Du hittar ett perfekt LinkedIn-inlägg. Kommentarerna är fulla av potentiella köpare. Sedan lägger du nästa timme på att kopiera namn, öppna profiler och klistra in halvt trasiga rader i ett kalkylark.
Det här är den typen av slit som dränerar growth marketers först, men byråägare och upptagna säljteam känner av det också. Med automatisering för Apify Sheets leads förvandlar du LinkedIn-kommenterare till en felfri, berikad leadlista – utan det röriga manuella jobbet.
Nedan ser du hur flödet körs, vad du får ut av det och de praktiska inställningsdetaljerna som spelar roll när du vill ha leads du faktiskt kan kontakta.
Så fungerar den här automatiseringen
Hela n8n-workflowet, från trigger till slutligt resultat:
n8n Workflow Template: Apify till Google Sheets: rensade LinkedIn-leadlistor
flowchart LR
subgraph sg0["On form submission Flow"]
direction LR
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/form.svg' width='40' height='40' /></div><br/>On form submission"]
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set APIFY Token", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set fields from the form", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-horizontal", form: "rounded", label: "More runs needed?", pos: "b", h: 48 }
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/code.svg' width='40' height='40' /></div><br/>Set pagination"]
n7@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n8@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Gather All Comments", pos: "b", h: 48 }
n10["<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/>Create Unique List of Leads"]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Run Apify Comments Scraper"]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Run Apify Comments Scraper L.."]
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/>Run Apify Profile Enrichment"]
n14@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out Batches", pos: "b", h: 48 }
n15@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Comments", pos: "b", h: 48 }
n16@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Profiles", pos: "b", h: 48 }
n17["<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/>Split in batches"]
n18@{ icon: "mdi:cog", form: "rounded", label: "Aggregate Comments", pos: "b", h: 48 }
n19@{ icon: "mdi:cog", form: "rounded", label: "Aggregate Profiles", pos: "b", h: 48 }
n20@{ icon: "mdi:cog", form: "rounded", label: "Aggregate All Profiles", pos: "b", h: 48 }
n21@{ icon: "mdi:cog", form: "rounded", label: "Aggregate All Comments", pos: "b", h: 48 }
n22@{ icon: "mdi:cog", form: "rounded", label: "Convert to File", pos: "b", h: 48 }
n23["<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/>Prepare the list for export"]
n24@{ icon: "mdi:database", form: "rounded", label: "Create Google Sheet", pos: "b", h: 48 }
n25@{ icon: "mdi:database", form: "rounded", label: "Add Leads", pos: "b", h: 48 }
n26["<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/>Set the list for sheets"]
n27@{ icon: "mdi:cog", form: "rounded", label: "Done", pos: "b", h: 48 }
n25 --> n27
n8 --> n5
n7 --> n15
n6 --> n7
n2 --> n11
n17 --> n14
n5 --> n6
n5 --> n10
n14 --> n16
n18 --> n15
n19 --> n16
n15 --> n21
n15 --> n12
n16 --> n20
n16 --> n13
n1 --> n3
n24 --> n26
n9 --> n10
n21 --> n9
n20 --> n23
n26 --> n25
n3 --> n2
n11 --> n8
n10 --> n17
n23 --> n24
n23 --> n22
n13 --> n19
n12 --> n18
end
subgraph sg1["Trigger manually Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Trigger manually", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set manual fields", pos: "b", h: 48 }
n0 --> 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 n1,n0 trigger
class n5 decision
class n24,n25 database
class n11,n12,n13 api
class n6,n10,n17,n23,n26 code
class n22 disabled
class n0 disabled
class n4 disabled
classDef customIcon fill:none,stroke:none
class n1,n6,n10,n11,n12,n13,n17,n23,n26 customIcon
Problemet: LinkedIn-kommentarer blir inte användbara leads
LinkedIn gör det enkelt att hitta intention. Det gör det inte enkelt att fånga den. Du börjar med en inläggs-URL och sedan blir det flik efter flik: kommenterarnas profiler, företagssidor, rubriker, platser och spiralen “vänta, har vi redan lagt in den här personen?”. Även om du exporterar något är det oftast rörigt. Dubbletter smyger sig in, namn matchar inte profiler och halva raderna saknar kontexten som skulle göra outreach mänsklig. När listan väl är “felfri” är ögonblicket borta och din uppföljning är sen.
