Ditt lead-ark börjar enkelt. Sedan förvandlas det till en stökig kolumn med ”anteckningar”, halvt uppdaterade statusar och säljare som gissar vad de ska säga härnäst eftersom det inte finns tid att göra research på varje person.
Säljchefer märker det när kvaliteten i outreach varierar mellan säljare. En coach eller konsult märker det när de behöver snabba personlighetssignaler i stor skala. Och driver du en liten byrå har du troligen byggt ”ytterligare ett kalkylark” för att hålla ihop allt. Den här lead notes automation tar bort inkonsekvensen och ger dig användbara insikter utan extra flikar.
Det här flödet bevakar Google Sheets efter rader som är markerade ”Run”, genererar strukturerade BaZi-, numerologi- och DISC-liknande signaler med Gemini och skriver sedan tillbaka allt i samma rad (inklusive ett utkast till säljscript). Du får se vad det gör, vad du behöver och var team oftast går bet.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Google Sheets + Gemini: bättre lead-anteckningar
flowchart LR
subgraph sg0["Google Sheets Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Google Sheets Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If1", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If2", 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/merge.svg' width='40' height='40' /></div><br/>Merge"]
n5@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n6@{ icon: "mdi:database", form: "rounded", label: "Update row in sheet1", pos: "b", h: 48 }
n7@{ icon: "mdi:database", form: "rounded", label: "Update row in sheet2", pos: "b", h: 48 }
n8@{ icon: "mdi:database", form: "rounded", label: "Update row in sheet3", pos: "b", h: 48 }
n9@{ icon: "mdi:database", form: "rounded", label: "Update row in sheet4", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Filter", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n12@{ icon: "mdi:database", form: "rounded", label: "Get row(s) in sheet", pos: "b", h: 48 }
n13@{ icon: "mdi:database", form: "rounded", label: "Update row in sheet", pos: "b", h: 48 }
n14["<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/>Compute Bazi"]
n15["<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/>Compute Numerology"]
n16@{ icon: "mdi:robot", form: "rounded", label: "Numerology analysis", pos: "b", h: 48 }
n17@{ icon: "mdi:robot", form: "rounded", label: "Bazi Analysis", pos: "b", h: 48 }
n18@{ icon: "mdi:robot", form: "rounded", label: "DISC Analysis", pos: "b", h: 48 }
n19@{ icon: "mdi:robot", form: "rounded", label: "Summary Customer Insight", pos: "b", h: 48 }
n20@{ icon: "mdi:robot", form: "rounded", label: "Writing Script for Salers", pos: "b", h: 48 }
n1 --> n18
n1 --> n4
n2 --> n17
n2 --> n4
n3 --> n16
n3 --> n4
n4 --> n5
n10 --> n14
n5 --> n11
n14 --> n15
n17 --> n7
n18 --> n8
n11 --> n12
n11 --> n3
n11 --> n2
n11 --> n1
n15 --> n11
n15 --> n9
n12 --> n19
n16 --> n6
n6 --> n4
n7 --> n4
n8 --> n4
n0 --> n10
n19 --> n20
n20 --> 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 n16,n17,n18,n19,n20 ai
class n1,n2,n3,n10 decision
class n6,n7,n8,n9,n12,n13 database
class n14,n15 code
classDef customIcon fill:none,stroke:none
class n4,n14,n15 customIcon
Problemet: ditt ark har leads, inte kontext
Ett kalkylark kan säga vem någon är och kanske var de kom ifrån. Det säger sällan hur du ska prata med dem. Så säljarna improviserar. En person skriver genomtänkta, strukturerade anteckningar, en annan klistrar in en LinkedIn-bio och en tredje lämnar det tomt eftersom de stressar till nästa samtal. Sedan kommer den verkliga smärtan: uppföljningar som känns generiska, ”personalisering” som bara är en förnamnstoken och överlämningar där ingen litar på anteckningarna tillräckligt för att använda dem.
Det adderas snabbt. Här är var det faller isär.
- Någon uppdaterar en rad, men analysen blir aldrig gjord eftersom det är ett manuellt steg utan ansvarig.
- Säljare lägger cirka 10 minuter på att leta efter ”något personligt” och skickar ändå ett intetsägande meddelande.
- Anteckningar blir en slasktratt, vilket gör att du inte kan skala en konsekvent outreach-playbook i teamet.
- När data saknas (ingen födelsetid, inga anteckningar, oklar tidszon) gissar folk eller hoppar över leadet helt.
Lösningen: Gemini-drivna insikter som skrivs tillbaka till Google Sheets
Det här n8n-flödet gör Google Sheets till en lättviktig motor för personlighetinsikter. När du uppdaterar en rad och sätter Analysis Status till ”Run” hämtar automatiseringen leadets detaljer (som namn, födelsedatum, valfri födelsetid, telefon och eventuella anteckningar du har fångat). Den beräknar sedan strukturerade värden för BaZi (fyra pelare och månkalenderdatum) och numerologi (livsväg och flera relaterade poäng), och anropar bara Gemini för de analyser som faktiskt är rimliga utifrån vad som finns. Till sist skriver den tillbaka allt i dedikerade kolumner, lägger till en kombinerad sammanfattning ”Personality”, skapar ett utkast till säljscript och ändrar status till ”Done” så att du inte kör samma rad igen av misstag.
