Lurki Paparazzi — Celebrity Discovery Pipeline v3

Celebrity Discovery Pipeline · Zdroje → n8n Crawl → Pracovní → Lurki Discovery → Profi → SEO · CZ & SK market

Pipeline Phases

n8n

Sourcing Engine

Lurki

Processing Engine

NocoDB Tables

SEO

End Goal

2.9

Avg Profiles/Celebrity

         Zdroje
      
         n8n Crawl
      
         Dedup
      
         Pracovní
      
         Discovery
      
         AI Scoring
      
         Profi
      
         SEO

n8n Paparazzi — Sourcing Engine

n8n autonomně čte tabulku „Zdroje“, crawluje bulvární weby, Forbes listy, reality show portály. Extrahuje jména celebrit pomocí AI, ověří že je ještě nemáme, a zapíše nové do „Pracovní“.

Zdroje Crawler AI Parse Dedup

Lurki — Processing Engine

Lurki čte „Pracovní“, posílá každé jméno do Discovery API (Firecrawl + Google). Obohatí o sociální profily, AI scoring, kategorizaci. Uloží do „Profi“ + Lurki DB + scraping queue.

Discovery AI Scoring Persist

Zdroje — NocoDB konfigurace portálů

Tabulka portálů k monitoringu — ty nastavuješ ručně

Portály k crawlování

Každý portál = 1 řádek v NocoDB. URL, frekvence (daily/weekly/monthly), metoda (rss/sitemap/html-scrape), CSS selektor pro extrakci.

NocoDB 10 sloupců

Bulvár (denně)

extra.cz (celebrity sekce), super.cz (tv-show), blesk.cz (celebrity). Nejvíc nových tváří z reality shows.

extra.cz super.cz blesk.cz

Žebříčky (týdně/měsíčně)

Forbes CZ/SK, refresher.cz, favorit.sk, Sportovec roku, Český Slavík. Stabilní celebrity.

Forbes Refresher favorit.sk

Reality Shows

Love Island CZ, Survivor, MasterChef, SuperStar. Nové celebrity vznikají přes noc — Paparazzi je chytí hned.

Love Island Survivor SuperStar

n8n čte "Zdroje" (status=active + frequency match) → ví, co dnes crawlovat

Crawl — n8n Paparazzi prochází weby

Autonomní sběr jmen celebrit z bulváru, žebříčků a reality shows

Firecrawl Scrape

Pro každý portál z "Zdroje" → Firecrawl scrapne stránku. Použije CSS selektor nebo full page. Výstup: headlines / články.

Firecrawl HTML → MD

AI Parse jmen

AI (OpenRouter) extrahuje jména celebrit z headlineů. Prompt: "Vyber všechna jména celebrit/influencerů z tohoto textu." Výstup: [{name, context}].

AI Parse gemini-flash

Manuální vstup

Tým přidává celebrity ručně přes NocoDB form nebo CSV import přímo do "Pracovní" tabulky.

Manual CSV Form

Output: Array<{ name, source_url, source_portal }> — surová jména z webu

Dedup — už ho máme?

n8n ověří proti Lurki DB + NocoDB "Profi" + "Pracovní"

Check Lurki DB

Supabase query: SELECT * FROM creators WHERE display_name ILIKE '%{name}%'. Pokud existuje → skip (už ho máme).

Supabase creators

Check NocoDB

NocoDB query: filtr (name,eq,{name}) v "Profi" i "Pracovní". Pokud existuje → skip (už zpracováno nebo čeká).

Profi Pracovní

Fuzzy match + batch dedup

Fuzzy match (Leóš Mareš = Leos Mares). Odstranění duplikátů v rámci batche. Nové celebrity → dál do pipeline.

