Przejdź do głównej treści
Polski— Wybierz język
Menu

Alerty tematyczne i monitorowanie automatyczne

Lekcja 4 z 12 Zaktualizowano 30 lipca 2026 Średnio zaawansowani
Na tej stronie
  1. Od monitorowania doraźnego do ciągłego
  2. Zdefiniuj obszary monitorowania
  3. Architektura systemu alertów
  4. Konfigurowanie konkretnych alertów
  5. Zarządzanie powiadomieniami i routingiem
  6. Optymalizacja kosztów monitoringu
  7. Ćwiczenie praktyczne: dashboard monitoringu
  8. Kluczowe wnioski

Od monitorowania doraźnego do ciągłego

Poprzednie lekcje pokazały Ci, jak odpytywać X w trybie doraźnym. Prawdziwa siła monitoringu marketingowego tkwi jednak w automatyzacji: systemie, który działa ciągle, filtruje szum i alarmuje Cię tylko wtedy, gdy pojawi się istotny sygnał.

Ta lekcja nauczy Cię budować kompletny system alertów tematycznych – od definiowania kryteriów aż po powiadomienie.

Zdefiniuj obszary monitorowania

Skuteczny system alertów zaczyna się od precyzyjnej mapy Twoich potrzeb. Pogrupuj alerty w cztery obszary:

Obszar 1: Marka i reputacja

Wszystko, co wspomina o Twojej marce, produktach lub kadrze kierowniczej – bezpośrednio lub pośrednio.

Obszar 2: Konkurencja

Ruchy bezpośrednich i pośrednich konkurentów (omówione w Lekcji 2).

Obszar 3: Branża i regulacje

Rozwój rynku, nowe przepisy, zmiany technologiczne.

Obszar 4: Szanse

Niezaspokojone potrzeby, frustracje konsumentów, nieformalne zapytania ofertowe.

Architektura systemu alertów

Oto architektura zautomatyzowanego systemu monitoringu opartego na X Search:

import json
from datetime import datetime, timedelta

class VeilleMarketing:
    def __init__(self, client):
        self.client = client
        self.alertes = []

    def definir_alerte(self, nom, prompt, handles=None,
                       frequence_heures=6, seuil_urgence="moyen"):
        self.alertes.append({
            "nom": nom,
            "prompt": prompt,
            "handles": handles,
            "frequence_heures": frequence_heures,
            "seuil_urgence": seuil_urgence,
            "dernier_scan": None
        })

    def executer_scan(self, alerte):
        tools_config = {"type": "x_search"}
        if alerte["handles"]:
            tools_config["allowed_x_handles"] = alerte["handles"]

        # Time window since last scan
        now = datetime.now()
        depuis = alerte["dernier_scan"] or (
            now - timedelta(hours=alerte["frequence_heures"])
        )

        tools_config["from_date"] = depuis.strftime("%Y-%m-%d")
        tools_config["to_date"] = now.strftime("%Y-%m-%d")

        response = self.client.responses.create(
            model="grok-4.20-0309-reasoning",
            input=f"""{alerte['prompt']}

            Evaluate the urgency of each detected signal:
            - CRITICAL: requires immediate action
            - IMPORTANT: handle within the day
            - INFORMATIVE: note for the weekly report

            If no relevant signal, simply reply 'NONE'.""",
            tools=[tools_config]
        )

        alerte["dernier_scan"] = now
        return response.output_text

Konfigurowanie konkretnych alertów

Oto przykłady alertów dostosowanych do różnych kontekstów marketingowych:

Alert reputacyjny

veille = VeilleMarketing(client)

veille.definir_alerte(
    nom="Brand reputation",
    prompt="""Search for any mention of [your brand]
    on X. Identify complaints, criticism, or issues
    reported by users. Classify by severity.""",
    frequence_heures=4,
    seuil_urgence="critique"
)

Alert o uruchomieniu produktu przez konkurencję

veille.definir_alerte(
    nom="Competitor launches",
    prompt="""Detect any sign of product launch
    or major campaign: teasers, announcements, pre-registration
    pages, changes to bio or profile photo.""",
    handles=["concurrent_a", "concurrent_b", "concurrent_c"],
    frequence_heures=12,
    seuil_urgence="important"
)

