Varumärkesomnämnanden dyker aldrig upp när du behöver dem. Eller så dyker de upp som rörig, halvt skrapad text som fortfarande kräver att någon läser allt, tolkar tonen och klistrar in en “sammanfattning” i en rapport.
Varumärkesansvariga känner av det först. En marknadsanalytiker fastnar i samma slit för konkurrentbevakning, och PR-ansvariga dras in när tonen skiftar snabbt. Den här automationen för varumärkessentiment gör spridda omnämnanden till konsekventa sammanfattningar plus sentiment, utan att du behöver leva i flikar hela dagen.
Du får se vad workflowet gör, vad du behöver för att köra det och hur det leder till snabbare larm och tydligare rapportering som du faktiskt kan lita på.
Så fungerar den här automationen
Se hur detta löser problemet:
n8n Workflow Template: Bright data + google gemini för varumärkessentiment
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:robot", form: "rounded", label: "Markdown to Textual Data Ext..", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set URL and Bright Data Zone", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "AI Sentiment Analyzer with t..", pos: "b", h: 48 }
n4["<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/>Initiate a Webhook Notificat.."]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Initiate a Webhook Notificat.."]
n6@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model for..", pos: "b", h: 48 }
n7@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model for..", pos: "b", h: 48 }
n8@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model for..", pos: "b", h: 48 }
n9["<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/>Initiate a Webhook Notificat.."]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Perform Bright Data Web Requ.."]
n11@{ icon: "mdi:robot", form: "rounded", label: "Summarize Content", pos: "b", h: 48 }
n12@{ icon: "mdi:code-braces", form: "rounded", label: "Create a binary data for tex..", pos: "b", h: 48 }
n13@{ icon: "mdi:code-braces", form: "rounded", label: "Create a binary data for sen..", pos: "b", h: 48 }
n14@{ icon: "mdi:cog", form: "rounded", label: "Write the AI Sentiment analy..", pos: "b", h: 48 }
n15@{ icon: "mdi:cog", form: "rounded", label: "Write the textual file to disk", pos: "b", h: 48 }
n16@{ icon: "mdi:code-braces", form: "rounded", label: "Create a binary data for sum..", pos: "b", h: 48 }
n17@{ icon: "mdi:cog", form: "rounded", label: "Write the summary file to disk", pos: "b", h: 48 }
n11 --> n9
n11 --> n16
n2 --> n10
n10 --> n1
n10 --> n11
n16 --> n17
n0 --> n2
n1 --> n3
n1 --> n4
n1 --> n12
n6 -.-> n11
n12 --> n15
n7 -.-> n1
n13 --> n14
n8 -.-> n3
n3 --> n5
n3 --> n13
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 n1,n3,n11 ai
class n6,n7,n8 aiModel
class n4,n5,n9,n10 api
class n12,n13,n16 code
classDef customIcon fill:none,stroke:none
class n4,n5,n9,n10 customIcon
Utmaningen: att omvandla varumärkesomnämnanden till insikter som går att agera på
Att följa den offentliga bilden av ett varumärke låter enkelt tills du gör det på riktigt. Omnämnanden är utspridda över nyhetssajter, bloggar, recensionssidor och slumpmässiga hörn av webben som inte fungerar bra med vanliga verktyg. Du kan skrapa, absolut, men sen sitter du med textväggar, märklig formatering och “är det här bra eller dåligt?”-frågor som kräver att en människa läser in kontext. Det värsta är den mentala belastningen: du är hela tiden orolig för att du missade den där artikeln som blir morgondagens tråd med kundklagomål.
Det skenar snabbt. Här är var det fallerar i riktiga team.
- Att kopiera länkar, extrahera text och rensa upp den kan ta cirka 10 minuter per omnämnande innan du ens börjar analysera.
- Råskrapningar är brusiga, vilket gör att sammanfattningar varierar beroende på vem som läser dem.
- Sentimentbedömningar blir subjektiva (“lite negativt?”), så rapporteringen blir inkonsekvent mellan veckor och personer.
