Företagsresearch låter enkelt tills du har fem flikar öppna, kopierar “Om oss”-texter till ett kalkylark och börjar tvivla på om antalet anställda du hittade ens är aktuellt.
Marknadsföringsteam som bygger leadlistor märker det här först. En person inom sales ops som rensar CRM-importer stöter på det här direkt efter. Och om du driver en byrå och plockar ut målkonton till en ny kampanj blir Gemini Sheets research skillnaden mellan “klart i dag” och “kanske nästa vecka”.
Det här arbetsflödet låter dig skicka en företags-URL i chatten och får sedan tillbaka strukturerade fält (redo för Google Sheets). Du får se hur det fungerar, vad du behöver och var team oftast går bet.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutligt resultat:
n8n Workflow Template: Gemini till Google Sheets: snabb företagsresearch
flowchart LR
subgraph sg0["When chat message received Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When chat message received", pos: "b", h: 48 }
n1@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n2["<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/>ExtractedChatInput"]
n3@{ icon: "mdi:robot", form: "rounded", label: "Request User Input", pos: "b", h: 48 }
n4@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model1", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Config", pos: "b", h: 48 }
n6@{ icon: "mdi:web", form: "rounded", label: "HttpRequestTool", pos: "b", h: 48 }
n7["<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/>ParsedCsv"]
n8@{ icon: "mdi:robot", form: "rounded", label: "Respond to Chat", 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/code.svg' width='40' height='40' /></div><br/>ChatResponse"]
n10@{ icon: "mdi:robot", form: "rounded", label: "Request Next URL", pos: "b", h: 48 }
n11@{ icon: "mdi:robot", form: "rounded", label: "AI Agent (Extract URL)", pos: "b", h: 48 }
n12@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Check URL", pos: "b", h: 48 }
n13@{ icon: "mdi:robot", form: "rounded", label: "AI Agent (Access URL)", pos: "b", h: 48 }
n5 --> n11
n12 --> n13
n12 --> n3
n7 --> n9
n9 --> n8
n6 -.-> n13
n8 --> n10
n10 --> n11
n2 --> n12
n3 --> n11
n13 --> n7
n11 --> n2
n1 -.-> n11
n4 -.-> n13
n0 --> 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 n3,n8,n10,n11,n13 ai
class n1,n4 aiModel
class n12 decision
class n6 api
class n2,n7,n9 code
classDef customIcon fill:none,stroke:none
class n2,n7,n9 customIcon
Problemet: företagsresearch är långsam, rörig och lätt att göra fel
Du börjar med goda intentioner: “Vi gör snabbt research på 30 företag till en prospekteringslista.” Sedan slår verkligheten till. Varje webbplats är olika, viktiga detaljer är nedgrävda, och ditt kalkylark fylls av halvfärdiga rader eftersom någon drogs in i ett möte mitt i copy-paste. Även när du blir klar sitter du med inkonsekventa fält (en rad har “B2B SaaS”, en annan har ett helt stycke), vilket gör sortering och segmentering för outreach onödigt jobbig. Tidskostnaden är hög, men den mentala kostnaden är värre. Efter några företag handlar det mest om att överleva uppgiften.
Det eskalerar snabbt. Så här faller det isär i verkligheten.
- Att plocka fram grunder som bransch, plats och vad de säljer kan ta runt 10 minuter per företag när sajten är otydlig.
- Två personer tolkar samma “Om oss”-sida olika, så ditt Sheet slutar vara en pålitlig källa för “single source of truth”.
- Du tappar tempo när du måste växla mellan webbläsare, anteckningar och kalkylark, och sedan tillbaka igen.
- Små misstag smyger sig in (fel juridiskt namn, föråldrat produktfokus), och de misstagen följer med in i kampanjer.
Lösningen: skicka en URL i chatten, få tillbaka strukturerade företagsfält
Det här n8n-arbetsflödet gör företagsresearch till en enkel chattloop. Du skickar en företagswebbplats-URL via den inbyggda chattriggern. En AI-agent (driven av Gemini) kontrollerar att meddelandet innehåller en giltig URL, hämtar webbplatsinnehållet och extraherar företagsdetaljerna du bryr dig om till ett felfritt, strukturerat svar. Sedan svarar den i chatten med resultatet, formaterat så att du kan klistra in direkt i Google Sheets (eller skicka vidare om du vill). Om URL:en saknas eller är felaktigt formaterad uppmanar den dig att försöka igen i stället för att misslyckas tyst. Och eftersom det är konversationsbaserat kan du fortsätta skicka URL:er en efter en utan att starta om något.