Alert o szansach branżowych

veille.definir_alerte(
    nom="Industry opportunities",
    prompt="""Identify unmet demands,
    frustrations, or requests for recommendations in
    the [your industry] sector. Focus on posts that
    express a concrete need our offer addresses.""",
    frequence_heures=8,
    seuil_urgence="moyen"
)

Zarządzanie powiadomieniami i routingiem

Wyniki Twoich alertów muszą trafić do właściwych osób we właściwym czasie. Zbuduj system powiadomień w oparciu o poziom pilności:

def router_alerte(nom_alerte, resultat, seuil):
    if resultat.strip() == "NONE":
        return  # No notification

    if seuil == "critique":
        # Immediate notification (Slack, SMS, email)
        envoyer_notification_urgente(nom_alerte, resultat)
    elif seuil == "important":
        # Add to daily digest
        ajouter_au_digest(nom_alerte, resultat)
    else:
        # Archive for weekly report
        archiver_signal(nom_alerte, resultat)

Dobre praktyki dotyczące powiadomień

  • Nie przesadzaj z powiadomieniami: zbyt wiele nieistotnych alertów sprawia, że zaczynasz ignorować je wszystkie.
  • Dostarczaj kontekst: każdy alert musi wyjaśniać, dlaczego został uruchomiony.
  • Nadawaj priorytety: to system powinien sortować, a nie odbiorca.
  • Prowadź historię: loguj wszystkie alerty, aby wykrywać wzorce.

Optymalizacja kosztów monitoringu

Przy cenie 5 USD za 1000 wywołań X Search, aktywny monitoring może generować znaczne koszty. Oto jak je kontrolować:

Obliczanie budżetu

Nombre d'alertes × scans/jour × 30 jours = appels mensuels

Exemple :
- 5 alertes × 4 scans/jour × 30 = 600 appels/mois
- Coût : 600 / 1000 × 5 $ = 3 $/mois

Strategie optymalizacji

Koszt zautomatyzowanego monitoringu kontrolujesz przede wszystkim przez grupowanie: jedno zapytanie obejmujące dziesięć kont kosztuje jedno wywołanie, podczas gdy dziesięć osobnych zapytań kosztuje dziesięć, a dostarcza tych samych informacji. Częstotliwość skanowania to drugi mechanizm sterujący i nie musi być stała – zwiększaj ją podczas kluczowych wydarzeń (start produktu konkurencji, kryzys branżowy), a zmniejszaj w okresach spokoju: monitorowanie co godzinę w niedzielę w sierpniu tylko bezsensownie przepala budżet. Filtrowanie po stronie promptu dodatkowo oczyszcza sygnał: poproś Groka, aby wyświetlał tylko elementy powyżej progu trafności, co pozwala uniknąć przetwarzania – i przechowywania – szumu. Na koniec prosty mechanizm cache domyka pętlę: jeśli ostatnie skanowanie miało miejsce kilka minut temu, zwróć jego wynik zamiast ponownie uruchamiać zapytanie, zwłaszcza gdy z tego samego monitoringu korzystają wielu użytkowników lub dashboardów.

Ćwiczenie praktyczne: dashboard monitoringu

Połącz wszystkie obszary monitorowania w jeden skrypt orkiestratora:

def cycle_veille_complet(veille):
    resultats = {}
    for alerte in veille.alertes:
        now = datetime.now()
        dernier = alerte["dernier_scan"]

        # Check if scan is due
        if dernier and (now - dernier).total_seconds() < \
           alerte["frequence_heures"] * 3600:
            continue

        resultat = veille.executer_scan(alerte)
        resultats[alerte["nom"]] = resultat
        router_alerte(alerte["nom"], resultat, alerte["seuil_urgence"])

    return resultats

Cennik na dzień 5 sierpnia 2026 r. – ceny zmieniają się regularnie: przed jakimkolwiek obliczeniem budżetu sprawdź aktualny cennik na oficjalnej stronie modeli i cennika xAI.

Kluczowe wnioski

  • Uporządkuj monitoring w czterech obszarach: reputacja, konkurencja, branża i szanse.
  • Każdy alert musi mieć częstotliwość i próg pilności dostosowane do jego celu.
  • Kieruj powiadomienia do właściwych osób w zależności od poziomu pilności.
  • Przy cenie 5 USD za 1000 wywołań kompletny monitoring marketingowy kosztuje kilka dolarów miesięcznie.
  • Grupuj konta i dostosowuj częstotliwość, aby optymalizować koszty.