Apify + n8n შემქმნელის კვლევის სამუშაო პროცესი: ეტაპობრივი შექმნა

შემქმნელთა კვლევა ჩუმად ჭამს მთელ შუადღეებს. TikTok-ის, YouTube-ისა და Instagram-ის გადახვევა, ნახვების რაოდენობის ცხრილში კოპირება და შემდეგ ერთადერთი პოსტის დაკარგვა, რომელიც რეალურად მნიშვნელოვანი იყო.

ყოველკვირეული შემქმნელის კვლევის შემოსულები ამ რუტინას არღვევს.

Apify-ის მსახიობები საჯარო შემქმნელთა პოსტების გადაწერა და n8n ავტომატიზაციის სამუშაო პროცესი აფასებს ყველა პოსტს, აღნიშნავს გამონაკლისებს და სთხოვს AI მოდელი კაუჭების ნიმუშების დასადგენად.

შემდეგ, ყოველ კვირას, იმავე დღეს, Gmail-ში სუფთა დაიჯესტი იტვირთება, რომელიც პირველი ყავის დალევამდე მზად იქნება.

ქვემოთ მოცემულია სრული აწყობა, კვანძების მიხედვით, Actor-ის შეყვანებიდან და ჩართულობის შეფასების ლოგიკა to AI შინაარსის შეჯამებები და შეცდომის შეტყობინებები. არანაირი თეორია, მხოლოდ სისტემა, რომლის კოპირებაც შეგიძლიათ.

აიმოჯო's სწრაფი განაჩენი

Apify-ის მსახიობების შერჩევა შემქმნელთა მონაცემებისთვის

Apify Store მასპინძლობს მზა სკრაპერებს, სახელწოდებით Actors. მათგან სამი ფარავს შემქმნელთა კვლევის საჭიროებების უმეტესობას და თითოეული შეიცავს თარიღის ფილტრებს, რომლებიც ყოველკვირეულ ძიების შედეგებს ინარჩუნებს.

მსახიობი	ძირითადი შეყვანის ველები	გამომავალი ველები, რომელთა შენახვაც ღირს
YouTube სკრაპერისტრიმერები/youtube-სკრეპერი	startUrls, maxResults, maxResultsShorts, maxResultStreams, sortVideosBy, oldestPostDate	სათაური, URL, თარიღი, ნახვების რაოდენობა, მოწონებები, კომენტარების რაოდენობა, არხის სახელი, გამომწერების რაოდენობა
TikTok-ის სკრაპერიClockworks/tiktok-scraper	პროფილები, resultsPerPage, profileSorting, excludePinnedPosts, oldestPostDateUnified	ტექსტი, webVideoUrl, createTimeISO, playCount, diggCount, commentCount, shareCount, collectCount, authorMeta.fans
Instagram Scraperapify/instagram-scraper	directUrls, resultsType, resultsLimit, onlyPostsNewerThan	წარწერა, URL, shortCode, დროის ნიშნული, მოწონებების რაოდენობა, კომენტარების რაოდენობა, ვიდეოს ნახვების რაოდენობა, მფლობელის მომხმარებლის სახელი

აქ რამდენიმე დეტალია მნიშვნელოვანი. YouTube Scraper's თარიღის დიაპაზონი მხოლოდ არხის URL-ებზე ვრცელდება და ნებისმიერი ტიპის ლიმიტის 0-ზე დაყენება მთლიანად გამოტოვებს ამ ფორმატს.

TikTok Scraper-ის პროფილის დახარისხება იღებს უახლეს, პოპულარულ ან უძველეს ფილტრებს. მისი თარიღის ფილტრები მონიშნულია, როგორც დამუხტული ფილტრები Actor-ის გვერდზე, ამიტომ ჩართვის წინ შეამოწმეთ ეს.

გჭირდებათ Instagram-ის გამომწერების რაოდენობა და ბიოგრაფიები? დაამატეთ Instagram-ის პროფილის სკრაპერი (apify/instagram-profile-scraper) მომხმარებლის სახელების მასივით. ის აბრუნებს გამომწერების რაოდენობას, ბიოგრაფიას, დადასტურებულ და უახლეს პოსტებს.