Arbetsflödet börjar med ett inkommande chattmeddelande och en snabb variabelsetup. Därefter validerar och extraherar det URL:en, använder sedan en agent för att skrapa och sammanfatta företaget från webbplatsen. Till sist parsar det den strukturerade outputen och skickar ett svar som du kan lägga in i ditt Sheet i ett enda steg.
Vad du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du bygger en lista med 40 målkonton till en kampanj. Manuellt: om du lägger cirka 10 minuter per företag på att hitta grunderna och strukturera dem för ett sheet blir det ungefär 7 timmars arbete. Med det här arbetsflödet skickar du en URL per företag via chatten (kanske 30 sekunder styck), väntar på AI-svaret och klistrar in den strukturerade raden i Google Sheets. Även om du räknar med cirka 2 minuter per företag från start till mål landar du runt 90 minuter, och sheetet förblir konsekvent.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Google Gemini API för att extrahera strukturerade företagsdetaljer
- Google Sheets för att lagra och organisera lead-research
- Gemini API-nyckel (hämta den från Google AI Studio)
Svårighetsnivå: Nybörjare. Du kopplar in autentiseringsuppgifter och justerar några fält i en konfigurationsliknande nod.
Vill du inte sätta upp det själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett chattmeddelande triggar det. Du skickar en URL till en företagswebbplats till arbetsflödets chattgränssnitt, och n8n startar körningen direkt.
URL:en extraheras och valideras. Agenten plockar länken ur ditt meddelande, och sedan bekräftar en “if”-kontroll att det ser ut som en riktig webbplatsadress. Om inte får du en uppmaning att skicka en korrigerad URL i stället för ett förvirrande fel.
Gemini granskar sajten. n8n hämtar webbinnehåll och AI-agenten sammanfattar det till de specifika företagsfält du definierat (tänk: beskrivning, bransch, plats och liknande strukturerade uppgifter).
Du får ett felfritt svar som du kan klistra in i Sheets. Arbetsflödet parsar den strukturerade outputen, sätter ihop ett lättläst svar och skickar tillbaka det i chatten. Därefter ber det om en ny URL så att du kan fortsätta utan att återställa något.
Du kan enkelt ändra targetCompanyFields så att det matchar dina kalkylarkskolumner utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-implementeringsguide
Steg 1: Konfigurera chatttriggern
Det här arbetsflödet börjar med en publik chatt-ingång för att samla in en företags-URL från användaren.
- Lägg till noden Incoming Chat Trigger och ställ in Public till
true. - Ställ in Initial Messages till
Hi! I can help you extract company information. Please enter the URL to get started.. - Bekräfta att Incoming Chat Trigger skickar vidare till Setup Variables enligt exekveringsflödet.
Steg 2: Anslut Google Gemini och konfigurera URL-extraktion
Därefter initierar arbetsflödet fält och använder en AI-agent för att extrahera en URL från användarens indata.
- I Setup Variables lägger ni till tilldelningar: chatInput satt till
{{ $json.chatInput }}, targetCompanyFields satt tillCEO,Address,Summaryoch language satt tillEnglish. - Öppna Gemini Chat Model Primary och anslut autentiseringsuppgifter. Credential Required: Anslut era
googlePalmApi-autentiseringsuppgifter. - I Agent Extract URL behåller ni Text som den definierade prompten och säkerställer att den refererar till
{{ $json.chatInput }}. - Bekräfta att Gemini Chat Model Primary är ansluten som språkmodell för Agent Extract URL i AI-anslutningarna.
Steg 3: Tolka och validera URL:en
Det här steget rensar AI-svaret till JSON och validerar att en URL hittades innan ni skrapar.
- I Parse Chat Payload behåller ni den medföljande JavaScript-koden för att extrahera JSON från modellens output.
- I Validate URL ställer ni in villkoret att kontrollera Left Value
{{ $json.url }}med operationen notEmpty. - Säkerställ att false-grenen från Validate URL går till Prompt for URL, och att true-grenen går till Agent Scrape Company.
Steg 4: Konfigurera skrapningsagenten och verktyget för webbhämtning
Skrapningsagenten använder Gemini med ett HTTP-verktyg för att samla in företagsdata som CSV.
