Konkurrentanalys börjar enkelt. Sedan blir det snabbt en rörig hög med flikar, halvkoperade anteckningar och “final_v7”-dokument som ändå inte känns kundklara.
Den här Apify report automation träffar byråstrateger först, men marknadschefer som bygger lanseringsplaner och konsulter som förbereder revisioner känner av det också. Du behöver något du kan leverera, inte ännu en “researchdump” som tar hela eftermiddagen att göra om till en berättelse.
Det här flödet hämtar konkurrentdata, kör en strukturerad AI-analys, skriver en välstrukturerad rapport i Google Docs och skickar den sedan till Slack så att teamet kan granska. Här är vad det gör, varför det spelar roll och hur du gör det till ditt.
Så här fungerar automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Apify till Google Docs: delningsklara konkurrentrapporter
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["<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/>Apify"]
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/code.svg' width='40' height='40' /></div><br/>Data Aggregation"]
n3@{ icon: "mdi:robot", form: "rounded", label: "The Report Generator", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "The Strategic Analyst", 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/slack.svg' width='40' height='40' /></div><br/>Deliver Report to Team"]
n6@{ icon: "mdi:cog", form: "rounded", label: "Create Report", pos: "b", h: 48 }
n1 --> n2
n6 --> n5
n2 --> n4
n3 --> n6
n4 --> n3
n0 --> 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 n3,n4 ai
class n1 api
class n2 code
classDef customIcon fill:none,stroke:none
class n1,n2,n5 customIcon
Problemet: konkurrentanalys tar för lång tid att omvandla till ett leveransbart underlag
Du kan skrapa konkurrenters sajter, skumma deras annonser, läsa recensioner och samla positioneringsanteckningar på en eller två timmar. Den smärtsamma delen är det som kommer efter. Någon måste fortfarande sy ihop den råa informationen till en strategi du kan stå för, formatera den till något en kund faktiskt läser och sedan skicka den vidare till teamet för granskning. Det är lätt att missa detaljer när du hoppar mellan verktyg, och ärligt talat stressas ofta “analys”-delen igenom eftersom formatering och kopiering äter upp tiden.
Det blir snabbt mycket. Här brukar det oftast fallera.
- Råa konkurrentanteckningar ligger på för många ställen, så slutrapporten blir inkonsekvent från kund till kund.
- Att kopiera in fynd i en Google Docs-mall tar ungefär en timme per rapport, och småfel smyger sig in när du är trött.
- SWOT och målgruppsinsikter urvattnas eftersom det saknas en repeterbar analysstruktur.
- Intern granskning går långsamt eftersom teamet inte ser rapporten förrän du kommer ihåg att skicka den.
Lösningen: Apify-research in, Google Docs-rapport ut (plus leverans i Slack)
Det här n8n-flödet gör konkurrentanalys till en delbar rapport utan att du behöver göra klistrarbetet. Du startar det med ett kundnamn och en bransch. Sedan använder det en HTTP-förfrågan för att hämta extern researchdata (oftast från Apify-actors som du konfigurerar för skrapning och discovery). Därefter sammanställer flödet och rensar råfynden så att AI:n får ett sammanhängande underlag att arbeta med. Två OpenAI-drivna agenter sköter det tunga tänkandet: en tar fram strukturerad strategisk analys (budskap, målgrupp och en SWOT), och nästa skriver om analysen till en polerad, övertygande rapport. Till sist fyller n8n en Google Docs-mall med dina platshållare och postar det färdiga dokumentet i Slack så att teamet kan granska direkt.
Flödet startar med en manuell körning i n8n, vilket gör testning enkel medan du finjusterar mallen. När data är skrapad och normaliserad omvandlar AI-agenterna den till strategi och sedan till text. Sista sträckan är också automatiserad: Google Docs blir leveransen och Slack blir överlämningen.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du levererar 5 konkurrentrapporter per månad för retainer-kunder. Manuellt är det lätt att lägga cirka 30 minuter på att samla anteckningar, ytterligare 60 minuter på att skriva och formatera i Google Docs och sedan 10 minuter på att paketera och skicka till teamet. Det blir ungefär 8 timmar i månaden. Med det här flödet startar du körningen på en eller två minuter, väntar på research och AI-bearbetning, och din Google Doc dyker upp i Slack redo för granskning. Du lägger främst tid på beslut, inte på ihopplock.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Apify för konkurrent-skrapning och discovery.
- OpenAI för att analysera fynd och skriva rapporten.
- Google Docs för att skapa en kundklar leverans.
- Slack för att leverera den färdiga rapporten till teamet.
- Apify API-nyckel (hämtas i kontoinställningarna i Apify).
Kunskapsnivå: Mellan. Du klistrar in ID:n/nycklar, mappar platshållare i mallen och gör enkel felsökning om skrap-outputen ändras.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En manuell start sätter igång. Du startar körningen i n8n och skickar in kundens företagsnamn och bransch så att flödet vet vad som ska undersökas.
Extern research hämtas in. En HTTP Request-nod hämtar konkurrentdata (ofta från en Apify actor), och flödet sammanställer det till ett mer strukturerat och korrekt formaterat underlag så att AI:n inte behöver gissa vad som är viktigt.
Två AI-agenter förvandlar data till strategi. Den första OpenAI-agenten tar fram strukturerad analys som budskapsteman, målgruppsinsikter och en SWOT. Den andra agenten omvandlar analysen till en läsbar rapport, så att det inte låter som en hög anteckningar.
Leveransen skapas och skickas vidare. n8n fyller din Google Docs-mall med hjälp av platshållare (till exempel kundnamn, bransch och rapportinnehåll) och postar sedan dokumentet i rätt Slack-kanal för granskning.
