Du kan rutinen. Du öppnar tio YouTube-recensioner, spolar igenom videon, försöker fånga de “riktiga” för- och nackdelarna och klistrar sedan in röriga anteckningar i ett dokument du aldrig kommer att använda igen.
Marknadsansvariga märker det när en ny produkt måste positioneras snabbt. E-handlare märker det innan de tar in lager. Och en marknadsanalyskonsult märker det när en kund frågar: “Vad klagar folk på?” Den här automatiseringen för Apify Gmail report förvandlar timmar av tittande till en strukturerad, delningsbar sammanfattning.
Det här arbetsflödet söker efter YouTube-recensionsvideor för en produkt, hämtar transkriptioner, kör en strukturerad AI-analys och levererar en HTML-rapport med för- och nackdelar till e-post (eller tillbaka till en webhook). Här är vad det gör, varför det spelar roll och hur du får det i drift.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutlig output:
n8n Workflow Template: Apify + Gmail: rapport om för- och nackdelar
flowchart LR
subgraph sg0["Manual Flow"]
direction LR
n0@{ icon: "mdi:swap-vertical", form: "rounded", label: "LANG", pos: "b", h: 48 }
n1["<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/webhook.dark.svg' width='40' height='40' /></div><br/>Webhook"]
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Email send", 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/code.svg' width='40' height='40' /></div><br/>Method detect"]
n4["<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/code.svg' width='40' height='40' /></div><br/>Code1"]
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Apify API", pos: "b", h: 48 }
n6@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n7@{ icon: "mdi:robot", form: "rounded", label: "Message a model", pos: "b", h: 48 }
n8@{ icon: "mdi:swap-vertical", form: "rounded", label: "PRODUCT", pos: "b", h: 48 }
n9@{ icon: "mdi:cog", form: "rounded", label: "Limit", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Rename", pos: "b", h: 48 }
n11["<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/code.svg' width='40' height='40' /></div><br/>Merge"]
n12["<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/webhook.dark.svg' width='40' height='40' /></div><br/>Respond to Webhook"]
n13["<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/>Agent 1"]
n14["<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/>Agent 2"]
n15@{ icon: "mdi:play-circle", form: "rounded", label: "Manual", pos: "b", h: 48 }
n16["<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/markdown.dark.svg' width='40' height='40' /></div><br/>Markdown to HTML"]
n17@{ icon: "mdi:message-outline", form: "rounded", label: "Send Review", pos: "b", h: 48 }
n18@{ icon: "mdi:location-exit", form: "rounded", label: "Error why", pos: "b", h: 48 }
n0 --> n13
n4 --> n0
n9 --> n6
n11 --> n7
n15 --> n8
n10 --> n11
n13 --> n9
n13 --> n18
n14 --> n6
n14 --> n18
n8 --> n5
n1 --> n8
n5 --> n2
n2 --> n3
n3 --> n4
n6 --> n10
n6 --> n14
n7 --> n16
n16 --> n17
n16 --> n12
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 n15 trigger
class n7 ai
class n1,n12,n13,n14 api
class n3,n4,n11 code
classDef customIcon fill:none,stroke:none
class n1,n3,n4,n11,n12,n13,n14,n16 customIcon
Problemet: att omvandla YouTube-recensioner till användbara insikter
Produktrecensioner på YouTube är guld, men de är också kaotiska. En skapare lägger fem minuter på unboxing innan hen nämner den enda detaljen som spelar roll. En annan använder annan terminologi, så dina anteckningar blir inkonsekventa (“batteritid” vs. “drifttid” vs. “skärmtid”). Sedan ber någon i teamet om belägg och du fastnar i att titta om videor för att hitta exakt citat. Det handlar inte bara om tid. Det handlar om kontextbyten, röriga dokument och beslut baserade på halvt ihågkomna slutsatser.
Det blir snabbt mycket. Här är var det faller isär i praktiken:
- Att hitta “rätt” recensionsvideor kan ta en timme, särskilt i konkurrensutsatta kategorier.
- Din lista över för- och nackdelar glider när du ser fler videor, så den slutliga sammanfattningen går inte att jämföra mellan produkter.
- Manuella anteckningar missar nyanser och du fångar sällan “övriga punkter” som förklarar varför köpare tvekar.
- Det är krångligt att dela insikter eftersom råanteckningar inte är presentationsklara, så du skriver om dem igen för mejl eller slides.
Lösningen: automatiserad analys av YouTube-recensioner med Apify + Gmail
Det här n8n-arbetsflödet tar en enkel input (ett produktnamn) och gör om den till en strukturerad, lättläst rapport baserad på faktiska transkriptioner från YouTube-recensioner. Du kan starta det via en inkommande webhook (perfekt för ett formulär, ett internt verktyg eller ett Slack-kommando), eller köra det manuellt när du gör engångsresearch. Därifrån söker Apify efter relevanta YouTube-recensionsvideor och extraherar transkriptionstexten. Arbetsflödet håller varje videos innehåll tillräckligt separerat för att bevara betydelsen, och sammanfogar sedan det viktiga till en enda analysuppgift. Slutligen tar en OpenAI-chatmodell (GPT-4o-mini) fram en uppdelning av för- och nackdelar plus extra teman som recensenterna tar upp, och n8n konverterar resultatet till snygg HTML som Gmail kan skicka som en polerad rapport via mejl.