- När du väl har sammanställt en veckorapport är “larm”-delen redan för sen för att spela roll.
Lösningen: automatiserad extraktion + Gemini-sammanfattningar + sentiment
Det här workflowet tar en varumärkesrelaterad URL, hämtar underliggande innehåll med Bright Data Web Unlocker, rensar det till läsbar text och använder sedan Google Gemini för att producera två saker du faktiskt kan använda: en tydlig sammanfattning och en sentimentbedömning. I stället för att dumpa rådata i ett kalkylark och hoppas att någon tolkar det rätt, skapar workflowet standardiserade outputs varje gång. Det skickar också resultaten via webhook, så larm och nedströmsflöden (Slack, CRM, dashboards) kan reagera direkt. Slutligen sparar det extraherad text, sammanfattning och sentiment till filer, vilket ger dig ett enkelt revisionsspår när någon frågar: “Var kom det här ifrån?”
Workflowet startar när du anger en URL och dina Bright Data-zoneinställningar. Bright Data hämtar innehållet, sedan rensar ett steg för textkonvertering upp det för analys. Gemini genererar en kondenserad sammanfattning och sentiment, och workflowet skickar resultaten till din valda endpoint samtidigt som det sparar filer för spårbarhet.
Vad som förändras: före vs. efter
| Det här tar bort | Effekten du märker |
|---|---|
|
|
Effekt i praktiken
Säg att du granskar 20 varumärkesomnämnanden per vecka från bloggar, nyheter och recensioner. Manuellt kan du lägga cirka 10 minuter på att extrahera och rensa varje sida, plus ytterligare 5 minuter på att sammanfatta och tagga sentiment, alltså ungefär 5 timmar i veckan. Med det här workflowet startar du körningen (eller matar in URL:er), väntar på bearbetning och skummar outputen, vilket ofta tar cirka 30 minuter totalt för hela batchen. Det är större delen av en eftermiddag tillbaka, varje vecka, och kvaliteten på outputen är jämnare.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Bright Data för innehållsextraktion med Web Unlocker.
- Google Gemini för att generera sammanfattningar och sentiment.
- Bright Data Web Unlocker-token (hämta den i Bright Datas zoneinställningar).
Kunskapsnivå: Medel. Du kopplar in inloggningsuppgifter, ändrar några fält och klistrar in din webhook-endpoint.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Workflow-flödet
URL-input och zone-setup. Du anger den varumärkesrelaterade URL:en som ska analyseras och bekräftar Bright Data Web Unlocker-zonens namn så att workflowet vet vilken skrapkonfiguration som ska användas.
Innehållsextraktion som fungerar på “svåra” sidor. Bright Data hämtar sidinnehållet även när vanliga requests blockeras, och sedan konverterar workflowet resultatet till mer strukturerad text som går att sammanfatta pålitligt.
Sammanfattning och strukturerat sentiment. Google Gemini genererar en kondenserad sammanfattning, och ett strukturerat sentimentsteg tar fram ett konsekvent sentiment-output som du kan lagra, söka i eller routa till larm.
Larm plus spårbarhet. Webhook-anrop skickar text, sammanfattning och sentiment till din destination, och workflowet skriver också filer till disk så att du kan granska output i efterhand.
Du kan enkelt ändra inputkälla för att bearbeta en lista med URL:er från Google Sheets eller Excel i stället för engångskörningar. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar manuellt så att ni kan köra och validera processen för innehållsextraktion vid behov.
- Lägg till noden Manual Start Trigger som arbetsflödets trigger.
- Lämna standardinställningarna, eftersom den här noden inte har några parametrar att konfigurera.
- Koppla Manual Start Trigger till Assign URL and Zone för att starta exekveringsflödet.
Steg 2: anslut Bright Data och ange källinmatningar
Ställ in URL:en och Bright Data-zonen och skicka sedan en förfrågan för att hämta markdown-innehållet.
