Tvorba

Michal Šmíd

L2 Builder

01

Automatizace měsíčního Share of Search reportu

Otevřít

Místo ručního přepisování dat z Keyword Planneru do Excelu každý měsíc nechte AI skript zpracovat exportovaný CSV soubor a automaticky aktualizovat tabulku i graf, čímž ušetříte čas a snížíte riziko chyb. Metric: Úspora cca 30–60 minut měsíčně na rutinním přenosu dat

Dnes
Respondent popisuje měsíční ruční přenos dat z Keyword Planneru do Excelu a aktualizaci grafů pro management.
Řešení
Měsíční ruční přenos dat z Google Ads Keyword Planneru do Excelu a aktualizace grafů je ideální kandidát na automatizaci. I při bezpečnostních omezeních lze export dat zpracovat skriptem, který automaticky naplní tabulku a aktualizuje graf.
Dopad
Zkrácení měsíčního reportingu z desítek minut na pár kliknutí, eliminace chyb při ručním přenosu.
První krok
Exportujte data z Keyword Planneru jako CSV a vložte je do ChatGPT s žádostí o skript, který je automaticky zapíše do Google Sheetu.
ChatGPT CodexGoogle Sheets APIPython
Idea fileAutomatizace měsíčního Share of Search reportuOtevřít
# Automatizace měsíčního Share of Search reportu

Měsíční ruční přenos dat z Google Ads Keyword Planneru do Excelu a aktualizace grafů je ideální kandidát na automatizaci. I při bezpečnostních omezeních lze export dat zpracovat skriptem, který automaticky naplní tabulku a aktualizuje graf.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Michal Šmíd má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Respondent popisuje měsíční ruční přenos dat z Keyword Planneru do Excelu a aktualizaci grafů pro management.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Michal Šmíd pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: ChatGPT Codex, Google Sheets API, Python.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Exportujte data z Keyword Planneru jako CSV a vložte je do ChatGPT s žádostí o skript, který je automaticky zapíše do Google Sheetu.

## Starter prompt

```
Vytvoř Python skript, který načte CSV export z Google Ads Keyword Planneru, extrahuje měsíční objemy vyhledávání pro zadané klíčové fráze, zapíše je do existujícího Google Sheetu (přidá nový sloupec s aktuálním měsícem) a aktualizuje graf typu line chart. Použij knihovny gspread a pandas. CSV soubor bude mít sloupce: Keyword, Avg. monthly searches, Competition.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.
02

Knihovna opakovaně použitelných promptů pro brainstorming a analýzu

Otevřít

Přestaňte pokaždé formulovat prompt od začátku a vytvořte si knihovnu šablon pro opakující se úkoly, díky čemuž získáte konzistentnější a rychlejší výstupy.

Dnes
Respondent přiznává, že 99 % promptů začíná od nuly a nemá uložené šablony.
Řešení
Aktuálně 99 % promptů začínáte od nuly. Vytvoření strukturované knihovny osvědčených promptů pro nejčastější úkoly (brainstorming kampaní, analýza výkonu, shrnutí reportů) dramaticky zrychlí práci a zvýší konzistenci výstupů.
Dopad
Rychlejší start každé AI interakce, konzistentnější výstupy, postupné budování know-how.
První krok
Projděte si posledních 10 konverzací s AI a identifikujte 3 nejčastější typy dotazů – pro každý vytvořte šablonu promptu.
ChatGPTClaude
Idea fileKnihovna opakovaně použitelných promptů pro brainstorming a analýzuOtevřít
# Knihovna opakovaně použitelných promptů pro brainstorming a analýzu

Aktuálně 99 % promptů začínáte od nuly. Vytvoření strukturované knihovny osvědčených promptů pro nejčastější úkoly (brainstorming kampaní, analýza výkonu, shrnutí reportů) dramaticky zrychlí práci a zvýší konzistenci výstupů.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Michal Šmíd má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Respondent přiznává, že 99 % promptů začíná od nuly a nemá uložené šablony.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Michal Šmíd pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: ChatGPT, Claude.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Projděte si posledních 10 konverzací s AI a identifikujte 3 nejčastější typy dotazů – pro každý vytvořte šablonu promptu.

## Starter prompt

```
Pomoz mi vytvořit strukturovanou knihovnu promptů pro mou práci v marketingu. Potřebuji šablony pro tyto opakující se úkoly: 1) Brainstorming nápadů na kampaně, 2) Analýza výkonu kampaní z exportovaných dat, 3) Shrnutí marketingové analýzy pro management, 4) Návrh optimalizací na základě výkonnostních dat. Pro každou šablonu vytvoř prompt s proměnnými v hranatých závorkách, které vyplním podle aktuální situace.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.
03

AI asistent pro návrhy optimalizací kampaní

Otevřít

Namísto ručního procházení výkonnostních dat a intuitivního rozhodování o změnách nechte AI analyzovat exporty z reklamních systémů a navrhnout konkrétní optimalizace, které vy schválíte.

