Din leadlista ska inte förvandlas till en kyrkogård av dubbletter, halvt saknad kontaktinfo och gissningar som “kanske funkar den här mejlen?”. Men när du skrapar kataloger för hand (eller jonglerar stökiga exporter) händer det snabbt.
BrowserAct lead automation gör som störst nytta när du är personen som ansvarar för att fylla pipelinen: en marknadschef som jagar veckomål, en liten byråägare som hanterar flera nischer, eller en operativt lagd grundare som bara vill ha ett rent underlag att jobba från. Resultatet är enkelt: nya leads hamnar i Google Sheets, dubbletter flaggas och giltiga e-postadresser får automatiserad outreach.
Det här flödet körs enligt schema, skrapar företagslistningar, rensar datan med AI och uppdaterar ditt ark och Gmail så att du kan följa upp med trygghet. Här är vad det gör, varför det spelar roll och hur du kan anpassa det.
Så här fungerar den här automatiseringen
Hela n8n-workflowen, från trigger till slutresultat:
n8n Workflow Template: BrowserAct till Google Sheets: rensade leads
flowchart LR
subgraph sg0["Schedule Flow"]
direction LR
n0@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If", pos: "b", h: 48 }
n1@{ icon: "mdi:cog", form: "rounded", label: "Wait", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "AI Agent1", pos: "b", h: 48 }
n3@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model1", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Run a workflow", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n6@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model2", pos: "b", h: 48 }
n7@{ icon: "mdi:database", form: "rounded", label: "get row's in sheet", pos: "b", h: 48 }
n8@{ icon: "mdi:database", form: "rounded", label: "append row in sheet", pos: "b", h: 48 }
n9@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", 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/>Code in JavaScript"]
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n12@{ icon: "mdi:message-outline", form: "rounded", label: "duplicate data", pos: "b", h: 48 }
n13@{ icon: "mdi:message-outline", form: "rounded", label: "outreach email", pos: "b", h: 48 }
n0 --> n5
n0 --> n1
n1 --> n4
n5 --> n10
n2 --> n11
n4 --> n0
n12 -.-> n2
n13 -.-> n2
n11 --> n2
n9 --> n4
n10 --> n11
n7 -.-> n2
n8 -.-> n2
n3 -.-> n2
n6 -.-> 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 n9 trigger
class n2,n5 ai
class n3,n6 aiModel
class n0 decision
class n7,n8 database
class n10 code
classDef customIcon fill:none,stroke:none
class n10 customIcon
Problemet: katalogleads blir snabbt röriga
Katalogskrapning låter enkelt tills du lever med resultatet. Ena dagen har du en “snabb lista” från BBB-liknande listningar, nästa dag har du återkommande företag, lite olika namn för samma bolag och kontaktfält som varierar från sida till sida. Sen slösar du en eftermiddag på att slå ihop kolumner, jaga saknade webbplatser och fundera på om “info@” ens är värt att mejla. Under tiden blir leads gamla. Och det värsta är att du inte litar på ditt eget ark, så du tvekar att skicka outreach överhuvudtaget.
Friktionen bygger på. Här är var det faller isär.
- Du lägger ungefär 2 timmar i veckan på att rensa och standardisera skrapade rader innan någon kan använda dem.
- Dubbletter smyger in eftersom “ABC Roofing LLC” och “ABC Roofing” ser olika ut vid en snabb titt.
- Ogiltiga eller saknade e-postadresser leder till studsade utskick, vilket försämrar leveransbarheten och slösar sändgränser.
- Manuell copy-paste mellan en katalog, Sheets och Gmail skapar tysta fel som du märker först dagar senare.
Lösningen: skrapa, rensa, avduplicera och mejla från ett enda flöde
Den här automatiseringen körs enligt schema och använder BrowserAct för att hämta företagslistningar baserat på de sökord och platser du definierar. Så fort skrapningen returnerar resultat omvandlar en AI-agent för extrahering (Google Gemini via n8n:s AI Agent-noder) stökig sidtext till strukturerade leadfält som företagsnamn, webbplats, telefon, e-post och betyg. Ett litet JavaScript-steg formaterar sedan AI-utdata till korrekt formaterad JSON så att flödet kan behandla den pålitligt, lead för lead. För varje lead kontrollerar flödet din Google Sheet efter befintliga poster, flaggar dubbletter och lägger bara till verkligt nya företag. Om en e-postadress ser giltig ut skickar det ett personaliserat outreach-mejl via Gmail och loggar en status i din data så att din pipeline förblir korrekt.
Flödet startar med en schemalagd trigger, skrapar via BrowserAct och använder sedan AI för att standardisera och validera det som hittades. Därefter loopar det igenom leads i batchar, kontrollerar ditt ark och antingen varnar dig om dubbletter eller skickar outreach och loggar resultatet.
