API: „Ty se ptáš, když chceš něco vědět.“
(Aplikace/klient aktivně volá rozhraní služby a ptá se na informace.)
Webhook: „Aplikace Ti sama dá vědět, když se něco stane.“
(Služba aktivně odešle požadované informace sama ve chvíli, kdy nastane určitá událost, aniž by se klient musel ptát.)
(00:00) Dnes projdeme, jak můžete automatizovat svůj výzkum klíčových slov pro SEO v Make.
Celá tato stavba nevyžaduje žádné programování ani nic podobného.
V podstatě vezme vaše nápady na klíčová slova, pokud jich máte několik, a získá návrhy automatického dokončování Google.
To je, když zadáváte do Googlu a on vám dává návrhy na další klíčová slova nebo jiné termíny, které můžete vyhledávat.
Vezmeme všechny tyto a necháme ChatGPT, aby je proměnil na skutečné nápady na obsah, jako jsou návody, průvodce, a podobné věci.
(00:30) Můžete to použít pro svůj vlastní byznys, pokud potřebujete zlepšit pozici na Googlu, nebo to můžete udělat i pro zákazníka.
Obecně platí, že pokud to děláte pro zákazníka, pravděpodobně bude mít pokročilejší potřeby.
Možná budete muset použít nástroje jako Ahrefs nebo SEMrush pro podrobnější informace o objemu vyhledávání klíčových slov a podobné věci.
Ale dnes to udržíme relativně jednoduché.
Máme náš Google Sheet, který sleduje některé klíčové nápady.
Získáme návrhy automatického dokončování Google odtud a pak je přeneseme do ChatGPT pro některé nápady na obsah a pošleme je zpět do Google Sheet.
(01:01) Začnu od nuly, abychom to mohli projít spolu.
Nejprve začneme s Google Sheets a budete potřebovat Watch n Ros.
V podstatě vše, co uděláme, je propojit to s tabulkou, která má několik různých klíčových nápadů v ní.
Takže to teď nastavím.
Nastavím prázdnou tabulku pojmenovanou ‚Nápady na klíčová slova.‘
Pak se musím vrátit do Make.com a jen vybrat příslušnou tabulku.
Paráda, tak teď jsem vybral tu správnou.
Spustíme to ještě jednou a paráda, máme naše první klíčové slovo, ‚marketingový software.‘
Co uděláme dál, je použít modul Dumpling AI hotate.
(02:17) Jen vložíme vyhledávací dotaz, což je klíčové slovo.
Pokud to spustím ještě jednou, nemáme žádné výsledky, takže vyberme začátek.
Zvolme vše znovu.
Uvidíte, že máme všechny možnosti automatického dokončování jako marketingový software, marketingový software pro malé firmy, platformy pro marketingový software, a podobné věci.
Problém je, že teď jsou všechny v různých balíčcích.
Co chceme udělat, je spojit je do jednoho textového řetězce, abychom je mohli vložit do našeho dotazu ChatGPT.
Na to použiji modul Text Aggregator.
Zdrojový modul bude Dumpling AI a text budou jen hodnoty toho, co z něj dostáváme.
Stisknu OK tady.
(02:53) Pokud se vrátím sem, mohu si tak nějak ověřit, že to dělám správně.
Takže text.
Oddělil jsem to tam, ale i kdybych to neudělal, není to konec světa.
Přidám to za okamžik, ale přejdu sem a nejprve krátce promluvím o dotazu, než to sám implementuji.
Dotaz je: Jste stratega obsahu.
Vaším úkolem je analyzovat seznam návrhů automatického dokončování Google a generovat nápady na obsah.
Organizujte návrhy do kategorií jako průvodce typu jak na to, plány cvičení, tipy na fitness a doporučení produktů.
Pro každou kategorii navrhněte dva až tři konkrétní nápady na obsah, které mohou být využity.
Pak jsme jen prošli návrhy automatického dokončování a my se dostaneme odpovědí s nápady na obsah.
(03:20) Existuje mnoho způsobů, jak bychom to mohli vylepšit.
Například, co teď děláme, je pouze použití návrhů automatického dokončování k vytvoření nápadů na obsah.