ტრანსკრიპტები არასავალდებულოა. YouTube Scraper's transcriptionAndSubtitle და TikTok Scraper's ჩამოტვირთვასუბტიტრებივარიანტები ხმოვანი კაუჭების ამოწევას ახდენს, რაც AI ნიმუშის ნოტები გაცილებით მკვეთრია.

n8n-ის ოფიციალური Apify კვანძის შიგნით

Apify აგზავნის დადასტურებულ სათემო კვანძს, @apify/n8n-nodes-apify. n8n Cloud-ზე, კვანძების პანელში მოძებნეთ „Apify“ და დააინსტალირეთ ის, იმ პირობით, რომ დადასტურებული სათემო კვანძები დაშვებულია ადმინისტრაციულ პანელში.

თვითჰოსტირებულ n8n-ზე გახსენით პარამეტრები > საზოგადოების კვანძები , ჩასვით პაკეტის სახელი და დააინსტალირეთ. კვანძს სჭირდება n8n 1.57.0 ან უფრო ახალი ვერსია.

რესურს	ხელმისაწვდომი ოპერაციები	გამოიყენეთ ამ ბილდში
მსახიობები	Actor-ის შესრულება, Actor-ის შესრულება და მისი მონაცემთა ნაკრების მიღება, Web Fetch, უახლესი შესრულების მიღება	გახეხვის მთავარი ეტაპი
მსახიობის დავალებები	დავალების შესრულება, დავალების შესრულება და მისი მონაცემთა ნაკრების მიღება	Apify-ში შენახული უფრო სუფთა შეყვანები
მსახიობების სიკვდილით დასჯა	ერთის მოტანა, ბევრის მოტანა, შეწყვეტა	გამართვა და გაწმენდა
შენახვის სივრცე	მიიღეთ მონაცემთა ნაკრების ელემენტები, მიიღეთ გასაღები-მნიშვნელობის შესანახი ჩანაწერი	შედეგების ამოღება defaultDatasetId-ის მიხედვით
Trigger	Apify-ის ახალი მოვლენის შემთხვევაში (წარმატებული, წარუმატებელი, შეწყვეტილი, დროის ამოწურვა, ნებისმიერი)	შემოსულების გაყოფილი ვერსია დიდი სიებისთვის

ავთენტიფიკაცია ორი გზით მუშაობს . Apify API-ის ავტორიზაციის მონაცემები თქვენს API ტოკენს Apify კონსოლიდან იღებს, ხოლო Apify OAuth2 API ერთი დაწკაპუნებით უკავშირდება მხოლოდ n8n Cloud-ს.

Actor ოპერაცია ასევე ავლენს მორგებულ შეყვანას (JSON), წამებში ტაიმაუტს, მეგაბაიტებში მეხსიერებას, შექმნის ტეგს და დასრულების მოლოდინს.

დატოვეთ მორგებული შეყვანა ცარიელი და მსახიობი გამოიყენებს შენახულ ნაგულისხმევ შეყვანას.

ეტაპობრივი სახელმძღვანელო ყოველკვირეული შემქმნელის კვლევის სამუშაო პროცესის შესახებ

ნაბიჯი 1: შექმენით შემქმნელთა სია Google Sheets-ში

შექმენით ფურცელი სახელწოდებით „შემქმნელთა სია“ ამ სვეტებით. თანაგუნდელებს შეუძლიათ შემქმნელების დამატება ან შეჩერება პირდაპირ Sheets-დან, n8n-ის გახსნის გარეშე.

დაამატეთ მეორე ჩანართი სახელწოდებით „პოსტების ჟურნალი“ . ყველა შეფასებული პოსტი იქ ჩაიწერება, რაც დროთა განმავლობაში უკეთესი საბაზისო ნიშნულების ისტორიას მოგცემთ.

ნაბიჯი 2: შეინახეთ თითოეული სკრაპერი, როგორც Apify Actor-ის დავალება

გახსენით თითოეული მსახიობი Apify კონსოლში, დააყენეთ გონივრული ლიმიტები და დააჭირეთ ღილაკს „შენახვა როგორც ახალი დავალება“.

Apify Actor-ის დავალებები ინახავს შეყვანის მონაცემებს, ასევე ტაიმაუტს და მეხსიერებას, ამიტომ n8n მხარე მოწესრიგებულად რჩება.

ყველა ჩამოტვირთვის გადამრთველი გამორთული გქონდეთ. ვიდეო ფაილები , ქავერები და ავატარები წონას მატებენ კვლევისთვის დახმარების გარეშე.

ნაბიჯი 3: დააკავშირეთ Apify, Google Sheets და Gmail-ის სერთიფიკატები

დააინსტალირეთ Apify კვანძი, შემდეგ დაამატეთ n8n-ში სამი ავტორიზაციის მონაცემები: Apify API , Google Sheets OAuth2 და Gmail OAuth2 . შემდგომი აწყობის დაწყებამდე შეამოწმეთ თითოეული.

