Att skriva Instagram-texter från grunden är en särskild sorts tidstjuv. Du stirrar på en tom sida, öppnar ett dussin inlägg för ”inspiration” och slutar ändå med att ifrågasätta om det låter som ditt varumärke.
Den här automatiseringen av Instagram-texter slår hårdast mot sociala medier-ansvariga, men varumärkesmarknadsförare och små team som driver sina egna konton känner av den också. Resultatet är enkelt: du får en ny uppsättning textidéer som faktiskt bygger på vad som trendar för en hashtag — inte slumpmässiga ”AI-vibbar”.
Det här arbetsflödet hämtar verkliga texter via Apify, sammanfattar mönster och låter OpenAI skriva varumärkesnära alternativ som du kan godkänna snabbt. Nedan ser du hur det fungerar, vad du behöver och var team oftast kör fast.
Så fungerar automatiseringen
Hela n8n-arbetsflödet, från trigger till slutlig output:
n8n Workflow Template: Apify + OpenAI: varumärkesnära Instagramtexter
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: "AI Agent", pos: "b", h: 48 }
n2@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Find Recent Posts"]
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Create Search Term", pos: "b", h: 48 }
n6@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set bio and follower count", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n8["<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/>Convert table names and colu.."]
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out1", 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/merge.svg' width='40' height='40' /></div><br/>Merge"]
n1 --> n9
n1 --> n10
n7 --> n8
n9 --> n11
n10 --> n11
n4 --> n6
n2 -.-> n1
n5 --> n4
n3 -.-> n1
n6 --> n7
n0 --> n5
n8 --> 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,n3 ai
class n2 aiModel
class n4 api
class n8 code
classDef customIcon fill:none,stroke:none
class n4,n8,n11 customIcon
Problemet: idégenerering för texter skalar inte
Texter känns små tills du producerar innehåll kontinuerligt. Ett inlägg blir ett miniprojekt: undersök vad som fungerar, skumma kommentarer för ton, kopiera några rader till ett dokument, skriv om för att matcha er röst och skicka för godkännande. Och eftersom det ”bara är en text” kläms det in mellan möten och kundarbete. Resultatet blir stressad copy, repetitiva formuleringar eller inlägg som publiceras sent eftersom ingen kan bestämma vad som ska stå.
Det blir snabbt mycket. Här är var det oftast faller isär när du gör det manuellt.
- Du bränner cirka 30 minuter bara på att samla exempel som ”känns rätt” för en hashtag.
- När inspirationen kommer från minnet i stället för aktuella inlägg glider texterna bort från det publiken engagerar sig i just nu.
- Team återanvänder samma hooks och CTA:er, vilket gör att flödet känns daterat.
- Godkännanden tar längre tid eftersom det inte finns något underlag bakom valen — bara åsikter.
Lösningen: skrapa verkliga texter och skapa bättre utkast
Det här arbetsflödet börjar med en hashtag du väljer och hämtar sedan en uppsättning senaste Instagram-inlägg för ämnet via Apifys hashtag-scraper. I stället för att be AI ”hitta på” texter, extraherar det de verkliga texter som folk redan publicerar, aggregerar dem och gör dem till ett enda korrekt formaterat textblock. Det sammanhanget matas in i en AI-agent som drivs av OpenAI (gpt-4o-mini), som genererar två användbara outputs: en lista med nya textidéer och en lista med de vanligaste textmönstren den upptäckte. Till sist slår arbetsflödet ihop allt till en prydlig output-ström som du kan klistra in i ditt content-dokument, skicka till en kund eller spara till senare.
Arbetsflödet startar när du kör det manuellt (perfekt för snabb idéproduktion inför en planeringssession). Därefter skrapar det cirka 20 senaste inlägg för din hashtag, sammanställer texterna och använder OpenAI för att ta fram alternativ som ligger nära det som redan fungerar.
