Du hittar en trend på Instagram, tar en skärmdump, försöker beskriva den i ord och lägger sedan alldeles för lång tid på att skriva om prompts tills bilden ser ”tillräckligt nära” ut. Det är långsamt, stökigt och lätt att tappa tråden när du samtidigt jonglerar kundanteckningar.
Den här Apify Slack-integrationen slår hårdast mot content strategists och beauty-/modekonsulter. Byråteam känner också av det. Resultatet är enkelt: nya, varumärkesanpassade trendbilder dyker upp i Slack, redan formade efter en kundprofil (till exempel en specifik hudton).
Nedan ser du hur arbetsflödet hämtar toppinlägg från hashtags, låter AI tolka känslan, genererar en anpassad DALL·E-bild och levererar den till din kanal så att du kan granska snabbt.
Så fungerar den här automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: Apify + Slack: Instagramtrender redo att granska
flowchart LR
subgraph sg0["When clicking 'Test workflow' Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking 'Test workflow'", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Workflow Configuration", pos: "b", h: 48 }
n2["<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/>Run an Actor and get dataset"]
n3@{ icon: "mdi:robot", form: "rounded", label: "OpenAI - Analyze Image & Gen..", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "OpenAI - Generate DALL-E Image", pos: "b", h: 48 }
n5["<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/>Combine Data"]
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/slack.svg' width='40' height='40' /></div><br/>Post to Slack"]
n5 --> n3
n1 --> n2
n1 --> n5
n2 --> n5
n0 --> n1
n4 --> n6
n3 --> n4
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 n3,n4 ai
class n2 api
classDef customIcon fill:none,stroke:none
class n2,n5,n6 customIcon
Utmaningen: att göra trender till kundklara visuella koncept
Trendresearch låter kul tills det blir ett löpande band. Du jagar hashtags, öppnar ett dussin inlägg och kan ändå inte förklara varför ett visuellt uttryck ”funkar” för en kund och ett annat inte. Sedan kommer den svåraste delen: att översätta en look till prompts. Du gör samma jobb om och om igen, och promptarna glider iväg eftersom du skriver från minnet i stället för att analysera originalbilden. Värst av allt: granskningsfeedback fastnar i DM:s, skärmdumpar och halvfärdiga utkast.
Friktionen byggs på. Här är var det faller isär.
- Du slösar cirka 1–2 timmar bara på att samla ”kanske”-exempel för en konceptgranskning.
- Omskrivningar av prompts staplas på varandra eftersom första utkastet sällan matchar originalets känsla eller mönster.
- Personalisering (som hudton eller kundens stilregler) blir manuell, vilket ger inkonsekvens mellan leveranser.
- Godkännande tar längre tid eftersom det visuella inte levereras där teamet redan diskuterar arbetet (oftast Slack).
Lösningen: Apify-skrapade trender, AI-anpassade, skickade till Slack
Det här arbetsflödet gör Instagram-trendspaning till en repeterbar pipeline som du kan köra när som helst. Du börjar med att ange de hashtags du bryr dig om (som #trendnails) och en mål-hudton eller kundprofil (till exempel ”Yellow Base Spring”). n8n skickar de indata till Apify, som skrapar de senaste toppinläggen för varje hashtag. Därefter tittar GPT-4o (Vision) på originalbilden och beskriver vad som faktiskt händer: mönstret, atmosfären, designmarkörerna som gör att det blir ”den trenden”. Utifrån analysen skriver den en bättre DALL·E-prompt som behåller känslan men anpassar resultatet till din målprofil. DALL·E 3 genererar den nya bilden, och arbetsflödet laddar upp den direkt i en Slack-kanal för granskning.
Det börjar med din konfiguration och en Apify-skrapning. AI-steget gör ”kreativ översättning”, sedan skapar DALL·E den uppdaterade bilden. Slack blir överlämningspunkten, så granskningen sker på samma ställe där beslut redan fattas.
