AI generátor týdenního content plánu z URL webu

Vytvořit smysluplný týdenní content plán bývá překvapivě časově náročná disciplína. Nejde jen o to vygenerovat několik nápadů na články či příspěvky na sociální sítě. Skutečný problém je jinde: rychle pochopit, o čem web je, jaké publikum oslovuje, jakým jazykem komunikuje a jaká témata dávají smysl právě pro jeho obsahovou strategii. Právě tady se nabízí praktické využití umělé inteligence. Pokud AI dostane správně připravená data z konkrétního webu, může z nich navrhnout použitelný týdenní content plán místo obecných, zaměnitelných doporučení.

V tomto návodu si postavíme funkční MVP projektu, který z jedné URL adresy webu automaticky provede základní analýzu obsahu a vrátí návrh témat na celý týden. Cílem není vybudovat plnohodnotnou enterprise platformu, ale realizovatelný systém, který lze nasadit během několika hodin a dále rozšiřovat. Použijeme reálné služby, konkrétní kroky v rozhraní, přesné vstupy, ukázky promptů i měřitelné výstupy. Postup je navržen tak, aby jej zvládl i méně pokročilý čtenář.

Cíl projektu

Vyzkoušet NordVPN

Cílem projektu je vytvořit jednoduchou automatizaci, která po zadání URL webu provede tyto úlohy:

• načte obsah domovské stránky a vybraných podstránek,
• vytěží klíčová témata, produkty, služby a tón komunikace,
• navrhne týdenní content plán na 7 dní,
• u každého dne doplní formát, pracovní název, stručný brief a CTA,
• výstup uloží do tabulky nebo databáze, aby s ním bylo možné dále pracovat.

Výsledkem bude MVP, které umí z jedné URL webu vrátit přehledný plán publikace například pro blog, LinkedIn nebo newsletter. Pokud máte vlastní web, můžete systém okamžitě použít. Pokud jste agentura nebo freelancer, lze stejný postup použít pro rychlý vstupní audit klientského webu.

Předpoklady

Vyzkoušet Semrush

Než začneme, připravte si několik konkrétních nástrojů. V návodu použijeme služby, které mají oficiální dokumentaci a jsou běžně dostupné:

• OpenAI API pro analýzu textu a návrh témat: https://platform.openai.com/
• Firecrawl pro stažení a extrakci obsahu webových stránek: https://www.firecrawl.dev/
• Make pro automatizaci workflow bez nutnosti stavět celé backendové API od nuly: https://www.make.com/
• Google Sheets jako jednoduché úložiště výsledků: https://www.google.com/sheets/about/

Budete potřebovat také:

• API klíč k OpenAI,
• API klíč k Firecrawl,
• Google účet pro Sheets,
• Make účet s přístupem k HTTP modulům a Google Sheets.

Pokud si nejste jisti limity jednotlivých tarifů, berte je jako omezení. Ceny, kvóty i dostupnost funkcí se mohou měnit, proto je vždy ověřte v oficiální dokumentaci konkrétní služby.

Kroky realizace

Vyzkoušet Hostinger

Krok 1: Připravte vstupní tabulku a definujte, co bude systém zpracovávat

Co a proč: Nejprve potřebujeme jasně určit, odkud se bude URL brát a kam se budou ukládat výsledky. Bez stabilní vstupní struktury se automatizace brzy rozpadne. Pro MVP je nejpraktičtější Google Sheets, protože umožní ruční zadání URL i rychlou kontrolu výstupů.

Přesně jak: V Google Sheets vytvořte nový soubor a první list pojmenujte Vstupy. Do prvního řádku vložte sloupce:

web_url | brand_name | channel | country | language | status

Příklad řádku:

https://example.com | Example | LinkedIn | CZ | cs | new

Pak přidejte druhý list s názvem ContentPlan a do něj sloupce:

web_url | day | topic | format | angle | brief | cta | source_pages | generated_at

V Make si později nastavíte scénář tak, aby četl pouze řádky, kde je status = new.

Konkrétní vstup: sloupec web_url s hodnotou https://example.com.

Konkrétní výstup: připravená tabulka se vstupní URL a cílovým listem pro 7 položek content plánu.