Fuzzy Normalize

Output: Nové celebrity které ještě v systému nemáme

NocoDB "Pracovní" — Staging tabulka

n8n zapíše nové celebrity, Lurki je odtud čte ke zpracování

n8n → zápis

Nový řádek: name, source (extra.cz, forbes...), country (CZ/SK), category (AI guess). Status = pending.

n8n INSERT

Lurki ← čtení

Lurki (cron/EF) čte všechny řádky kde status = pending. Zpracuje max 20/batch. Po zpracování: processing → done.

Lurki SELECT

Schema (8 sloupců)

name, domain (opt.), country (CZ/SK), category, source, source_url, status, found_at.

NocoDB Staging

Discovery — Lurki hledá sociální profily

Firecrawl scrape + Google search + HTTP verify

Firecrawl Scrape

Pokud celebrita má doménu → scrapne web, extrahuje social links. Hledá: IG, FB, YT, TikTok, X, LinkedIn v HTML.

Firecrawl Website → Links

Google Search

"Jméno" site:instagram.com OR site:youtube.com. Parsuje URL patterny z výsledků. Fallback pro celebrity bez webu.

Google serper.dev

Validate + Verify

Validate: Blacklist, fuzzy name match, platform patterns.
Verify: HTTP GET → 200? Skip: IG, FB, LinkedIn (datacenter blocked).

verify.ts ~8s timeout

Output: Array<{ platform, username, url, confidence, source }> — avg 2.9 profiles/celebrity

AI Scoring — obohacení & klasifikace

OpenRouter AI hodnotí relevanci, kategorizuje, odhaduje followers

Confidence Scoring

Každý profil → AI: patří této celebritě? Confidence 0-100. ≥70 = auto-confirm, 50-69 = review, <50 = reject.

OpenRouter gemini-flash

Auto-klasifikace

AI: category (sport, music, reality-show...), niche (UFC, Love Island, lezení...), estimated followers range.

AI Auto-tag

Auto-Confirm

Pokud všechny profily confidence ≥ 70 → automaticky confirm do Lurki DB. Jinak čeká na manuální review.

≥70 auto 50-69 review

NocoDB "Profi" + Lurki DB

Uložení hotových celebrit + zařazení do scrapingu

NocoDB "Profi"

Produkční tabulka hotových celebrit. 14 sloupců. Všechna data: jméno, slug, profily, platformy, confidence, kategorie, followers, status.

NocoDB Production

Lurki DB (Supabase)

creators + social_profiles + scrape_queue. Deduplikace: skip pokud (platform, username) už existuje. Slug: leos-mares pro SEO URL.

Supabase 3 tabulky

Scraping Queue

Profily s confidence ≥ 50 → scrape_queue. Apify aktory stáhnou posts, stories, reels, videa. Priority: YT + IG first.

Apify Queue

SEO Pages — veřejný web

lurki.cz / lurki.sk / lurki.io — profilové stránky & žebříčky

Profilové stránky

lurki.cz/profily/leos-mares — cross-platform overview, follower stats, growth trend, nejlepší obsah. Schema.org markup.

lurki.cz lurki.sk

Žebříčky

lurki.cz/zebricek/youtube-cz — auto-update denně. Top sport, music, entertainment, reality-show. 15-40K queries/měs SEO potential.

SEO Rankings

Analytics + Blog

Per-platform analytics, video library, engagement. Auto-gen týdenní reporty a datové články. Teaser free, full = premium.

Freemium Auto-gen

NocoDB "Zdroje" — Schema

name (text) — Název portálu (extra.cz)

url (url) — Cílová URL ke crawlování

category (select) — bulvár, sport, forbes, reality-show, music

frequency (select) — daily, weekly, monthly

method (select) — rss, sitemap, html-scrape

css_selector (text, opt.) — a.article-title

last_crawl (datetime) — Poslední crawl

status (select) — active, paused, error

found_total (number) — Kolik celebrit našel

notes (long text) — Poznámky

NocoDB "Pracovní" — Schema

name (text) — Jméno celebrity

domain (text, opt.) — Web (leosmares.cz)