- Öppna Gemini Chat Model Secondary och anslut autentiseringsuppgifter. Credential Required: Anslut era
googlePalmApi-autentiseringsuppgifter. - I Agent Scrape Company behåller ni Text-prompten och säkerställer att den refererar till
{{ $json.url }},{{ $('Setup Variables').first().json.targetCompanyFields }}och{{ $('Setup Variables').first().json.language }}. - Bekräfta att Gemini Chat Model Secondary är ansluten som språkmodell för Agent Scrape Company.
- I Web Fetch Tool ställer ni in URL till
{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('URL', `URL to Get HTML`, 'string') }}och behåller Send Headers aktiverat. - Verifiera att Web Fetch Tool är anslutet som ett AI-verktyg till Agent Scrape Company.
Steg 5: Tolka output och skicka chatsvar
CSV-output konverteras till strukturerad JSON och formateras till ett chatsvar, därefter uppmanas användaren att ange en ny URL.
- I Parse CSV Output behåller ni JavaScript-koden som extraherar
```csv-blocket och tolkar det till poster. - I Compose Chat Reply behåller ni JavaScript-koden som bygger det formaterade meddelandet inklusive
autoFetchStatusochautoFetchReason. - I Send Chat Reply ställer ni in Message till
{{ $json.text }}och behåller Wait User Reply somfalse. - Konfigurera Ask Another URL med Message satt till
Would you like to search for another company? Please enter the URL.och behåll den ansluten tillbaka till Agent Extract URL.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att säkerställa att chattloopen, URL-extraktionen och dataskrapningen fungerar korrekt.
- Klicka på Execute Workflow och initiera en chatt med Incoming Chat Trigger.
- Ange en riktig URL till företagets startsida och verifiera att Validate URL routar till Agent Scrape Company.
- Bekräfta att Parse CSV Output skapar strukturerad JSON och att Send Chat Reply returnerar ett formaterat svar.
- När testet är lyckat, slå på arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Gemini-autentiseringsuppgifter kan löpa ut eller kräva specifika behörigheter. Om det slutar fungera: kontrollera först inställningarna för autentiseringsuppgifter i Gemini-noden i n8n.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned i flödet misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du redigera outputen i all evighet.
Vanliga frågor
Cirka 20 minuter när du väl har din Gemini API-nyckel.
Ingen kodning krävs. Du kopplar främst in autentiseringsuppgifter och justerar vilka fält du vill att den ska extrahera.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för Gemini API-användning, som beror på hur mycket text du bearbetar per företag.
Två alternativ: n8n Cloud (hanterat, enklast setup) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det är en av de bästa delarna. Uppdatera inställningarna i Config-noden för att ändra targetCompanyFields så att outputen matchar dina kolumner i Google Sheets. Du kan också justera language så att de extraherade detaljerna returneras på ett annat språk för regionala kampanjer. Om du vill att samma arbetsflöde ska ge både “kort” och “detaljerat” format kan du duplicera logiken för att skapa svaret och växla mellan dem baserat på ett enkelt nyckelord i chattmeddelandet.
Oftast är det ett problem med API-nyckeln: nyckeln saknas, har löpt ut eller är sparad under fel autentiseringsuppgift i Gemini-noden som sitter på AI-agenten. Kontrollera också att ditt Google AI Studio-projekt är aktiverat för modellen du valt, eftersom vissa konton har regions- eller faktureringskrav. Om det bara fallerar på vissa sajter kan sidan blockera botar eller ladda det mesta innehållet med script, så den hämtade texten blir tunn och agenten returnerar ofullständiga fält.
På n8n Cloud är du främst begränsad av dina månatliga körningar, så hundratals eller till och med några tusen företag per månad är realistiskt för många team. Om du self-hostar är körningsgränser inte flaskhalsen; dina serverresurser och AI-API:ets rate limits betyder mer. I praktiken kör de flesta detta i batchar (till exempel 20–100 URL:er) så att de kan stickprova resultaten och justera fält längs vägen.
Ofta ja, eftersom det här flödet gynnas av agentlogik, retries och villkorshantering som blir dyrt eller klumpigt i enklare automationsverktyg. n8n är också enklare att self-hosta, vilket spelar roll om du vill ha obegränsade körningar för stora researchprojekt. Zapier eller Make kan fortfarande fungera bra om du bara behöver “URL in, rad ut” utan chattloop och utan validering. Om du är osäker: välj verktyget som ditt team kan förvalta utan att få ångest. Prata med en automationsexpert så gör vi en rimlighetscheck tillsammans.
När du väl har satt upp det här blir företagsresearch en snabb chattvana, inte ett halvdagsprojekt. Arbetsflödet tar hand om det repetitiva, och du kan fokusera på kvaliteten i listan.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.