Att bygga en outreach-lista för YouTube låter enkelt tills du faktiskt gör det. Du öppnar 30 kanaler, skummar beskrivningar, kopierar en e-postadress (kanske), klistrar in den någonstans och inser sedan att du fick med tre länkar för ”business inquiries” och ett stavfel.
Tillväxtmarknadsförare känner av det när partnerskapsmål faller mellan stolarna. En liten byråägare känner av det när en teammedlem ”blir klar med listan” men hälften av raderna är oanvändbara. Och om du kör creator-kampanjer in-house förvandlar Apify Sheets emails-automatisering den röriga skattjakten till en felfri, repeterbar pipeline.
Det här flödet använder Apify för att hitta kanaler, hämtar kanaldetaljer och använder sedan OpenAI för att extrahera giltiga e-postadresser till strukturerad data som du tryggt kan logga i Google Sheets (och skicka vidare till ditt CRM om du vill). Här är vad det gör, varför det spelar roll och hur du bör tänka när du sätter upp det.
Så fungerar den här automatiseringen
Hela n8n-workflowen, från trigger till slutlig output:
n8n Workflow Template: Apify + Google Sheets: rensa YouTube-skaparmejl
flowchart LR
subgraph sg0["When clicking ‘Execute workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Execute workf..", pos: "b", h: 48 }
n1@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser4", pos: "b", h: 48 }
n2@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model3", pos: "b", h: 48 }
n3["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Search Youtube"]
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Search Term and # of sea..", pos: "b", h: 48 }
n6["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Scrape Channels"]
n7@{ icon: "mdi:robot", form: "rounded", label: "Extract Email Address", pos: "b", h: 48 }
n3 --> n4
n4 --> n6
n6 --> n7
n2 -.-> n7
n7 --> n4
n1 -.-> n7
n5 --> n3
n0 --> n5
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n1,n7 ai
class n2 aiModel
class n3,n6 api
classDef customIcon fill:none,stroke:none
class n3,n6 customIcon
Problemet: YouTube-outreachlistor blir röriga snabbt
YouTube är fullt av creators som passar perfekt för partnerskap, UGC, affiliate-pushar eller varumärkessamarbeten. Att hitta dem är inte det svåra. Det svåra är att förvandla ”en massa kanaler jag gillar” till en pålitlig kontaktlista med e-postadresser du faktiskt kan använda. Kanalsidor ändras. Beskrivningar är inkonsekventa. Vissa creators gömmer kontaktinfo i udda formatering, och vissa lägger in flera adresser som betyder olika saker. Gör du detta manuellt lägger du timmar på att samla smulor och sedan ännu mer tid på att rensa upp.
Det eskalerar snabbt. Och det värsta är hur lätt det är att tro att du är klar när listan fortfarande inte är kampanjredo.
- Du slutar med att dubbelkolla kanaler eftersom första rundan missade en e-postadress som låg gömd i en vägg av länkar.
- Copy-paste-fel smyger sig in, så du får studsade mejl eller kontaktar helt fel creator.
- ”Rensningen” blir ett andra projekt, oftast precis när du vill börja med outreach.
- Det finns inget konsekvent format, så du kan inte filtrera, avduplicera eller lämna över listan utan fler redigeringar.
Lösningen: Apify + OpenAI-extraktion till en strukturerad lista
Den här n8n-workflowen automatiserar loopen ”hitta kanaler → läsa beskrivningar → plocka e-post → formatera resultat”. Du börjar med att definiera ett ämne eller nyckelord (som ”fitness coach”, ”Notion tutorials” eller ”podcast clips”). Apify söker på YouTube efter relevanta kanaler, och sedan itererar workflowen igenom resultaten i batchar så att den kan hämta varje kanals beskrivning och metadata. När rå kanaltext har samlats in används OpenAI för den del som människor märkligt nog är dåliga på att göra konsekvent: att extrahera giltiga e-postadresser och returnera dem i ett felfritt, strukturerat JSON-format. Därifrån kan du logga de rensade resultaten i Google Sheets och, valfritt, skicka kvalificerade kontakter till Pipedrive för spårning och uppföljning.
