Du lanserar en e-postkampanj och spenderar sedan de närmaste dagarna med att nervöst uppdatera din ESP-dashboard. Öppningsgraden sjunker, klicken stannar av, bounce rate skjuter i höjden, och du fastnar i att gissa när du ska följa upp (och med vem du ska följa upp).
Den här Bright Data Gmail-uppsättningen träffar e-postmarknadsförare först, ärligt talat. Men growth-ansvariga och upptagna byråägare känner av den också, eftersom frågor om kundresultat inte väntar till din nästa manuella avstämning.
Det här arbetsflödet bevakar kampanjengagemang åt dig, använder AI för att avgöra vad som “behöver uppmärksamhet”, och skickar ett smart återengagemangsmejl bara när siffrorna visar att det är dags. Du får se hur det fungerar, vad du behöver och var team oftast går bet.
Så här fungerar automatiseringen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Bright Data + Gmail: smartare kampanjuppföljningar
flowchart LR
subgraph sg0["⏰ Daily Campaign Check Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "⏰ Daily Campaign Check Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "✏️ Set Campaign Input Fields", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "🤖 Agent: Scrape & Analyze Ca..", pos: "b", h: 48 }
n3@{ icon: "mdi:brain", form: "rounded", label: "🧠 LLM: Summarize & Format", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "🌐 Bright Data MCP: Scrape Re..", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-horizontal", form: "rounded", label: "🔎 IF: Open ≥30% & CTR 10%?", pos: "b", h: 48 }
n6@{ icon: "mdi:message-outline", form: "rounded", label: "📧 Send Follow-Up Engagement ..", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "🚫 Skip — No Action Needed", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "Auto-fixing Output Parser", pos: "b", h: 48 }
n9@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n10@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n9 -.-> n8
n10 -.-> n8
n8 -.-> n2
n3 -.-> n2
n0 --> n1
n1 --> n2
n5 --> n6
n5 --> n7
n4 -.-> n2
n2 --> n5
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 n2,n8,n10 ai
class n3,n9 aiModel
class n5 decision
Varför det här spelar roll: att följa upp för sent (eller inte alls)
De flesta kampanjer misslyckas inte för att ämnesraden var “dålig”. De underpresterar för att uppföljningen kommer sent, går till fel segment eller aldrig händer eftersom du inte märkte tappet förrän dagar senare. Och att kolla rapporter låter snabbt tills det är kampanj efter kampanj, lista efter lista, plus alla kontextbyten. Du loggar in, tar fram en rapport, jämför med “normalt”, bestämmer vad du ska göra, skriver ett mejl och börjar sedan tvivla. Det är verklig tid och verklig mental belastning.
Friktionen bygger på. Här är var det oftast faller isär.
- Någon måste komma ihåg att kontrollera resultat varje dag (och “varje dag” blir snabbt “när jag har tid”).
- Du ser öppnare-utan-klick, men du har ingen repeterbar process för återengagemang som inte känns spammig.
- Manuell “report scraping” missar ofta detaljer eller blockeras, särskilt när ESP-dashboards ändras eller stryper åtkomst.
- Uppföljningar blir inkonsekventa, så du kan inte avgöra vad som förbättrade resultaten och vad som bara var tur.
Det du bygger: engagemangsbaserade uppföljningar som skickar sig själva
Det här arbetsflödet skapar en enkel loop: kontrollera kampanjengagemang, tolka det, agera bara vid behov. Det startar enligt schema, så du behöver ingen som “kör rapporten”. n8n samlar in underlaget för kampanjen du vill övervaka, och sedan skrapar Bright Data dina ESP-rapportsidor för att hämta prestandasignaler som öppningar, klick och studsningar utan att bli blockerat. Därefter granskar en AI-agent siffrorna och sammanfattar vad som händer på tydlig svenska, och jämför sedan resultatet mot dina engagemangströsklar. Om engagemanget sjunker (till exempel: många öppningar men svaga klick) skickar arbetsflödet en riktad Gmail-uppföljning som återengagerar rätt personer i stället för att skicka en ny massutskick till alla.