- I Assign URL and Zone, ställ in url till
https://www.amazon.com/TP-Link-Dual-Band-Archer-BE230-HomeShield/dp/B0DC99N2T8. - Ställ in zone till
web_unlocker1. - Öppna Bright Data API Request och ställ in URL till
https://api.brightdata.com/requestsamt Method tillPOST. - Aktivera Send Body och Send Headers, och ange body-parametrar: zone till
={{ $json.zone }}, url till={{ $json.url }}?product=unlocker&method=api, format tillraw, och data_format tillmarkdown. - Inloggningsuppgifter krävs: Anslut era
httpHeaderAuth-uppgifter i Bright Data API Request.
Bright Data API Request skickar utdata parallellt till både Markdown Text Converter och Condense Content Summary.
Steg 3: konfigurera ai-bearbetning för extraktion, sentiment och sammanfattning
Dessa noder omvandlar markdown till text, utför sentimentextraktion och sammanfattar innehåll med hjälp av Gemini-modeller.
- I Markdown Text Converter, ställ in Text till
=You need to analyze the below markdown and convert to textual data. Please do not output with your own thoughts. Make sure to output with textual data only with no links, scripts, css etc. {{ $json.data }}. - Säkerställ att Gemini Extraction Model är ansluten som språkmodell för Markdown Text Converter och ställ in Model Name till
models/gemini-2.0-flash-exp. - I Structured Sentiment Analysis, ställ in Text till
=Perform the sentiment analysis on the below content and output with the structured information. Here's the content: {{ $('Bright Data API Request').item.json.data }}och behåll det manuella schemat som det är angivet. - Säkerställ att Gemini Sentiment Model är ansluten som språkmodell för Structured Sentiment Analysis med Model Name satt till
models/gemini-2.0-flash-exp. - I Condense Content Summary, behåll Chunking Mode satt till
advancedoch verifiera att prompten ärWrite a concise summary of the following: "{text}". - Säkerställ att Gemini Summary Model är ansluten som språkmodell för Condense Content Summary och ställ in Model Name till
models/gemini-2.0-flash-exp. - Inloggningsuppgifter krävs: Anslut era
googlePalmApi-uppgifter i Gemini Extraction Model, Gemini Sentiment Model och Gemini Summary Model.
Markdown Text Converter skickar utdata parallellt till Structured Sentiment Analysis, Send Text Extraction Webhook och Build Text Binary.
Structured Sentiment Analysis skickar utdata parallellt till både Post Sentiment Webhook och Build Sentiment Binary.
Condense Content Summary skickar utdata parallellt till både Dispatch Summary Webhook och Build Summary Binary.
Steg 4: konfigurera webhook-utdata
Skicka extraherad text, sentiment och sammanfattning till externa endpoints.
- I Send Text Extraction Webhook, ställ in URL till
https://webhook.site/[YOUR_ID]och aktivera Send Body. - Ställ in body-parametern summary till
={{ $json.text }}. - I Post Sentiment Webhook, ställ in URL till
https://webhook.site/[YOUR_ID], aktivera Send Body och ställ in summary till={{ $json.output }}. - I Dispatch Summary Webhook, ställ in URL till
https://webhook.site/[YOUR_ID], aktivera Send Body och ställ in summary till={{ $json.response.text }}.
[YOUR_ID] i alla webhook-URL:er, annars misslyckas anropen utan tydlig felindikering.Steg 5: spara filer för text, sentiment och sammanfattning
Konvertera JSON-utdata till binärdata och skriv dem till lokala filer.
- I Build Text Binary, behåll Function Code som angivet för att bygga en base64-filpayload.
- Koppla Build Text Binary till Write Text File och ställ in File Name till
d:\Brand-Content-Textual.jsonmed Operation satt tillwrite. - I Build Sentiment Binary, behåll Function Code oförändrad och koppla den till Write Sentiment File.