სამუშაო პროცესის შუაში დაზიანებული ავტორიზაციის მონაცემები სკრაპინგის ძალისხმევას კარგავს, ამიტომ ეს შემოწმება შედეგიანია.

ნაბიჯი 4: n8n-ის განრიგის ტრიგერის კონფიგურაცია

ჩადეთ Schedule Trigger კვანძი შემდეგი პარამეტრებით:

ფიეld	ღირებულება
ტრიგერის ინტერვალი	კვირის
ტრიგერებს შორის კვირები	1
სამუშაო დღეებში გააქტიურება	ორშაბათი
ტრიგერი საათში	7am
ტრიგერი წუთში	0

დააყენეთ დროის სარტყელი სამუშაო პროცესის პარამეტრებში . მის გარეშე, n8n ისევ ეგზემპლარის დროის სარტყელს დაუბრუნდება და თვითჰოსტინგით ინსტალაციები ნაგულისხმევად ამერიკა/ნიუ_იორკი იქნება.

უპირატესობას ანიჭებთ cron-ს? გამოიყენეთ Custom (Cron) 0 7 * * 1-თან ერთად. ნებისმიერ შემთხვევაში, n8n Schedule Trigger მხოლოდ სამუშაო პროცესის შენახვისა და გამოქვეყნების შემდეგ ირთვება.

ნაბიჯი 5: პლატფორმის შეყვანის შექმნა კოდის კვანძით

დაამატეთ Google Sheets კვანძი (Get Row(s), tab Creator Roster), შემდეგ კი Code კვანძი. ეს Code კვანძი სიის რიგებს თითო პლატფორმაზე ერთ შეყვანის ობიექტად აქცევს.

const rows = $input.all().map(i => i.json).filter(r => r.active === 'yes');

const since = $now.minus({ days: 7 }).toFormat('yyyy-MM-dd');

const pick = p => rows.filter(r => r.platform === p);

return [{ json: {

  youtube: {

    startUrls: pick('youtube').map(r => ({ url: r.profile_url })),

    maxResults: 15, maxResultsShorts: 15, maxResultStreams: 0,

    sortVideosBy: 'NEWEST', oldestPostDate: since

  },

  tiktok: {

    profiles: pick('tiktok').map(r => r.handle),

    resultsPerPage: 20, profileSorting: 'latest',

    excludePinnedPosts: true, oldestPostDateUnified: since

  },

  instagram: {

    directUrls: pick('instagram').map(r => r.profile_url),

    resultsType: 'posts', resultsLimit: 20, onlyPostsNewerThan: since

  }

}}];

ახლა $8n-ია's ჩაშენებული ლუქსონის თარიღი, ამიტომ შვიდი დღის ფანჯარა ყოველ კვირას ავტომატურად გადაინაცვლებს წინ. თარიღის ხელით რედაქტირება არასდროს არის საჭირო.

ნაბიჯი 6: პარალელურად სამი Apify აქტორის შესრულება

კოდის კვანძი დაყავით სამ Apify კვანძად. აირჩიეთ Actor Tasks რესურსი ოპერაციით, რომელიც ასრულებს დავალებას და აბრუნებს მის მონაცემთა ნაკრების ელემენტებს.

Custom input-ში, შესაბამისი ობიექტი გადაეცით გამოსახულებად:

{{ JSON.stringify($json.youtube) }}

გაიმეორეთ $json.tiktok-ისა და $json.instagram-ის შემთხვევაში. მორგებული შეყვანა გადაფარავს შენახულ დავალების შეყვანას, ხოლო დროის ათი საათი და მეხსიერება მაინც დავალებიდან მოდის.

ორი ცალკეული კვანძი გირჩევნიათ? შეასრულეთ Actor ფუნქცია Wait for finish on ღილაკზე და შემდეგ დაამატეთ Get dataset items {{ $json.defaultDatasetId }} ღილაკზე გამოყენებით. ორივე გზა იდენტურ მონაცემებს აბრუნებს.