Ale například možná chceme vzít jedno klíčové slovo a proměnit ho ve více klíčových slov.
V tom případě bychom nepotřebovali ChatGPT.
Jen bychom vzali výstupy z Dumpling AI a vložili je zpět do Google Sheet.
Mohu rychle implementovat tenhle.
Ve skutečnosti, pokud odstraním tento modul zde, mám tyto různé moduly a jediné, co musím udělat, je jít znovu do Google Sheet.
Jen přidáme řádky zpět do tabulky, kterou jsme měli.
Takže znovu vyberu tabulku, vyberu list a jen řekneme přidat hodnotu jako takovou.
(03:58) Pokud to opět spustím, budu muset zvolit začátek znovu.
Přepněme to ještě jednou.
Měli bychom dostat 10 různých klíčových slov přicházejících sem.
Takže to je v případě, že chcete rozšířit ten seznam klíčových slov.
Ale jak jsem říkal na začátku, to není náš cíl, že?
Naším cílem je přeměnit klíčová slova na nápady na obsah.
Co tedy uděláme, je, že opět přetáhneme ten textový modul.
Zdrojový modul je Dumpling AI.
Hodnota, zobrazit nějaká nastavení pásma a oddělíme čárkou a to by mělo být v pořádku.
Teď jen využijeme náš ChatGPT modul k vytvoření nápadů na obsah.
(04:35) Vytvořte bod dokončení, udržujte tuto část super jednoduchou v případě, že to chcete sami upravit.
Takže dotaz: Jste specialista na obsah.
Prosím, vygenerujte obsahový brief pro blogový příspěvek.
Klíčová slova, která se nás týkají, jsou.
A my jen vložíme klíčová slova, která jsme dostali.
Samozřejmě, pokud jste skuteční odborníci, existuje mnoho problémů s tímto přímým přístupem.
Jen jsem vám chtěl dát představu o tom, co je možné, že?
Potenciálně, místo kombinování klíčových slov, byste to udělali pro každé jednotlivé klíčové slovo samostatně, v takovém případě byste nepotřebovali textový agregátor.
Opět, co vám chci ukázat s těmito návody je, že protože to stavíte sami na platformě bez kódu jako Make.com, můžete to upravit přesně podle vašich potřeb.
To je výhoda něčeho takového ve srovnání s nákupem hotového řešení.
(05:37) S hotovým řešením jste tak nějak uzamčeni do toho, jak implementovali svůj software.
S něčím jako toto můžete dělat přesně to, co chcete.
Paráda, takže to udělejme a podívejme se, jak to vypadá.
Vlastně tyto další klíčová slova smažu, abychom je nemuseli všechny spouštět.
Vyberte, kdy začít a jen vyberte to první klíčové slovo znovu.
Pokud to nyní spustím, měl by mi tento ChatGPT modul dát docela dobrý obsahový brief.
Jakmile ověříme, že to vše funguje, posledním krokem je skutečně jen uložit ho zpět do našeho Google Sheet.
Vrátíme se sem, můžete se podívat na výstup.
Obsahový brief: Pochopení marketingového softwaru pro malé podniky.
Takže ano, máme zde docela pěkný brief, není špatný.
(07:23) Posledním krokem pro nás je skutečně jen uložit to zpět do Google Sheet.
Jak jsem říkal předtím, možná nebudete chtít uložit obsahový brief, ale možná budete chtít použít obsahový brief k vytvoření skutečného blogového příspěvku.
Mám několik videí o tom, jak generujete blogové příspěvky v Make.com s využitím AI, takže se na ně podívejte, pokud se chcete naučit, jak to udělat.
Můžete uložit obsahový brief, můžete uložit svůj blogový příspěvek, můžete uložit generované obrázky do čehokoliv, co chcete.
Takže tento jen aktualizujeme řádek a jen uložíme obsahový brief zpět sem.
Vyberu tabulku znovu.
Musíme vybrat list a číslo řádku je právě to, co jsme zadali od začátku.
Jen aktualizuji obsahový brief s tím, co mi ChatGPT dal.
Takže teď, pokud to pak znovu spustím od začátku, jen to spusťte, jako že to všechno přebírá, poběží to opět.