Flödet är rakt på sak. En schemalagd trigger drar igång, Bright Data hämtar senaste rapportdatan och OpenAI hjälper till att tolka läget. Sedan avgör en “if”-kontroll om en Gmail-uppföljning ska skickas eller om inget ska göras, vilket är exakt vad du vill när prestandan är bra.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du kör 3 kampanjer i veckan och kollar prestanda två gånger om dagen. Om varje koll tar kanske 10 minuter (logga in, hitta rätt rapport, rimlighetskolla öppningar/klick, anteckna), är det runt 2 timmar i veckan bara för att leta problem. Med det här arbetsflödet blir “kollen” ett schemalagt körning plus en snabb genomläsning av AI-sammanfattningen när något dippar. För de flesta team handlar det snarare om cirka 10 minuters uppmärksamhet per dag, och uppföljningsmejlet går ut automatiskt när det faktiskt spelar roll.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Bright Data för att skrapa ESP-rapportsidor pålitligt.
- Gmail för att skicka återengagemangsmejlen.
- OpenAI API-nyckel (hämta den från OpenAI-dashboarden)
Kunskapsnivå: Medel. Du kopplar upp autentisering, sätter trösklar och klistrar in dina URL:er till ESP-rapporter.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett schema kontrollerar dina kampanjer automatiskt. Arbetsflödet börjar med “Scheduled Campaign Pulse”, så det körs i den takt du väljer (dagligen, bara vardagar, två gånger per dag). Ingen behöver komma ihåg.
Kampanjinput standardiseras. “Map Campaign Inputs” omvandlar dina kampanjidentifierare, rapport-URL:er och tröskelinställningar till korrekt formaterade fält som resten av arbetsflödet kan lita på, vilket minskar risken för röriga engångsändringar senare.
Bright Data hämtar den senaste ESP-rapportdatan. Steget “Bright Data Scrape” hämtar prestandadetaljerna även när dashboarden normalt skulle blockera bottar eller hastighetsbegränsa förfrågningar. Datan skickas vidare till AI-agenten för tolkning.
AI avgör om åtgärd behövs, och sedan skickar Gmail (eller inte). “Engagement Threshold Check” fungerar som en grindvakt. Om engagemanget fallit under din regel skickar “Dispatch Reengagement Email” en riktad uppföljning; annars går flödet vidare till en “No Action”-väg och avslutas tyst.
Du kan enkelt justera engagemangströsklarna för att matcha dina riktmärken utifrån dina behov. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Schedule-triggern
Ställ in schemat som initierar övervakningen av kampanjens prestanda.
- Lägg till eller öppna ⏰ Scheduled Campaign Pulse.
- Ställ in schemaregeln så att den körs vid triggerAtHour
9. - Bekräfta att ⏰ Scheduled Campaign Pulse är ansluten till ✏️ Map Campaign Inputs.
Steg 2: Anslut kampanjinput
Definiera URL:en till kampanjrapporten och behåll varumärkesnoteringar för kontext.
- Öppna ✏️ Map Campaign Inputs och lägg till en tilldelning med namnet url med värdet
=https://www.mailchimp.com/campaigns/123/report. - Bekräfta att ✏️ Map Campaign Inputs skickar utdata till 🤖 Campaign Analysis Agent.
- Valfritt: behåll Flowpast Branding som en referensnotering i canvasen (ingen konfiguration krävs).
Steg 3: Sätt upp AI-analysagenten och verktyg
Konfigurera AI-agenten för att analysera kampanjprestanda, skrapa data och skriva ut strukturerade resultat.
- Öppna 🤖 Campaign Analysis Agent och ställ in Prompt Type till
defineoch aktivera hasOutputParser somtrue. - Anslut 🧠 LLM Summarizer som språkmodell för 🤖 Campaign Analysis Agent.
Autentiseringsuppgifter krävs: Anslut eraopenAiApi-uppgifter. - Anslut 🌐 Bright Data Scrape som ett AI-verktyg för 🤖 Campaign Analysis Agent och ställ in Tool Name till
scrape_as_markdownoch Tool Parameters till={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Tool_Parameters', ``, 'json') }}.
Autentiseringsuppgifter krävs: Anslut eramcpClientApi-uppgifter. - Koppla Auto-Repair Output Parser som output parser för 🤖 Campaign Analysis Agent.
- Anslut OpenAI Chat Engine som språkmodell för Auto-Repair Output Parser.
Autentiseringsuppgifter krävs: Anslut eraopenAiApi-uppgifter. - Koppla Structured Result Parser till Auto-Repair Output Parser och behåll innehållet i jsonSchemaExample som det finns i noden.
Steg 4: Konfigurera logik för engagemangströskel
Definiera prestandatrösklar som avgör om ett återengageringsmejl ska skickas.
