Om deal-paket landar i din inkorg hela dagen känner du redan till det verkliga problemet. Det handlar inte om att ”hitta deals”. Det handlar om att sålla dem konsekvent, från olika källor, utan att tappa timmar på flikar, kalkylark och halvfärdiga anteckningar.
Acquisition managers känner av det här först. En fastighetsanalytiker drunknar i samma manuella kontroller. Och en ägare av en mindre fond slutar med att fatta ”magkänslebeslut” eftersom någon automation för Gmail Slack alerts aldrig fanns från början.
Det här arbetsflödet hämtar fastighetsdata från flera källor, låter AI poängsätta varje möjlighet och skickar sedan de bästa direkt till Gmail och Slack. Du får se vad det gör, vad du behöver och vad du ska justera för att det ska matcha din buy box.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutlig output:
n8n Workflow Template: Gmail + Slack: affärsvarningar vid fastighetsscreening
flowchart LR
subgraph sg0["Daily Analysis Schedule Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Daily Analysis Schedule", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Workflow Configuration", 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/httprequest.dark.svg' width='40' height='40' /></div><br/>Fetch MLS Data"]
n3["<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/>Fetch Public Records"]
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/>Fetch Demographic Data"]
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/>Fetch Macroeconomic Data"]
n6@{ icon: "mdi:cog", form: "rounded", label: "Combine All Data Sources", pos: "b", h: 48 }
n7@{ icon: "mdi:robot", form: "rounded", label: "Investment Opportunity Analy..", pos: "b", h: 48 }
n8@{ icon: "mdi:brain", form: "rounded", label: "OpenAI GPT-4", pos: "b", h: 48 }
n9@{ icon: "mdi:wrench", form: "rounded", label: "Calculator Tool", pos: "b", h: 48 }
n10@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n11["<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/>Filter High-Priority Opportu.."]
n12@{ icon: "mdi:message-outline", form: "rounded", label: "Email Acquisition Team", pos: "b", h: 48 }
n13["<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/slack.svg' width='40' height='40' /></div><br/>Notify Investors on Slack"]
n8 -.-> n7
n2 --> n6
n9 -.-> n7
n3 --> n6
n4 --> n6
n1 --> n2
n1 --> n3
n1 --> n4
n1 --> n5
n0 --> n1
n6 --> n7
n5 --> n6
n10 -.-> n7
n7 --> n11
n11 --> n12
n11 --> 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 n7,n10 ai
class n8 aiModel
class n9 ai
class n2,n3,n4,n5 api
class n11 code
classDef customIcon fill:none,stroke:none
class n2,n3,n4,n5,n11,n13 customIcon
Problemet: deal-screening blir snabbt rörigt
Att sålla fastighetsmöjligheter låter enkelt tills du gör det i volym. En lead kommer från MLS, en annan från ett mäklarmejl, en tredje från en lista någon skrapade förra veckan. Nu sitter du och pusslar ihop offentliga register, områdetrender och ränta/makrokontext bara för att besvara grundfrågor som ”är det här värt ett samtal?” och ”matchar det våra kriterier?”. Det värsta är inkonsekvensen. Två personer kan titta på samma paket och komma tillbaka med helt olika slutsatser eftersom processen sitter i deras huvuden.
Det adderas snabbt. Inte för att någon enskild kontroll är svår, utan för att du upprepar samma research-loop hela veckan.
- Varje deal kräver att du öppnar flera källor, vilket kan bränna cirka 30 minuter innan du ens börjar med underwriting.
- Data kopieras in i kalkylark med små misstag som senare ser ut som ”fel antaganden”.
- Teamets screeningkriterier glider över tid, så ni börjar diskutera deals i stället för att ranka dem.
- De bästa möjligheterna är tidskritiska, men er granskningskö är det inte.