ნაბიჯი 7: შერწყმა და ნორმალიზაცია ერთ სქემად

დააკავშირეთ სამივე Apify კვანძი შერწყმის კვანძთან, რომელიც დაყენებულია Append-ზე. თითოეული პლატფორმა ველებს სხვადასხვაგვარად ასახელებს, ამიტომ Code კვანძი მათ ერთ საერთო ფორმაში ათავსებს.

const out = [];

for (const { json: p } of $input.all()) {

  if (p.error) continue; // skip failed inputs

  if (p.webVideoUrl) {

    out.push({ platform: 'tiktok', post_id: p.id, creator: p.authorMeta?.name,

      url: p.webVideoUrl, caption: p.text, published: p.createTimeISO,

      views: p.playCount, likes: p.diggCount, comments: p.commentCount,

      shares: p.shareCount });

  } else if (p.shortCode) {

    out.push({ platform: 'instagram', post_id: p.shortCode, creator: p.ownerUsername,

      url: p.url, caption: p.caption, published: p.timestamp,

      views: p.videoViewCount ?? null, likes: p.likesCount,

      comments: p.commentsCount, shares: null });

  } else if (p.viewCount !== undefined) {

    out.push({ platform: 'youtube', post_id: p.id, creator: p.channelName,

      url: p.url, caption: p.title, published: p.date,

      views: p.viewCount, likes: p.likes, comments: p.commentsCount,

      shares: null });

  }

}

return out.map(json => ({ json }));

YouTube Scraper წერს შეცდომის ელემენტებს წაშლილი ვიდეოების ან დაკარგული არხებისთვის. p.error შემოწმება წაშლის მათ, სანამ ისინი რაიმე ქულას დაამახინჯებენ.

ნაბიჯი 8: შეაფასეთ ყველა პოსტი გამონაკლისებისა და ჩართულობის მათემატიკით

ნედლი ნახვები დიდ ანგარიშებს აფასებს. შემქმნელის გამონაკლისის ქულა თითოეულ პოსტს ადარებს ამ შემქმნელის საკუთარ საშუალო მაჩვენებელს, ამიტომ პატარა არხის გარღვევა გამოირჩევა.

Metric	ფორმულა	რას გეუბნება
გამონაკლისი ქულა	პოსტის ნახვების რაოდენობა ÷ შემქმნელის ნახვების საშუალო რაოდენობა	რამდენად აჭარბებს პოსტი საკუთარ საწყის მაჩვენებელს
ჩართულობის შეფასება	(მოწონებები + კომენტარები + გაზიარებები) ÷ ნახვები × 100	რამდენად მკაცრი რეაქცია ჰქონდა მაყურებელს
Instagram-ის სარეზერვო ვერსია	პოსტის მოწონებები ÷ შემქმნელის მოწონებების საშუალო რაოდენობა	მუშაობს ნახვების რაოდენობის გარეშე გამოსახულების პოსტებისთვის

const items = $input.all().map(i => i.json);

const base = it => it.views || it.likes || 0;

const groups = {};

for (const it of items) (groups[it.creator] ??= []).push(base(it));

const median = a => { const s = [...a].sort((x, y) => x - y), m = Math.floor(s.length / 2);

  return s.length % 2 ? s[m] : (s[m - 1] + s[m]) / 2; };

return items.map(it => {

  const med = median(groups[it.creator]) || 1;

  const eng = it.views ? ((it.likes || 0) + (it.comments || 0) + (it.shares || 0)) / it.views * 100 : null;

  return { json: { ...it, outlier: +(base(it) / med).toFixed(2),

    engagement: eng === null ? null : +eng.toFixed(2) } };

}).sort((a, b) => b.json.outlier - a.json.outlier);

ერთი კვირის პოსტები თხელ საწყის ნიშნულს ქმნის. რამდენიმე კვირის შემდეგ, წაიკითხეთ პოსტების ჟურნალის ჩანართი და გამოთვალეთ მედიანები ბოლო პოსტების ისტორიიდან.

ნაბიჯი 9: გამეორებების დაბლოკვა დუბლიკატების წაშლის კვანძით

ქულების მინიჭების შემდეგ დაამატეთ „დუბლიკატების წაშლის “ კვანძი. დააყენეთ ოპერაცია „წინა შესრულებებში დამუშავებული ელემენტების წაშლაზე“ და „მნიშვნელობის ახალი ელემენტების შენახვაზე“.

ეს მუდმივი დედუქცია ხელს უშლის ხელით ხელახლა გააქტიურებას ერთი და იგივე პოსტების ორჯერ გაგზავნაში. დედუქციის ისტორიის გასუფთავება ტესტირების დროს მას გადატვირთავს.

