Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Google Sheets + Gmail: bara de bästa jobblarmen

Rickard Andersson Partner, Nodenordic.se

Jobbsökande faller isär på samma ställe varje gång. Du kollar några karriärsidor, glömmer en, missar en annons och spenderar sedan kvällen med att doom-scrolla listor du ändå aldrig skulle ta.

Den här automatiseringen för jobbaviseringar träffar jobbsökare först, ärligt talat. Men rekryterare som bygger shortlistor och karriärcoacher som bevakar “rätt match”-roller känner samma seghet. Utfallet är enkelt: färre brusiga aviseringar, snabbare ansökningar och en strukturerad Google Sheets-logg du kan lita på.

Det här arbetsflödet skannar dina målföretags sidor dagligen, poängsätter varje ny roll med AI, loggar allt och mejlar bara de som faktiskt matchar. Nedan ser du hur det fungerar, vad du behöver och var team vanligtvis justerar det.

Så fungerar den här automatiseringen

Hela n8n-arbetsflödet, från trigger till slutresultat:

n8n Workflow Template: Google Sheets + Gmail: bara de bästa jobblarmen

Problemet: jobbaviseringar är brusiga, sena eller både och

De flesta “jobbaviseringar” är inte intelligens. Det är volym. Du blir pingad för titlar du aldrig skulle söka, dubbletter som fortsätter dyka upp igen och luddiga matchningar som slösar din uppmärksamhet. Sedan finns den manuella biten: att kolla samma karriärsidor varje morgon, kopiera detaljer till ett kalkylark och försöka minnas om du redan såg rollen förra veckan. Det är tröttande och det saktar ner det enda som betyder något i en konkurrensutsatt process: att svara tidigt med en stark ansökan.

Friktionen bygger på. Här är var det brister i verkligheten.

  • Att manuellt granska 10 företags karriärsidor kan ta ungefär en timme per dag, särskilt när sidor är långsamma eller röriga.
  • Dubbletter slinker igenom, så du börjar tvivla på dig själv och slösar tid på att dubbelkolla roller du redan gått igenom.
  • Generiska aviseringar förstår inte nivå eller relevans, vilket gör att du blir distraherad precis när du behöver fokus.
  • Utan en pålitlig databas är det svårt att se mönster (vilka företag som anställer, vilka stackar som återkommer och vad du ska prioritera nästa vecka).

Lösningen: daglig jobskanning + AI-poängsättning + Gmail-aviseringar

Det här arbetsflödet gör din jobbsökning till ett enkelt dagligt system. Klockan 09:00 hämtar n8n dina målföretags karriärsidors URL:er från Google Sheets och besöker varje sida automatiskt. Det skrapar aktuella annonser, strukturerar rörig siddata till korrekt formaterade jobbposter och jämför dem mot det du redan loggat så att du inte bearbetar samma roll om och om igen. Sedan kliver AI in: den bedömer relevans, uppskattar senioritetsnivå och lägger till användbar kontext som signaler om tech stack. Till sist mejlas bara högprioriterade roller till dig via Gmail, medan varje ny roll (hög och låg) ändå läggs till i ditt spårningsark för senare genomgång.

Arbetsflödet startar med en schemalagd skanning och en lista med företagslänkar i Google Sheets. Därifrån gör Decodo-skrapning och AI-tolkning varje karriärsida till strukturerade jobbrader du kan filtrera. I slutet skickar Gmail en personlig avisering bara när jobbpoängen passerar din tröskel (den här mallen använder en poäng över 8 av 10).

Det här får du: automatisering vs. resultat

Exempel: så här ser det ut

Säg att du följer 10 företag och gör en “snabbkoll” varje vardag. Även med 6 minuter per karriärsida blir det cirka en timme per dag, plus ytterligare 20 minuter för att kopiera länkar och titlar till ett ark. Med det här arbetsflödet lägger du kanske 5 minuter en gång på att underhålla företagslistan i Google Sheets, och sedan öppnar du bara Gmail när en roll får över 8/10. De flesta dagar innebär det att du läser 1–3 högkvalitativa aviseringar och går vidare.