Ale tentokrát, jakmile to dokončí běh, měli bychom vidět nový obsahový brief vyskakující v našich Google Sheets.
(08:30) Udělám to trochu širší v přípravě.
Tady to je.
Obecně chcete, aby se to zalamovalo, abyste to mohli skutečně číst.
Ale tady to je, teď máme naše klíčové slovo a pak máme obsahový brief.
Krasa tohoto je, že jde o automatizaci.
Ať už je to jedno klíčové slovo nebo 100 klíčových slov, stačí stisknout jedno tlačítko.
Stačí stisknout spustit.
Pokud to děláte ručně, jedno klíčové slovo nemusí být tak špatné.
Dostanete se k 10, 20, 50, 100 klíčovým slovům, začíná vám to trvat dny.
Automatizace je skutečně zaměřena na ty vysoce objemové úkoly nebo opakující se úkoly, které nakonec zabírají hodně vašeho času nebo času vašeho týmu.
(09:02) Můžete investovat trochu úsilí a času do vytvoření automatizace jako této a ušetřit hodně času z dlouhodobého hlediska.
Ale jo, to je v podstatě vše pro tento návod.
Jak jsem zmínil během videa, tyto automatizace jsou skutečně pro vás, abyste si je vzali a přizpůsobili si je.
Každý byznys a každý proces je mírně odlišný.
Pokud máte zájem o písemnou verzi tohoto návodu, nechám odkaz v popisku, stejně jako odkaz na šablonu tohoto plánu, pokud si ho chcete stáhnout a hrát si s ním sami.
Pokud máte nějaké myšlenky nebo komentáře, neváhejte zanechat komentář níže.
(00:00) Dnes si budeme povídat o iterátorech a agregátorech na Make.com.
Jakmile začnete vytvářet stále složitější automatizace na Make.com, začnete narážet na koncept seznamů a schopnost iterovat nebo procházet jednotlivé položky v těchto seznamech.
Abyste toho dosáhli, opravdu potřebujete pochopit, jak iterátory a agregátory fungují na Make.com.
(00:24) Pokud jste v minulosti programovali, iterátory jsou v podstatě verzí cyklu for na Make.com.
Ale pokud jste neprogramovali, nebojte se, v tomto videu vám to vysvětlím velmi jednoduše.
Nejprve si musíme vymyslet scénář, kde budeme skutečně potřebovat použít iterátory a agregátory.
Iterátory používáte pouze tehdy, když máte seznam věcí.
Abychom si vymysleli příklad, vytvořil jsem seznam ovoce v tomto Google Sheet.
Možná bychom chtěli vytvořit aktualizovaný seznam, který by například přeměnil jablko na jablečný koláč, banán na banánový koláč a hrušku na hruškový koláč nebo něco takového.
Děláme stejnou činnost s každou položkou v tomto seznamu.
Začněme.
Takže nejdřív načteme ten seznam, že?
Potřebujeme Google Sheet.
Myslím, že potřebujeme vyhledat řádky.
Můj už je připojený.
Jen připojím tabulku.
Jo, a pak vybereme jméno listu.
Nepotřebujeme všechny sloupce, takže to můžeme zjednodušit, protože to bude o něco rychlejší.
Vraťme jen tři řádky, protože to je vše, co máme, a to vypadá dobře.
Máme záhlaví, takže to je v pořádku.
(01:39) Pokud to teď spustím, uvidíte, že to vrací tři balíčky.
Každý z těchto balíčků představuje jeden z řádků zde.
Vracím jen jeden sloupec, ale můžete si představit, kdybych měl více sloupců.
Možná by to bylo jako ovoce, potom jako příchuť a potom hodnocení nebo něco podobného.
To by se vrátilo v každém z těchto balíčků.
Takže teď mám jen ovoce, což je sloupec A, a číslo řádku zde.
Jak vlastně projít každým z těchto řádků a něco s nimi udělat?
(02:11) Pokud jste sledovali mé video o hromadné generaci blogů, víte, že jsem měl například seznam klíčových slov nebo seznam témat a chtěl jsem generovat AI články pro každé klíčové slovo.
V tom videu jsem také používal iterátory.