Friktionen bygger på. Här är det som oftast faller isär.
- Du slösar cirka 1–2 timmar per kampanj bara på att samla kommenterarnas namn och URL:er över flera inlägg.
- Manuell copy-paste skapar små fel som blir stora problem när du kör outreach i skala.
- Din lista är oftast bara “grunddata”, så du måste ändå öppna profiler för att hitta roll, företag och plats.
- Dubbletter byggs upp snabbt, särskilt när samma personer kommenterar i relaterade inlägg.
Lösningen: Apify hämtar kommenterare, n8n berikar, Sheets förblir felfritt
Det här workflowet gör ett LinkedIn-inlägg (eller en mindre uppsättning inlägg) till ett kalkylark som är redo för outreach. Du startar det manuellt eller via ett enkelt formulär, klistrar in inläggs-URL:erna och n8n skickar jobbet till Apifys LinkedIn-scrapers. Först samlar det in alla kommentarer och engagemangsdetaljer från inlägget. Sedan deduplikerar det personer så att du inte får samma lead två gånger. Därefter batchar det profil-URL:er och berikar varje profil med djupare detaljer (rubrik, plats, roll, företag, bransch och mer beroende på vad som finns tillgängligt). Till sist formaterar det allt till prydliga rader och lägger till dem i ett Google Sheet (eller exporterar en CSV om du föredrar).
Workflowet startar med dina LinkedIn-inläggs-URL:er. Apify samlar kommentarsdata och sedan loopar n8n igenom sidorna i batchar så att du kan hämta stora trådar utan att behöva övervaka. När profilerna är berikade förbereder workflowet felfria exportrader och skickar dem till Google Sheets, redo för filtrering och outreach.
Vad du får: automatisering vs. resultat
| Vad det här workflowet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du kör en lead gen-sprint från 3 LinkedIn-inlägg per vecka, och varje inlägg har ungefär 150 kommenterare. Manuellt, även med “bara” 1 minut per person för att hämta namn, profillänk och en snabb notering, blir det cirka 7–8 timmar av flikhoppande (och du har fortfarande ingen berikning). Med det här workflowet lägger du cirka 10 minuter på att klistra in URL:er i formuläret, sedan väntar du medan Apify scrapar och berikar i bakgrunden. Resultatet hamnar i Google Sheets redan deduplikerat och formaterat, så du kan starta outreach samma eftermiddag.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Apify för att scrape:a kommentarer och berika profiler
- Google Sheets för att lagra och jobba med din leadlista
- Apify-token (hämta den i Apify Console)
Svårighetsnivå: Medel. Du kopplar behörigheter, väljer Sheets- eller CSV-läge och gör lättare justeringar (som bladnamn och vilka fält du vill exportera).
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis konsultation i 15 minuter).
Så fungerar det
Du startar det via ett formulär eller en manuell körning. I “standardläge” samlar ett formulär in LinkedIn-inläggs-URL:er så att en icke-teknisk kollega kan köra det utan att röra canvasen. Om du vill kan du växla till manuella fält och hårdkoda inläggs-ID:n för en repeterbar kampanj.
Apify scrapar kommentarstrådarna. n8n skickar en HTTP-förfrågan till Apifys scraper för LinkedIn Post Comments och beräknar sedan paginering och loopar igenom sidor i batchar tills den har allt du bett om.
Workflowet strukturerar och berikar leads. Det slår ihop alla kommentarer, tar fram en unik leadlista och batchar sedan profil-URL:er i grupper och anropar Apifys batch-scraper för profiler. Det är här listan blir användbar, eftersom du får mer än ett namn och en kommentar.
Resultatet exporteras till Google Sheets (eller CSV). n8n förbereder exportrader, skapar eller laddar en sheet-payload och lägger sedan till leadraderna så att ditt kalkylark blir single source of truth för outreach och uppföljning.
