Steg 2: anslut HubSpot

Hämta målkontakterna från HubSpot med ett sökfilter som fokuserar på beslutsfattare.

1. Välj noden Retrieve HubSpot Contacts.
2. Ställ in Operation på search.
3. Ställ in Authentication på oAuth2.
4. I Filter Groups lägger ni till ett filter där Property Name är hs_buying_role|enumeration och Value är DECISION_MAKER.
5. Inloggningsuppgifter krävs: anslut era hubspotOAuth2Api-uppgifter.

Flödesnotis: Retrieve HubSpot Contacts skickar vidare till Iterate Contacts Batch för att behandla kontakter en i taget.

Steg 3: konfigurera kontaktbatchning och fältmappning

Batchbearbetning säkerställer att en kontakt hanteras i taget, medan fältmappningen standardiserar data för senare steg.

1. Öppna Iterate Contacts Batch och behåll standardinställningarna för batch (inga ändringar krävs).
2. Säkerställ att Iterate Contacts Batch skickar vidare till Contact Anchor, och därefter till Map Contact Fields.
3. I Map Contact Fields lägger ni till tilldelningar:
4. Ställ in firstname på {{ $json.properties.firstname }}.
5. Ställ in lastname på {{ $json.properties.lastname }}.
6. Ställ in email på {{ $json.properties.email }}.
7. Ställ in product_to_sell på AI partnerships: a consulting package of AI development and services. We help customers find a strong foothold on AI initiatives bringing them to life cost effectively and always with results..

Contact Anchor är en platshållarnod som används för att förankra batchflödet; den kräver ingen konfiguration.

Steg 4: konfigurera e-posthämtning och persona-extrahering

Hämta senaste e-posthistorik för varje kontakt och använd den för att bygga en personaprofil med AI.

1. Konfigurera Fetch Customer Emails med Operation satt till getAll.
2. Ställ in Limit på 20 och Simple på false.
3. Ställ in sökfrågan i Filters → q till from:{{ $json.email }}.
4. Inloggningsuppgifter krävs: anslut era Gmail-uppgifter till Fetch Customer Emails (inga är konfigurerade ännu).
5. I Build Persona Profile ställer ni Text till hela uttrycket:
   {{ $input.all() .map(item => `subject: ${item.json.subject} date: ${$json.headers.date} message: ${item.json.text.substr(0, item.json.text.indexOf('> wrote:') ?? item.json.text.length).replace(/^On[\w\W]+$/im, '')}`) .join('\n---\n') }}
6. I Build Persona Profile ställer ni System Prompt Template till Your task is to build a persona of a customer or potential customer so that we may better serve them for our business. Analyse the recent correspondence of the user, {{ $('Map Contact Fields').item.json.email }}, and extract the required attributes..
7. Säkerställ att Gemini Chat Model A är ansluten som språkmodell för Build Persona Profile och ställ in Model Name på models/gemini-2.0-flash.
8. Inloggningsuppgifter krävs: anslut era googlePalmApi-uppgifter till Gemini Chat Model A (AI-uppgifter sätts på modellnoden, inte på Build Persona Profile).

⚠️ Vanlig fallgrop: Gmail-noderna kräver inloggningsuppgifter även om arbetsflödet importerades korrekt. Säkerställ att båda Gmail-noderna är autentiserade innan ni testar.

Steg 5: konfigurera säljtextutkast och utdata som Gmail-utkast

Använd personaprofilen för att skapa ett anpassat säljmeddelande och spara det sedan som ett Gmail-utkast adresserat till kontakten.

1. I Draft Sales Message ställer ni Text till # Profile of {{ $('Map Contact Fields').first().json.firstname }} {{ $('Map Contact Fields').first().json.lastname }} {{ Object.keys($json.output).map(key => `## ${key}\n${$json.output[key]}`).join('\n') }}.
2. Ställ in System Prompt Template till You are a sales representative drafting an email to close a potential customer on the following product: {{ $('Map Contact Fields').first().json.product_to_sell }} Use the provided profile to draft the a suitable email which reflects similar communication style and addresses their values, ultimately convinces the customer to inquire about and/or buy this product. Provide only the subject and body of the message as this text will go into a template. Omit the subject and signature..
3. Säkerställ att Gemini Chat Model B är ansluten som språkmodell för Draft Sales Message och ställ in Model Name på models/gemini-2.0-flash.
4. Inloggningsuppgifter krävs: anslut era googlePalmApi-uppgifter till Gemini Chat Model B (AI-uppgifter sätts på modellnoden, inte på Draft Sales Message).
5. Konfigurera Create Gmail Draft med Resource satt till draft och Email Type satt till html.
6. Ställ in Message på {{ $json.output.body }} och Subject på {{ $json.output.subject }}.
7. Ställ in Options → Send To till {{ $('Map Contact Fields').first().json.email }}.
8. Inloggningsuppgifter krävs: anslut era Gmail-uppgifter till Create Gmail Draft (inga är konfigurerade ännu).

Flödesnotis: Create Gmail Draft skickar tillbaka till Iterate Contacts Batch för att fortsätta behandla nästa kontakt.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att bekräfta att kontakthämtning, personabygge och skapande av utkast fungerar hela vägen.

1. Klicka på Execute Workflow på Manual Start Trigger för att köra ett test.
2. Verifiera att Retrieve HubSpot Contacts returnerar kontakter taggade med DECISION_MAKER.
3. Kontrollera att Fetch Customer Emails returnerar e-posthistorik för varje kontakt.
4. Bekräfta att Build Persona Profile ger ut ett strukturerat persona-objekt och att Draft Sales Message ger ut subject och body.
5. Öppna Gmail och bekräfta att ett utkast finns för varje behandlad kontakt.
6. När ni är nöjda växlar ni arbetsflödet till Active för användning i produktion.