Instagram-research blir rörigt snabbt. En flik för användarnamn, en annan för bios, en tredje för följarantal – och så klistrar någon in fel siffra i fel kolumn och plötsligt litar du inte på något av det.
Den här Apify Sheets-automationen träffar growth marketers och influencer managers först, men även grundare som gör sin egen konkurrentbevakning märker av det. Du gör “leta upp profiler och kopiera data” till ett korrekt formaterat Google Sheet som uppdateras varje gång du skickar in ett användarnamn.
Nedan ser du hur flödet körs i n8n, vad som automatiseras och vad som förändras i din vardag när sheetet i princip underhåller sig självt.
Så här fungerar automatiseringen
Hela n8n-workflowet, från trigger till slutlig output:
n8n Workflow Template: Apify till Google Sheets – strukturerad Instagram-research
flowchart LR
subgraph sg0["Provide Usernames Flow"]
direction LR
n0["<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/>Provide Usernames"]
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/>Scrape Instagram Profile via.."]
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Format Instagram Profile Data", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Append Profile to Google Sheet", pos: "b", h: 48 }
n0 --> n1
n2 --> n3
n1 --> n2
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 database
class n1 api
classDef customIcon fill:none,stroke:none
class n0,n1 customIcon
Problemet: Instagram-profilresearch blir snabbt kalkylbladskaos
När du researchar influencers eller konkurrenter är jobbet aldrig “bara en profil”. Det är 20. Sen 50. Sen frågar någon efter en uppdaterad lista nästa vecka, vilket betyder att du öppnar Instagram igen, dubbelkollar följarantal, kopierar bios igen, klistrar in länkar igen – och hoppas att inget har ändrats. Under tiden blir kalkylarket ett Frankenstein av format eftersom olika personer klistrar in olika saker (och Instagram älskar att kapa text på märkliga sätt). Det är monotont arbete – och ärligt talat är det i monotont arbete som misstagen gömmer sig.
Det eskalerar snabbt. Här är var det oftast faller isär.
- Du lägger ungefär 5 minuter per profil bara på att samla grunder som följare, bio och länkar.
- Copy-paste skapar tysta fel, särskilt när användarnamn liknar varandra eller när arket har filter aktiverade.
- Team slutar uppdatera listan eftersom det känns som att göra om samma arbete om och om igen.
- Röriga kolumner gör analysen smärtsam, så “research” blir aldrig till beslut.
Lösningen: Apify hämtar profilmetriken, n8n loggar den snyggt
Det här workflowet gör Instagram-profilresearch till en repeterbar intake-process. Du skickar in ett eller flera Instagram-användarnamn via en enkel formulärtrigger i n8n. Workflowet anropar sedan Apify (via en HTTP-request) för att hämta den publika profildatan du bryr dig om, som följarantal, antal följda, biotext, URL till profilbild och eventuell extern länk. Därefter mappar n8n svaret till en konsekvent struktur, så varje rad ser likadan ut. Till sist lägger det till datan i Google Sheets och skapar en levande databas som du kan sortera, filtrera och dela – utan att behöva omformatera varje vecka.
Det börjar med att du skickar in ett användarnamn. Apify returnerar rå profildata, sedan strukturerar workflowet upp den och skickar en enda, prydlig rad till ditt sheet. Outputen är inte en “rapport”. Det är en alltid redo-lista som du faktiskt kan använda.
Vad du får: automatisering vs. resultat
| Vad det här workflowet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du bygger en shortlist med 30 creators inför en produktlansering. Manuellt, om du lägger cirka 5 minuter per profil på att hämta följare, bio och länk, blir det ungefär 2,5 timmar – plus den oundvikliga upprensningen. Med det här workflowet klistrar du in användarnamn i n8n-formuläret (kanske 10 minuter totalt), väntar en stund på att Apify ska returnera datan och raderna hamnar i Google Sheets redan strukturerade. Du är tillbaka till att utvärdera creators, inte mata in data.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Apify för att hämta Instagram-profildata
- Google Sheets för att lagra och dela databasen
- Apify API-token (hämta den i Apify Console > Integrations)
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in en API-token och väljer målarket.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Insändning av användarnamn triggar körningen. Du anger ett eller flera Instagram-användarnamn i n8n:s formulärtrigger, vilket gör intake enkelt för dig och alla andra i teamet.
Apify hämtar profilmetrik. n8n skickar en HTTP-request till Apify, som returnerar profildatan du annars skulle leta upp manuellt: följarantal, antal följda, bio, URL till profilbild och extern länk.
Svaret struktureras upp. Ett mappningssteg (Edit Fields/Set) formar om payloaden till dina önskade kolumner så att sheetet är konsekvent, även när profiler saknar fält.
Google Sheets blir din databas. Workflowet lägger till en ny rad per användarnamn, så att din influencerlista, konkurrentlista eller rekryterings-shortlist håller sig aktuell och lätt att filtrera.
Du kan enkelt ändra de mappade fälten för att matcha din spårningsmall utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Vanliga fallgropar
- Apify-inloggning kan löpa ut eller kräva specifika behörigheter. Om det slutar fungera, kontrollera din Apify-token i n8n Credentials och bekräfta att den fortfarande är aktiv i Apify Console.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 30 minuter om din Apify-token och ditt Google-konto är redo.
Nej. Du kopplar Apify och Google Sheets och väljer sedan vilka fält som ska sparas.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in Apify-kostnader baserat på din scraping-actor och körvolym.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och klarar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det är till stor del en kalkylbladsfråga. Behåll samma Apify-request och justera sedan steget “Map Profile Fields” för att lägga till kolumner som “Varumärke”, “Marknad”, “Anteckningar” eller “Senast kontrollerad”. Många team lägger också till ett enkelt “Typ”-fält (Konkurrent/Influencer/Partner) så att ett sheet kan hantera flera listor utan att duplicera arbete.
Oftast beror det på en ogiltig eller utgången API-token. Skapa en ny token i Apify, uppdatera den i n8n och kör sedan ett enda testanvändarnamn för att bekräfta att HTTP-requesten lyckas. Om tokenen är okej, kontrollera inställningarna för den Apify actor du anropar och bekräfta att den fortfarande stödjer fälten du mappar. Rate limiting kan också uppstå när du skickar in många användarnamn tätt, så att glesa ut körningarna lite kan hjälpa.
Många – så länge din Apify-plan och n8n:s körningsgränser matchar din volym. På n8n Cloud begränsas du av månatliga körningar i din plan, medan self-hosting främst begränsas av din server och hur tunga Apify-körningarna är. För de flesta små team är det realistiskt att logga några hundra profiler i veckan utan att behöva passa processen.
Ofta, ja. n8n är bättre när du behöver forma om scrapad data, hantera saknade fält på ett stabilt sätt eller lägga till logik senare utan att betala extra för varje gren. Zapier och Make kan vara snabbare för väldigt enkla upplägg med “en trigger, en action”, men scraping-workflows tenderar att bli röriga där när du börjar normalisera data. Dessutom är self-hosting av n8n en stor fördel om du gör mycket research. Om du är osäker, prata med en automationsexpert så pekar vi dig i rätt riktning.
Strukturerad research slår “mer research”. När det här väl rullar är ditt sheet alltid redo, och du kan lägga tiden på att välja vilka du ska jobba med i stället för att bygga om samma lista igen.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.