Arbetsflödet börjar med “produktparametrar” och språkinställningar, så du kan köra det på olika språk utan att bygga om något. Sedan loopar det igenom ett set av recensionsobjekt i batchar, förfinar fält och först därefter genererar AI:n den slutliga texten. Leveransen är flexibel: mejl för människor, webhook-svar för system.
Det du får: automatisering vs. resultat
| Det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du undersöker en produkt och tittar på 8 YouTube-videor. Manuellt är även “snabb” research ungefär 15 minuter per video mellan att hitta rätt del, ta anteckningar och städa upp slutsatser, alltså cirka 2 timmar. Med det här arbetsflödet lägger du cirka 2 minuter på att ange produktnamnet och välja metod (webhook eller manuell körning), och sedan väntar du på bearbetningen. I många fall landar HTML-rapporten i Gmail på cirka 15 minuter. Du får tillbaka din eftermiddag och sammanfattningen är redo att dela.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Apify för YouTube-sökning och transkriptioner
- Gmail för att leverera HTML-rapporten
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard)
Kunskapsnivå: Medel. Du kopplar konton, klistrar in API-nycklar och justerar ett par fält som språk och item-gränser.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Produktinput kommer in. Arbetsflödet startar från en inkommande webhook eller en manuell körning och fångar sedan produktnamnet och de nyckelparametrar du vill använda.
Språk och metod ställs in. En nod för språkinställningar styr output-språket och arbetsflödet avgör om det ska returnera en mejlrapport, ett webhook-svar eller båda beroende på hur du triggat det.
Apify samlar in recensionstranskriptioner. n8n förbereder Apify-endpointen, anropar Apify-agenterna via HTTP-requests och batchar sedan de returnerade objekten så att du kan styra volymen och hålla bearbetningen stabil.
AI:n tar fram en strukturerad rapport och leveransen sker. Efter att objekten rensats och slagits ihop genererar GPT-4o-mini fördelar, nackdelar och extra teman. Arbetsflödet konverterar outputen i markdown-stil till HTML och skickar via Gmail, samtidigt som det även stödjer webhook-svar för nedströms system.
Du kan enkelt ändra antalet videor som analyseras för att matcha din budget och ditt behov av djup. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera webhook-triggern
Det här arbetsflödet startar när ett externt system anropar er webhook och skickar produktindata för bearbetning.
- Lägg till och konfigurera Incoming Webhook Trigger som startpunkt.
- Kopiera webhook-URL:en som genereras av Incoming Webhook Trigger och använd den i er externa tjänst.
- Bekräfta att Incoming Webhook Trigger är kopplad till Product Parameters enligt flödet.
Steg 2: Konfigurera grundinmatning och förberedelse för utskick
Dessa set-noder förbereder inkommande data för efterföljande bearbetning och formatering.
- I Product Parameters definierar ni fälten som förväntas från webhook-payloaden.
- I Apify Endpoint Setup mappar ni eventuella endpoint- eller actor-konfigurationsvärden som behövs för HTTP-anrop.
- I Prepare Email Dispatch anger ni e-postspecifika fält som ni senare använder i Send Review Email.
- I Language Settings definierar ni eventuella språk- eller lokala inställningar som påverkar resultatet.
⚠️ Vanlig fallgrop: Om ni lämnar set-noder tomma kan senare code- och HTTP-noder misslyckas eller returnera tomt innehåll. Se till att ni fyller i fält i Product Parameters, Apify Endpoint Setup, Prepare Email Dispatch och Language Settings.
Steg 3: Konfigurera bearbetning och API-anrop
Den här kedjan hanterar transformationslogik och externa anrop innan AI-sammanfattning.
- I Detect Method Logic implementerar ni kod som avgör bearbetningsvägar eller hur anropen ska formateras.
- I Transform Script normaliserar ni inkommande data för konsekvent hantering i senare steg.
- Konfigurera Primary Agent Call och Secondary Agent Call med rätt HTTP-metod, URL och body baserat på era agent- eller API-endpoints.
- Ställ in Apply Item Limit för att begränsa hur många items som går vidare till Iterate Through Items.
- I Iterate Through Items säkerställer ni att batchlogiken stämmer med förväntat antal items.
- I Refine Field Names byter ni namn på eller formar fält för aggregering i Combine Outputs.
- I Combine Outputs slår ni ihop item-batcher till den slutliga strukturen som krävs av AI-prompten.
⚠️ Vanlig fallgrop: Både Primary Agent Call och Secondary Agent Call är inställda på att fortsätta vid fel. Se till att ni loggar eller hanterar fel så att efterföljande steg inte får tom data.