Du kan enkelt ändra vilka LinkedIn-inlägg du hämtar och vart den slutliga filen ska gå baserat på dina behov. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera formulärtriggern
Skapa ingången för formuläret som samlar in LinkedIn-inläggs-URL:er och kommentarsgränser innan bearbetning.
- Lägg till och konfigurera Form Submit Trigger med Form Title satt till
Linkedin Posts Comments Leads Scraper. - I Form Submit Trigger, behåll Response Mode som
lastNodeoch omdirigerings-URL:en som=https://docs.google.com/spreadsheets/u/0/. - Valfritt: behåll Manual Launch Start och Manual Input Setup inaktiverade för manuell testning; om de aktiveras, ställ in postIds till en lista och limit till
100. - Koppla Form Submit Trigger till Map Form Inputs enligt workflowet.
Steg 2: Koppla Google Sheets
Konfigurera skapandet i Google Sheets och append-operationerna som används för att lagra berikade leads.
- Öppna Generate Sheet File och ställ in Title till
=LinkedIn-Posts-Comments-Leads-{{ $now.format('yyyy-MM-dd+T') }}. - Inloggning krävs: Koppla era googleSheetsOAuth2Api-credentials i Generate Sheet File.
- Öppna Append Lead Rows och behåll Operation satt till
appendmed Document ID={{ $('Generate Sheet File').first().json.spreadsheetId }}och Sheet Name={{ $('Generate Sheet File').first().json.sheets[0].properties.sheetId }}. - Inloggning krävs: Koppla era googleSheetsOAuth2Api-credentials i Append Lead Rows.
Steg 3: Sätt upp kommentar-scraping och paginering
Mappa formulärinmatningar, injicera Apify-token, hämta första kommentarsbatchen och loopa igenom fler sidor vid behov.
- I Map Form Inputs, ställ in postIds till
{{ $json['Post IDs/URLs'].replaceAll('\n','').replaceAll('\r', '').split(',').filter(item => $ifEmpty(item, false)) }}och limit till{{ $json['How many comments you want to scrape?'] || 100 }}. - I Assign Apify Token, ställ in APIFY_TOKEN till er Apify-token och mappa limit till
{{ $json.limit }}samt postIds till{{ $json.postIds }}. - Konfigurera Execute Comment Scrape med URL
{{ 'https://api.apify.com/v2/acts/apimaestro~linkedin-post-comments-replies-engagements-scraper-no-cookies/run-sync-get-dataset-items?token=' +$json.APIFY_TOKEN}}och säkerställ att body-parametrarna använder{{ $json.postIds }},{{ 1 }}och{{ $json.limit }}. - Behåll kedjan för pagineringslogik: Combine First Batch → Check Extra Runs → Compute Pagination → Split Records → Iterate Comment Pages → Repeat Comment Scrape → Aggregate Loop Comments → Merge All Comments.
Steg 4: Sätt upp deduplicering av leads och profilberikning
Transformera kommentarsobjekt till unika profil-URL:er, batcha dem och hämta profildetaljer.
- Efter Merge All Comments, använd Collect Comment Items för att slå ihop första och loopade resultat med
{{ $json.items.concat($('Combine First Batch').item.json.items) }}. - Behåll Derive Unique Leads och Batch Profile URLs som de är för att deduplicera och chunk:a profil-URL:er (500 per batch).
- Säkerställ att batch-loopningen använder Expand Profile Batches → Iterate Profile Pages → Enrich Profile Batch → Aggregate Loop Profiles → Merge All Profiles.
- I Enrich Profile Batch, behåll URL som
{{ 'https://api.apify.com/v2/acts/apimaestro~linkedin-profile-batch-scraper-no-cookies-required/run-sync-get-dataset-items?token=' + $('Assign Apify Token').first().json.APIFY_TOKEN}}och mappa usernames till{{ $json.batches }}.
Steg 5: Konfigurera export och parallella utdata
Platta ut profildata, skapa ett nytt Google Sheet och append:a rader. Det här steget triggar även en valfri filkonverteringsgren parallellt.
- Använd Prepare Export Rows för att platta ut profilobjekt till radklar JSON (behåll den tillhandahållna JavaScript-koden).
- Prepare Export Rows skickar utdata till både Generate Sheet File och Convert Results File parallellt.