Metrika úspěšnosti: tabulka obsahuje alespoň 1 validní URL, 1 cílový komunikační kanál a scénář má jednoznačný filtr status = new.

Jakmile máme vstupní strukturu, můžeme plynule navázat na sběr obsahu z webu. Teprve z reálného textu totiž AI pochopí, o čem web skutečně je.

Krok 2: Stáhněte obsah webu přes Firecrawl

Co a proč: LLM potřebuje textová data. Samotná URL nestačí. Cílem tohoto kroku je získat z domovské stránky a několika relevantních podstránek čitelný text bez rušivých prvků. Firecrawl je vhodný proto, že vrací webový obsah ve strukturovanější podobě než prosté HTML.

Přesně jak: V Make vytvořte nový scénář. Přidejte modul Google Sheets > Search Rows a načtěte řádky z listu Vstupy, kde status odpovídá hodnotě new. Poté vložte modul HTTP > Make a request.

Nastavení HTTP modulu:

• Method: POST
• URL: https://api.firecrawl.dev/v1/scrape
• Headers:
  Authorization: Bearer VÁŠ_FIRECRAWL_API_KEY
Content-Type: application/json

Body požadavku:

{
  "url": "{{1.web_url}}",
  "formats": ["markdown"],
  "onlyMainContent": true,
  "waitFor": 2000
}

Pokud chcete obsáhlejší analýzu než jen homepage, použijte místo /scrape endpoint pro crawl podle aktuální dokumentace Firecrawl. U některých webů může být potřeba upravit hloubku procházení nebo počet stránek. To je potřeba brát jako omezení dané strukturou konkrétního webu a tarifem služby.

Příklad vstupu: API parametr url = https://example.com.

Očekávaný výstup: pole obsahující markdown text stránky, například:

# Example
Pomáháme firmám automatizovat marketingové procesy...
## Služby
- SEO audit
- Content strategie

Metrika úspěšnosti: získaný text má alespoň 1500 znaků nebo obsahuje minimálně 3 sekce s nadpisy. Pokud vrácený obsah obsahuje jen navigaci, cookie lištu nebo méně než 500 znaků, krok považujte za neúspěšný.

Jakmile obsah získáme, je vhodné ho ještě před generováním plánu zestručnit a převést do přehledné analytické podoby. Tím snížíme šum i náklady na další AI dotazy.

Krok 3: Vytvořte AI analýzu webu se zaměřením na témata a publikum

Co a proč: Teď z nasbíraného textu potřebujeme vytáhnout to podstatné: kdo je cílové publikum, jaké služby nebo produkty web nabízí, jaká témata opakuje a jaký tón komunikace používá. Tento mezikrok je důležitý, protože content plán pak nevzniká naslepo, ale z konkrétního analytického shrnutí.

Přesně jak: Do Make přidejte další modul HTTP > Make a request pro OpenAI API. Použijte endpoint Responses API.

Nastavení:

• Method: POST
• URL: https://api.openai.com/v1/responses
• Headers:
  Authorization: Bearer VÁŠ_OPENAI_API_KEY
Content-Type: application/json

Příklad request body:

{
  "model": "gpt-4.1-mini",
  "input": [
    {
      "role": "system",
      "content": "Jsi analytik obsahu webu. Vrať pouze JSON."
    },
    {
      "role": "user",
      "content": "Analyzuj tento webový obsah a vrať JSON se strukturou: brand_summary, audience, products_services, main_topics, tone_of_voice, content_gaps. Obsah webu:nn{{2.data.markdown}}"
    }
  ]
}

Praktická mini šablona promptu pro lepší konzistenci:

Urči:
1. stručné shrnutí značky do 2 vět,
2. primární publikum,
3. 5 hlavních témat,
4. 3 mezery v obsahu,
5. tón komunikace 3 přídavnými jmény.
Vrať pouze validní JSON.

Příklad vstupu: pole {{2.data.markdown}} s textem staženým z Firecrawl.