- I Write Sentiment File, ställ in File Name till
d:\Brand-Content-Sentiment-Analysis.jsonoch Operation tillwrite. - I Build Summary Binary, behåll Function Code oförändrad och koppla den till Write Summary File.
- I Write Summary File, ställ in File Name till
d:\Brand-Content-Summary.jsonoch Operation tillwrite.
Steg 6: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta att parallella utdata och filskrivning fungerar korrekt.
- Klicka på Execute Workflow och trigga Manual Start Trigger.
- Verifiera att Bright Data API Request returnerar markdown-innehåll och att Markdown Text Converter, Structured Sentiment Analysis och Condense Content Summary alla tar emot data.
- Bekräfta att webhooks tar emot payloads från Send Text Extraction Webhook, Post Sentiment Webhook och Dispatch Summary Webhook.
- Kontrollera utdatafilerna som skapats av Write Text File, Write Sentiment File och Write Summary File.
- När allt fungerar, växla arbetsflödet till Active för användning i produktion.
Saker att se upp med
- Bright Data-inloggningsuppgifter kan löpa ut, eller så matchar token inte zonen du konfigurerat. Om extraktionen plötsligt fallerar, kontrollera först din Web Unlocker-token och zonens namn i inställningarna för “Assign URL and Zone”.
- Om du använder Wait-noder eller extern bearbetning kan tidsättning driva. När nedströmsnoder tar emot tom text, öka väntetiden eller lägg till en enkel kontroll för “inget innehåll” innan du anropar Gemini.
- Gemini-prompter är bara “okej” direkt ur lådan. Lägg in dina varumärkesdefinitioner och vad du räknar som negativ ton tidigt, annars kommer du fortsätta tveka kring sentimentetiketterna.
Vanliga frågor
Vanligtvis på cirka en timme när dina API-nycklar är klara.
Ja. Ingen kodning krävs, men någon behöver känna sig bekväm med att klistra in API-nycklar och redigera en URL och en webhook-destination.
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 Bright Data-användning och kostnader för Gemini API.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärt och hanterar n8n bra. Egen hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Du kan byta ut input med en enskild URL mot en Google Sheets- eller Excel-lista genom att mata in rader i steget “Assign URL and Zone”. De flesta team anpassar Gemini-prompterna för att styra sammanfattningslängd, lägga till varumärkesspecifika tonetiketter (tillit, entusiasm, frustration) och output i ett striktare JSON-format för dashboards. Om du vill ha andra destinationer ersätter du webhook-noderna med Slack, Gmail eller en skrivning till databas. Workflowet är byggt för den typen av plug-and-play-ändringar, helt ärligt.
Oftast är det en utgången eller felaktig Web Unlocker bearer token, eller så matchar zonens namn i “Assign URL and Zone” inte det du skapade i Bright Data.
På n8n Cloud begränsas du främst av planens månatliga körningar och av Bright Datas och Geminis användningsgränser. Om du hostar själv begränsas körningar inte av n8n, men serverresurserna spelar fortfarande roll. I praktiken kör de flesta team detta i batchar (tiotals till några hundra URL:er) och schemalägger det dagligen eller veckovis beroende på hur “live” de behöver att larmen är.
Ofta, ja, eftersom det här workflowet tjänar på rikare förgreningar och textbearbetning utan att du betalar extra per “steg”. n8n ger dig också ett alternativ för egen hosting, vilket är viktigt om du hanterar många omnämnanden och inte vill att kostnaden ska rusa. Zapier eller Make kan fortfarande fungera bra för ett enkelt “skicka mig ett mejl när X händer”-case, men att skrapa, rensa, sammanfatta och bedöma sentiment är sällan bara ett tvåstegsjobb. En annan praktisk punkt: att spara filer och hålla ett revisionsspår är enkelt här. Prata med en automationsexpert om du vill ha hjälp att välja.
När detta väl är igång gör workflowet den repetitiva läsningen och märkningen åt dig. Du får snabbare signal, mer strukturerade outputs och betydligt färre “missade vi något?”-ögonblick.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.