Workflowen startar med en manuell trigger, så du kan köra den när du behöver nya leads. Den frågar YouTube via Apify, loopar igenom kanalresultat och använder en AI-agent baserad på en OpenAI chat-modell för att plocka e-postadresser som matchar riktiga e-postmönster. Slutresultatet är en standardiserad output som du faktiskt kan bygga kampanjer på.
Vad du får: automatisering vs. resultat
| Vad den här workflowen automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här kan det se ut
Säg att du bygger en lista med 50 creators för ett nytt UGC-erbjudande. Manuellt kanske du lägger cirka 5 minuter per kanal på att öppna sidor, leta i beskrivningar och kopiera detaljer, vilket blir ungefär 4 timmar (och det är en ”bra” dag). Med den här workflowen skickar du in ditt nyckelord en gång, låter Apify returnera kanaler och låter OpenAI extrahera e-post medan n8n loopar igenom batchen. Du granskar fortfarande slutarket, men nu är det en snabb genomgång, inte en hel research-session.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Självhosting om du föredrar det (Hostinger fungerar bra)
- Apify för YouTube-sökning och kanalscraping
- Google Sheets för att lagra och dela felfria outreachlistor
- OpenAI API-nyckel (hämta den från faktureringssidan i OpenAI Platform)
Svårighetsgrad: Medel. Du kopplar konton, lägger in API-nycklar och justerar några inputfält.
Vill du inte sätta upp detta själv? Prata med en automatiseringsexpert (gratis 15-minuters konsultation).
Så fungerar det
Du startar med en manuell körning. I n8n startar du workflowen och anger sökparametrarna (ditt nyckelord/ämne och eventuella parametrar du vill standardisera för teamet).
Apify söker på YouTube och returnerar en lista med kanaler. Svaret är tillräckligt strukturerat för att jobba med, men det är inte outreachklart ännu, så workflowen förbereder objekten för nästa steg.
Workflowen loopar igenom kanaler i batchar och hämtar kanaldetaljer. Här hämtas beskrivningar och metadata en grupp i taget, vilket håller det stabilt och förhindrar att allt fallerar ”på en gång”.
OpenAI extraherar e-post och formaterar outputen. AI-agenten läser varje kanalbeskrivning, identifierar giltiga e-postadresser och returnerar strukturerad JSON så att nedströmsverktyg (Google Sheets och Pipedrive) inte behöver gissa.
Du kan enkelt ändra sökämnet och outputfälten så att de matchar kampanjens behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar på begäran, så att ni kan köra det manuellt under uppsättning och testning.
- Lägg till noden Manual Launch Trigger som arbetsflödets trigger.
- Behåll standardinställningarna eftersom den inte kräver någon konfiguration.
- Ni kan valfritt låta Flowpast Branding vara kvar som en referensnotering för arbetsflödets källa.
Steg 2: koppla indata för YouTube-sökning och API-fråga
Ange söktermer och resultatstorlek, och kör sedan Apify YouTube-scrapern via HTTP.
- I Assign Search Inputs ställer ni in Search till
n8n workflows. - Ställ in channels till
2för att begränsa antalet resultat. - Öppna Query YouTube API och ställ in URL till
=https://api.apify.com/v2/acts/streamers~youtube-scraper/run-sync-get-dataset-items. - Ställ in Method till POST och Body till JSON.
- Klistra in JSON-body exakt som den är och säkerställ att uttrycken finns kvar:
{{ $json.channels }}och{{ $json.Search }}. - Autentiseringsuppgifter krävs: Anslut era httpQueryAuth-credentials i Query YouTube API.
⚠️ Vanlig fallgrop: Om ni tar bort uttrycken i JSON-body kommer API:t att ignorera era dynamiska sökindata.
Steg 3: bearbeta resultat i batcher och hämta kanaldetaljer
Varje kanalresultat hanteras en i taget för att undvika rate limits och för att berika med kanalens detaljdata.
- Låt Iterate Batch Items vara ansluten efter Query YouTube API för att loopa igenom resultaten.
- I Collect Channel Details ställer ni in URL till
=https://api.apify.com/v2/acts/apidojo~youtube-scraper/run-sync-get-dataset-items. - Säkerställ att JSON-body innehåller
"startUrls": ["{{ $json.channelUrl }}"]så att varje kanals URL används. - Autentiseringsuppgifter krävs: Anslut era httpQueryAuth-credentials i Collect Channel Details.