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 hämtar 40 katalogleads varje vecka. Manuellt kan skrapning och kopiering av detaljer till Google Sheets ta cirka 5 minuter per lead, plus ytterligare 2 minuter för att kontrollera dubbletter och rimlighetskontrollera e-posten, vilket blir ungefär 5 timmar totalt. Med det här flödet lägger du kanske 10 minuter på att uppdatera sökord och skanna slutstatusar, och låter sedan n8n processa listan och skicka upp till 2 outreach-mejl per körning med inbyggd väntan. Du får timmar tillbaka och ditt ark förblir strukturerat istället för “nästan rätt”.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- BrowserAct för att skrapa företagslistningar i kataloger.
- Google Sheets för att lagra och avduplicera din leadlista.
- Gmail för att skicka outreach och dubblettvarningar.
- Google Gemini API (hämta det via Google AI Studio) för att extrahera strukturerad leaddata.
Kunskapsnivå: medel. Du kopplar några konton, klistrar in API-nycklar och justerar prompts samt kolumnmappning i arket.
Vill du inte sätta upp det själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så här fungerar det
En schemalagd körning startar allt. Flödet startar automatiskt med Schedule Trigger, så du kan köra det dagligen, veckovis eller när nya listningar brukar dyka upp.
BrowserAct hämtar råa listningsdata. Det söker med dina sökord och platsfilter och returnerar företagsdetaljer från katalogens målsidor. En If-kontroll stoppar flödet tidigt om skrapningen inte gav något användbart.
AI gör “webbkaos” till användbara leadfält. En Gemini-backad extraheringsagent konverterar inkonsekvent sidinnehåll till standardiserade fält (namn, webbplats, telefon, e-post, betyg). Sedan parsar en JavaScript-formaterare AI-utdata till korrekt formaterad JSON så att efterföljande steg inte skapar fel på konstig interpunktion eller ofullständiga svar.
Leads behandlas i batchar och skrivs sedan till Sheets och Gmail. n8n loopar över varje lead, hämtar befintliga rader i Google Sheets, kontrollerar dubbletter, lägger till nya poster och skickar Gmail-outreach när e-posten är giltig. En Wait-nod hjälper till att styra takten så att du håller dig inom gränserna.
Du kan enkelt ändra sökord och platser för att rikta in dig på nya nischer, eller ändra e-postlogiken till “logga endast” innan du slår på utskick. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera den schemalagda triggern
Det här arbetsflödet startar enligt ett schemalagt intervall med Scheduled Start.
- Lägg till noden Scheduled Start i ert arbetsflöde.
- Behåll standardregeln för schemat eller ställ in ert önskade intervall under rule.
- Bekräfta exekveringsflödet från Scheduled Start till BrowserAct Workflow Run.
Steg 2: Anslut BrowserAct för leadinsamling
BrowserAct Workflow Run samlar in leaddata med hjälp av en BrowserAct-mall och matar in den i valideringen.
- Öppna BrowserAct Workflow Run och ställ in templateId till
[YOUR_ID]. - Under workflowConfig bekräftar ni indata: input-keyword satt till
Digital Marketing Agencyoch input-Datelimit satt till5. - Inloggningsuppgifter krävs: Anslut era browserActApi-inloggningsuppgifter.
Steg 3: Konfigurera validering och fördröjningshantering
Validation Branch kontrollerar fel och routning, medan Delay Timer väntar innan BrowserAct-uppgiften körs igen.
- I Validation Branch behåller ni villkoren:
{{ $json.error }}finns inte och{{ $json.id }}är inte lika mednull. - Säkerställ att “true”-utgången från Validation Branch är ansluten till Extraction Assistant.
- Säkerställ att “false”-utgången är ansluten till Delay Timer och sedan tillbaka till BrowserAct Workflow Run.
- Ställ in Delay Timer amount till
15.
Steg 4: Konfigurera extrahering och formatering
Det här steget rensar och delar upp rå output från BrowserAct till enskilda lead-poster.
- Öppna Extraction Assistant och behåll prompttexten exakt som den är konfigurerad, inklusive uttrycket
{{ $json.output.string }}. - Säkerställ att Gemini Chat Model B är ansluten som språkmodell för Extraction Assistant.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model B (inloggningsuppgifter läggs till på modellen, inte agenten).
- I JS Data Formatter behåller ni jsCode-blocket oförändrat för att rensa och dela upp output-poster.
- Anslut JS Data Formatter till Iterate Lead Items så att varje lead bearbetas individuellt.
Steg 5: Konfigurera leadbearbetningsagent med verktyg
Lead Processing Agent driver logiken för dubblettkontroll, e-postvalidering och outreach med hjälp av verktyg och en Gemini-modell.
- Öppna Lead Processing Agent och behåll hela prompttexten med uttryck som
{{ $json.business_name }},{{ $json.email_address }}och{{ $json.website_url }}. - Säkerställ att Gemini Chat Model A är ansluten som språkmodell för Lead Processing Agent.
- Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model A (inloggningsuppgifter läggs till på modellen, inte agenten).
- Bekräfta att Retrieve Sheet Rows, Append Sheet Record, Duplicate Lead Alert och Outreach Email Send är anslutna som AI-verktyg till Lead Processing Agent.
- Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Retrieve Sheet Rows och Append Sheet Record.
- Inloggningsuppgifter krävs: Anslut era gmailOAuth2-inloggningsuppgifter i Duplicate Lead Alert och Outreach Email Send.
Steg 6: Konfigurera utdata för Google Sheets och Gmail
Dessa verktyg loggar leadresultat och skickar aviseringar eller outreach-mejl baserat på agentens beslut.
- I Retrieve Sheet Rows ställer ni in documentId till
[YOUR_ID]och sheetName tillSheet1. - I Append Sheet Record behåller ni operation satt till
appendoch mappar fält som business_name till{{ $('Iterate Lead Items').item.json.business_name }}. - I Append Sheet Record behåller ni email_sent som
{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('email_sent', `In this only save whethere Pending (invalid email) or successfully sent based on the email_address valid or not.`, 'string') }}. - I Duplicate Lead Alert ställer ni in sendTo till
[YOUR_EMAIL], subject tillduplicate lead foundoch message tillthis data is already available in the sheet. - I Outreach Email Send ställer ni in sendTo till
{{ $('Iterate Lead Items').item.json.email_address }}och behåller meddelandemallen som konfigurerad. - Ställ in subject i Outreach Email Send till
{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Subject', ``, 'string') }}och emailType tilltext.
Steg 7: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta extrahering av leads, validering och outreach-logik innan ni aktiverar schemat.
- Klicka på Execute Workflow och kontrollera att BrowserAct Workflow Run matar ut data till Validation Branch.
- Verifiera att Extraction Assistant producerar en ren JSON-array och att JS Data Formatter delar upp den i enskilda poster.
- Bekräfta att Lead Processing Agent routar till rätt utfall och att Append Sheet Record loggar leadet med korrekt status.
- Kontrollera att Duplicate Lead Alert och Outreach Email Send levererar meddelanden till rätt mottagare.
- När allt är verifierat, växla arbetsflödet till Active för att aktivera schemat.
Vanliga fallgropar
- Google Sheets-inloggningar kan löpa ut eller sakna åtkomst till målarket. Om det strular, kontrollera först delningsbehörigheter för arket och vilket Google-konto som är kopplat i n8n.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg till din varumärkesröst tidigt, annars kommer du redigera utdata för alltid.
Vanliga frågor
Cirka 45 minuter om dina konton och ditt ark är redo.
Nej. Du kopplar inloggningar och justerar några prompts och arkfält. JavaScript-noden finns redan med, så du brukar bara behöva tweaka den om målsajten ändras mycket.
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 användning av Google Gemini API och eventuella BrowserAct-kostnader kopplade till skrapvolym.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) 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, och det är ett smart första steg. Inaktivera Gmail-sändnoden (outreach-steget) och behåll Google Sheets-tillägg + statusloggning aktivt. Du kan också justera instruktionerna för Lead Processing Agent så att den alltid sätter en status som “Redo för granskning” istället för “Lyckades”. Vanliga anpassningar är att ändra kolumner i arket, skärpa dubblettregler (namn + webbplats) och byta mejltexten för olika branscher.
Oftast är det behörigheter. Bekräfta att Google-kontot som är kopplat i n8n har åtkomst till exakt det Sheet ID som används och att kalkylarket är korrekt delat. Om det fungerade tidigare och plötsligt slutade, koppla om Google Sheets-inloggningen i n8n eftersom tokens kan löpa ut. Dubbelkolla också att flikar och kolumnrubriker i arket inte har bytt namn, eftersom verktygsnoderna förlitar sig på en stabil struktur.
Den kan hantera många, men outreach-volymen är medvetet strypt. Det här flödet är konfigurerat att skicka maximalt 2 mejl per körning (med en Wait för att bromsa), samtidigt som det fortfarande kan skrapa och logga fler leads. På n8n Cloud beror din månatliga körningsgräns på din plan, och egen hosting tar bort den begränsningen (din server blir gränsen). Om du vill skicka fler kan du öka batchstorleken och justera väntetiderna, och sedan övervaka Gmails sändgränser och leveransbarhet.
För det här flödet är n8n oftast en bättre match eftersom du kombinerar skrapning, AI-extrahering, villkorslogik och loopar med batchkontroller. Zapier och Make kan göra delar av det, men förgrening i flera steg plus AI + avdupliceringskontroller blir ofta dyrt och svårare att underhålla. n8n ger dig också möjligheten att hosta själv, vilket är viktigt när du kör schemalagd leadgenerering varje dag. Samtidigt, om du bara vill ha “skrapa till ark” utan AI-rensning eller outreach, kan en enkel Zap gå snabbare. Prata med en automationsexpert om du vill ha en rekommendation baserad på din volym och nisch.
När det här väl rullar slutar din leadlista vara ett “projekt” och blir ett system. Flödet tar hand om de repetitiva delarna, och du kan fokusera på targeting och budskap.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.