Očekávaný výstup:

{
  "brand_summary": "Firma nabízí marketingovou automatizaci pro malé a střední firmy.",
  "audience": ["marketingoví manažeři", "majitelé e-shopů"],
  "products_services": ["SEO audit", "content strategie"],
  "main_topics": ["SEO", "automatizace", "obsahový marketing", "analytika", "lead generation"],
  "tone_of_voice": ["odborný", "praktický", "srozumitelný"],
  "content_gaps": ["chybí případové studie", "málo obsahu pro LinkedIn", "chybí evergreen návody"]
}

Metrika úspěšnosti: výstup je validní JSON a obsahuje alespoň 4 položky v poli main_topics. Pokud model vrátí volný text místo JSON, upravte prompt o explicitní instrukci Vrať pouze validní JSON bez komentáře.

Nyní už AI ví, co web nabízí a jaká témata dávají smysl. Dalším logickým krokem je převést tuto analýzu do konkrétního sedmidenního plánu.

Krok 4: Vygenerujte týdenní content plán na 7 dní

Co a proč: V tomto kroku z analytických dat vytvoříme skutečný publikační plán. Každý den musí mít jasné téma, formát a účel. Aby byl výstup ihned použitelný, přidáme i stručný brief a CTA.

Přesně jak: Přidejte v Make další volání OpenAI API. Do promptu nevkládejte jen surový obsah webu, ale hlavně předchozí analytický JSON. Tím zvýšíte konzistenci výsledků a snížíte zbytečnou délku vstupu.

Příklad request body:

{
  "model": "gpt-4.1-mini",
  "input": [
    {
      "role": "system",
      "content": "Jsi content stratég. Vrať pouze validní JSON pole o 7 objektech."
    },
    {
      "role": "user",
      "content": "Na základě této analýzy webu navrhni týdenní content plán pro kanál {{1.channel}} v jazyce {{1.language}}. Každá položka musí obsahovat: day, topic, format, angle, brief, cta, source_pages. Analýza: {{3.output_text}}"
    }
  ]
}

Pokud chcete výstup přesněji řídit, doplňte krátkou šablonu pravidel:

Pravidla:
- 7 dní, pondělí až neděle
- neopakuj stejné téma
- alespoň 2 edukativní formáty a 1 konverzní formát
- brief max. 280 znaků
- CTA max. 12 slov

Příklad vstupu: parametr channel = LinkedIn.

Očekávaný výstup:

[
  {
    "day": "Pondělí",
    "topic": "Jak poznat, že web potřebuje obsahový audit",
    "format": "LinkedIn post",
    "angle": "edukativní",
    "brief": "Vysvětlete 5 signálů, že obsah webu neplní obchodní cíl.",
    "cta": "Napište si o rychlý audit",
    "source_pages": ["/", "/sluzby"]
  }
]

Metrika úspěšnosti: výstup obsahuje přesně 7 objektů, každý objekt má všech 7 požadovaných polí a alespoň 5 z 7 témat je obsahově odlišných.

Máme návrh plánu, ale aby byl projekt opravdu použitelný, musíme data uložit do přehledné podoby. Tím se dostáváme k zápisu výsledků.

Krok 5: Uložte výstup do Google Sheets po jednotlivých dnech

Co a proč: Výsledek nesmí zůstat jen v odpovědi API. Potřebujeme jej zapsat tak, aby jej šlo sdílet, upravovat a případně exportovat. Google Sheets je pro MVP ideální cílové úložiště.

Přesně jak: V Make za OpenAI modul vložte modul JSON > Parse JSON. Do schématu vložte očekávanou strukturu pole s 7 objekty. Poté přidejte modul Tools > Iterator, který projde každou položku content plánu samostatně. Za něj vložte Google Sheets > Add a Row.

Mapování sloupců v listu ContentPlan:

• web_url = {{1.web_url}}
• day = {{5.day}}
• topic = {{5.topic}}
• format = {{5.format}}
• angle = {{5.angle}}
• brief = {{5.brief}}
• cta = {{5.cta}}
• source_pages = {{join(5.source_pages; ", ")}}
• generated_at = aktuální datum a čas

Současně aktualizujte původní řádek ve Vstupech pomocí modulu Google Sheets > Update a Row a nastavte status = done.

Příklad vstupu: JSON pole se 7 položkami z předchozího kroku.