Flödet startar med en trigger på uppdaterad rad i Google Sheets. Därefter räknar kodnoderna fram BaZi- och numerologivärden, och villkorsgrenar avgör vilka Gemini-prompter som ska köras (BaZi, numerologi, DISC från Notes samt en enhetlig sammanfattning). Efter det slås resultaten ihop, aggregeras och skickas tillbaka till samma kalkylarksrad så att teamet kan jobba på ett och samma ställe.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du har 30 nya leads i veckan i ett Google Sheet. En säljare lägger vanligtvis cirka 10 minuter per lead på att plocka fram ”personlighetshints”, skriva om anteckningar och skissa ett första meddelande, vilket blir ungefär 5 timmar per vecka. Med det här flödet sätter du Analysis Status till Run (några sekunder) och väntar på att raden fylls i med fyra pelare, numerologi, DISC-signaler från Notes, en kombinerad sammanfattning och ett utkast till script. De flesta team får tillbaka de där 5 timmarna, och outreach slutar låta som 30 olika skribenter.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger funkar bra)
- Google Sheets för att lagra leads och analyskolumner.
- Google Gemini API för att generera analysen och skripten.
- Google Sheets OAuth2-uppgifter (skapas i Google Cloud Console).
Kunskapsnivå: Medel. Du klistrar in uppgifter, mappar kalkylarkskolumner och rimlighetskontrollerar tidszon och prompter.
Vill du inte sätta upp det här själv? Prata med en automationsspecialist (gratis 15-minuters konsultation).
Så fungerar det
En radändring triggar körningen. När någon uppdaterar en leadrad i Google Sheets och sätter Analysis Status till ”Run” fångar n8n upp det automatiskt.
Flödet räknar först fram grundvärdena. Två kodsteg beräknar månkalenderdatum och fyra pelare (BaZi) från födelsedatum (och födelsetid om den finns), och räknar sedan fram numerologivärden plus ett telefonbaserat tal för extra kontext.
Gemini genererar bara det som är relevant. IF-villkor kontrollerar vilken data som finns, och sedan tar Gemini fram korta, säljvänliga punktinsikter för BaZi, numerologi och DISC (DISC härleds från det du har skrivit i Notes-kolumnen). Ett annat Gemini-steg skapar en kombinerad sammanfattning ”Personality” och ett utkast till säljscript.
Allt skrivs tillbaka i samma ark. Dedikerade kolumner uppdateras (fyra pelare, numerologi, de tre analyserna, den kombinerade sammanfattningen och Script), och status växlar till ”Done” så att teamet ser att det är klart.
Du kan enkelt ändra prompter och utdata-kolumner så att de matchar din egen kvalificeringsmodell och din outreach-stil. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera triggern för ändringar i kalkylarket
Konfigurera arbetsflödet så att det startar varje gång ert kalkylark ändras.
- Lägg till noden Spreadsheet Change Trigger som arbetsflödets trigger.
- Inloggningsuppgifter krävs: Anslut era Google Sheets-inloggningsuppgifter i Spreadsheet Change Trigger.
- Koppla Spreadsheet Change Trigger till Apply Record Filter för att följa exekveringsflödet.
Steg 2: Anslut Google Sheets
Alla läs-/skrivåtgärder bygger på anslutning till Google Sheets över flera noder.
- Inloggningsuppgifter krävs: Anslut era Google Sheets-inloggningsuppgifter till Fetch Sheet Records, Modify Sheet Row, Update Sheet Row A, Update Sheet Row B, Update Sheet Row C och Update Sheet Row D.
- Säkerställ att Fetch Sheet Records är kopplad efter Iterate Batch Items så att rätt raddata hämtas för AI-bearbetning.
- Behåll uppdateringsnoderna kopplade till sina respektive AI-noder: Numerology Review → Update Sheet Row A, Bazi Review → Update Sheet Row B och DISC Review → Update Sheet Row C.
Steg 3: Sätt upp bearbetning och grenlogik
Filtrera poster, beräkna numerologi- och Bazi-värden och förgrena sedan till flera AI-granskningar.
- Konfigurera Apply Record Filter så att endast de rader ni vill bearbeta släpps igenom.
- Koppla Apply Record Filter → Calculate Bazi Profile → Calculate Numerology Scores i följd.
- Sätt upp Iterate Batch Items efter Aggregate Insights för att bearbeta rader i batchar.
- Routa batch-objekt till Branch Condition A, Branch Condition B och Branch Condition C för villkorade AI-granskningar.