- I Load Sheet Payload, returnera de förberedda raderna med
{{ $('Prepare Export Rows').all() }}innan ni skriver till Sheets. - Bekräfta att Append Lead Rows använder Cell Format
USER_ENTEREDoch att Use Append är aktiverat för att lägga till rader efter varje körning.
Steg 6: Testa och aktivera ert workflow
Kör ett manuellt test, verifiera att arket skapas och aktivera workflowet för produktion.
- Klicka på Execute Workflow och skicka in formuläret i Form Submit Trigger med en liten uppsättning LinkedIn-URL:er.
- Bekräfta att Generate Sheet File skapar ett kalkylark med titeln
LinkedIn-Posts-Comments-Leads-YYYY-MM-DD+Toch att Append Lead Rows skriver rader i arket Leads. - Kontrollera att Workflow Complete tar emot data, vilket indikerar att workflowet slutfördes utan fel.
- När ni är redo, växla workflowet till Active för produktionsanvändning.
Vanliga fallgropar
- Apify-behörigheter kan löpa ut eller kräva specifika rättigheter. Om det skapar fel, kontrollera din token i Apify Console och uppdatera sedan APIFY_TOKEN i n8n-credentials först.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om din Apify-token och Google Sheets-åtkomst är redo.
Nej. Du kommer mest att klistra in credentials och välja vart resultatet ska gå. Den enda “tekniska” delen är att bestämma om du vill exportera till Sheets eller köra CSV-läge.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Apify-användning (de första 1 000 scrapade kommentarerna är gratis, därefter ligger priset på cirka 5 USD per 1 000 resultat för de scrapers som används här).
Två alternativ: n8n Cloud (hanterat, enklast setup) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och hanterar n8n bra. Egen hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, men du behöver slå om några noder. Inaktivera exportnoderna för Google Sheets och aktivera CSV-nedladdningsspåret (workflowet innehåller ett steg “Convert results to file” för detta). Du byter också från formulärtriggern till den manuella input-setupen så att du kan klistra in inläggs-ID:n/URL:er på ett ställe. Vanliga justeringar är att exportera färre kolumner, lägga till en kolumn “source post URL” och skriva till en ny flik per kampanj i Sheetet.
Oftast är det en tokenfråga eller en kvot-/kostnadsgräns du råkat slå i oväntat. Skapa en ny Apify-token i Apify Console och uppdatera APIFY_TOKEN-värdet i n8n. Bekräfta också att den actor du anropar är rätt (comments scraper vs. profile batch scraper), eftersom en felaktig endpoint kan se ut som “tom data”. Om dina inputs är privata eller inläggs-URL:en är felaktig kan Apify returnera en lyckad körning utan användbara resultat, vilket känns som att workflowet “inte gjorde något”.
Många, så länge du batchar. I praktiken kör team detta utan problem på några hundra till några tusen kommenterare per hämtning eftersom berikning är den tyngre delen och Apify tar betalt per resultat. På n8n Cloud är din gräns mest dina månatliga executions; om du hostar själv finns ingen körningsgräns och flaskhalsen blir serverresurser plus Apifys rate-/användningsgränser. Om du kör stora trådar, behåll split-in-batches-beteendet och undvik att försöka berika allt i en enda massiv förfrågan.
Ofta ja, eftersom workflowet bygger på batching, loopar och att slå ihop data över flera Apify-körningar, och de mönstren blir dyra eller klumpiga i enklare verktyg. n8n gör det också enklare att deduplika och omforma data före export, så att ditt Sheet förblir användbart. En annan praktisk vinst är flexibilitet: du kan köra formulärläge för kollegor och sedan växla till manuellt läge för repeterbara kampanjer utan att bygga om allt. Zapier eller Make kan fortfarande fungera fint för ett litet tvåstegsflöde, men det här har fler rörliga delar. Prata med en automationsexpert om du vill ha hjälp att välja det enklaste alternativet för din exakta volym.
När detta väl rullar slutar du behandla LinkedIn-kommentarstrådar som “research” och börjar behandla dem som en repeterbar leadkälla. Sätt upp det, hämta felfria listor när du behöver dem och gå vidare till delen som faktiskt driver intäkter.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.