- Öppna 🔎 Engagement Threshold Check och ställ in det första villkoret till Left Value
={{ $json.open_rate }}, Operationgte, Right Value20. - Lägg till det andra villkoret med Left Value
={{ $json.ctr }}, Operationlt, Right Value130. - Bekräfta att 🤖 Campaign Analysis Agent skickar utdata till 🔎 Engagement Threshold Check.
- Verifiera att true-grenen går till 📧 Dispatch Reengagement Email och att false-grenen går till 🚫 No Action Path.
Steg 5: Konfigurera åtgärder för utdata
Sätt upp mejlåtgärden och bekräfta no-op-grenen för kampanjer som inte uppfyller kriterierna.
- Öppna 📧 Dispatch Reengagement Email och ställ in Send To till
[YOUR_EMAIL]. - Ställ in Subject till
Did you miss this? Here’s something special for you!och Email Type tilltext. - Klistra in den angivna meddelandetexten i Message exakt som den visas i noden.
- Autentiseringsuppgifter krävs: Anslut era
gmailOAuth2-uppgifter. - Lämna 🚫 No Action Path som den är för att säkert kassera objekt som inte klarar tröskeln.
[First Name] och [Your Name]. Ersätt dem med dynamiska fält eller statiska värden innan ni aktiverar körningar i produktion.Steg 6: Testa och aktivera ert workflow
Validera dataflöde, AI-tolkning och mejlleverans innan ni slår på automatiseringen.
- Klicka på Execute Workflow för att köra ett manuellt test från ⏰ Scheduled Campaign Pulse.
- Verifiera att 🤖 Campaign Analysis Agent ger strukturerade fält som
open_rateochctrenligt Structured Result Parser. - Bekräfta att 🔎 Engagement Threshold Check routar korrekt till 📧 Dispatch Reengagement Email eller 🚫 No Action Path.
- Kontrollera inkorgen efter återengageringsmejlet om villkoren uppfylls.
- När ni är nöjda, slå på workflowet till Active för schemalagd övervakning.
Felsökningstips
- Gmail-autentisering kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, börja med att kontrollera det kopplade kontot i n8n:s panel för Credentials.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in ert tonalitet och varumärkesröst tidigt, annars kommer du att redigera utdata för alltid.
Snabba svar
Cirka en timme om du redan har åtkomst till dina ESP-rapporter och har nycklarna redo.
Nej. Du kopplar konton, klistrar in rapport-URL:er och justerar några trösklar.
Ja. n8n har ett gratis alternativ för self-hosting 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 cent per batch analyser) och eventuella Bright Data-avgifter för användning.
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 serverhantering.
Ja, och det borde du troligen. Du kan byta schema i “Scheduled Campaign Pulse”, ändra vilka fält du skickar i “Map Campaign Inputs” och uppdatera beslutslogiken i “Engagement Threshold Check” så att den matchar dina egna riktmärken. Många team anpassar också prompten för AI-agenten så att den matchar deras tonalitet, och finjusterar sedan Gmail-meddelandet så att det blir ett äkta återengagemangsmejl (inte ett generiskt “ville bara kolla läget”).
För det mesta handlar det om autentisering eller ett allowlist-problem i Bright Data. Generera om dina Bright Data-uppgifter och välj om autentiseringen i noden “Bright Data Scrape”. Verifiera också att URL:en till ESP-rapporten fortfarande laddar i en vanlig webbläsare, eftersom dashboards ändras och en liten URL-justering kan knäcka skrapningen. Om du kör många kampanjer samtidigt kan du också slå i rate limits, så att glesa ut schemat brukar hjälpa.
I n8n Cloud beror gränsen på din plans månatliga körningar; vid self-hosting finns ingen fast gräns (det beror på din server). I praktiken kör de flesta team detta per kampanj eller per listsegment, några gånger per dag, och det förblir mycket hanterbart.
Ofta, ja, eftersom det här inte bara är “när X händer, skicka Y”. Du skrapar data, tolkar den och fattar ett beslut, och det är där n8n:s förgreningar och AI-noder verkligen kommer till sin rätt. Self-hosting spelar också roll om du kör många kontroller och inte vill betala per uppgift för alltid. Zapier eller Make kan däremot vara enklare för grundläggande uppföljningar i två steg. Om du är osäker: prata med en automationsexpert och mappa det mot din kampanjvolym och din risktolerans.
När det här väl rullar slutar du att vakta dashboards och börjar följa upp vid rätt tillfälle. Arbetsflödet sköter övervakningen och knuffarna. Du får tillbaka din tid.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.