בניית אוטומציות שיווקיות עם AI — Claude Code, n8n, Zapier

1. פתחו Terminal (Mac/Linux) או Command Prompt (Windows)
2. הריצו: npm install -g @anthropic-ai/claude-code
3. הריצו: claude — ותעקבו אחרי ההנחיות לאימות (Anthropic account)
4. נכנסו לתיקיית הפרויקט: cd /path/to/project
5. הריצו: claude — ותחילו לעבוד

דרישות: Node.js 18+, חשבון Anthropic עם API key. עלות: לפי שימוש (tokens).

פתחו Claude Code בתיקיית עבודה וכתבו:

"Read the CSV file 'competitors.csv' in this folder. It has columns: Competitor, Website, Monthly Traffic, Domain Rating, Top Keywords Count. Analyze the data: rank competitors by strength, identify our biggest threat, find gaps we can exploit. Generate a markdown report and save it as 'competitor-report.md'."

Claude Code יקרא את הקובץ, ינתח, וייצור דוח — בלי שתצטרכו לכתוב שורת קוד אחת.

"Build me a Python script that does the following:
1. Reads a list of URLs from 'pages.csv' (one URL per row)
2. For each URL: fetches the page, extracts Title tag, Meta Description, H1, H2 count, Word count, Image alt text coverage
3. Scores each page (0-100) based on SEO best practices
4. Generates a CSV report with all findings
5. Writes an Executive Summary in Hebrew at the top of a report.md file

Use requests + BeautifulSoup. Handle errors gracefully. Show progress."

"I have a file 'keywords.txt' with 20 target keywords (one per line, Hebrew).
For each keyword:
1. Generate a Content Brief (target audience, search intent, outline)
2. Write a 1,500-word blog post draft in Hebrew (natural, not translated)
3. Generate 3 meta title options and 3 meta description options
4. Save each blog post as a separate HTML file in a 'drafts/' folder
5. Generate an index.html that links to all drafts

Important: Hebrew must be natural Israeli Hebrew. Include section headers (H2, H3). Add [FACT-CHECK] markers for any statistics."

"Read 'ga4-export.csv' and 'google-ads-export.csv' from this folder.
1. Clean both datasets (remove empty rows, standardize date format)
2. Merge on Date column
3. Calculate: daily ROAS, CPA trend, traffic-to-conversion correlation
4. Identify anomalies (values > 2 standard deviations from mean)
5. Generate charts (matplotlib): traffic trend, CPA trend, ROAS by channel
6. Write a Hebrew executive summary (500 words) with key findings
7. Save everything as a self-contained HTML report with embedded charts

Currency: ILS. Market: Israeli. Consider Shabbat as expected traffic drop."

"Create a monitoring script:
1. Read competitor URLs from 'competitors.json' (URL + name + what to monitor)
2. For each competitor: fetch their homepage and /blog page
3. Compare to previous snapshot (saved in 'snapshots/' folder)
4. Detect: new blog posts, pricing changes, new features mentioned, design changes
5. Generate a 'changes-report.md' in Hebrew: what changed, analysis, recommended actions
6. Save new snapshots for next comparison

This should be runnable as a weekly cron job."

"Read 'pages.csv' with columns: URL, Current Title, Current Description, Target Keyword, Page Type.
For each page:
1. Evaluate current Title and Description (score 1-10, issues found)
2. Generate 3 optimized Title options (with keyword, under 60 chars, compelling)
3. Generate 3 optimized Description options (with keyword, under 155 chars, with CTA)
4. Flag any pages with critical SEO issues (missing title, duplicate, too long)

Output: CSV with original + recommendations + scores.
Language: Hebrew. Include character count for each option."

1. ב-n8n: Settings → Credentials → Add Credential
2. חפשו "Anthropic" (Claude)
3. הכניסו API Key (מ-console.anthropic.com)
4. בחרו מודל: claude-sonnet-4-20250514 (מאוזן) או claude-opus-4-0-20250514 (מתקדם)
5. שמרו. עכשיו כל AI Node יכול להשתמש ב-Claude

חלופה: חברו גם OpenAI API — כדי להשתמש ב-GPT-4 ל-Use Cases ספציפיים (כמו יצירת תמונות עם DALL-E).

Trigger: Webhook (טופס באתר נשלח)
→ Information Extractor: חילוץ שם, אימייל, טלפון, חברה, עניין
→ AI Agent: "דרג את הליד הזה 1-100. פרמטרים: גודל חברה (LinkedIn), עניין מוצהר, Source. ענף שלנו: [X]. ליד מעל 70 = Hot"
→ IF Node: Score >= 70?
    → כן: שלח SMS/WhatsApp לאיש מכירות + עדכן CRM כ-"Hot Lead"
    → לא: הוסף לרשימת Nurture Email + עדכן CRM כ-"Warm Lead"

Trigger: Schedule (כל יום ראשון)
→ HTTP Request: שליפת מילות מפתח מ-Google Sheet
→ LLM Chain Node 1: "צור Content Brief ל-Keyword: [X]"
→ LLM Chain Node 2: "כתוב בלוג 1,500 מילה לפי ה-Brief. עברית טבעית."
→ Google Docs Node: צור Doc חדש עם הטיוטה
→ Slack Node: שלח הודעה: "טיוטה חדשה מוכנה לעריכה: [Link]"
→ Wait Node: המתן לאישור (Slack reaction או Form)
→ WordPress Node: פרסם כטיוטה ב-WordPress

Trigger: Schedule (כל שעה)
→ HTTP Request: בדוק ביקורות Google חדשות (API)
→ Sentiment Analysis Node: חיובי / שלילי / ניטרלי
→ IF Node: שלילי?
    → כן: AI Agent: "כתוב תגובה מקצועית ואמפתית לביקורת: [text]. עברית. בשם: [שם העסק]"
        → Slack: "ביקורת שלילית! תגובה מומלצת: [text]. אשר לפרסם?"
    → לא: AI Agent: "כתוב תגובת תודה קצרה לביקורת חיובית"
        → פרסם תגובה אוטומטית (רק לחיוביים!)

