JIPRAKS Classroom

Cara Bangun AI Agent untuk Otomasi Riset Kompetitor dengan n8n + GPT (MVP 3 Hari)

· 4 menit baca

Cara Bangun AI Agent untuk Otomasi Riset Kompetitor dengan n8n + GPT (MVP 3 Hari)

Problem: Developer dan founder indie sering terjebak menghabiskan berjam‑jam untuk mengumpulkan data kompetitor—harga, fitur, review, hingga postingan media sosial. Proses manual copy‑paste bikin produktivitas turun, data tidak konsisten, dan insight terlambat.

Kenapa AI Agent & n8n?

n8n adalah workflow orchestrator low‑code yang mudah di‑host (Docker, Vercel, atau serverless). Dengan menambahkan AI Agent berbasis GPT, kita dapat:

  • Scrape situs kompetitor secara dinamis.
  • Ekstrak informasi relevan (fitur, harga, review) menggunakan prompt yang disesuaikan.
  • Ringkas data ke format CSV/Google Sheet untuk analisis cepat.
  • Trigger notifikasi Slack/Telegram bila ada perubahan signifikan.

Hasilnya: research loop otomatis dalam hitungan menit, bukan jam.

Arsitektur & Workflow (Diagram Ringkas)

[Timer (cron: 06:00)] --> [HTTP Request: Fetch Sitemap] --> [SplitInBatches]
    --> [Function: Build Prompt] --> [OpenAI Node (GPT‑4)] --> [JSON Parse]
    --> [Google Sheets: Upsert] --> [IF Change Detected] --> [Slack Notification]

Langkah utama:

  1. Trigger: cron setiap pagi.
  2. Fetch: HTTP node mengambil sitemap atau API kompetitor.
  3. Batching: pecah URL jadi batch 5‑10 agar tidak kena rate‑limit.
  4. Prompt Building: function node menyuntikkan URL ke template prompt.
    "Extract the product name, price, key features, and the top 3 user reviews from the page below. Summarize in JSON. URL: {{ $json.url }}"
  5. LLM Call: OpenAI node (GPT‑4) menghasilkan JSON.
  6. Parse & Store: JSON parse, then upsert ke Google Sheet (atau Supabase).
  7. Change Detection: compare dengan baris sebelumnya; jika ada >10% price change atau fitur baru, masuk ke branch IF.
  8. Alert: kirim pesan Slack dengan ringkasan.

Langkah‑per‑Langkah Praktis (Dengan Screenshot)

Catatan:* Artikel ini mengasumsikan Anda sudah punya server n8n (Docker) dan API key OpenAI.

1. Siapkan Environment

  • Jalankan docker run -d --restart unless-stopped -p 5678:5678 n8nio/n8n.
  • Buat credential OpenAI API di n8n (Settings → API Credentials → New Credential → OpenAI).
  • Buat credential Google Sheets (OAuth2) atau Supabase connection.

2. Buat Workflow Baru

  1. Pilih Cron node, set 0 6 * * * (6 am setiap hari).
  2. Tambahkan HTTP Request node, URL https://competitor.com/sitemap.xml, Method GET.
  3. Gunakan XML → JSON conversion (built‑in) untuk ekstrak list URL.
  4. Masukkan SplitInBatches dengan ukuran 5.

3. Prompt Builder (Function Node)

return [{
  json: {
    prompt: `Extract the product name, price, key features, and the top 3 user reviews from the page below. Summarize in JSON. URL: ${$json.url}`
  }
}];

4. OpenAI Node

  • Model: gpt-4o-mini (efisien).
  • Temperature: 0 (deterministik).
  • Max tokens: 500.
  • Input: {{$json.prompt}}.

5. Parse Hasil

Gunakan Set node dengan expression {{$json.response}} lalu JSON Parse node.

6. Upsert ke Sheet

Google Sheets node → Sheet “CompetitorResearch”. Pilih Upsert berdasarkan url sebagai key.

7. Deteksi Perubahan

Tambahkan IF node dengan kondisi:

{{$json.price}} !== {{$json.prev_price}} || {{$json.features}} !== {{$json.prev_features}}

Jika true, alirkan ke Slack node.

8. Notifikasi Slack

Message contoh:

*🚨 Update Kompetitor Detected*
URL: {{ $json.url }}
Price: {{ $json.prev_price }} → {{ $json.price }}
Features added: {{ $json.new_features }}

Contoh Use Case Real

Startup SaaS Pricing Tracker: Kami meng‑orchestrasi workflow di atas untuk 5 kompetitor utama. Dalam 3 hari, tim sales sudah dapat melihat perubahan harga dan fitur real‑time di Slack, sehingga dapat menyesuaikan penawaran sebelum kompetitor mengumumkan promo.

Marketplace Review Analyzer: Dengan menambahkan Sentiment Analysis (OpenAI) setelah review diekstrak, kami menghasilkan skor kepuasan harian yang langsung ditampilkan di dashboard Metabase.

Insight & Strategi (Bagian Paling Penting)

  • Prompt Engineering sebagai “Query Engine”. Alih‑dayakan GPT menjadi scraper pintar—lebih stabil dibanding library khusus yang mudah break saat layout berubah.
  • Batching + Rate‑Limit Guard. Selalu batasi panggilan LLM (5‑10 URL per batch) dan gunakan Retry node dengan backoff eksponensial.
  • Cache hasil sementara. Simpan HTML mentah di Redis (atau n8n static data) untuk meng‑hindari request berulang saat tidak ada perubahan.
  • Feedback Loop. Tambahkan tombol “Ignore” di Slack (via interactive messages) untuk menandai false‑positive sehingga AI agent belajar meng‑filter noise (store ignored URLs).
  • Cost Control. Gunakan model gpt-4o-mini untuk ekstraksi, dan hanya upgrade ke gpt-4 bila IF mendeteksi perubahan signifikan.

Penutup & Call to Action

Dengan kombinasi n8n + GPT, riset kompetitor yang dulu memakan waktu berjam‑jam kini menjadi single‑click workflow. Mulailah dengan men‑clone repo contoh di GitHub, sesuaikan daftar URL, dan lihat hasilnya di Slack dalam hitungan menit.

👉 Challenge: Tambahkan modul sentiment analysis untuk review, atau integrasikan ke Notion agar tim product langsung dapat menambahkan insight ke roadmap.

Selamat membangun, dan jangan lupa share hasil experiment Anda di komunitas JIPRAKS Classroom!

Artikel terkait