country (select) — CZ / SK

category (select) — AI guess z headline

source (text) — extra.cz / forbes / manual

source_url (url) — Odkaz na článek

status (select) — pending → processing → done → error

found_at (datetime) — Kdy n8n našel

NocoDB "Profi" — Schema

name (text) — Jméno celebrity

slug (text) — URL slug (leos-mares)

country (select) — CZ / SK

category (select) — AI confirmed

profiles_found (number) — Počet profilů

platforms (text) — IG, YT, TT, FB

avg_confidence (number) — AI skóre 0-100

est_followers (number) — Odhad celkem

source (text) — Odkud přišel

status (select) — discovered → review → confirmed → live

profiles_json (long text) — Raw JSON

discovered_at (datetime)

confirmed_at (datetime)

notes (long text)

n8n Paparazzi — Sourcing Workflow

Cron trigger — Denně 3:00 CET

Read "Zdroje" — NocoDB (status=active, frequency match)

Firecrawl — Scrape každý portál

AI Parse — Extrahuj jména celebrit z headlineů

Dedup — Check Lurki DB + NocoDB Profi + Pracovní

Write "Pracovní" — Nové → NocoDB (status=pending)

Update "Zdroje" — last_crawl + found_total

Telegram — "Paparazzi našel 5 nových celebrit"

Lurki — Processing Workflow

Cron trigger — Denně 4:00 CET (po Paparazzi)

Read "Pracovní" — NocoDB (status=pending, max 20)

Discovery API — POST /discover (Firecrawl+Google)

AI Scoring — Confidence 0-100, category, niche

Write "Profi" — NocoDB Profi (enriched data)

Auto-Confirm — confidence ≥70 → Lurki DB + queue

Update "Pracovní" — status = done

Telegram — "Zpracováno 15 celebrit, 42 profilů"

Testovací výsledky — 10 CZ celebrit (2026-02-15)

Celebrity	Domain	Profiles	Platforms	Best Conf.	Status
Leoš Mareš	leosmares.cz	2	IG, FB	50	discovered
Petr Čech	—	4	IG, FB, LI, TT	50	discovered
FIZIstyle	—	3	IG, TT, FB	95	discovered
Ondřej Mikula	—	2	IG, LI	85	discovered
Jaromír Jágr	jaromirjagr.cz	3	IG, TT, FB	95	discovered
Honest Guide	—	4	YT, FB, IG, TT	50	discovered
Jiří Procházka	—	3	IG, LI, TT	50	discovered
Ewa Farna	—	3	IG, TT, FB	99	discovered
Adam Ondra	adamondra.com	2	IG, FB	95	discovered
Kovy	—	3	IG, TT, FB	95	discovered

Celkem 29 profilů z 10 celebrit (avg 2.9/celebrity). Discovery time: ~5-15s per celebrity. Platforms: IG 10, FB 8, TT 7, LI 2, YT 2.

NocoDB "Zdroje" — Startovní portály

Portál	URL	Kategorie	Frekvence	Metoda	Oček. celebrit/run
extra.cz	extra.cz/celebrity	bulvár	Denně	html-scrape	5-15
super.cz	super.cz/tv-show	bulvár	Denně	html-scrape	5-15
blesk.cz	blesk.cz/celebrity	bulvár	Denně	html-scrape	5-10
refresher.cz	refresher.cz	lifestyle	Týdně	rss	3-8
Forbes CZ	forbes.cz/30-pod-30	forbes	Měsíčně	html-scrape	10-30
Forbes SK	forbes.sk	forbes	Měsíčně	html-scrape	10-20
favorit.sk	favorit.sk	bulvár	Týdně	html-scrape	3-8
Love Island CZ	nova.cz/love-island	reality-show	Denně*	html-scrape	2-5
ČT Sport	ctsport.cz	sport	Týdně	rss	3-8

* Reality show portály: denně jen během sezóny (status=active/paused)