ნაბიჯი 10: დაამატეთ AI ნიმუშის ანალიზის ფენა

გამოიყენეთ Limit კვანძი, რათა შეინარჩუნოთ ტოპ 15 პოსტი, შემდეგ კი Aggregate კვანძი, რომელიც დაყენებულია All Item Data-ზე. ეს მთელ პარტიას გადასცემს AI როგორც ერთი ნივთი.

შემდეგ, დაამატეთ Basic LLM Chain ნებისმიერ ჩატის მოდელს, რომელსაც უკვე იყენებთ, მაგალითად, OpenAI, Anthropic ან Gemini.

ჩართეთ „მოთხოვნილია სპეციფიკური გამომავალი ფორმატი“ და დაურთეთ სტრუქტურირებული გამომავალი ანალიზატორი.

თქვენ მოკლე ფორმის კონტენტ სტრატეგი ხართ.

ქვემოთ მოცემულია ამ კვირაში's JSON-ის სახით ყველაზე პოპულარული შემქმნელთა პოსტები, გამორჩეული ქულის მიხედვით დალაგებული.

დააბრუნეთ JSON შემდეგნაირად:

– „ნიმუშები“: 3 განმეორებადი კაუჭი ან ფორმატი, რომელთაგან თითოეული ციტირებას ახდენს პოსტის URL-ებზე

– „თემები“: თემები, რომლებიც 2+ გამარჯვებულ პოსტში ჩნდება

– „იდეები“: 3 კონტენტ იდეა, რომლის გადაღებაც ჩვენს გუნდს ამ კვირაში შეუძლია

გამოიყენეთ მხოლოდ მონაცემებიდან მიღებული მტკიცებულება. თუ ნიმუში სუსტია, ასეც თქვით.

{{ JSON.stringify($json.data) }}

მხოლოდ სუბტიტრებს აკლია წარმოთქმული კაუჭი, რომელიც, როგორც წესი, მოკლე ვიდეოს განსაზღვრავს.'s ბედი.

YouTube-ის ან TikTok-ის დავალებაში ტრანსკრიპტების ჩართვის შემდეგ, სუბტიტრების ტექსტის საწყისი სტრიქონები ნორმალიზებულ ელემენტში გადაიტანეთ.

ტექსტი დაახლოებით პირველ 300 სიმბოლომდე შეამცირეთ. შემდეგ მოდელი გამარჯვებულთა რეალურ საწყის სტრიქონებს ადარებს და ტოკენების გამოყენება მცირე რჩება.

ფრაზა „მხოლოდ მტკიცებულებების გამოყენება“ მნიშვნელოვანია. ის ინარჩუნებს AI შინაარსი ნიმუშების ანალიზი, რომელიც დაფუძნებულია რეალურ პოსტებზე და არა ზოგად ტენდენციურ ჭორებზე.

ნაბიჯი 11: HTML დაიჯესტის შეკრება და Gmail-ის საშუალებით გაგზავნა

საბოლოო კოდის კვანძების წყვილებმა პოსტები შეაფასეს AI გამომავალი და ელფოსტის ტექსტის აგება:

const posts = $('Limit').all().map(i => i.json);

const ai = ('BasicLLMChain').first().json.output;constrows=posts.map(p=>`<tr><td>{p.platform}</td><td>p.creator</td><td><ahref="{p.url}">(p.caption||'').slice(0,70)</a></td><td>{p.outlier}x</td><td>p.engagement??'–'%</td></tr>`).join('');consthtml=`<h2>TopOutliers</h2><tableborder="1"cellpadding="6">{rows}</table>

  <h2>Patterns</h2><ul>${ai.patterns.map(x => `<li>${x}</li>`).join('')}</ul>

  <h2>Ideas</h2><ul>${ai.ideas.map(x => `<li>${x}</li>`).join('')}</ul>`;

return [{ json: { html } }];const items = $input.all().map(i => i.json);

const base = it => it.views || it.likes || 0;

const groups = {};

for (const it of items) (groups[it.creator] ??= []).push(base(it));

const median = a => { const s = [...a].sort((x, y) => x - y), m = Math.floor(s.length / 2);

  return s.length % 2 ? s[m] : (s[m - 1] + s[m]) / 2; };

return items.map(it => {

  const med = median(groups[it.creator]) || 1;

  const eng = it.views ? ((it.likes || 0) + (it.comments || 0) + (it.shares || 0)) / it.views * 100 : null;

  return { json: { ...it, outlier: +(base(it) / med).toFixed(2),

    engagement: eng === null ? null : +eng.toFixed(2) } };

}).sort((a, b) => b.json.outlier - a.json.outlier);

შემდეგ დაამატეთ Gmail კვანძი ამ პარამეტრებით:

ნაბიჯი 12: პოსტების Google Sheets-ში ჟურნალირება და გამოქვეყნება

დუბლიკატების წაშლის კვანძიდან Google Sheets კვანძში გადაიტანეთ განშტოება პოსტების ჟურნალის ჩანართზე „დამატების“ ან „მწკრივის განახლების“ ღილაკების გამოყენებით . დაამთხვიეთ post_id-ს, რათა განახლებულმა სტატისტიკამ ძველი რიგები გადაწეროს.