Vad som förändras: före vs. efter
| Detta elimineras | Effekten du kommer att se |
|---|---|
|
|
Effekt i verkligheten
Säg att du granskar 3 hashtags för en kund och vill ha 5 användbara riktningar. Manuell hantering: du lägger kanske cirka 10 minuter per hashtag på att samla exempel (30 minuter), sedan ytterligare 10 minuter per riktning på att skriva om prompts och generera bilder (cirka 50 minuter), plus tid för att ladda upp och förklara allt i Slack (ytterligare 20 minuter). Det är ungefär 1–2 timmar. Med det här arbetsflödet sätter du hashtags och hudton en gång (5 minuter), låter Apify + GPT-4o + DALL·E köra och granskar sedan de färdiga bilderna i Slack när de landar. Ofta är du tillbaka i beslutsfattande på under 30 minuter.
Krav
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Apify för skrapning av Instagram-hashtags.
- Slack för att leverera bilder för granskning.
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard)
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in API-nycklar och ändrar konfigurationsvärdena (hashtags och hudton).
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödet i arbetsflödet
Du kör det manuellt när du är redo. En manuell start triggar arbetsflödet, vilket passar perfekt för trend-sprintar, veckoplanering eller snabba kundförfrågningar.
Du definierar vad ”relevant” betyder. I konfigurationsnoden anger du vilka hashtags som ska undersökas och vilken hudton (eller profil) du vill att resultatet ska optimeras för. Samma konfiguration skickas vidare så att AI:n inte behöver gissa.
Apify samlar in verkliga indata. n8n skickar en HTTP-förfrågan till Apifys actor för Instagram hashtag scraper, hämtar toppinläggen och slår ihop den datan med din konfiguration så att varje bild behandlas med rätt kontext.
AI omvandlar visuellt material till bättre prompts och genererar sedan den nya bilden. GPT-4o (Vision) analyserar den skrapade bilden och skriver en DALL·E-klar prompt som behåller stilen samtidigt som den anpassas till din mål-hudton. DALL·E 3 genererar slutbilden och Slack tar emot den som en filuppladdning för snabb granskning och godkännande.
Du kan enkelt ändra hashtags för att matcha kundnischer eller byta Slack-kanal baserat på team eller varumärke. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Starta arbetsflödet med en manuell trigger så att ni kan testa trend-remixflödet vid behov.
- Lägg till och behåll Manual Launch Start som triggernod.
- Koppla Manual Launch Start till Configuration Setup enligt arbetsflödet.
- Valfritt: behåll Flowpast Branding som ett visuellt anteckningsblock för dokumentation.
Steg 2: anslut Apify-trendindata
Konfigurera parametrarna för trendsökning och skicka dem till Apify parallellt med den sammanslagna indataströmmen.
- I Configuration Setup ställer ni in apifyApiToken på ert tokenvärde (ersätt
[CONFIGURE_YOUR_API_KEY]). - Ställ in hashtags på
nuancenail,trendnailseller er önskade lista och resultsLimit på1. - Ställ in skinTone på
Yellow Base Spring(eller ert föredragna värde). - I Apify Actor Request ställer ni in URL på
=https://api.apify.com/v2/acts/reGe1ST3OBgYZSsZJ/runs?token={{ $('Configuration Setup').item.json.apifyApiToken }}&waitForFinish=120. - Ställ in JSON Body på
={ "hashtags": {{ $('Configuration Setup').item.json.hashtags.split(',') }}, "resultsLimit": {{ $('Configuration Setup').item.json.resultsLimit }} }och behåll Send Body aktiverat. - Configuration Setup skickar utdata till både Apify Actor Request och Merge Inputs parallellt.
⚠️ Vanlig fallgrop: Om apifyApiToken lämnas som [CONFIGURE_YOUR_API_KEY] kommer Apify Actor Request att misslyckas med ett autentiseringsfel.
Steg 3: konfigurera sammanslagning och AI-granskning
Kombinera konfiguration och Apify-data och låt sedan AI:n granska resultatet innan ni genererar en bildprompt.
- I Merge Inputs ställer ni in Mode på
combineoch Combine By påcombineByPosition. - Koppla Apify Actor Request till Merge Inputs, och behåll Configuration Setup kopplad till Merge Inputs som en parallell indata.
- I AI Image Review behåller ni Operation inställd på
message. - Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter i AI Image Review.
Steg 4: konfigurera bildskapande och leverans till Slack
Skapa DALL·E-bilden från den AI-granskade prompten och leverera filen till Slack.