Du kan enkelt ändra skrapmålet och rapportstrukturen så att det matchar din nisch och dina kunders förväntningar. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Det här arbetsflödet startas manuellt, och den klistriga notisen Flowpast Branding är endast för dokumentation.
- Lägg till noden Manual Launch Trigger på er canvas.
- Lämna parametrarna för Manual Launch Trigger som standard (inga ytterligare fält krävs).
- (Valfritt) Behåll Flowpast Branding för dokumentation på canvasen; den påverkar inte körningen.
Steg 2: Anslut extern datahämtning
Det här steget hämtar extern marknadsdata och skickar den vidare till bearbetningslogiken.
- Lägg till noden External Data Request och anslut den efter Manual Launch Trigger.
- Konfigurera detaljerna för HTTP-anropet i External Data Request utifrån er datakälla (URL, metod och headers).
- Anslut External Data Request till Compile Insights Logic.
Steg 3: Sätt upp bearbetning och AI-analys
Dessa noder omvandlar rådata till strategiska insikter och sammanställer sedan en rapport.
- Öppna Compile Insights Logic och lägg till er logik för dataparsning eller normalisering.
- Anslut Compile Insights Logic till Strategy Analysis Agent.
- Konfigurera Strategy Analysis Agent med er föredragna modell och prompt för strategisk analys.
- Anslut Strategy Analysis Agent till Report Synthesis Agent.
- Konfigurera Report Synthesis Agent för att sammanfatta resultaten i ett strukturerat rapportformat.
Credential Required: Anslut era OpenAI-credentials i både Strategy Analysis Agent och Report Synthesis Agent.
Steg 4: Konfigurera utdata och leverans till teamet
Det här steget skapar ett dokument och publicerar det i er teamkanal.
- Anslut Report Synthesis Agent till Generate Document Report.
- Ställ in Generate Document Report för att skapa eller uppdatera ett Google Doc med rapportinnehållet.
- Anslut Generate Document Report till Post Team Report.
- Konfigurera Post Team Report för att skicka dokumentlänken eller en sammanfattning till er Slack-kanal.
Credential Required: Anslut era Google Docs-credentials i Generate Document Report.
Credential Required: Anslut era Slack-credentials i Post Team Report.
Steg 5: Testa och aktivera ert arbetsflöde
Verifiera hela kedjan från datainsamling till rapportering.
- Klicka på Execute Workflow från Manual Launch Trigger för att köra ett test.
- Bekräfta att External Data Request returnerar data och att Compile Insights Logic ger strukturerade items.
- Kontrollera att Strategy Analysis Agent och Report Synthesis Agent returnerar sammanhängande innehåll.
- Verifiera att ett dokument skapas i Generate Document Report och att ett Slack-meddelande skickas via Post Team Report.
- När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Google Docs OAuth-inloggningar kan löpa ut eller sakna behörighet för att komma åt mallen. Om dokumentet inte skapas, kontrollera först det anslutna Google-kontot och mallens delningsinställningar.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned i flödet fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in ditt varumärkes ton tidigt, annars kommer du att redigera output för alltid.
Vanliga frågor
Cirka en timme om din Google Docs-mall redan är förberedd.
Nej. Du kommer främst att klistra in API-nycklar, koppla konton och mappa platshållare till din Google Docs-mall.
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 OpenAI API-användning och eventuella Apify actor-kostnader kopplade till din skrapvolym.
Två alternativ: n8n Cloud (hanterat, 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 obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du. De flesta team anpassar steget Google Docs “Generate Document Report” genom att ändra mallens platshållare och fälten du injicerar (till exempel lägga till prisnoteringar eller en sektion för “rekommenderad positionering”). Du kan också justera prompterna för AI-agenterna så att rapporten matchar din ton, struktur och ambitionsnivå. Om din Apify actor returnerar andra fält, uppdatera kompilerings-/rensningslogiken så att Strategy Analysis Agent alltid får samma input-format.
Oftast beror det på en utgången eller felaktig Apify API-nyckel, eller att Actor ID är fel. Bekräfta först att actorn körs korrekt i Apify, uppdatera sedan nyckeln i n8n-credentials och testa HTTP Request igen. Om det fungerar ibland och fallerar i kluster kan du slå i rate limits eller så blockerar målsajten skrapning, vilket innebär att du behöver justera actor-inställningarna.
Med self-hosted n8n finns ingen fast körningsgräns (det beror främst på din server). På n8n Cloud beror din månatliga körningsgräns på planen. I praktiken kan du köra detta för dussintals rapporter i veckan så länge din Apify actor och OpenAI-användning håller sig inom budget.
Ofta, ja, eftersom det här flödet behöver flerstegsprocessning, grenlogik och “agent”-lik AI-generering som blir klumpig i enklare verktyg. n8n ger dig också möjligheten att self-hosta, vilket är värdefullt när du genererar många rapporter och inte vill prissätta varje körning som en premiumuppgift. Zapier eller Make kan fungera om du bara vill “skrapa något, skicka ett meddelande”, men när du bryr dig om repeterbar rapportkvalitet vill du ha mer kontroll över prompter, datamodellering och mallhantering. Om du är osäker kan du prata med en automationsexpert och sanity-checka bästa upplägg för din volym.
När detta väl är uppsatt slutar konkurrentanalys att vara en “produktionsuppgift” och blir ett repeterbart input till bättre strategi. Flödet tar hand om grovjobbet så att teamet kan fokusera på det kunder faktiskt betalar för.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.