Trigger: Schedule (כל יום ראשון 08:00)
→ HTTP Request: שליפת Ranking data מ-Google Search Console API
→ Code Node: השוואה לשבוע קודם (שמור ב-JSON)
→ AI Agent: "נתח את שינויי הדירוג השבועיים. מילות מפתח שעלו, שירדו, שנכנסו ל-Top 10. הסבר אפשרי לשינויים. 3 המלצות. עברית."
→ Email Node: שלח דוח שבועי למייל
→ Google Sheet: שמור נתונים היסטוריים

Trigger: RSS Feed (בלוג חדש פורסם)
→ Summarizer Node: "סכם את הבלוג ב-3 משפטים"
→ LLM Chain: "על בסיס הסיכום, צור: 1 פוסט Facebook (200 מילה + CTA), 1 פוסט LinkedIn (מקצועי, 150 מילה), 3 פוסטי Twitter/X (280 תווים כל אחד), 1 Caption ל-Instagram (עם Hashtags). עברית טבעית."
→ Google Sheet: שמור את כל הפוסטים בלוח תוכן
→ Slack: "5 פוסטים חדשים מוכנים לאישור: [Link to Sheet]"

Trigger: Schedule (יומי)
→ HTTP Request: סרוק RSS / Blog pages של 5 מתחרים
→ Summarizer: "סכם כל מאמר חדש ב-2 משפטים"
→ AI Agent: "נתח: האם יש שינויים אסטרטגיים? מסרים חדשים? מוצרים חדשים? שינוי מחיר? תן Risk Assessment."
→ IF: Risk > Medium?
    → Slack Alert + Email + CRM Task

Trigger: Webhook (קמפיין אימייל הסתיים)
→ HTTP Request: שליפת ביצועים מ-Mailchimp/Klaviyo API
→ AI Agent: "נתח: Open Rate, CTR, Unsubscribe Rate. השווה לקמפיינים קודמים. מה עבד? מה לא? 3 המלצות לקמפיין הבא."
→ LLM Chain: "על בסיס הממצאים, כתוב 5 שורות נושא חדשות ו-3 גרסאות CTA"
→ Google Sheet: שמור ממצאים + המלצות + שורות נושא חדשות
→ Slack: "ניתוח קמפיין מוכן + המלצות לקמפיין הבא"

Trigger: טופס חדש ב-Typeform / Google Forms
→ AI Action: "על בסיס הפרטים, כתוב הערכה קצרה: מי הליד, מה הוא צריך, מה רמת הדחיפות (1-5)"
→ HubSpot/Monday: צור Contact חדש עם הערכת AI
→ Slack: הודעה לצוות מכירות

Trigger: WordPress — פוסט חדש פורסם
→ AI Action: "קרא את הבלוג וצור: 1 פוסט Facebook, 1 פוסט LinkedIn, 5 Tweets. עברית."
→ Buffer/Hootsuite: תזמן את הפוסטים ל-24-48 שעות הבאות
→ Google Sheet: שמור ללוח תוכן

Trigger: Gmail — מייל חדש מלקוח
→ AI Field: "סווג את המייל: שאלה / תלונה / בקשת הצעת מחיר / שבח / ספאם"
→ AI Field: "מה רמת הדחיפות? (1-5)"
→ Filter: דחיפות >= 4?
    → כן: Slack Alert + CRM Task
    → לא: תייג ב-Gmail + CRM Note

Trigger: Schedule (כל יום 09:00)
→ Google Ads: שלוף ביצועי אתמול
→ AI Action: "CPA אתמול: [X]. ממוצע 7 ימים: [Y]. האם יש חריגה? אם כן, מה הגורם הסביר ומה ההמלצה?"
→ IF: חריגה > 20%?
    → Slack: "Alert: CPA חרג ב-[X]%. ניתוח AI: [text]"

Trigger: Schedule (כל ראשון 08:00)
→ Google Analytics: שלוף סיכום שבועי
→ Google Ads: שלוף ביצועים שבועיים
→ AI Action: "כתוב סיכום שבועי בעברית. 5 נקודות עיקריות. 3 המלצות. טון מקצועי."
→ Gmail: שלח דוח לצוות
→ Slack: פרסם ב-channel

"Build a weekly marketing performance agent. Create a Python script that:

1. DATA COLLECTION:
— Read GA4 data from 'ga4-weekly.csv' (manually exported for now)
— Read Google Ads data from 'gads-weekly.csv'
— Read previous week's data from 'last-week.json'

2. ANALYSIS (use Claude API):
— Compare this week vs last week: traffic, conversions, CPA, ROAS
— Identify anomalies (>2 SD from 4-week average)
— Generate 3 actionable insights
— Generate 3 recommendations for next week
— Predict next week's performance (based on trend)

3. REPORT:
— Generate beautiful HTML report (dark theme, Hebrew, RTL)
— Include charts (Chart.js embedded)
— Executive Summary (3 paragraphs Hebrew)
— KPI table with arrows (up/down)
— Save as 'report-YYYY-MM-DD.html'

4. DELIVERY:
— Save current week's data as 'last-week.json' for next run
— Print report path

Currency: ILS. Market: Israeli. Language: Hebrew."