Steg 4: Konfigurera AI-generering av innehåll
Generera ett skriftligt svar från sammanfogad data och konvertera det till HTML för leverans via e-post.
- Öppna Prompt AI Model och konfigurera prompten för att sammanfatta eller formatera den sammanfogade outputen.
- Autentiseringsuppgifter krävs: Anslut era OpenAI-inloggningsuppgifter i Prompt AI Model.
- Verifiera att Prompt AI Model är kopplad till Convert Markdown to HTML så att innehållet blir redo som HTML.
⚠️ Vanlig fallgrop: Om AI-noden ger ut vanlig text utan markdown kan Convert Markdown to HTML skapa tom eller oformaterad HTML. Säkerställ att prompten efterfrågar markdown-output.
Steg 5: Konfigurera utdata-destinationer och parallella svar
Efter HTML-konverteringen skickar arbetsflödet ett e-postmeddelande och svarar på webhooken parallellt.
- Konfigurera Send Review Email med mottagare, ämne och HTML-body-fält som skapas av Convert Markdown to HTML.
- Autentiseringsuppgifter krävs: Anslut era Gmail-inloggningsuppgifter i Send Review Email.
- Konfigurera Return Webhook Response för att skicka en payload som indikerar lyckat resultat tillbaka till anroparen.
- Observera parallell exekvering: Convert Markdown to HTML skickar output både till Send Review Email och Return Webhook Response parallellt.
Steg 6: Lägg till felhantering
Felhantering är inbyggd med hjälp av en stop-nod för misslyckade HTTP-anrop.
- Bekräfta att Halt With Error är kopplad till felutgångarna från Primary Agent Call och Secondary Agent Call.
- Ange ett tydligt felmeddelande i Halt With Error så att fel blir enkla att diagnostisera.
Steg 7: Testa och aktivera ert arbetsflöde
Kör ett fullständigt test för att bekräfta att webhook-mottagning, AI-generering och e-postleverans fungerar hela vägen.
- Klicka på Execute Workflow och skicka en test-payload till Incoming Webhook Trigger.
- Verifiera att Prompt AI Model skapar innehåll och att Convert Markdown to HTML ger ut HTML.
- Bekräfta att Send Review Email levererar e-postmeddelandet och att Return Webhook Response returnerar ett lyckat svar.
- Aktivera arbetsflödet för att möjliggöra bearbetning i produktion.
Vanliga fallgropar
- Apify-uppgifter kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera först status på din Apify-token och åtkomst till actor i Apify Console.
- Om du använder Wait-noder eller extern rendering varierar processtider. Öka väntetiden om nedströms noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din varumärkesröst tidigt annars kommer du redigera outputs för alltid.
Vanliga frågor
Cirka 30 minuter om du redan har åtkomst till Apify, OpenAI och Gmail redo.
Nej. Du kopplar mest konton och klistrar in API-nycklar. Den enda “tekniska” delen är att välja dina gränser och språkinställningar.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för OpenAI + Apify-användning, som är cirka 0,03 USD per rapport i den här workflow-uppsättningen.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärt och hanterar n8n bra. Egen hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, men då vill du mata in en lista med produktnamn och loopa igenom dem. I n8n innebär det oftast att du justerar inputen i Product Parameters och lägger till en loop innan Apify-anropen. Vanliga anpassningar är att ändra språk i noden Language Settings, sänka eller höja item-gränsen och skicka den slutliga HTML:en till ett webhook-svar i stället för Gmail.
Oftast beror det på en ogiltig eller utgången Apify-token. Uppdatera token i n8n och säkerställ att Apify-actor som du anropar finns tillgänglig i din kontoplan. Om arbetsflödet bara fallerar vid större körningar kan det också vara rate limiting eller timeouts, så att minska item-gränsen är en snabb rimlighetskontroll.
Det beror på din plan och dina gränser. På n8n Cloud Starter jobbar du inom din månatliga körningskvot, så de flesta team kör detta för några produkter per dag utan att ens tänka på det. Om du hostar själv finns ingen körningsgräns, men din server måste fortfarande klara payload-storleken. Praktiskt: börja med en låg item-gräns (som 5–10 videor), verifiera kvaliteten i outputen och skala sedan upp vid behov.
Ofta, ja. Det här flödet tjänar på batchning, sammanslagning, villkorslogik och en tydlig leveransväg “webhook eller mejl”, vilket n8n hanterar utan att det blir en hög av betalda tasks. Zapier eller Make kan fortfarande fungera om du bara behöver en enkel trigger och ett enda AI-anrop, men kostnaderna kan dra iväg snabbt när du lägger till loopar och transkriptvolym. Om du bryr dig om att äga arbetsflödet och skala det är n8n oftast det lugnare valet, helt ärligt. Prata med en automationsexpert om du vill ha en snabb rekommendation utifrån din volym.
Det här arbetsflödet förvandlar spridda YouTube-åsikter till en enda rapport du faktiskt kan använda. Sätt upp det en gång och kör produktresearch när du behöver tydlighet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.