Lösningen: AI-poängsatta deal-alerts skickade till Gmail och Slack
Den här automatiseringen kör en schemalagd ”marknadsskanning”, hämtar listnings- och kontextdata parallellt och använder sedan AI för att utvärdera varje objekt mot dina investeringskriterier. I stället för att behandla MLS, offentliga register, demografisk information och makrosignaler som separata researchuppgifter, konsoliderar arbetsflödet dem till en dataset per möjlighet. Därifrån tar en AI-agent (med OpenAI) fram strukturerade resultat, gör snabba beräkningar (tänk grundläggande nyckeltal och tröskelvärden) och normaliserar output så att den blir konsekvent varje gång. Till sist väljs bara de främsta möjligheterna ut och skickas till dem som kan agera: ett acquisitions-mejl i Gmail, plus en Slack-alert i er investerarkanal.
Arbetsflödet startar enligt ett schema så att du styr kadensen (dagligen, två gånger om dagen, bara vardagar, vad som passar). Datainsamlingen sker i fyra strömmar, sedan slås allt ihop och poängsätts. När de bästa dealsen identifierats får du en strukturerad alert i Gmail och Slack utan att jaga källor manuellt.
Det du får: automatisering vs. resultat
| Det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du går igenom 20 potentiella objekt varje morgon. Manuellt, om du lägger cirka 10 minuter på att hämta comps/kontext och ytterligare 10 minuter på att kontrollera offentliga register och grunderna för området, blir det ungefär 6 timmar innan du ens gör en shortlist. Med det här arbetsflödet körs den schemalagda skanningen i bakgrunden, AI-poängsättningen sker automatiskt och du granskar bara topp 5 som matchar dina kriterier i Gmail och Slack. Det kan göra en halv dags slit till cirka 30 minuter av faktiska beslut.
Det du behöver
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Gmail för att mejla acquisition-teamet.
- Slack för att posta deal-alerts till investerare.
- OpenAI API-nyckel (hämta den i din OpenAI-kontos dashboard)
Svårighetsnivå: Medel. Du klistrar in API-nycklar, kopplar konton och justerar några kriteriefält utan att bygga en app.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En schemalagd skanning startar allt. n8n kör enligt din valda kadens och laddar dina pipeline-inställningar (marknader, objekttyper, prisintervall och vad du nu definierar).
Data samlas in från flera källor samtidigt. HTTP-förfrågningar hämtar MLS-listningar, offentliga register, demografisk kontext och makrosignaler, och sedan aggregerar arbetsflödet allt till en enda dataset per möjlighet.
AI utvärderar möjligheterna med en konsekvent mall. AI-agenten anropar OpenAI:s chattmodell, använder ett kalkylatorverktyg för snabba kvantitativa kontroller och levererar strukturerade fält så att du kan jämföra deals på ett tydligt sätt.
Bara de bästa matchningarna skickas vidare. Ett urvalssteg shortlistar toppmöjligheter, och sedan skickar n8n ett acquisitions-mejl i Gmail och postar en investerarfärdig alert till Slack.
Du kan enkelt ändra poängkriterierna för att prioritera avkastning, värdeuppsida eller risk utifrån dina behov. Se hela implementationsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera schema-triggern
Ställ in arbetsflödet så att det kör dagliga marknadsskanningar automatiskt med schema-triggern.
- Lägg till och öppna Scheduled Market Scan.
- Ställ in schemaregeln så att den triggar vid timme
6(som visas i rule → interval → triggerAtHour). - Koppla Scheduled Market Scan till Pipeline Settings.
Steg 2: Anslut datakällor
Definiera pipeline-parametrar och skicka dem parallellt till alla HTTP-förfrågningar mot datakällor.