დააყენეთ შესაბამისობის პარამეტრი „ავტომატურად შესაბამისობაზე“ , რადგან ნორმალიზებული ველების სახელები უკვე ემთხვევა სვეტებს. შეასრულეთ ერთხელ ხელით, შეამოწმეთ ელფოსტა და შემდეგ გამოაქვეყნეთ სამუშაო პროცესი.

მასშტაბირება Apify-ის გრაფიკებითა და ღონისძიებების ტრიგერებით

ერთი დაგეგმილი სამუშაო პროცესი რამდენიმე ათეული შემქმნელის სიისთვისაა შესაფერისი. ამის შემდეგ, ხანგრძლივი სკრაპინგის სამუშაოები n8n-ის შესრულებას რამდენიმე წუთის განმავლობაში ღიად ტოვებს, ხოლო ერთი ნელი პლატფორმა დანარჩენს აფერხებს.

გამოსწორების სპლიტები ორივე პლატფორმაზე მუშაობს:

ფაქტორი	ერთიანი სამუშაო პროცესი	გაყოფილი სამუშაო პროცესი
დაყენების დრო	Faster	ოდნავ უფრო გრძელი
ხანგრძლივი გახეხვის სამუშაოები	შესრულებას მთელი დღის განმავლობაში ელოდება	n8n-ში ლოდინი აკრძალულია
ერთი პლატფორმა ვერ ხერხდება	შეიძლება დაიჯესტის დაბლოკვა	სხვები მაინც დაეშვებიან
თვითორგანიზებული საჭიროებები	არანაირი დამატებითი	საჯარო WEBHOOK_URL ტრიგერისთვის

Apify-ის ახალი გრაფიკები გამორთულია, ამიტომ ჩართეთ თქვენი შენახვის შემდეგ. Apify ასევე გამოგიგზავნით ელ.წერილს, როდესაც დაგეგმილი დავალება ვერ დაიწყება.

სადაც შემქმნელთა მიერ შეგროვებული ინფორმაციის რეალურ ზღვრებს აღწევს

ავტომატიზაციის ყველა წინადადება ამ ნაწილს გამოტოვებს, ამიტომ აქ ის ნათლად ჩანს.

შემოსულებს კვლევის ასისტენტად მოეპყარით და არა ორაკულად. ადამიანი მაინც წყვეტს, რომელი ნიმუში იმსახურებს გადაღების დღეს.

სწრაფი პასუხები Apify-სა და n8n Creator Research-ზე

დასკვნა

შემქმნელთა კვლევა აჯილდოებს მას, ვინც პირველი შეამჩნევს კანონზომიერებას. ხელით გადახვევა ამას სრულ განაკვეთზე დასაქმებულად აქცევს და გუნდების უმეტესობა რამდენიმე კვირის შემდეგ ჩუმად ნებდება.

Apify და n8n ამ საქმეს სისტემას გადასცემენ.

Store Actors ახალ საჯარო პოსტებს აქვეყნებს, კოდის კვანძები კი მათ თითოეულ შემქმნელს აფასებს.'s საკუთარი საბაზისო ბაზა და AI ფენის ციფრებს მოკლე სიტყვებად აქცევს.

დაიწყეთ ერთი დაგეგმილი სამუშაო პროცესით და ხუთი შემქმნელით, რომელსაც უკვე ადევნებთ თვალყურს. როგორც კი დაიჯესტი სასარგებლო აღმოჩნდება, გაზარდეთ შემადგენლობა და გადადით გაყოფილ სისტემაზე Apify Schedules-ის გამოყენებით.

მიეცით მას სამი ან ოთხი კვირის ჩანაწერები. ეს's როდესაც გამონაკლისების ქულები მკვეთრდება და თქვენი ორშაბათის შემოსული წერილები ნებისმიერ ტრენდულ ანგარიშს აჯობებს, რომლის შეძენაც შეგიძლიათ.