LinkedIn möchte Teilnehmer in ihrem Bereich engagieren und vergibt dafür Motivationspunkte an Top-Voices.

Viele Menschen sehen darin einen Anreiz, mitzumachen.
Wie lässt sich dieser Prozess mit der KI automatisieren?

Ein Workflow zeigt, wie man in jedem Bereich sofort passende Antworten von der KI erhält.

Planung:

1. Ich suche mir die Themen heraus für die ich automatische Antworten generieren möchte. Auf dieser Seite gibt es einen Überblick.

2. Diese Themen trage ich in meiner Zielliste ein.

Ich setze den Status auf Go und der Workflow sucht die LinkedIn Fragen und schreibt für jede Frage eine entsprechende Antwort. Ich brauche dann nur auf den Link zu klicken, dann geht das passende Feld auf und ich kann die Antwort eintragen.

Workflow

Der vorliegende make.com Workflow dient dazu, automatisiert Antworten auf LinkedIn Top Voice Artikel zu generieren und diese in einer Airtable Datenbank zu speichern. Hier eine Schritt-für-Schritt Erklärung der einzelnen Module:

1. Airtable Trigger: Der Flow startet, wenn in der "Themen" Tabelle der "LinkedInTopVoice" Base in Airtable ein Datensatz mit dem Status "Go" erstellt oder aktualisiert wird.
2. Replace Text: Die Google Suche URL aus dem Airtable Datensatz wird aufbereitet, indem das Thema eingefügt und URL-kodiert wird.
3. HTTP Request: Es wird eine GET-Anfrage an die erstellte Google Suche URL gesendet, um die Suchergebnisse abzurufen.
4. RegEx: Die Antwort wird nach Links zu LinkedIn Artikeln durchsucht. Nur direkte Links ohne zusätzliche URL-Parameter werden extrahiert.
5. HTTP Request: Die gefundenen LinkedIn Artikel URLs werden aufgerufen, um den Seiteninhalt abzurufen.
6. HTML to Text: Der HTML-Code des LinkedIn Artikels wird in Textformat konvertiert.
7. GPT-4 Completion: Der Artikeltext wird an GPT-4 gesendet. Das Sprachmodell analysiert das Thema und die Unterthemen und formuliert eine Antwort basierend auf den Hinweisen zur gewünschten Antwortphilosophie. Die Ausgabe erfolgt im JSON Format. Hier experimentiere ich später mit Persplexity oder Mixtral
8. Parse JSON: Die JSON Antwort von GPT-4 wird geparst, um auf die Unterthemen und generierten Antworten zuzugreifen.
9. Airtable Create Record: Die extrahierten Daten (Thema, Artikel-Link, Frage/Unterthema, Antwort) werden als neuer Datensatz in der "Artikel" Tabelle in Airtable gespeichert. Der Status wird auf "Done" gesetzt.

Insgesamt automatisiert dieser Workflow den Prozess, relevante LinkedIn Artikel zu finden, deren Inhalt zu analysieren, Antworten darauf zu generieren und diese strukturiert in einer Datenbank zu erfassen. Dies kann als Grundlage dienen, um die GPT-3 generierten Antworten nach einer Überprüfung und möglichen Anpassung durch einen Menschen als Kommentare auf LinkedIn oder in Blogposts zu verwenden, um Traffic und Engagement zu erzeugen.

Fazit

Ich werde das mal in verschiedenen Themen ausprobieren, wenn ich ein spezielles Gebiet abfrage, kann ich mit Message Assistents auch direkt passende mir bekannte Quellen abfragen oder auch ein paar andere KI-Systeme nutzen.

Die Idee zu diesem Workflow kommt aus diesem Youtube Video von George. Ich haben den Workflow auf meine Bedürfnisse angepasst. Besten Dank George.

Anhang:

Wenn du mehr über Automatisierung und KI lernen möchtest, es gibt hier noch freie Plätze.

Starte jetzt: Baue deine eigenen KI-Workflows! 🛠️ - Family and Friends Kurse

Ich biete zwei Family und Friends Kurse zu KI-Workflows an.

KI-InsightsHolger Gelhausen

Das Cover Bild wurde mit Leonardo AI gebaut. Die Qualität ist richtig überragend