- Öppna Pipeline Settings och ställ in tilldelningarna:
- mlsApiUrl till
<__PLACEHOLDER_VALUE__MLS API endpoint URL__> - publicRecordsApiUrl till
<__PLACEHOLDER_VALUE__Public records API endpoint URL__> - demographicApiUrl till
<__PLACEHOLDER_VALUE__Demographic data API endpoint URL__> - macroeconomicApiUrl till
<__PLACEHOLDER_VALUE__Macroeconomic data API endpoint URL__> - targetMarkets till
<__PLACEHOLDER_VALUE__Target markets/regions to analyze (comma-separated)__> - minInvestmentScore till
75 - acquisitionTeamEmail till
<__PLACEHOLDER_VALUE__Acquisition team email address__> - investorSlackChannel till
<__PLACEHOLDER_VALUE__Slack channel ID for investor notifications__>
- mlsApiUrl till
- Pipeline Settings skickar ut till Retrieve MLS Listings, Retrieve Public Records, Retrieve Demographics och Retrieve Macro Signals parallellt.
- I Retrieve MLS Listings, ställ in URL till
={{ $('Pipeline Settings').first().json.mlsApiUrl }}och Query Parameters → markets till={{ $('Pipeline Settings').first().json.targetMarkets }}. - I Retrieve Public Records, ställ in URL till
={{ $('Pipeline Settings').first().json.publicRecordsApiUrl }}och Query Parameters → markets till={{ $('Pipeline Settings').first().json.targetMarkets }}. - I Retrieve Demographics, ställ in URL till
={{ $('Pipeline Settings').first().json.demographicApiUrl }}och Query Parameters → markets till={{ $('Pipeline Settings').first().json.targetMarkets }}. - I Retrieve Macro Signals, ställ in URL till
={{ $('Pipeline Settings').first().json.macroeconomicApiUrl }}och Query Parameters → markets till={{ $('Pipeline Settings').first().json.targetMarkets }}.
predefinedCredentialType men inga inloggningsuppgifter är konfigurerade i arbetsflödet. Ni måste lägga till rätt API-inloggningsuppgifter i var och en av Retrieve MLS Listings, Retrieve Public Records, Retrieve Demographics och Retrieve Macro Signals för att undvika autentiseringsfel.Steg 3: Aggregera och analysera data med AI
Kombinera all källdata och kör sedan AI-analys för att generera strukturerade investeringsmöjligheter.
- Öppna Aggregate Source Data och bekräfta att Aggregate är inställt på
aggregateAllItemData. - Koppla Retrieve MLS Listings, Retrieve Public Records, Retrieve Demographics och Retrieve Macro Signals till Aggregate Source Data.
- Öppna Opportunity Insight Agent och ställ in Text till
={{ $json.data }}. - Säkerställ att OpenAI Chat Model är ansluten som språkmodell för Opportunity Insight Agent. Credential Required: Anslut era openAiApi-inloggningsuppgifter i OpenAI Chat Model.
- Bekräfta att Structured Result Parser är ansluten som output parser för Opportunity Insight Agent med det angivna JSON-schemat.
- Bekräfta att Computation Helper är ansluten som ett verktyg för Opportunity Insight Agent för ROI-beräkningar.
Steg 4: Filtrera och rangordna möjligheter
Använd anpassad JavaScript för att tillämpa minsta investeringspoäng och sortera resultaten.
- Öppna Select Top Opportunities och behåll den tillhandahållna JavaScript Code för filtrering och sortering efter investeringspoäng.
- Bekräfta att minsta poäng hämtas från Pipeline Settings med raden
const minInvestmentScore = $('Pipeline Settings').item.json.minInvestmentScore || 70;. - Koppla Opportunity Insight Agent till Select Top Opportunities.
Steg 5: Konfigurera utdata-/åtgärdsnoder
Skicka de bästa möjligheterna till e-post och Slack parallellt.
- Select Top Opportunities skickar ut till både Dispatch Acquisition Email och Post Slack Investor Alert parallellt.
- Öppna Dispatch Acquisition Email och ställ in Send To till
={{ $('Pipeline Settings').first().json.acquisitionTeamEmail }}. - Ställ in Subject till
=High-Priority Investment Opportunities - {{ $now.format('MMMM d, yyyy') }}och behåll den tillhandahållna HTML-koden i Message. - Credential Required: Anslut era gmailOAuth2-inloggningsuppgifter i Dispatch Acquisition Email.