Jsou to situace jako tato, kde děláte věci ve velkém nebo máte dlouhé seznamy, kde budete používat iterátory.
Podívejme se, jak projdeme každého z nich jeden po druhém.
Co musíte udělat, je přetáhnout modul iterátoru, který je v rámci řízení toku.
Přidám iterátor.
(02:40) Tady se někteří lidé zmatou, protože si myslíte, že už máte seznam zde, jako to vypadá jako seznam, že? Máte balíček jeden, balíček dva, balíček tři.
Make.com je podle mě trochu matoucí.
Tohle ve skutečnosti ještě není seznam.
To jsou tři samostatné kolekce.
Musíte tyto tři kolekce nejprve převést na seznam, než je můžete použít v modulu iterátoru.
Abyste toho dosáhli, musíte použít tento nástroj, což je, dovolte mi ho najít, vždy zapomenu, jak se přesně jmenuje, agregátor polí.
(03:21) Pokud to odpojím, pak udělám tohle, ano.
Co jsem udělal zde, je, že jsem to spojil s mým Google Sheet a pak říkám, že pro každý z těch balíčků zde chceme z toho vytvořit pole.
Pole je jako seznam a my jen chceme stáhnout první sloupec, což je sloupec ovoce.
Pokud to všechno proběhne, měli bychom nakonec mít seznam ovoce.
Teď máme toto pole a můžete vidět, že mám ovoce, takže to konečně funguje.
Zde teď můžeme do naší sady zadat pole a pak můžete začít dělat věci s každou položkou v poli.
(04:06) Uvidíte zde, jen dostat se od řádků Google Sheet, abyste mohli dělat věci na každém jednotlivém řádku, museli jste nejprve použít agregátor a pak iterátor.
Odtud je místo, kde skutečně začnete dělat svou logiku.
Není to nejsnadnější, ale jakmile pochopíte a několikrát to uděláte, stane se to o něco jednodušším.
Můžete dělat, co chcete.
Uděláme něco velmi jednoduchého, že?
Možná jen je všechny přeměníme na banánový koláč, hruškový koláč, všechny tyhle věci.
Pojďme jen k iterátoru.
Vezmeme název ovoce a pak přidám koláč za něj.
Ve svém předchozím videu, kde jsem dělal hromadnou generaci AI článků, jsem zde přidal AI modul, tedy OpenAI nebo Anthropic, abych požádal model jazyka o generování blogového příspěvku.
(05:18) Můžete dělat, co chcete.
Dokonce můžete jen posílat e-maily že; měli jste seznam e-mailů, můžete posílat personalizované e-maily každé osobě, pokud zde umístíte e-mailový modul.
Spusťme to, uvidíme, co se stane.
Uvidíte, že to udělalo jablečný koláč, banánový koláč, hruškový koláč.
Prošlo to každý z řádků a pak přidalo koláč, což jsem chtěl, aby to udělalo zde.
Takže ano, to jsou základy, jak používat agregátory polí a iterátory.
Pokud máte nějakou zpětnou vazbu, myšlenky nebo otázky, jen zanechte komentář a pokusím se co nejlépe se vám ozvat zpět.
V dnešním videu vám ukážu, jak vytvořit AI agenta, který má schopnost uchovávat dlouhodobou paměť.
Často, když si povídáte s AI agentem, dokáže si udržet kontext konverzace v rámci jednoho chatu.
Ale co když jste si s ním psali před 10 dny a teď se chcete vrátit k některým poznatkům z té konverzace?
Přesně to vám dnes ukážu!
Naučím vás, jak tento pracovní postup vytvořit v n8n.
Tento workflow využívá spouštěč v Telegramu, který vidíte zde.
Tímto způsobem aktivuji agenta, když mu pošlu hlasovou nebo textovou zprávu.
Pokaždé, když mu napíšu, dotazuje se na tuto Airtable databázi, která obsahuje informace o mně.
Dokáže si dokonce v reálném čase přidávat nové vzpomínky pomocí tohoto nástroje pro paměť, takže se neustále zdokonaluje.
A teď vám prozradím tajnou ingredienci!
Pokud zůstanete až do této části videa, ukážu vám systémový prompt pro tohoto AI agenta.
