پرش به محتوای اصلی
یک شروع رایگان برای شما

۳ روز رایگان،
پنل تحلیلگر را تجربه کنید

ثبت‌نام کنید و با تأیید شماره موبایل، دسترسی آزمایشی سه‌روزه‌تان را فعال کنید.

✓ بدون نیاز به پرداخت✓ فعال‌سازی پس از تأیید موبایل
شروع رایگان ۳ روزه

ویژه کاربران جدید · یک دوره برای هر حساب

راهنمای ساخت گزارش روزانهٔ اخبار برای روابط عمومی و تیم‌های تحلیل

با استفاده از khapi می‌توانید اخبار روزانهٔ مرتبط با برند، صنعت یا بازار را دریافت، فیلتر و دسته‌بندی کنید و یک گزارش مدیریتی آماده برای تیم روابط عمومی و تحلیل بسازید.

تیم khapi · ۹ مرداد ۱۴۰۵ · ۶ دقیقه مطالعه
راهنمای ساخت گزارش روزانهٔ اخبار برای روابط عمومی و تیم‌های تحلیل

چرا گزارش روزانهٔ اخبار برای سازمان‌ها مهم است؟

تیم‌های روابط عمومی، ارتباطات سازمانی و تحلیل بازار هر روز با حجم زیادی از خبر روبه‌رو هستند. بدون جمع‌آوری و دسته‌بندی منظم، خبر مهم در میان تعداد زیادی لینک گم می‌شود یا تیم زمان زیادی صرف جست‌وجوی دستی می‌کند.

گزارش روزانهٔ اخبار یک تصویر فشرده و قابل‌استفاده از مهم‌ترین اتفاقات رسانه‌ای است. هدف فقط جمع‌آوری خبر نیست؛ بلکه کمک به تیم برای واکنش سریع‌تر و تصمیم‌گیری بهتر است.

گزارش روزانه چیست؟

مجموعه‌ای ساختاریافته از خبرهای مهم یک بازهٔ زمانی مشخص که بر اساس موضوع، منبع و ارتباط با سازمان مرتب می‌شود. یک گزارش حرفه‌ای شامل خلاصهٔ وضعیت، مهم‌ترین تیترها، موضوعات پرتکرار، منابع اصلی و پیشنهاد اقدام است.

دریافت خبرها با khapi

khapi یک API خبری استاندارد JSON ارائه می‌دهد. احراز هویت با هدر `x-api-key` انجام می‌شود. نمونهٔ دریافت با Python:

import os
import requests

API_KEY = os.environ["KHAPI_API_KEY"]

response = requests.get(
    "https://khapi.ir/api/v1/news",
    headers={"x-api-key": API_KEY},
    params={"page_size": 50},
    timeout=30,
)

response.raise_for_status()
data = response.json()
articles = data.get("articles", [])
print(f"تعداد خبرهای دریافتی: {len(articles)}")

فیلترکردن پس از دریافت در برنامهٔ شما

API پارامترهای جست‌وجویی مانند `q`، `categories` و `sources` دارد، اما برای سناریوهای پیچیده‌تر (مثلاً تطبیق چند کلیدواژهٔ برند، حذف نویز یا منطق AND/OR سفارشی)، بهتر است ابتدا داده را دریافت کنید و سپس در برنامهٔ خودتان فیلتر کنید. این روش وابستگی شما را به جزئیات پیاده‌سازی API کمتر می‌کند.

نمونهٔ کامل فیلتر کردن خبرهای مرتبط با یک برند پس از دریافت:

import os
import requests

API_KEY = os.environ["KHAPI_API_KEY"]

# کلیدواژه‌های مد نظر برای رصد برند
BRAND_KEYWORDS = ["نام برند", "محصول الف", "مدیرعامل"]

response = requests.get(
    "https://khapi.ir/api/v1/news",
    headers={"x-api-key": API_KEY},
    params={"page_size": 100},
    timeout=30,
)
response.raise_for_status()
articles = response.json().get("articles", [])