Det du får: automatisering vs. resultat
| Vad arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du planerar en veckas inlägg kring en hashtag. Manuellt kanske du öppnar 20 inlägg, kopierar texter till ett dokument och skriver om idéer, vilket ofta tar omkring 2 timmar när du räknar in ”tänktid”. Med det här arbetsflödet kör du triggern, Apify hämtar 20 senaste texter och OpenAI skapar nya alternativ utifrån det sammanhanget. De flesta team kan få fram användbara idéer på cirka 10 minuter och sedan lägga tiden på att finslipa i stället för att leta.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Apify för att skrapa senaste hashtag-inlägg och texter
- OpenAI för att generera textidéer från verkliga exempel
- Apify API-token (hämta den i din Apify Console)
Kunskapsnivå: Nybörjare. Du klistrar in API-nycklar, sätter en hashtag och kör ett test.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Du kör det när du behöver idéer. En manuell trigger startar arbetsflödet, vilket är perfekt för contentplanering eller snabba ”ge mig alternativ”-lägen innan ett inlägg går live.
Hashtagen blir söktermen. Du sätter ett värde (din mål-hashtag), och arbetsflödet använder det för att hämta senaste Instagram-inlägg via Apifys scraper-endpoint.
Texter struktureras och paketeras. n8n extraherar bara textinnehållet, aggregerar det till en enda lista och konverterar sedan listan till ett textblock som en AI-modell kan läsa utan att tappa sammanhang.
OpenAI tar fram idéer plus ”vanliga mönster”. AI-agenten instruerar gpt-4o-mini att hålla sig nära exemplen och levererar sedan strukturerade listor. Listorna delas upp i enskilda punkter och slås ihop igen till en slutlig ström som du kan skicka vidare till Slack, Google Sheets eller Monday.com om du vill operationalisera det senare.
Du kan enkelt ändra hashtag-inputen för att skanna olika nischer efter behov. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: konfigurera den manuella triggern
Starta arbetsflödet med en manuell trigger för enkel testning och iteration.
- Lägg till Manual Run Trigger som arbetsflödets trigger.
- (Valfritt) Behåll Flowpast Branding som en visuell referensnotering; den påverkar inte körningen.
Steg 2: anslut Apify för hämtning av Instagram-inlägg
Definiera hashtag-söktermen och hämta senaste Instagram-inlägg via Apify.
- I Define Search Keyword, ställ in tilldelningen Search_Term till
n8n. - Konfigurera Fetch Recent Posts med Method satt till
POST. - Ställ in URL till
=https://api.apify.com/v2/acts/apify~instagram-hashtag-scraper/run-sync-get-dataset-items. - Aktivera Send Body och ställ in Specify Body till
json. - Ställ in JSON Body till
={ "hashtags": [ "{{ $json.Search_Term }}" ], "resultsLimit": 20, "resultsType": "posts" }. - Credential Required: Anslut era httpQueryAuth-credentials i Fetch Recent Posts.
Steg 3: extrahera och aggregera captions
Omvandla inläggsdata till ett enda textblock som AI-agenten kan analysera.
- I Extract Captions, mappa caption till
={{ $json.caption }}. - I Aggregate Captions, aggregera fältet caption under Fields To Aggregate.
- I Build Caption Text Block, behåll JavaScript Code som den är angiven för att formatera captions till ett enda
text-fält.
caption-fält, kontrollera Apify-svarets schema eller uppdatera mappningen.Steg 4: sätt upp AI-generering av caption-idéer
Använd agenten för att generera strukturerade inläggsidéer baserat på senaste captions.
- I Content Idea Agent, ställ in Text till
=posts: {{ $json.text }}. - Behåll Prompt Type som
defineoch säkerställ att Has Output Parser är aktiverat. - I inställningarna för Content Idea Agent, ställ in System Message till
=I'm looking for ideas for posts about {{ $('Define Search Keyword').item.json.Search_Term }} ...(använd exakt text från noden). - Öppna OpenAI Chat Engine och ställ in Model till
gpt-4o-mini. - Credential Required: Anslut era openAiApi-credentials i OpenAI Chat Engine.
