một hostname khớp xuất hiện trong danh sách returned-source đã chọn. Bối cảnh khuyến nghị, mức độ liên quan của trang và sự phù hợp theo khu vực cần được xem xét thủ công.
H: Tại sao một lần chạy mới lại không có đường cơ sở?
Một cấu hình mới tạo ra một nhóm so sánh khác, và một cặp câu hỏi–engine không có quan sát khớp trước đó sẽ không có đường cơ sở. Kiểm tra cấu hình đã lưu và previous_run_id.
Hỏi: Một báo cáo có thể đo lường tổng mức độ nhận diện thương hiệu AI không?
Không. Một báo cáo bao gồm các prompt, engine, thiết lập và thời gian thu thập đã chọn. Các mẫu lặp lại có thể so sánh được sẽ hỗ trợ một quan sát trong phạm vi hẹp, nhưng chúng không thiết lập một bảng xếp hạng trên toàn nền tảng hay chứng minh rằng một chỉnh sửa nội dung đã gây ra sự thay đổi.
Tại Scrapless, chúng tôi chỉ truy cập dữ liệu có sẵn công khai trong khi tuân thủ nghiêm ngặt các luật, quy định và chính sách bảo mật trang web hiện hành. Nội dung trong blog này chỉ nhằm mục đích trình diễn và không liên quan đến bất kỳ hoạt động bất hợp pháp hoặc vi phạm nào. Chúng tôi không đảm bảo và từ chối mọi trách nhiệm đối với việc sử dụng thông tin từ blog này hoặc các liên kết của bên thứ ba. Trước khi tham gia vào bất kỳ hoạt động cạo nào, hãy tham khảo ý kiến cố vấn pháp lý của bạn và xem xét các điều khoản dịch vụ của trang web mục tiêu hoặc có được các quyền cần thiết.