Než se do toho pustíme, pojďme si nejdříve ukázat, jak tento agent funguje.
Pošlu mu hlasovou zprávu:
„Ahoj, jak se jmenuješ?“
Automatizace se právě spustila a odkazuje na tento řádek v databázi.
Jak vidíte, odpovídá: „Jmenuji se Super Wizbot.“
Perfektní! Tuto informaci získal přímo odtud.
Chci, aby si do dlouhodobé paměti uložil vzpomínku, že byl součástí úžasného YouTube videa, kde jsem ho vytvořil.
Pokud se podíváte dolů, měla by se tato vzpomínka brzy objevit.
Stačí jen rychle obnovit Airtable databázi a jak vidíte, přidalo se to tam!
Takže nyní má uloženou vzpomínku: „Carter byl součástí úžasného YouTube videa, kde sdílel, jak vytvořit Super Wizbota.“
Nejlepší na tomto agentovi je, že ho můžete požádat, aby sám vylepšoval svou paměť.
Stačí se ho zeptat:
„Hej, co všechno potřebuješ vědět o mně a o tomto systému, aby ses mohl zlepšovat?“
První otázka, kterou mi položí, je:
„Jaké konkrétní osobní nebo profesní cíle máš pro tento rok?“
Pak se ptá:
„Máš nějaké konkrétní koníčky nebo zájmy, kterým se aktuálně věnuješ nebo které bys chtěl prozkoumat hlouběji?“
„Jaká témata nebo oblasti tě nejvíce oslovují ve čtení a učení mimo kryptoměny a umělou inteligenci?“
Tyto informace získal přímo odsud – kryptoměny a umělá inteligence.
Teď mi položil několik otázek, aby si v budoucnu mohl zlepšit kontext při konverzaci.
Odpovím mu stručně:
„Moje osobní cíle na tento rok jsou zlepšit svou fyzickou kondici a lépe spát.
Chci spát 7 až 8 hodin denně.
Mým profesním cílem je dosáhnout 100 000 odběratelů na YouTube.
Mé zájmy, kterým se věnuji hlouběji, zahrnují sbírání vinylových desek a studium pokročilejších technických oborů, například inženýrství.
Také se zajímám o rozvoj mého malého města a chci ho proměnit v důležitější lokalitu v okolí, aby se v něm lidem lépe žilo.“
Odeslal jsem tuto odpověď a měl by nyní přidat mé vzpomínky do Airtable.
Poté mi pošle odpověď.
Jak vidíte, právě přidává všechny tyto vzpomínky.
Uložil můj profesní cíl na tento rok.
Uložil témata, která mě zajímají při učení.
Uložil i mé zájmy a cíle.
Dokonce si zapamatoval můj zdravotní cíl – konkrétně to, že chci zlepšit svůj spánek.
A teď i po skončení této chatovací relace bude mít agent přístup k 50 posledním vzpomínkám uloženým v Airtable.
Seřadí je podle data, kdy byly vytvořeny.
Podívejte se, dnes vás naučím, jak celý tento systém vytvořit úplně zdarma!
Je to můj dárek pro vás, protože chci, abyste si mohli tento systém implementovat pro své vlastní AI agenty.
Ale pokud chcete posunout svou úroveň učení dál…
Pokud se chcete propojit s lidmi, kteří jsou nadšení pro umělou inteligenci…
Možná chcete sdílet své vlastní postřehy…
Nebo se jen učit strukturovaněji místo chaotického procházení YouTube videí…
Pokud jste se v tom našli, pak vám doporučuji investovat do komunity AI Foundations.
V AI Foundations pořádáme pravidelné týdenní Zoom hovory, kde si navzájem pomáháme a propojujeme se jako komunita.
Právě jsme také spustili nový kurz o tom, jak mistrovsky ovládnout n8n.
Tento nástroj bude v budoucnosti klíčový pro stavitele AI agentů.
Pokud vás tato skupina zaujala a chtěli byste se přidat,
doporučuji použít odkaz v připnutém komentáři nebo v popisku videa a připojit se do AI Foundations ještě dnes.
Takže kliknu na tlačítko plus uprostřed a napíšu „Telegram“.
