CASE STUDY

Inteligentná automatizácia spracovania odpovedí na pracovné inzeráty pomocou AI

Pomocou platformy Make a umelej inteligencie Google Gemini sme pre marketingovú agentúru plne zautomatizovali extrakciu a vyhodnocovanie dát z neštruktúrovaných e-mailových odpovedí na inzeráty priamo do Google Sheets, čím sme klientovi ušetrili desiatky hodín rutinnej práce a zefektívnili výber kandidátov.

– 12,5 hod.

Ušetrený čas na jednu kampaň

< 10 sekúnd

Analýza 1 odpovede

100%

Štruktúrované dáta

Klient: Marketingová agentúra

Oblasť: HR technológie, Marketing, Automatizácia procesov

Použité technológie: Make (platforma na automatizáciu), Google Gemini (LLM modely), Google Sheets

Pre marketingovú agentúru sme navrhli a implementovali end-to-end automatizačný proces na spracovanie prichádzajúcich odpovedí na inzeráty. Klient pravidelne hľadá nových tvorcov obsahu (UGC – User Generated Content), influencerov a marketingových špecialistov.

Pri jednej kampani klient bežne obdržal viac ako 150 e-mailových odpovedí, ktoré bolo nutné manuálne prečítať, vyhodnotiť a prepísať do tabuliek. Vďaka integrácii platformy Make a jazykových modelov od Google (Gemini) sme tento proces plne zautomatizovali. Systém dnes dokáže sémanticky analyzovať text voľne písaných e-mailov, extrahovať kľúčové dáta (zameranie, skúsenosti, cenové ponuky) a uložiť ich priamo do Google Sheets. Výsledkom je úspora desiatok hodín rutinnej práce mesačne a okamžitý prehľad o kvalite uchádzačov.

1. Úvod do problematiky a kontext klienta

V dnešnom rýchlom digitálnom svete je marketing dynamickou oblasťou, ktorá vyžaduje neustále vyhľadávanie nových talentov. Náš klient, marketingová agentúra, zastrešuje propagáciu pre desiatky značiek. Od módy a kozmetiky až po výživové doplnky a technológie. Na zabezpečenie kvalitného obsahu pravidelne zverejňuje výzvy a inzeráty na sociálnych sieťach a pracovných portáloch.

Tento proces generoval enormné množstvo e-mailových odpovedí. Na rozdiel od štandardizovaných formulárov (kde uchádzač vyplní presné políčka), odpovede na tieto inzeráty prichádzali vo forme voľného textu priamo do e-mailovej schránky.

Každý uchádzač formuloval svoje skúsenosti a zameranie úplne iným spôsobom. Zatiaľ čo niekto poslal obsiahly e-mail so štruktúrovaným portfóliom, iný odpovedal dvomi vetami priamo z mobilného telefónu. Pre klienta vznikal obrovský informačný chaos.

2. Výzva: Chaos v neštruktúrovaných dátach a neefektívny čas

Hlavným problémom klienta nebol nedostatok záujemcov, ale neschopnosť ich rýchlo a efektívne spracovať. Vezmime si modelovú situáciu jednej priemernej náborovej kampane, ktorá vygenerovala viac ako 150 e-mailov.

Manuálny proces a časová dotácia:

Pred implementáciou automatizácie vyzeral proces nasledovne. Zodpovedný pracovník musel:

  1. Otvoriť e-mail a prečítať si ho (cca 1 minúta).
  2. Preklikať sa na priložené odkazy (Instagram, TikTok, portfólio v Canve) pre rýchle zhodnotenie vizuálu (cca 2 minúty).
  3. Manuálne skopírovať základné údaje (meno, e-mail, telefón) do tabuľky (cca 1 minúta).
  4. Pokúsiť sa z textu „vyčítať“ podstatné informácie, zosumarizovať ich a zapísať si poznámku k uchádzačovi (cca 1 minúta).

Celkový odhadovaný čas na 1 e-mail: 5 minút.

Čas na 150 e-mailov: 750 minút (12,5 hodiny čistej, monotónnej práce).

Ak klient realizoval takéto kampane niekoľkokrát do mesiaca, HR a projektoví manažéri trávili desiatky hodín len prepisovaním dát, čo viedlo k frustrácii, strate pozornosti a oneskoreným reakciám voči skutočne kvalitným kandidátom.