Steg 4: konfigurera AI-extraktion för att hitta e-postadresser
Arbetsflödet använder en AI-agent för att extrahera e-postadresser från kanalbeskrivningen och strukturera utdata.
- I Derive Email Contacts ställer ni in Text till
={{ $json.description }}. - Låt Prompt Type vara inställd på define och säkerställ att systemmeddelandet matchar instruktionerna för e-postextraktion.
- Öppna Structured Result Parser och bekräfta att schemaexemplet är
{"emails":["email1","email2"]}. - I OpenAI Chat Engine väljer ni modellen
gpt-4o-mini. - Autentiseringsuppgifter krävs: Anslut era openAiApi-credentials i OpenAI Chat Engine.
⚠️ Vanlig fallgrop: Structured Result Parser är en AI-undernod—autentiseringsuppgifter måste ställas in på OpenAI Chat Engine, inte på själva parsern.
Steg 5: testa och aktivera ert arbetsflöde
Kör arbetsflödet från start till mål för att bekräfta att ni får strukturerade e-postadresser för varje kanal.
- Klicka på Execute Workflow för att köra från Manual Launch Trigger.
- Verifiera att Query YouTube API returnerar en lista med kanaler och att Collect Channel Details returnerar beskrivningar.
- Kontrollera utdata från Derive Email Contacts för en strukturerad
emails-array. - Om resultaten ser korrekta ut, växla arbetsflödet till Active för löpande användning.
Vanliga fallgropar
- Apify-credentials kan gå ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först din Apify API-token i Apify Console.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera output för alltid.
Vanliga frågor
Cirka en timme om dina Apify- och OpenAI-konton är redo.
Nej. Du kopplar främst credentials och justerar ett par fält, som ditt nyckelord för YouTube-sökningen.
Ja. n8n har ett gratis självhostat alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med OpenAI API-kostnader, som oftast är några cent per körning för små batchar.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhosting på en VPS. För självhosting är Hostinger VPS prisvärd och hanterar n8n bra. Självhosting ger obegränsat antal körningar men kräver grundläggande serveradministration.
Ja, och det är den viktigaste anpassningen du kommer att göra. Uppdatera värdena i ”Assign Search Inputs” för att ändra YouTube-ämnet, och justera sedan OpenAI-extraktionsprompten i agenten ”Derive Email Contacts” så att den returnerar exakt de fält du vill ha (e-post, kanalnamn, kanal-URL, nisch-taggar). Många team lägger också till en enkel ”If”-regel för att hoppa över kanaler som inte har någon e-post alls, så att arket håller sig felfritt.
Oftast handlar det om en ogiltig eller utgången Apify-token i din HTTP Query Auth-credential, så skapa en ny token i Apify och uppdatera den i n8n. Det kan också vara fel scraper-endpoint (workflowen förväntar sig att dina Apify-actors finns och är åtkomliga). Om du kör stora listor kan rate limits eller runtime-limiter för actors ge timeouts, vilket ser ut som ”slumpmässiga” fel trots att det egentligen bara är volym.
Dussintals till hundratals per körning, beroende på din Apify-plan och hur aggressiv din batchstorlek är.
Ofta, ja, eftersom den här workflowen bygger på batching, loopar och strukturerad AI-parsning, vilket blir krångligt (och dyrt) i många no-code-verktyg. n8n gör det enklare att styra hur många kanaler du bearbetar åt gången, försöka igen vid fel och hålla dataformatet stabilt. Självhosting är också en stor grej om du planerar att köra detta ofta. Zapier eller Make kan fortfarande vara bra för lättare lead capture, som ”ny rad i Sheets → skicka ett mejl”. För scraping plus AI-extraktion är n8n oftast det lugnare alternativet. Prata med en automatiseringsexpert om du vill ha hjälp att välja.
När detta väl är igång slutar du bygga om outreachlistor från grunden. Workflowen sköter det repetitiva grävandet, och du kan lägga tiden på meddelandena som faktiskt leder till partnerskap.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.