Kliknu na „Telegram“ a vyberu možnost „On message“, což znamená, že tento trigger se spustí při přijetí zprávy.
Pokud zde nemáte uloženou svou přihlašovací metodu, klikněte na „Create new credential“.
Poté se zobrazí okno, kde je potřeba zadat přístupový token.
Abych získal tento token, otevřu Telegram buď na počítači, nebo v telefonu.
Na počítači stačí kliknout v levém horním rohu na vytvoření nového kanálu.
Pojmenuji ho „Test“ a kliknu na „Create“.
Vyberu možnost „Private channel“ a kliknu na „Save“.
Přeskočím přidávání uživatelů a první zprávu, kterou napíšu, bude „@botfather“.
Stisknu Enter.
Poté kliknu na odkaz pro „BotFather“ a napíšu „/newbot“.
Stisknu Enter a nyní se mě Telegram ptá, jak chci svého bota pojmenovat.
Pojmenuji ho „Super Memory Bot“ a stisknu Enter.
Teď potřebuji vytvořit uživatelské jméno bota.
Napíšu „SuperCoreMemory_Bot“ a stisknu Enter.
Telegram mi oznámí, že toto jméno je již obsazené.
Zkusím „UltraCoreMemoryBot“ a tentokrát to projde.
Telegram mi oznámí, že bot byl úspěšně vytvořen a zobrazí mi přístupový token.
Kliknu na tento token, aby se zkopíroval do schránky.
Vracím se do n8n, vložím token do příslušného pole a kliknu na „Save“.
Nyní zavřu okno a kliknu na „Back to Canvas“.
Teď máme nastavený náš Telegram trigger, takže když pošleme zprávu, bude přijata zde.
Dalším krokem je připojení naší paměťové databáze, což bude Airtable.
Kliknu na tlačítko plus a napíšu „Airtable“.
Kliknu na „Airtable“ a vyberu možnost „Search records“.
Poté vytvořím novou přihlašovací metodu pro Airtable a použiji svůj přístupový token.
Chcete-li získat tento token, přihlaste se do svého Airtable účtu.
Klikněte v pravém horním rohu na svůj účet, poté na „Builder Hub“ a následně na „Create new token“.
Pojmenujte token například „Test“, přidejte přístup ke všem současným i budoucím workspace a klikněte na „Create token“.
Zkopírujte token a vložte ho do n8n.
Klikněte na „Save“.
Po úspěšném otestování spojení zavřete okno a nastavte:
Nyní vytvoříme novou databázi v Airtable.
Kliknu v levém dolním rohu na „Create“, vyberu workspace a kliknu na „Start from scratch“.
Databázi pojmenuji „Agent Memory“ a tabulku „Memory“.
Sloupec „Name“ přejmenuji na „Memory“ a nastavím jej na „Long text“.
Odstraním ostatní výchozí sloupce a vložím testovací záznam:
„User’s name is Carter“.
Vrátím se do n8n a nastavím propojení mezi Airtable a workflow.
Ujistím se, že vybírám správnou databázi a tabulku.
V nastavení vyhledávání omezím počet vrácených záznamů na 50, aby odpovědi nebyly příliš dlouhé.
Dalším krokem je agregace dat.
Kliknu na tlačítko plus, vyhledám „Aggregate“ a přidám tento uzel.
Zvolím „Individual fields“ a do pole „Input field name“ napíšu „Memory“.
Abychom spojili zprávy z Telegramu s našimi agregovanými daty, přidáme uzel „Merge“.
Kliknu na plus, vyhledám „Merge“ a nastavím „Mode“ na „Combine“.
Zvolím „All possible combinations“.
Propojím vstupy tak, aby Telegram byl první vstup a agregované vzpomínky byly druhý vstup.
Nyní přidáme samotného AI asistenta.
Kliknu na plus, vyberu „Advanced AI“ a zvolím „AI agent“.
Otevřu editor a nastavím:
Přidám také „System message“, kde nastavím chování asistenta.
Zahrnu aktuální datum a čas, instrukce pro ukládání a využívání vzpomínek.
Instrukce upravím tak, aby asistent generoval přirozené konverzační odpovědi.
Dále přidáme model OpenAI pro generování odpovědí.