Najväčšou výzvou však bolo vyhodnotenie mäkkých a neštruktúrovaných metrík. Systém musel vedieť odpovedať na otázky:

  • Akým špecifickým oblastiam marketingu sa daný človek venuje?
  • Aké má skúsenosti vyjadrené v texte?
  • Aká je jeho cenová ponuka (ktorá mohla byť uvedená ako sadzba za hodinu, za video, alebo ako barter)?
  • Aký je celkový dojem z komunikácie?

3. Technické riešenie: Architektúra automatizácie s Make a Gemini

Pre marketingovú agentúru sme navrhli a naimplementovali komplexnú automatizáciu pomocou integračnej platformy Make a pomocou modelov Gemini. Tento proces prebieha úplne na pozadí. Rozdelili sme ho do nasledujúcich fáz:

Krok 1: Spracovanie prichádzajúcich e-mailov

V prostredí Make sme nastavili mailový modul, ktorý neustále monitoruje e-mailovú schránku. Akonáhle dorazí nová odpoveď na inzerát, systém ju okamžite zachytí a posunie obsah e-mailu na ďalšiu analýzu.

Krok 2: Extrakcia základných štruktúrovaných dát

V tejto fáze systém identifikuje pevné body v texte pomocou základných operácií. Vytiahne e-mailovú adresu odosielateľa a predmet e-mailu. To slúži ako primárny identifikátor v databáze.

Krok 3: Sémantická analýza pomocou Google Gemini

Toto je kľúčové jadro celého systému. Text sa spolu s vopred špecifikovaným promptom pošle do modelu Gemini. Tento model sme vybrali pre jeho vynikajúce schopnosti porozumenia kontextu, obrovské kontextové okno a schopnosť striktne dodržiavať výstup vo formáte JSON.

Gemini je pomocou precízne nastaveného systémového promptu (System Instruction) inštruovaný, aby sa správal ako seniorný talentový skaut. Jeho úlohou je prečítať text a vyextrahovať špecifické dáta do presne definovanej štruktúry:

  • Témy a kategórie: Kategorizácia do vopred definovaných oblastí (napr. beauty, tech, fashion).
  • Skúsenosti: Extrakcia dĺžky praxe a referencií na konkrétne značky.
  • Očakávaná odmena: Pochopenie rôznorodých formátov cien a ich štandardizácia.
  • Linky: Vytiahnutie všetkých URL odkazov na sociálne siete.
  • Sentiment a hodnotenie: Vygenerovanie krátkeho zhodnotenia celkového dojmu z komunikácie.

Krok 4: Uloženie do Google Sheets

Vygenerovaný JSON objekt z modelu Gemini platforma Make automaticky rozparsuje a vloží ako nový riadok priamo do tabuľky v Google Sheets.

4. Príklad z praxe (Use Case)

Aby sme lepšie ilustrovali schopnosti systému, pozrime sa na typický e-mail, s akým sa klient stretával, a na to, ako si s ním umelá inteligencia poradí.

Prichádzajúci e-mail od uchádzačky:

Predmet: Reakcia na inzerát – UGC Tvorca

Dobrý deň, všimla som si vašu ponuku na spoluprácu a veľmi ma zaujala! Som vášnivá tvorkyňa UGC obsahu a najviac som doma v témach ako je skincare, dekoratívna kozmetika a fitness. Aktívne sa venujem cvičeniu a milujem značky ako GymBeam alebo Notino, takže s podobnými produktmi by som vedela vytvoriť super autentické videá.

Tvorbe sa aktívne venujem asi 3 roky, najmä tvorbe na TikTok a Reels. Moji klienti mi často hovoria, že moje videá majú skvelú dynamiku a viem dobre zachytiť „hook“ na začiatku videa.

Za jedno štandardné UGC video (do 30 sekúnd) si momentálne účtujem 80 EUR. Pri dlhodobej spolupráci sa vieme baviť o balíčkovej cene.