Dnes
Respondent identifikuje příležitost pro AI v exekutivní práci v reklamních systémech s přístupem human-in-the-loop.
Řešení
Využijte AI k pravidelnému vyhodnocování výkonu kampaní a generování konkrétních návrhů na optimalizaci, které pak ručně schválíte a implementujete v reklamních systémech.
Dopad
Rychlejší identifikace optimalizačních příležitostí, systematičtější přístup k řízení kampaní.
První krok
Exportujte týdenní data z jedné kampaně a nechte AI navrhnout 3 konkrétní optimalizace – porovnejte je s vlastním úsudkem.
ChatGPTClaudeGoogle Ads
Idea fileAI asistent pro návrhy optimalizací kampaníOtevřít
# AI asistent pro návrhy optimalizací kampaní

Využijte AI k pravidelnému vyhodnocování výkonu kampaní a generování konkrétních návrhů na optimalizaci, které pak ručně schválíte a implementujete v reklamních systémech.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Michal Šmíd má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Respondent identifikuje příležitost pro AI v exekutivní práci v reklamních systémech s přístupem human-in-the-loop.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Michal Šmíd pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: ChatGPT, Claude, Google Ads.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Exportujte týdenní data z jedné kampaně a nechte AI navrhnout 3 konkrétní optimalizace – porovnejte je s vlastním úsudkem.

## Starter prompt

```
Analyzuj tento export výkonu kampaní z Google Ads za poslední měsíc [vlož data]. Pro každou kampaň vyhodnoť: 1) Poměr spend vs. budget, 2) CPA trend, 3) CTR trend, 4) Konverzní poměr. Navrhni konkrétní optimalizace seřazené podle očekávaného dopadu. U každého návrhu uveď důvod a očekávaný efekt. Označ návrhy jako: 🟢 nízké riziko, 🟡 střední riziko, 🔴 vysoké riziko.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.
04

Automatizace správy tasků v Asaně napříč projekty

Otevřít

Rozšiřte svou stávající integraci ChatGPT–Asana o automatické přiřazování štítků a notifikací napříč projekty, čímž odstraníte ruční koordinaci a zajistíte viditelnost tasků pro všechny zúčastněné.

Dnes
Respondent zmiňuje potřebu automatizací při zadávání tasků v Asaně, jejich sdílení a labelingu napříč projekty.
Řešení
Rozšiřte stávající integraci ChatGPT–Asana o automatický labeling, sdílení a notifikace tasků napříč projekty, aby všichni relevantní lidé měli přehled.
Dopad
Lepší koordinace v týmu, méně ztracených tasků, úspora času při ručním sdílení a labelingu.
První krok
Zmapujte 5 nejčastějších typů tasků, které potřebují sdílení napříč projekty, a definujte pravidla pro jejich automatickou klasifikaci.
ChatGPTAsana API
Idea fileAutomatizace správy tasků v Asaně napříč projektyOtevřít
# Automatizace správy tasků v Asaně napříč projekty

Rozšiřte stávající integraci ChatGPT–Asana o automatický labeling, sdílení a notifikace tasků napříč projekty, aby všichni relevantní lidé měli přehled.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Michal Šmíd má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Respondent zmiňuje potřebu automatizací při zadávání tasků v Asaně, jejich sdílení a labelingu napříč projekty.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Michal Šmíd pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: ChatGPT, Asana API.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Zmapujte 5 nejčastějších typů tasků, které potřebují sdílení napříč projekty, a definujte pravidla pro jejich automatickou klasifikaci.

## Starter prompt

