Du öppnar HubSpot för att svara på en ”snabb” fråga, och plötsligt är du tio klick in, ifrågasätter filter och kopierar anteckningar till ett annat dokument.
Grundare känner av det när de behöver snabb tydlighet i pipen. Account Executives hamnar där mitt i ett samtal. Ops-team dras in när rapportering blir ett dagligt avbrott. Den här HubSpot Gemini assistant gör CRM-grävande till en enkel chattfråga och ett tydligt svar.
Du sätter upp ett n8n-flöde som låter dig ställa HubSpot-frågor på vanlig svenska, hämtar live-kontakter eller affärer och svarar med de detaljer du faktiskt behöver.
Så fungerar automatiseringen
Här är hela flödet du kommer att sätta upp:
n8n Workflow Template: HubSpot + Google Gemini: CRM-svar vid begäran
flowchart LR
subgraph sg0["Chat Intake Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Chat Intake Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:robot", form: "rounded", label: "Conversational Orchestrator", pos: "b", h: 48 }
n2@{ icon: "mdi:cog", form: "rounded", label: "Retrieve HubSpot Contacts", pos: "b", h: 48 }
n3@{ icon: "mdi:cog", form: "rounded", label: "Locate HubSpot Deals", pos: "b", h: 48 }
n4@{ icon: "mdi:memory", form: "rounded", label: "Context Buffer Memory", pos: "b", h: 48 }
n5@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Conversation Model", pos: "b", h: 48 }
n4 -.-> n1
n5 -.-> n1
n2 -.-> n1
n0 --> n1
n3 -.-> n1
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 ai
class n5 aiModel
class n4 ai
Varför det här spelar roll: att få svar ur CRM tar för lång tid
HubSpot är bra på att lagra data. Det är inte alltid lika bra på att låta dig hämta ut den snabbt när hjärnan är på något annat (ett säljsamtal, ett teammöte, en kundeskalering). Den manuella vägen är välbekant: kom ihåg vilket objekt du ska söka i, välj rätt filter, välj operatorer, lägg till egenskaper, kör, justera, och upprepa eftersom första vyn inte visade ”senaste aktivitet” eller ”ägare”. Även när du gör rätt bränner det fokus. Och när du gör fel fattar du beslut på dåliga ögonblicksbilder. Det är ärligt talat den dyra delen.
Friktionen byggs på. Här är var det oftast faller isär.
- Du lägger cirka 10 minuter på att bygga en vy och inser sedan att det är fel objekt (kontakter vs. affärer).
- Filter tillämpas fel eftersom operatorer som ”IN” vs. ”EQ” eller datumlogik inte används konsekvent i teamet.
- Folk tar skärmdumpar eller klistrar in ofullständiga listor i Slack, så alla reagerar på inaktuell CRM-data.
- Följdfrågor (”bara Tyskland”, ”över 10k”, ”closed won”) blir ännu en runda klick i stället för en snabb förfining.
Vad du bygger: en chattassistent som söker i HubSpot åt dig
Det här flödet ger dig en chattbaserad assistent i n8n som söker i HubSpot vid begäran. Du skriver en fråga som du skulle ställa till en kollega, som ”visa mig leads i Tyskland” eller ”vilka affärer stänger nästa månad”, och agenten tolkar avsikten bakom. Den avgör om frågan gäller kontakter eller affärer och bygger sedan en exakt HubSpot-sökning med rätt filteregenskap, operator och värden. Därefter kör HubSpot frågan live via anslutna verktygsnoder och returnerar matchande poster. Till sist svarar assistenten på vanlig svenska och plockar ut de egenskaper som spelar roll (namn, e-post, livscykelsteg, ägare, belopp, stängningsdatum, tidsstämplar för senaste aktivitet). Du får klarhet utan CRM-skattjakt.
Flödet startar när ett chattmeddelande tas emot i n8n. Därifrån tolkar Google Gemini din fråga och väljer rätt HubSpot-sökverktyg. En minnesbuffer håller kontext, så följdfrågor som ”nu bara closed won över 10k” fortfarande blir begripliga.