Moje portfólio a ukážky prác nájdete tu: https://linktr.ee/klara_creates > Môj TikTok: https://www.tiktok.com/@klara_fitness_beauty

Budem rada, ak sa mi ozvete. Teším sa na prípadnú spoluprácu! S pozdravom, Klára Nová

Výstup z modelu Gemini (ktorý sa automaticky uloží do Google Sheets):

Vďaka tomuto výstupu vidí projektový manažér v tabuľke iba úhľadné stĺpce dát. Ak klient aktuálne hľadá niekoho pre klienta z oblasti kozmetiky s rozpočtom do 100 EUR za video, vyfiltruje si presne takýchto kandidátov v Google Sheets za pár sekúnd.

5. Technologické výzvy pri vývoji

Pri nastavovaní tohto riešenia sme museli vylaďovať niekoľko špecifík, aby bola automatizácia robustná:

  1. Halucinácie umelej inteligencie: LLM modely majú niekedy tendenciu si domýšľať informácie, ak v texte chýbajú. Tento problém sme eliminovali striktným „Prompt Engineeringom“. Modely Gemini dostali jasný pokyn: „Ak sa daná informácia v texte nenachádza, za žiadnych okolností si ju nevymýšľaj. Vráť hodnotu ‚Neuvedené‘.“
  2. Neštandardné formáty odpovedí: Mnoho e-mailov prišlo bez diakritiky, s preklepmi, alebo s chaotickou štruktúrou. Vďaka tomu, že modely Gemini rozumejú hlbokému sémantickému kontextu textu, dokázali zmysluplne spracovať aj e-maily plné slangových výrazov.
  3. Spracovanie cien: Cenotvorba v e-mailoch bola veľmi voľná. Niekto poslal sumu „50€“, ďalší napísal „vždy to riešim bartrom“. AI musela byť napromptovaná tak, aby tieto textové vyjadrenia pochopila a normalizovala ich do pochopiteľného textového poľa pre Google Sheets.
  4. Jednotná klasifikácia kategórií: Uchádzači vo svojich odpovediach používali rôzne synonymá pre tie isté oblasti (napríklad „gym“, „fitko“, „cvičenie“). Výzvou bolo nastaviť prompt tak, aby model tieto rôznorodé slová pochopil a vždy ich klasifikoval do jednej, vopred jasne definovanej kategórie (napr. „fitness“). Tým sme zabezpečili konzistentné dáta pre bezproblémové filtrovanie.

6. Kvantifikácia prínosov a výsledky

Implementácia Make a Gemini diametrálne zmenila spôsob, akým marketingová agentúra pristupuje k náboru talentov. Výsledky hovoria samy za seba:

  • Extrémna úspora času: Z pôvodných odhadovaných 12,5 hodín práce na spracovanie 150 e-mailov sa čas strávený administratívou znížil na pár minút. HR tím už dáta neprepisuje, iba do Google Sheets chodia hotové profily kandidátov.
  • Čas spracovania: Od momentu, kedy uchádzač odošle e-mail, do momentu, kedy je jeho profil plne analyzovaný a zaradený v databáze, ubehne menej ako 10 sekúnd.
  • Odstránenie chybovosti: Pri manuálnom prepisovaní linkov a cien často vznikali preklepy. Automatizácia zabezpečila 100% presnosť extrakcie.
  • Okamžitá prioritizácia: Vďaka AI skórovaniu celkového dojmu a zhrnutiu komunikácie sa môžu manažéri začať okamžite venovať tým najlepším kandidátom (tzv. „A-čkovým“ profilom) a osloviť ich skôr, ako ich získa konkurencia.

Záver

Riešenie pre túto marketingovú agentúru je ukážkovým príkladom toho, ako moderná AI už neslúži len na „písanie textov“, ale funguje ako výkonný analytický nástroj. Prepojenie no-code platformy Make s inteligentnými modelmi Google Gemini nám umožnilo vytvoriť digitálneho asistenta, ktorý pracuje 24/7, nemýli sa a umožňuje kreatívnemu tímu agentúry sústrediť sa na to podstatné a to budovanie vzťahov s tvorcami a tvorbu skvelých marketingových kampaní.

Chcete podobné výsledky vo vašej firme?

Využite potenciál AI, objavte nové možnosti a posuňte svoje výsledky na vyššiu úroveň

Kontaktujte nás