Očekávaný výstup: v listu ContentPlan přibude 7 nových řádků.

Metrika úspěšnosti: po zpracování jedné URL vznikne právě 7 řádků a původní řádek ve Vstupech se přepne na done.

Výstup už máme uložený, ale před nasazením je vhodné přidat ještě jednu pojistku. Ne každý vygenerovaný plán je stejně kvalitní, proto se vyplatí automaticky zkontrolovat základní použitelnost.

Krok 6: Přidejte automatickou kontrolu kvality výstupu

Co a proč: AI může občas vrátit příliš obecná témata, opakující se návrhy nebo briefy bez návaznosti na web. Proto přidáme lehkou validační vrstvu. Nejde o dokonalou evaluaci, ale o praktickou kontrolu MVP.

Přesně jak: Za generováním plánu přidejte ještě jedno volání OpenAI nebo jednoduchou logiku přímo v Make. Pro začátek doporučuji AI validaci s jasnými pravidly a skóre.

Příklad validačního promptu:

Vyhodnoť tento content plán na škále 0 až 100.
Kritéria:
1. relevance k webu,
2. rozmanitost témat,
3. praktičnost briefů,
4. srozumitelnost CTA.
Vrať JSON: overall_score, weak_items, recommendations.
Plán: {{4.output_text}}
Analýza webu: {{3.output_text}}

Příklad očekávaného výstupu:

{
  "overall_score": 84,
  "weak_items": ["Středa je příliš obecná", "Sobota má slabé CTA"],
  "recommendations": ["Zpřesnit téma středečního příspěvku", "Doplnit akční sloveso v CTA"]
}

V Make pak nastavte router:

• pokud overall_score >= 75, pokračujte k zápisu do tabulky,
• pokud overall_score < 75, odešlete plán znovu do generování s doplňujícím promptem.

Doplňující prompt může vypadat takto:

Uprav content plán podle těchto připomínek: {{6.recommendations}}.
Vrať znovu celé JSON pole o 7 položkách.

Konkrétní vstup: pole overall_score.

Konkrétní výstup: schválený plán nebo automaticky opravená druhá verze.

Metrika úspěšnosti: alespoň 80 % zpracovaných webů projde validací na první nebo druhý pokus se skóre minimálně 75.

Tím máme hotové základní MVP. Pokud chcete projekt posunout z jednorázového spuštění do praktického provozu, následuje nasazení a pravidelné spouštění.

Doporučený AI stack pro realizaci

Vyberte nástroje podle rozpočtu a úrovně automatizace. Níže je přímý přehled služeb pro realizaci projektu.

Testování

Vyzkoušet Fiverr

Než scénář přepnete do produkčního režimu, otestujte jej na třech odlišných typech webů:

• firemní prezentační web,
• e-shop s kategoriemi,
• obsahový nebo magazínový web.

Pro každý test sledujte tyto kontrolní body:

1. Načtení obsahu: ověřte, že Firecrawl vrací hlavní text a ne jen menu či patičku.
2. Analytický JSON: zkontrolujte, zda obsahuje konkrétní témata navázaná na web.
3. Sedmidenní plán: zhodnoťte, zda se témata neopakují a odpovídají zvolenému kanálu.
4. Zápis do tabulky: ověřte, že vznikne přesně 7 řádků.

Praktický testovací scénář:

Vstup:
web_url = https://example.com
channel = LinkedIn
language = cs

Očekávání:
- analýza obsahuje 4 až 6 hlavních témat,
- content plán obsahuje 7 dní,
- každý den má topic, format, brief a cta,
- status ve Vstupech se změní na done.

Pokud narazíte na web, který blokuje crawling, nepovažujte to za chybu návodu, ale za praktické omezení konkrétního webu, jeho technického nastavení nebo přístupových pravidel.

Nasazení

Vyzkoušet Adobe

Pro první produkční nasazení stačí v Make nastavit plánované spouštění scénáře. V horní části scénáře klikněte na Scheduling a zvolte například interval Every 1 hour. Tím systém každou hodinu zkontroluje list Vstupy a zpracuje nové řádky.