Det här bygger du
| Vad som automatiseras | Vad du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du svarar på ”snabba CRM-frågor” cirka 10 gånger per dag. Manuellt är det lätt att lägga runt 10 minuter per fråga på att välja rätt filter, lägga till egenskaper och köra om vyer, alltså ungefär 100 minuter per dag. Med det här flödet frågar du i chatten (cirka 1 minut), HubSpot returnerar live-träffar och agenten sammanfattar resultatet. Du får tillbaka ungefär en och en halv timme de flesta dagar, och svaren blir oftast mer konsekventa.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- HubSpot för live-data om kontakter och affärer
- Google Gemini API för att tolka frågor och svara
- Google Gemini API-nyckel (hämta den från Google AI Studio)
Svårighetsgrad: Nybörjare. Du kopplar konton, klistrar in en API-nyckel och testar några exempel-frågor.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett chattmeddelande sätter igång allt. Flödet startar när någon skickar ett meddelande via n8n:s chatt-trigger (från n8n-gränssnittet eller en inbäddad chatt).
Assistenten tolkar avsikt och kontext. Google Gemini läser förfrågan och använder sedan minnesbufferten för att förstå följdfrågor som ”bara Tyskland” eller ”visa closed won över 10k”.
HubSpot frågas live. Agenten väljer rätt HubSpot-verktyg (kontakter eller affärer), fyller i rätt filteregenskap och operator (EQ, IN, GT, BETWEEN och så vidare) och begär specifika egenskaper som ägare, livscykelsteg, stängningsdatum och tidsstämplar för senaste aktivitet.
Du får ett svar på vanlig svenska. Resultaten sammanfattas tillbaka i chatten så att du kan agera direkt, eller ställa en mer precis följdfråga utan att bygga om sökningen från grunden.
Du kan enkelt ändra vilka egenskaper som returneras och hur resultat sammanfattas utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera chat-triggern
Det här arbetsflödet startar när ett nytt chattmeddelande tas emot och lämnar sedan över förfrågan till AI-agenten.
- Lägg till och öppna Chat Intake Trigger.
- Lämna standardinställningarna för Options oförändrade om ni inte behöver ett anpassat beteende.
- Bekräfta körflödet: Chat Intake Trigger skickar output till Conversational Orchestrator.
Steg 2: anslut HubSpot
Två HubSpot-verktyg används av agenten för att söka efter kontakter och affärer.
- Öppna Retrieve HubSpot Contacts och verifiera att Operation är inställt på
searchoch Authentication påoAuth2. - Autentiseringsuppgifter krävs: Anslut era
hubspotOAuth2Api-uppgifter för Retrieve HubSpot Contacts (det här verktyget är kopplat till Conversational Orchestrator). - Öppna Locate HubSpot Deals och verifiera att Resource är
deal, att Operation ärsearch, och att Authentication äroAuth2. - Autentiseringsuppgifter krävs: Anslut era
hubspotOAuth2Api-uppgifter för Locate HubSpot Deals (det här verktyget är kopplat till Conversational Orchestrator).
Steg 3: konfigurera Conversational Orchestrator
Agenten använder en språkmodell och minne för att tolka frågor och routa dem till HubSpot-verktygen.
- Öppna Conversational Orchestrator och behåll Options på standard om ni inte behöver avancerade inställningar.
- Anslut Context Buffer Memory till Conversational Orchestrator som inputen ai_memory (den lagrar konversationskontext).
- Anslut OpenAI Conversation Model till Conversational Orchestrator som inputen ai_languageModel.
- Öppna OpenAI Conversation Model och ställ in Model på
gpt-5. - Autentiseringsuppgifter krävs: Anslut era
openAiApi-uppgifter till OpenAI Conversation Model (det här är språkmodellen för Conversational Orchestrator).
Steg 4: konfigurera HubSpot-sökfilter
Båda HubSpot-verktygen använder AI-levererade filteruttryck så att agenten dynamiskt kan bygga frågor utifrån användarens promptar.