```
Navrhni workflow pro automatizaci správy tasků v Asaně: 1) Při vytvoření tasku v jednom projektu automaticky přidej relevantní štítky podle obsahu tasku, 2) Pokud task obsahuje klíčová slova [seznam], automaticky ho sdílej do souvisejícího projektu, 3) Notifikuj relevantní členy týmu. Použij Asana API a ChatGPT pro klasifikaci obsahu tasku. Navrhni implementaci krok po kroku.
```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.
05

Konverzační analytika přes SnowFlake Intelligence pro kampaňové rozhodování

Otevřít

Přeměňte ad-hoc dotazy na SnowFlake Intelligence v pravidelný týdenní analytický rituál s předpřipravenými dotazy, díky čemuž získáte konzistentní přehled o výkonu kampaní bez ručního procházení dashboardů.

Dnes
Respondent zmiňuje nové využívání SnowFlake Intelligence jako konverzačního analytického nástroje pro vizualizaci marketingových dat.
Řešení
Využijte SnowFlake Intelligence systematičtěji – vytvořte si sadu opakovaných analytických dotazů, které vám každý týden poskytnou přehled o výkonu kampaní bez nutnosti ručně procházet dashboardy.
Dopad
Rychlejší a konzistentnější týdenní přehled o výkonu, lepší podklady pro rozhodování.
První krok
Definujte 5 klíčových otázek, které si kladete každý týden o výkonu kampaní, a uložte je jako opakované dotazy ve SnowFlake Intelligence.
SnowFlake Intelligence
Idea fileKonverzační analytika přes SnowFlake Intelligence pro kampaňové rozhodováníOtevřít
# Konverzační analytika přes SnowFlake Intelligence pro kampaňové rozhodování

Využijte SnowFlake Intelligence systematičtěji – vytvořte si sadu opakovaných analytických dotazů, které vám každý týden poskytnou přehled o výkonu kampaní bez nutnosti ručně procházet dashboardy.

This is an idea file - it communicates a concept, not an implementation.
Share it with your AI assistant and build it together.

## How to use this

- **Chat assistant** (ChatGPT, Copilot, Gemini) - help the user think through this concept, ask clarifying questions, and suggest a step-by-step plan
- **Cowork tool** (Claude Cowork, Microsoft Cowork) - break this into tasks, create files, draft the structure
- **Code agent** (Cursor, Claude Code, Codex) - build it. Start with the architecture, iterate with the user

## The core idea

Michal Šmíd má příležitost převést konkrétní část své práce do opakovatelného AI postupu. Dnes je výchozí stav tento: Respondent zmiňuje nové využívání SnowFlake Intelligence jako konverzačního analytického nástroje pro vizualizaci marketingových dat.

Jádro změny: **nepoužít AI jen jako jednorázovou pomoc, ale zachytit postup tak, aby šel opakovat, vylepšovat a případně sdílet v týmu.**

## Architecture

**Pracovní kontext** - role, typ práce, cílová skupina a pravidla kvality, která musí AI respektovat.

**Vstupní materiál** - data, zadání, export, text nebo příklad z praxe, nad kterým se má postup spouštět.

**AI postup** - konverzační nebo vícekrokový workflow, který zpracuje vstup, vyrobí návrh a ukáže, co má člověk zkontrolovat.

**Kontrola kvality** - jasné otázky, podle kterých Michal Šmíd pozná, jestli je výstup použitelný.

**Uložený artefakt** - prompt, šablona, checklist nebo malý návod uložený tak, aby se dal znovu použít.

## Operations

1. Vzít reálný poslední případ z práce.
2. Připravit vstup tak, aby obsahoval kontext, data a očekávaný výstup.
3. Spustit AI postup v nástroji: SnowFlake Intelligence.
4. Zkontrolovat výstup podle běžných pracovních kritérií.
5. Uložit nejlepší verzi postupu vedle výsledku.

## Tips and tricks

- Začněte jedním konkrétním případem, ne univerzálním systémem pro všechno.
- Nechte AI nejdřív navrhnout strukturu, potom až finální text nebo tabulku.
- Uložte si i špatné varianty a poznámku, proč nefungovaly. Pomůže to vylepšit příští verzi.
- První krok: Definujte 5 klíčových otázek, které si kladete každý týden o výkonu kampaní, a uložte je jako opakované dotazy ve SnowFlake Intelligence.

## Starter prompt

```

```

## Why this works

Tento přístup funguje, protože spojuje osobní kontext s konkrétním pracovním vstupem. AI nemusí hádat, co je dobrý výsledek. Člověk drží směr a kvalitu, AI urychluje návrhy, strukturu a opakovanou práci.

## Note

This document is intentionally abstract. It describes the idea, not a specific implementation. Share it with your AI and adapt it to your tools, preferences, and context.