- Öppna Post Slack Investor Alert och ställ in Channel ID till
={{ $('Pipeline Settings').first().json.investorSlackChannel }}. - Behåll det formaterade Text-meddelandet som mappar möjlighetens data till Slack-notisen.
- Credential Required: Anslut era slackOAuth2Api-inloggningsuppgifter i Post Slack Investor Alert.
Steg 6: Testa och aktivera ert arbetsflöde
Verifiera dataflöde, AI-utdata och aviseringar innan ni går live.
- Klicka på Execute Workflow för att köra ett manuellt test som startar från Scheduled Market Scan.
- Verifiera att Aggregate Source Data tar emot data från alla fyra källor och att Opportunity Insight Agent returnerar strukturerade fält som
opportunitiesochmarketSummary. - Bekräfta att Select Top Opportunities bara skickar ut objekt med
investmentScoreöver er minInvestmentScore. - Kontrollera inkorgen efter det formaterade e-postmeddelandet från Dispatch Acquisition Email och verifiera Slack-inlägget i Post Slack Investor Alert.
- När allt är validerat, växla arbetsflödet till Active för att köra automatiskt vid schemalagd tid.
Vanliga fallgropar
- Gmail-inloggning kan gå ut eller kräva specifika behörigheter. Om saker slutar fungera, kontrollera först status för det kopplade Gmail-kontot i n8n:s credentials.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera output för alltid.
Vanliga frågor
Cirka en timme om du redan har dina API-nycklar för datakällorna redo.
Nej. Du kopplar konton och klistrar in API-nycklar och justerar sedan fälten för screeningkriterier. Den enda ”kod”-delen (shortlist-steget) är redan inbyggd i arbetsflödet.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis testperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volymer. Du behöver också räkna in kostnader för OpenAI API-användning (ofta några dollar i månaden vid måttlig volym) plus vad dina MLS-/public records-leverantörer tar betalt.
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 bör du. Du kan ändra marknader, objekttyper och tröskelvärden i steget Pipeline Settings och sedan förfina AI-kriterierna i prompten för Opportunity Insight Agent. Vanliga anpassningar är att vikta cash-on-cash högre, lägga in en hård gräns för ”byggår” och flagga specifika postnummer som automatiska godkännanden.
Oftast beror det på att Slack-appen/token har tappat behörighet att posta i målkanalen. Anslut Slack på nytt i n8n:s credentials och bekräfta sedan att kanalen fortfarande finns och att appen får skriva meddelanden där. Om du skannar många listningar på en gång kan rate limits också orsaka intermittenta fel, så det kan hjälpa att minska batchstorleken eller sprida ut inläggen.
På en typisk n8n Cloud-plan kan du hantera tusentals körningar per månad, och varje körning kan processa flera listningar beroende på dina API-gränser. Om du kör med egen hosting begränsas du främst av serverstorlek och hur hårda era rate limits är i MLS/offentliga register. I praktiken börjar de flesta team med en daglig skanning per marknad och ökar frekvensen när de litar på poängsättningen. Om du behöver hög volym är det renaste upplägget att batcha deals och bara skicka Slack-/Gmail-notiser för de allra bästa.
För det här arbetsflödet har n8n några fördelar: mer komplex logik med förgreningar utan extra kostnad, möjlighet till egen hosting för obegränsade körningar och inbyggd AI-agent plus hantering av strukturerad output som är svårare att återskapa snyggt i enklare byggare. Zapier eller Make kan fortfarande fungera om din process bara är ”nytt mejl → skicka Slack-meddelande”. Men när du aggregerar flera datakällor och poängsätter deals vill du ha den kontrollen som det här ger. Om du är osäker, prata med en automationsexpert så kvalitetssäkrar vi din setup.
När screening är konsekvent och snabb slutar du tveka och börjar agera. Låt arbetsflödet ta hand om research-tugget så att teamet kan fokusera på samtal, bud och genomförande.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.