Kliknu na plus, vyberu „OpenAI chat model“, nastavím přihlašovací údaje a vyberu „GPT-4-turbo“.
Přidáme krátkodobou paměť.
Kliknu na plus, vyberu „Window buffer memory“ a nastavím délku kontextového okna na 5 zpráv.
Dále přidáme schopnost zapisovat nové vzpomínky.
Kliknu na plus, vyberu „Airtable tool“ a nastavím jej tak, aby mohl přidávat nové záznamy do naší tabulky „Memory“.
Nakonec přidáme odeslání odpovědi zpět do Telegramu.
Kliknu na plus, vyberu „Telegram“, nastavím „Send text message“ a připojím výstup asistenta.
Nyní aktivuji workflow a otestuji ho.
Pošlu zprávu: „Co o mně víš?“
Asistent správně odpoví: „Vím, že se jmenuješ Carter.“
Poté přidám novou vzpomínku: „Mám psa jménem Reese.“
Asistent odpoví: „To je skvělé! Reese musí být skvělý společník.“
Vzpomínka se úspěšně uloží do Airtable.
Pro rozšíření na hlasové zprávy přidám OpenAI transcriber.
Upravím propojení tak, aby transkripce hlasové zprávy byla zpracována stejným způsobem jako textová zpráva.
Teď máme hotového AI asistenta s dlouhodobou pamětí, propojeného s Telegramem a Airtable!
Pokud se chcete dozvědět více o AI agentech nebo se připojit ke komunitě, podívejte se na AI Foundations.
Doufám, že se vám tento návod líbil a uvidíme se v dalším videu!
Role AI chatbota v sektoru vzdělávání
AI chatbot je vybaven schopnostmi zpracování přirozeného jazyka, což zajišťuje plynulou komunikaci a personalizované interakce se zákazníky.
Vyšší viditelnost ve vyhledávačích
Když je váš web lépe indexován a zobrazuje se na předních pozicích, roboti najdou relevantní obsah snáze, než kdyby se nacházel na konci výsledků vyhledávání.
Lepší uživatelská zkušenost
Přehledná struktura obsahu a jeho srozumitelnost usnadňují robotům pochopení kontextu i formulaci odpovědí. Jsou-li informace jasně rozdělené a dobře napsané, robot se v nich snáz orientuje a dokáže je rychle převést do přehledné odpovědi.
Přizpůsobení se novým trendům
Web optimalizovaný pro hlasové a konverzační dotazy se robotům lépe „čte“. Dokážou pak využít vhodně strukturovaný obsah k přesnějším a přirozenějším reakcím na dotazy uživatelů.
Atraktivní zobrazení na sociálních sítích
Pokud má stránka správně nastavené Open Graph tagy, robot (například při sdílení či dotazech s odkazem na sociální náhled) okamžitě ví, jaké titulky, popisky a obrázky použít. Tím snižuje riziko zobrazení nesprávných či zavádějících informací.
Efektivní využití strukturovaných dat
Strukturovaná data (Schema, mikroformáty, RDFa, JSON-LD) umožňují robotům lépe rozpoznat, o jakou informaci jde – zda jde o cenu, datum, hodnocení nebo třeba recept. Díky tomu mohou ve svých výstupech nabízet přesnější a detailnější informace.
Propojení s entity SEO a knowledge graph
Napojením na entity a znalostní grafy (knowledge graph) získává robot širší kontext – rozumí vztahům mezi pojmy, událostmi či osobnostmi a dokáže tak zodpovídat i složitější či kontextové dotazy.
Využití dat pro podporu rozhodování
Analyzování logů, chování uživatelů a klíčových slov poskytuje podklady pro neustálé ladění robotů. Lze tak odhalit, jaké dotazy kladou uživatelé nejčastěji nebo kde se robot může zaseknout – a následně jej doučit či doplnit o chybějící informace.
title, description a v menší míře i keywords. Ačkoli meta keywords ztrácejí na významu, vhodně napsaný title a poutavý description zůstávají klíčové pro lepší pochopení obsahu vyhledávači i uživateli.hCard, hReview): Implementace strukturovaných dat prostřednictvím JSON-LD nebo RDFa pomáhá vyhledávačům lépe porozumět konkrétním prvkům obsahu (produkty, články, hodnocení, události apod.). To vede ke vzniku „rich snippets“ a lepší viditelnosti ve výsledcích vyhledávání.Optimalizace webových stránek pro AI je nadstavbou klasické SEO strategie .