Doporučené provozní nastavení:

• ve vstupní tabulce přidat sloupec priority, pokud chcete zpracovávat weby podle důležitosti,
• uložit chybové stavy do sloupce error_message,
• nastavit v Make notifikaci e-mailem při selhání scénáře,
• omezit maximální počet zpracovaných webů na jedno spuštění, aby nedošlo k nečekanému čerpání API limitů.

Chcete-li projekt rozšířit, můžete přidat další výstupy, například samostatný list pro návrhy titulků, hashtagů nebo newsletterových témat. To už ale není nutné pro funkční MVP.

Limity

Vyzkoušet Canva

Tento projekt je praktický a rychle realizovatelný, ale má několik omezení, která je potřeba uvést explicitně:

• Kvalita výstupu závisí na kvalitě webu. Pokud je web velmi stručný nebo zastaralý, bude i návrh témat slabší.
• Crawler nemusí vždy načíst vše. Některé weby blokují roboty, načítají obsah až po JavaScriptu nebo vyžadují přihlášení.
• AI negarantuje faktickou správnost marketingových interpretací. Návrhy témat je vhodné před publikací lidsky zkontrolovat.
• Content plán není totéž co redakční strategie. MVP generuje použitelný týdenní návrh, ale nenahrazuje dlouhodobé plánování, SEO analýzu ani znalost obchodních priorit.
• Ceny a limity API se mohou měnit. To platí pro OpenAI, Firecrawl i Make.

Pokud potřebujete vyšší přesnost, obvykle pomůže rozšířit vstup o více podstránek, přidat data ze Search Console nebo ručně doplnit obchodní priority značky. To už je ale další fáze projektu.

FAQ

Musím umět programovat?

Ne. Pro popsané MVP stačí základní práce s Google Sheets a orientace v Make. Pracujete hlavně s formuláři, moduly a mapováním polí.

Lze místo Make použít jiný nástroj?

Ano, například Zapier nebo vlastní backend. Tento návod ale používá Make, protože dobře pracuje s HTTP moduly a tabulkami.

Jaký model v OpenAI zvolit?

Pro MVP dává smysl začít s modelem gpt-4.1-mini, protože bývá rozumným kompromisem mezi cenou a kvalitou. Pokud se nabídka modelů změní, ověřte aktuální doporučení v oficiální dokumentaci OpenAI.

Mohu generovat plán i pro blog místo LinkedIn?

Ano. Stačí změnit vstupní pole channel například na Blog a v promptu případně doplnit požadovaný formát, například „návodný článek“, „srovnání“ nebo „FAQ text“.

Co když web obsahuje více jazyků?

Pro MVP je lepší zadat do pole language cílový jazyk, například cs, a v promptu explicitně trvat na výstupu v tomto jazyce. Pokud je web vícejazyčný a obsah je promíchaný, může být analýza méně stabilní.

Jak poznám, že je výstup opravdu použitelný?

Praktické minimum je jednoduchá ruční kontrola tří věcí: relevance témat k webu, absence opakování a použitelnost briefu pro editora nebo marketéra. Proto jsme do workflow zařadili i automatickou validaci skóre.

Doporučený další krok

Vyzkoušet NordVPN

Odkazy v článku

• OpenAI
• https://www.firecrawl.dev/
• Make
• Google
• OpenAI
• Firecrawl
• Firecrawl Documentation
• Make
• Make
• Firecrawl – oficiální web a dokumentace
• OpenAI
• NordVPN
• Semrush
• Hostinger
• Fiverr
• Adobe
• Canva
• Notion
• Jasper

Zdroje ilustračních obrázků

• Stock fotografie: zdroj

Vlastní ilustrační obrázek byl vytvořen pomocí OpenAI Images API.

Poznámka: U uvedených služeb používáme affiliate odkazy. Pokud přes ně provedete nákup, můžeme získat provizi bez navýšení ceny pro vás.

Doporučení ke čtení

AI shrnutí e-mailů a automatické návrhy odpovědí

Kdy AI v týmu nepomáhá: 5 scénářů, kde zvyšuje náklady místo úspory

AI Act 2026 pro malé firmy v ČR: praktický checklist před srpnem

Jak nastavit Canva AI pro rychlou tvorbu brandových podkladů