# فیلتر در سمت مشتری: فقط خبرهایی که یکی از کلیدواژه‌ها را دارند
relevant = []
for article in articles:
    haystack = f"{article.get('title', '')} {article.get('summary', '')}"
    if any(kw in haystack for kw in BRAND_KEYWORDS):
        relevant.append(article)

print(f"خبرهای مرتبط با برند: {len(relevant)}")
for article in relevant[:10]:
    print("-", article["title"], "|", article["source"])

نرمال‌سازی خروجی بر اساس فیلدهای واقعی

پاسخ API هر خبر را با فیلدهای `id`, `source`, `title`, `summary`, `url`, `published_at`, `tags`, `categories` و `entities` برمی‌گرداند. نرمال‌سازی را روی همین فیلدهای واقعی بنا کنید:

def normalize_article(item):
    return {
        "id": item.get("id"),
        "title": item.get("title", "بدون عنوان"),
        "source": item.get("source", "نامشخص"),
        "url": item.get("url", ""),
        "summary": item.get("summary", ""),
        "published_at": item.get("published_at", ""),
        "categories": item.get("categories", []),
        "entities": item.get("entities", []),
    }

سپس لیست نهایی را می‌سازید:

normalized = [normalize_article(a) for a in relevant]

مرتب‌سازی و انتخاب خبرهای مهم

تعداد خبر به‌تنهایی معیار اهمیت نیست. می‌توانید بر اساس زمان انتشار مرتب کنید:

normalized.sort(key=lambda a: a.get("published_at", ""), reverse=True)
top_news = normalized[:10]

برای اولویت‌بندی دقیق‌تر، امتیازی بر اساس منبع یا تکرار کلیدواژه تعریف کنید و بعد مرتب‌سازی کنید.

حذف خبرهای تکراری

یک رویداد ممکن است در چند رسانه منتشر شود. برای جلوگیری از تکرار:

def remove_duplicates(items):
    seen = set()
    unique = []
    for item in items:
        key = item["title"].strip()
        if not key or key in seen:
            continue
        seen.add(key)
        unique.append(item)
    return unique

تولید گزارش Markdown

برای خروجی‌ای خوانا که بعداً به HTML یا ایمیل تبدیل شود:

from datetime import date

def build_markdown(topic, items):
    lines = [
        f"# گزارش روزانهٔ اخبار: {topic}",
        "",
        f"تاریخ: {date.today().isoformat()}",
        f"تعداد خبرهای منتخب: {len(items)}",
        "",
        "## مهم‌ترین خبرها",
        "",
    ]
    for i, item in enumerate(items, start=1):
        url = item["url"]
        if url:
            lines.append(f"{i}. [{item['title']}]({url}) — {item['source']}")
        else:
            lines.append(f"{i}. {item['title']} — {item['source']}")
    return "\n".join(lines)

report = build_markdown("برند ما", top_news)
print(report)

زمان‌بندی با Cron

برای تولید خودکار، اسکریپت را با Cron اجرا کنید. مسیر فایل و کلید را با محیط خودتان جایگزین کنید:

0 8 * * * /usr/bin/python3 /opt/khapi/daily_report.py >> /var/log/khapi-daily-report.log 2>&1

چک‌لیست قبل از ارسال

  • بازهٔ زمانی گزارش مشخص است؟
  • خبرهای تکراری حذف شده‌اند؟
  • مهم‌ترین خبرها در ابتدا آمده‌اند؟
  • لینک منابع سالم است؟
  • خلاصهٔ مدیریتی وجود دارد؟

لینک‌های داخلی

جمع‌بندی

گزارش روزانهٔ اخبار وقتی ارزشمند است که فقط فهرستی از لینک‌ها نباشد. با khapi می‌توانید دادهٔ خبر را دریافت، در برنامهٔ خودتان فیلتر و نرمال‌سازی کنید و یک گزارش مدیریتی بسازید. از یک اسکریپت کوچک Python شروع کنید و آن را به داشبورد یا ایمیل متصل کنید.

اشتراک‌گذاری:

این مطلب چطور به کار شما بیاید؟

مفاهیم این مقاله را مستقیم در پنل khapi امتحان کنید:

آماده شروع هستید؟

۳ روز استفادهٔ رایگان از پنل تحلیلگر، مطابق محدودیت‌های دورهٔ آزمایشی و بدون نیاز به کارت بانکی.