Seznam automatizací:
Zdroje:
V roce 2020 jsme vytvořili dva specializované WordPress weby zaměřené na firemní víno – vlastnivino.cz a firemnivino.winehouse.cz. Hlavním cílem bylo využít daňové výhody tichého vína do 500 Kč jako reklamního předmětu a vybudovat dominantní pozici ve vyhledávání pro klíčová slova „firemní víno“ a „vlastní víno“.
Segment firemního vína prožíval v roce 2020 boom díky specifické daňové výhodě. Firmy mohly tiché víno s logem do hodnoty 500 Kč bez DPH uplatnit jako reklamní předmět – plně daňově uznatelný náklad s nárokem na odpočet DPH. Tato výjimka v zákoně činila firemní víno extrémně atraktivním vánočním dárkem.
Trh byl velký – podle interních dat tvořilo víno s firemním logem až 90% všech reprezentativních dárků českých společností.
Online prostředí pro „firemní víno“ ovládali tři hlavní konkurenti s doménami staršími než 8 let. Pozice 1-3 ve vyhledávání Google byly obsazené, organická návštěvnost prakticky nedostupná pro nové hráče. Zároveň firmy potřebovaly B2B přístup – kalkulace na míru, vzorky, faktury s DPH, individuální grafické zpracování etiket. Standardní e-shop na toto nebyl připravený.
Rozhodli jsme se pro strategii dvou nezávislých domén s různým positioning:
Postavili jsme dva WordPress weby s custom formuláři pro B2B kalkulace a vytvořili články pokrývajících témata od výběru vína pro obchodní partnery až po daňovou uznatelnost firemních darů. Spustili jsme PPC kampaně včetně remarketingu. Systematicky jsme A/B testovali různé typy konverzních formulářů a budovali zpětné odkazy ze specializovaných stránek a vinařských blogů.
Projekt splnil stanovené cíle s dobrými výsledky ve všech sledovaných oblastech. Organické pozice ve vyhledávání se postupně zlepšily pro většinu relevantních klíčových slov, hlavním zdrojem návštěvnosti však zůstaly PPC kampaně. Měsíční objem kvalifikovaných poptávek dosáhl plánované úrovně, průměrná hodnota objednávek odpovídala očekávanému zaměření na firemní segment. Konverzní poměry se lišily podle typu webu – emocionální přístup vlastnivino.cz fungoval standardně, zatímco přímočará B2B komunikace firemnivino.winehouse.cz vykazovala lepší výsledky. Podařilo se částečně rozložit sezónní koncentraci poptávky a generovat kontakty i v mimosezónních obdobích.
První leden 2024 přinesl zásadní změnu – novela zákona o daních z příjmů zrušila výjimku pro tichá vína jako reklamní předměty. Během několika měsíců od nabytí účinnosti poklesly naše konverze a celý trh firemního vína se zhroutil. Zákonodárce označil daňovou výhodu jako „nesystémovou výjimku“, ale skutečnost byla složitější.
Na změně vydělali především velcí hráči v reklamním průmyslu, kam se firmy vrátily k tradičním předmětům, importéři zahraničních alkoholů, kteří nahradili české víno, a daňoví poradci řešící nové komplikace. Poraženi zůstali čeští vinaři, kteří přišli o odbytový kanál za miliardy korun ročně, a malé firmy specializované na firemní dárky.
Absurdní je, že DPH si u dárků do 500 Kč stále odečíst můžete – včetně vína. Stát si ponechal daň, ale zrušil podporu českého vinařství. Výsledkem je přesun trhu k nekvalitním alternativám a zánik tisíců pracovních míst ve vinařském sektoru. Naše WordPress weby sice stále běží a generují návštěvnost, ale kontakty již nepřicházejí. Pro majitele e-shopů je to varovný příběh – i nejlépe navržený systém může zničit jediná změna zákona, diverzifikace proto není možnost, ale nutnost přežití.