- I DALL-E Image Create ställer ni in Resource på
image. - Ställ in Prompt på
={{ $json.output[0].content[0].text }}så att den använder det AI-granskade innehållet. - Behåll Size som
1024x1024och DALL·E Quality somhdi alternativen. - Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter i DALL-E Image Create.
- I Slack File Delivery ställer ni in Resource på
fileoch Authentication påoAuth2. - Ställ in Channel ID på er målkanal (ersätt
[YOUR_ID]). - Inloggningsuppgifter krävs: anslut era slackOAuth2Api-inloggningsuppgifter i Slack File Delivery.
Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att validera dataflödet, AI-utdata och leveransen till Slack innan ni slår på arbetsflödet.
- Klicka på Execute Workflow från Manual Launch Start för att köra ett test.
- Bekräfta att Apify Actor Request returnerar data och att Merge Inputs skapar ett kombinerat item.
- Verifiera att AI Image Review ger en prompt och att DALL-E Image Create genererar en bild.
- Kontrollera att Slack File Delivery postar bildfilen till den konfigurerade kanalen.
- När ni är nöjda, växla arbetsflödet till Active för att aktivera användning i produktion.
Se upp för
- Åtkomst till Apify-actor och tokens kan vara den tysta felkällan. Om skrapningen inte returnerar något, kontrollera din Apify-token och bekräfta att du har åtkomst till instagram-hashtag-scraper-actor i din Apify-konsol.
- Om du använder Wait-noder eller extern rendering varierar processtider. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Slack OAuth-scopes spelar roll. Om uppladdningar misslyckas, kontrollera Slack-appens behörigheter för filuppladdningar och bekräfta att den anslutna workspacen/kanalen inte har ändrats.
Vanliga frågor
Cirka 30 minuter om dina Apify-, OpenAI- och Slack-konton är redo.
Ja. Ingen kod. Du klistrar mest in API-nycklar och ändrar hashtag- och hudtonsvärdena i konfigurationsnoden.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna med OpenAI API-kostnader (ofta några dollar i månaden vid lätt användning, mer om du genererar många bilder).
Två alternativ: n8n Cloud (hanterat, enklast att sätta upp) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Det kan du. Det mesta av anpassningen sker i noden ”Configuration Setup” där du ändrar hashtags och texten för hudton/profil. Om teamet vill ha annan routning byter du målkanal i ”Slack File Delivery” eller duplicerar den noden för att posta i flera kanaler. Vissa team justerar också AI-prompten i ”AI Image Review” för att säkra varumärkesregler (typsnitt, ljus, bakgrund, ”inga händer” och så vidare) så att DALL·E-resultaten kräver mindre efterarbete.
Oftast är det en tokenfråga eller åtkomst till actor. Skapa en ny Apify API-token, uppdatera den i n8n och bekräfta att instagram-hashtag-scraper-actor finns tillgänglig i din Apify-plan. Om förfrågan lyckas men resultaten är tomma kan hashtaggen vara för smal eller så kan actor vara tillfälligt rate limited.
Om du kör egen drift finns ingen fast körningsgräns; det beror på din server och API-kvoter. På n8n Cloud är den praktiska gränsen planens månatliga körningar, och den långsamma delen är oftast bildgenerering. I praktiken kör många team detta några gånger per dag för en handfull hashtags och ligger långt inom Starter-nivåns gränser. Om du skalar upp till dussintals hashtags och många varianter blir OpenAI- och Apify-användning den främsta begränsningen.
Ofta, ja. Den här typen av flöde tjänar på flerledshantering av data (sammanfogning, villkorslogik, batchning) och på att hålla AI-stegen tajt kontrollerade, vilket n8n hanterar utan problem. Zapier och Make kan göra det, men kostnaderna kan dra iväg när du itererar på batchar av bilder och kör ofta. Dessutom är n8n:s möjlighet till egen drift viktig om du vill köra hög volym utan prissättning per task. Om du bara behöver en mycket enkel skrapa-och-posta kan de andra verktygen gå snabbare att klicka ihop. Prata med en automationsexpert om du vill ha hjälp att välja.
När detta väl är på plats slutar trendjakt vara en tidstjuv och blir i stället ett jämnt flöde av koncept som är redo att granskas. Arbetsflödet tar hand om de repetitiva delarna så att du kan fokusera på riktning och godkännanden.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.