- I Retrieve HubSpot Contacts ska ni behålla filteruttrycken som de är, till exempel ställ in Value på
{{ $fromAI('filterGroupsValues0_filterValues0_Value', ``, 'string') }}och Property Name på{{ $fromAI('property_name', `Choose an appropirate hubspot contact property name - email,firstname,lastname,createdate,lifecyclestage,hs_lead_status,country,state,hs_email_last_open_date,hs_email_last_reply_date,hs_sequences_is_enrolled,hs_sequences_enrolled_count,jobtitle,hubspot_owner_id,hs_sa_first_engagement_date,hs_last_sales_activity_timestamp`, 'string') }}. - I Retrieve HubSpot Contacts ska ni ställa in Additional Fields → Properties till
{{ ["email","firstname","lastname","createdate","lifecyclestage","hs_lead_status","country","state","hs_email_last_open_date","hs_email_last_reply_date","hs_sequences_is_enrolled","hs_sequences_enrolled_count","jobtitle","hubspot_owner_id","hs_sa_first_engagement_date","hs_last_sales_activity_timestamp"] }}. - I Locate HubSpot Deals ska ni behålla filteruttrycken som de är, till exempel ställ in Property Name på
{{ $fromAI('property_name_0', `Choose an appropriate hubspot deal property name - dealname,amount,dealstage,pipeline,dealtype,closedate,createdate,hs_lastmodifieddate,hubspot_owner_id,deal_currency_code,hs_deal_stage_probability,hs_last_activity_date,hs_next_activity_date,hs_is_closed_won,num_associated_contacts,hs_object_id`, 'string') }}. - I Locate HubSpot Deals ska ni ställa in Additional Fields → Properties till
dealname, amount, dealstage, pipeline, dealtype, closedate, createdate, hs_lastmodifieddate, hubspot_owner_id, num_associated_contacts, hs_deal_stage_probability.
Steg 5: testa och aktivera ert arbetsflöde
Verifiera att agenten kan tolka en chattförfrågan och returnera sökresultat från HubSpot.
- Klicka på Test Workflow i n8n och skicka ett exempelmeddelande i chatten (t.ex. ”Hitta kontakter med e-postöppningar förra veckan”).
- Bekräfta att en lyckad körning visar att Conversational Orchestrator anropar Retrieve HubSpot Contacts eller Locate HubSpot Deals och returnerar resultat.
- Om resultaten är tomma, gå tillbaka till filteruttrycken och säkerställ att HubSpot-uppgifterna är giltiga.
- Slå på arbetsflödet till Active för att ta emot livechattfrågor i produktion.
Tips för felsökning
- HubSpot-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, börja med att kontrollera HubSpot OAuth-anslutningen i n8n under Credentials.
- Om du senare lägger till batchning eller väntetider (för större resultatuppsättningar eller exporter) varierar processtiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet och önskat utdataformat tidigt (tabeller vs. punktlistor), annars kommer du att fortsätta redigera svaren.
Snabba svar
Cirka 30 minuter om din HubSpot-åtkomst är klar.
Nej. Du kopplar mest HubSpot och lägger till din Gemini API-nyckel. Sedan handlar det om att testa frågor och justera vilka fält du vill få tillbaka.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för Google Gemini API-användning, som beror på hur långa dina prompter och svar är.
Två alternativ: n8n Cloud (hanterat, enklast uppsättning) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och klarar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. De flesta anpassningar görs i instruktionerna för Conversational Orchestrator (agent) och i verktygskonfigurationen för HubSpot Contacts / HubSpot Deals, för vilka egenskaper som tillåts och returneras. Vanliga justeringar är att begränsa sökbara egenskaper till en allowlist, sätta ett maxantal resultat så att svaren förblir läsbara och ändra svarsformatet till en kort tabell (namn, e-post, steg, senaste aktivitet, nästa steg). Om ert team använder en annan logik för affärsägarskap, byt filterfältet för affärsägare (mallen använder hs_all_owner_ids) så att det matchar hur ni rapporterar.
Oftast beror det på utgångna eller ofullständiga OAuth-behörigheter i HubSpot, så återanslut HubSpot-credentials i n8n och säkerställ att appen har åtkomst att läsa objekten du frågar efter. Om det fortfarande misslyckas, dubbelkolla att du använder rätt HubSpot-konto/portal och att din användare faktiskt kan se de kontakterna eller affärerna.
Mer än tillräckligt för daglig användning inom sälj och ops, så länge du begränsar resultaten till rimliga listor.
För interaktiva CRM-frågor och svar är n8n oftast bättre eftersom det hanterar mer komplex logik och verktygsanrop utan att göra varje gren till en betald ”task”. Du får också ett riktigt self-hosting-alternativ, vilket kan spela roll om du kör många interna frågor. Zapier eller Make kan fortfarande fungera om du bara vill ha ett enkelt flöde ”Slack-fråga → HubSpot-sökning → Slack-svar” och du inte bryr dig om minne över flera turer. Nackdelen är att minne och agentlik routing snabbt blir klumpigt i de verktygen. Om du vill ha hjälp att välja, prata med en automationsexpert.
När detta väl rullar blir HubSpot något du kan fråga, inte något du måste gräva igenom. Flödet tar hand om det repetitiva uppslagsarbetet så att du kan fokusera på nästa beslut.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.