LinkedIn Analytics · Data Pipeline · Dashboard

Job Shine: LinkedIn Analytics Dashboard

Автономний трекер контактів та активності LinkedIn. Apify збирає дані, Make обробляє їх і записує в Supabase, а вебдашборд показує щоденний та місячний приріст мережі й історію взаємодій із посиланнями на пости.

0 хвна ручне заповнення звітів
День + місяцьавтоматичний розрахунок приросту
1 клікдо збереженого посту з дашборду

Дашборд Job Shine: поточні контакти LinkedIn, результат за день, початок місяця, місячний приріст і стрічка активності з кнопками переходу до постів — Вебдашборд LinkedIn · Відкрити у повному розмірі ↗

Сценарій Make для Job Shine: Apify, Iterator, Text Aggregator, пошук запису в Supabase та розгалуження для створення або оновлення даних — Обробка даних у Make · Відкрити у повному розмірі ↗

Apify · LinkedIn ActorMake.comSupabase · PostgreSQLReactNext.jsTailwind CSSVercel

Контекст

Під час пошуку роботи та розвитку особистого бренду важливо системно розширювати мережу контактів і підтримувати активність у LinkedIn. Зазвичай кількість конектів та взаємодії відстежують на око або вручну переносять у таблиці, що забирає час і демотивує.

Проблема

Немає зручної аналітики. Щоденну та місячну динаміку приросту контактів доводиться рахувати вручну.
Губиться історія активності. Прокоментовані статті та вподобані пости цільових компаній швидко зникають у стрічці.
Складно звести дані. Інформацію з LinkedIn потрібно отримати, очистити та привести до єдиного зручного формату.

Моє рішення

Я побудував автономний трекер, який щовечора збирає кількість контактів і останні дії користувача в LinkedIn. Make обробляє масиви, форматує журнал активності та записує дані в Supabase. Кастомний вебдашборд отримує збережені дані, розраховує приріст і показує стрічку взаємодій із клікабельними посиланнями на пости.

Як побудовано систему

Збір даних — Apify. Щоденний запуск LinkedIn Actor отримує кількість контактів (connections) та масив останніх дій (activity).
Обробка — Make. Iterator розбирає масив активностей, а Text Aggregator формує єдиний журнал: дія, тема та посилання.
Зберігання — Supabase. Дані записуються в таблицю PostgreSQL із полями connections_start, connections_end та activity_log.
Аналітика — Next.js. Логіка дашборду обробляє дати та рахує Daily Result і Monthly Growth, враховуючи пропуски днів.
Інтерфейс і розгортання — Vercel. React / Next.js та Tailwind CSS формують панель показників і стрічку активності. Текстові URL перетворюються на кнопки «Перейти до посту ↗», записи розділені візуально.

Результати

Трекінг повністю автоматизовано: ручне заповнення звітів не потрібне.
Щоденний результат та місячний приріст розраховуються автоматично, з урахуванням пропущених днів.
Історія зібраних взаємодій зберігається в базі даних, а потрібні пости й статті доступні з дашборду в один клік.