- Säkerställ att Structured Result Parser innehåller JSON-schemaexemplet
{ "Post Idea": ["Idea1","Idea2"], "Most Common Post": ["common post 1","common post 2"] }.
Steg 5: konfigurera parallell splitting och merging
Dela upp AI-utdata i två listor och kombinera dem till ett enda flöde.
- Bekräfta att Content Idea Agent skickar utdata parallellt till både Split Ideas List och Split Common List.
- I Split Ideas List, ställ in Field to Split Out till
output['Post Idea']. - I Split Common List, ställ in Field to Split Out till
output['Most Common Post']. - I Merge Idea Streams, ställ in Mode till
combineoch Combine By tillcombineByPosition.
Steg 6: testa och aktivera ert arbetsflöde
Kör arbetsflödet manuellt för att validera API-hämtningen och AI-utdata innan ni går live.
- Klicka på Execute Workflow för att köra Manual Run Trigger.
- Verifiera att Fetch Recent Posts returnerar Instagram-inläggsdata och att Aggregate Captions konsoliderar captions.
- Bekräfta att Content Idea Agent ger strukturerade idéer som delas upp korrekt i Split Ideas List och Split Common List.
- Kontrollera Merge Idea Streams för kombinerade resultat över båda idélistorna.
- När ni är nöjda, slå på arbetsflödet till Active för produktionsanvändning.
Vanliga fallgropar
- Apify-uppgifter kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först din Apify-token i n8n Credentials (HTTP Query Auth).
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er varumärkesröst tidigt, annars kommer du redigera outputs i all evighet.
Vanliga frågor
Cirka 30 minuter om du redan har dina Apify- och OpenAI-konton.
Nej. Du klistrar mest in autentiseringsuppgifter och ändrar hashtag-fältet. Arbetsflödets kodsteg är redan klart åt dig.
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 in kostnader för OpenAI API (oftast några cent per körning för den här typen av textgenerering) och din Apify-användning.
Två alternativ: n8n Cloud (managed, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, men du behöver justera noden ”Define Search Keyword” (set) så att den tar emot en lista, och sedan köra HTTP Request-noden ”Fetch Recent Posts” en gång per hashtag. Vanliga anpassningar är att ändra resultsLimit, generera texter i ett specifikt varumärkesformat (kort, långt, utan emojis) och skriva ut data till Google Sheets eller Slack för godkännanden.
Oftast beror det på en ogiltig eller utgången Apify-token i HTTP Query Auth-autentiseringsuppgifterna. Uppdatera token och kör sedan arbetsflödet igen och följ outputen i HTTP Request-noden. Om du skrapar mycket kan du också slå i rate limits eller stöta på Apify actor-inställningar som behöver justeras för din mål-hashtag.
I praktiken beror det på din resultsLimit i Apify och hur mycket text du skickar till OpenAI, men att hämta 20 inlägg per körning är en bekväm basnivå. På n8n Cloud begränsas du av månatliga körningar; om du self-hostar är gränsen främst dina serverresurser. Om du kör det några gånger i veckan per kampanj når de flesta små team aldrig något tak.
Ofta, ja, eftersom n8n hanterar mer komplex logik (som att aggregera, transformera och sedan parsa strukturerad AI-output) utan att det blir en dyr zap i många steg. Du får också möjligheten att self-hosta, vilket spelar roll om du kör detta ofta. Zapier och Make kan fortfarande fungera om du bara behöver ett enkelt flöde ”hashtag in → texter ut” och inte bryr dig om strukturerad output. Den stora skillnaden är kontroll: prompter, parsning, förgreningar och lagringsalternativ är enklare att finjustera i n8n. Om du vill ha hjälp att avgöra, prata med en automationsexpert.
Sätt upp det här en gång och återanvänd det när en kampanj behöver nya vinklar på texter. Arbetsflödet tar hand om den repetitiva researchen så att du kan fokusera på att göra inlägget värt att klicka på.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.