Steg 2: anslut Google Sheets för kund- och SEO-data

Läs in kunduppgifter och SEO-arket från URL:en som skickas in via webhooken.

1. I Fetch Client Details, ställ in Sheet Name på Client information och Document ID på ={{ $('Chat Webhook Trigger').item.json.chatInput }}.
2. Inloggning krävs: anslut era googleSheetsOAuth2Api-credentials i Fetch Client Details.
3. I Retrieve SEO Sheet, ställ in Sheet Name på SEO och Document ID på ={{ $('Chat Webhook Trigger').item.json.chatInput }}.
4. Inloggning krävs: anslut era googleSheetsOAuth2Api-credentials i Retrieve SEO Sheet.
5. Verifiera körflödet: Chat Webhook Trigger → Fetch Client Details → Retrieve SEO Sheet.

Steg 3: filtrera och batcha nyckelord för bearbetning

Filtrera kvalificerade nyckelordsrader och iterera igenom dem i batchar för SERP-analys.

1. I Filter Keyword Rows, behåll villkoren som kontrollerar att ={{ $json['Keyword'] }} inte är tomt och att ={{ $json['

   '] }}

   är tomt.
2. I Validate Keyword Presence, säkerställ att villkoret kontrollerar att ={{ $json['Keyword'] }} finns innan ni fortsätter.
3. Använd Batch Through Keywords för att iterera de filtrerade raderna; detta loopar senare tillbaka från Update Spreadsheet Row för att bearbeta nästa nyckelord.
4. Bekräfta flödet: Retrieve SEO Sheet → Filter Keyword Rows → Validate Keyword Presence → Batch Through Keywords.

Steg 4: konfigurera SERP-sökning och crawlning av konkurrenter

Sök i SERP och crawla konkurrenters sidor, och extrahera sedan rubriker för AI-analys.

1. I Search SERP via API, ställ in URL på https://api.apify.com/v2/acts/nFJndFXA5zjCTuudP/run-sync-get-dataset-items och behåll Method som POST.
2. Ställ in JSON Body till den angivna payloaden och behåll query-raden "queries": "{{ $json['Keyword'] }}" oförändrad.
3. Inloggning krävs: anslut era httpHeaderAuth-credentials i Search SERP via API.
4. Anslut Firecrawl-credentials till alla fem crawl-noder: Crawl Result One, Crawl Result Two, Crawl Result Three, Crawl Result Four och Crawl Result Five.
5. Bekräfta att varje crawl-nod använder rätt URL-uttryck, t.ex. Crawl Result One → URL ={{ $('Search SERP via API').item.json.organicResults[0].url }}.
6. Behåll den sekventiella extraktionskedjan intakt: Crawl Result One → Extract Headings One → Crawl Result Two → Extract Headings Two → Crawl Result Three → Extract Headings Three → Crawl Result Four → Extract Headings Four → Crawl Result Five → Extract Headings Five.

Steg 5: sätt upp AI-generering och parsning

Generera SEO-metadata och content briefs med Anthropic-modeller, Supabase-retrieval och OpenAI-embeddings.

1. I Generate Meta & H1, behåll hela prompttexten och bekräfta att uttrycken som refererar till nyckelord, kunduppgifter och konkurrentrubriker är intakta.
2. Koppla Anthropic Model Primary som språkmodell för Generate Meta & H1. Inloggning krävs: anslut era anthropicApi-credentials i Anthropic Model Primary.
3. Koppla Supabase Retriever Primary som ett verktyg till Generate Meta & H1 och behåll Tool Name som BaseDeDonnees med Table Name ={{ $('Fetch Client Details').item.json['Supabase database'] }}_documents. Inloggning krävs: anslut era supabaseApi-credentials i Supabase Retriever Primary.
4. OpenAI Embeddings Primary levererar embeddings till Supabase Retriever Primary. Inloggning krävs: anslut era openAiApi-credentials i OpenAI Embeddings Primary. Lägg credentials på huvudnoderna, inte på subnod-anslutningen.
5. Koppla Structured JSON Parser som output-parser för Generate Meta & H1, och behåll schemaexemplet enligt det som är angivet. Lägg parserinställningar på huvudnoden, inte på parser-subnoden.
6. I Compose Content Brief, behåll prompttexten som refererar till {{$('Generate Meta & H1').item.json.output.h1}} och konkurrentrubriker från alla extraktionsnoder.
7. Koppla Anthropic Model Secondary som språkmodell för Compose Content Brief. Inloggning krävs: anslut era anthropicApi-credentials i Anthropic Model Secondary.
8. Koppla Supabase Retriever Secondary med samma tabelluttryck ={{ $('Fetch Client Details').item.json['Supabase database'] }}_documents och anslut OpenAI Embeddings Secondary för embeddings. Inloggning krävs: anslut era supabaseApi- och openAiApi-credentials i de noderna.

Steg 6: sammanställ och uppdatera SEO-arket

Slå ihop AI-outputs med originalrader och uppdatera Google Sheet.

1. I Assemble Sheet Update, behåll koden som mappar AI-outputs till , ,
   och brief.
2. I Update Spreadsheet Row, ställ in Operation på update och Sheet Name på FR.
3. Ställ in Document ID på ={{ $('Chat Webhook Trigger').item.json.chatInput }}.
4. Säkerställ att Matching Columns inkluderar mots clés för matchningen vid uppdatering.
5. Inloggning krävs: anslut era googleSheetsOAuth2Api-credentials i Update Spreadsheet Row.
6. Bekräfta loopen: Assemble Sheet Update → Update Spreadsheet Row → Batch Through Keywords för att bearbeta nästa rad.

Steg 7: testa och aktivera ert workflow

Validera end-to-end-körning och aktivera workflowet för produktionsanvändning.

1. Klicka på Execute Workflow och skicka en testförfrågan till Chat Webhook Trigger med en giltig Google Sheets-URL i chatInput.
2. Verifiera att Search SERP via API returnerar organicResults och att alla Crawl Result- och Extract Headings-noder producerar rubrik-outputs.
3. Bekräfta att Generate Meta & H1 outputar strukturerade fält som matchar meta_title, meta_description och h1 från Structured JSON Parser.
4. Kontrollera Google Sheet för att säkerställa att , ,
   och brief uppdateras i FR-arket.
5. När allt är verifierat, växla workflowet till Active för att köra i produktion.