- Säkerställ att Branch Condition A → Numerology Review, Branch Condition B → Bazi Review och Branch Condition C → DISC Review.
Parallell exekvering: Calculate Numerology Scores skickar output till både Iterate Batch Items och Update Sheet Row D parallellt.
Steg 4: Konfigurera AI-granskningar och aggregering
Använd Gemini-noder för att skapa granskningar, aggregera insikter och generera kundutdata.
- Inloggningsuppgifter krävs: Anslut era Google Gemini-inloggningsuppgifter till Numerology Review, Bazi Review, DISC Review, Generate Customer Summary och Draft Sales Script.
- Koppla Update Sheet Row A, Update Sheet Row B och Update Sheet Row C till Combine Branch Results för enhetlig hantering.
- Koppla Combine Branch Results → Aggregate Insights för att konsolidera AI-output.
- Säkerställ att Fetch Sheet Records → Generate Customer Summary → Draft Sales Script följer exekveringsflödet.
Steg 5: Konfigurera utdata och raduppdateringar
Slutför arbetsflödet genom att skriva tillbaka resultaten till kalkylarket.
- Koppla Draft Sales Script till Modify Sheet Row så att det slutliga manuset sparas i arket.
- Använd Update Sheet Row D för att spara beräknad numerologi-output från Calculate Numerology Scores.
- Verifiera att varje uppdateringsnod riktar in sig på rätt rad och kolumner i ert kalkylark.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett fullständigt test för att validera dataflöde, AI-svar och uppdateringar i arket.
- Klicka på Execute Workflow och uppdatera en rad i ert kalkylark för att trigga Spreadsheet Change Trigger.
- Bekräfta att Apply Record Filter släpper igenom raden, att AI-noder returnerar output och att uppdateringsnoder skriver tillbaka till arket.
- Kontrollera att sammanfogningen lyckas i Combine Branch Results och att aggregeringen sker i Aggregate Insights.
- När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Google Sheets OAuth-uppgifter kan gå ut eller sakna rätt scopes. Om uppdateringar slutar skrivas tillbaka, kontrollera credential-kopplingen i n8n och bekräfta att kalkylarket är delat med det anslutna Google-kontot.
- Om du använder Wait-noder eller extern rendering varierar processingtiderna. Öka väntetiden om nedströmsnoder misslyckas på tomma svar.
- Gemini-prompter som är för generiska ger ”kakafortuns”-insikter. Lägg in din tonalitet och din säljprocess tidigt (ICP, erbjudande, vanliga invändningar) annars kommer du att redigera utdata för alltid.
Vanliga frågor
Cirka en timme om dina arkkolumner redan matchar flödet.
Nej. Du kopplar främst ihop Google Sheets och Gemini och mappar sedan fält. De enda ”kod”-delarna är redan inkluderade; du bekräftar bara tidszon och indata.
Ja. n8n har ett gratisalternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med Gemini API-användning, vilket oftast landar på några dollar i månaden vid småteamvolym.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det är en bra idé. Behåll BaZi-/numerologiberäkningarna om du vill, och justera sedan Gemini-promptinnehållet i noderna för analys och scriptgenerering så att de outputtar BANT- eller MEDDICC-fält. Vanliga justeringar är att skriva om Script så att det matchar din samtalsstruktur, göra om Personality-sammanfattningen till ”Invändningar + bästa kanal” och lägga till en notering om confidence när indata är tunn.
Oftast beror det på utgånget OAuth-samtycke eller att fel Google-konto är anslutet i n8n. Anslut Google Sheets-credential igen och dubbelkolla sedan spreadsheet-ID:t och att det anslutna kontot kan redigera arket. Om det bara misslyckas på vissa rader kan det också vara en header-missmatch (kolumnnamn måste matcha vad flödet förväntar sig) eller att ett skyddat område blockerar uppdateringar.
Gott om för ett typiskt SMB-ark: hundratals eller tusentals rader är normalt, men din gräns beror på din n8n-plan och hur många leads du markerar ”Run” på en gång.
Ofta, ja, om du bryr dig om grenlogik och att hålla kostnaderna förutsägbara. Det här flödet kontrollerar vilka indata som finns, kör bara relevanta Gemini-steg och slår sedan ihop allt tillbaka till en rad, vilket är den typen av flöde med flera grenar som blir klumpigt (och dyrt) i enklare automationsverktyg. n8n ger dig också ett alternativ för egen drift, så du betalar inte per task för alltid när volymen växer. Zapier eller Make kan fortfarande vara helt okej för ett tvåstegsupplägg ”rad tillagd → skicka meddelande”. Vill du ha hjälp att välja, prata med en automationsspecialist.
Du får ett kalkylark som faktiskt hjälper dig att sälja, inte ett som bara lagrar namn. Sätt upp det en gång, så slipper teamet uppfinna ”personalisering” på nytt för varje enskilt lead.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.