Det du behöver

  • n8n-instans (prova n8n Cloud gratis)
  • Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
  • Google Sheets för företags-URL:er och spårning av jobbdatabasen.
  • Gmail för att skicka mejl med prioriterade jobbaviseringar.
  • OpenAI API-nyckel (hämta den i din OpenAI-kontoöversikt).

Kunskapsnivå: Medel. Du kopplar in behörigheter, verifierar Google Sheets-strukturen och justerar en eller två poängsättningsregler så att det passar dina preferenser.

Vill du inte sätta upp det här själv? Prata med en automations-expert (gratis 15-minuters konsultation).

Så fungerar det

En daglig schemaläggare drar igång. Klockan 09:00 kör n8n automatiskt och hämtar dina målföretags karriärsidors URL:er från Google Sheets. Inga påminnelser. Ingen kalenderblockering.

Karriärsidor skrapas och struktureras. Arbetsflödet använder Decodo för att extrahera annonser och tolkar sedan sidans output till konsekventa fält (jobbtitel, länk, företag och de detaljer den kan upptäcka pålitligt). Det här är delen som räddar dig från rörig copy-paste.

Dubbletter filtreras innan du får notiser. Det hämtar befintliga roller från din Google Sheets-databas, slår ihop “nytt” och “redan sett”, och filtrerar sedan fram unika roller i kod så att du inte poängsätter och mejlar samma jobb upprepade gånger.

AI poängsätter relevans och styr utfallet. En AI-agent utvärderar varje ny annons, tilldelar en relevanspoäng och senioritetsnivå, och berikar posten med användbara anteckningar (som ledtrådar om tech stack). Roller med hög poäng läggs till och skickas även ut via Gmail. Allt annat loggas ändå, vilket håller din databas komplett.

Du kan enkelt ändra relevanströskeln (och vad “bra” betyder) så att den matchar dina måltitlar, platser eller tech stack. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: konfigurera schematriggern

Ställ in arbetsflödet så att det körs automatiskt varje dag och startar företagsscanningen.

  1. Öppna Daily Scan Scheduler och ställ in triggerregeln så att den körs dagligen vid triggerAtHour: 9.
  2. Bekräfta att Daily Scan Scheduler är kopplad till Retrieve Company Links som första datasteg.

Tips: Om ni behöver ett annat schema, uppdatera regeln i Daily Scan Scheduler med den timme ni föredrar.

Steg 2: anslut Google Sheets

Läs in URL:er till företagens karriärsidor och spara de berikade rollerna tillbaka i ert Jobs-ark.

  1. I Retrieve Company Links ställer ni in Document till [YOUR_ID] och Sheet Name till gid=0. Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter.
  2. I Fetch Existing Roles ställer ni in Document till [YOUR_ID] och Sheet Name till 828928514. Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter.
  3. I Append New Roles Sheet ställer ni in Operation till append och mappar kolumner: link{{$json.link}}, company{{$json.company}}, job_listing{{$json.job_listing}}. Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter.

⚠️ Vanlig fallgrop: Ersätt [YOUR_ID] med ert faktiska Google Sheet-ID, annars kommer arbetsflödet att returnera tomma resultat.

Steg 3: konfigurera AI för scraping och parsning

Skrapa företagens karriärsidor och normalisera jobbannonserna till strukturerad data.

  1. I Iterate Company List ställer ni in Batch Size till 1 för att behandla ett företag i taget.
  2. I Career Page Agent ställer ni in Text till =Use Decodo to scrape new job listings from the current company's career page, record the company name, job titles, and links. The URL is: {{ $json.URL_Column_Name }}.
  3. Anslut OpenAI Listing Model som språkmodell för Career Page Agent. Credential Required: Anslut era openAiApi-uppgifter.
  4. Anslut Decodo Scrape Tool som ett verktyg för Career Page Agent med URL satt till {{ /*n8n-auto-generated-fromAI-override*/ $fromAI('URL', ``, 'string') }}. Credential Required: Anslut era decodoApi-uppgifter i Career Page Agent (föräldranoden).
  5. Koppla Listing Data Parser som utdata-parser för Career Page Agent med det medföljande JSON-schemaexemplet. Lägg till parserinställningarna i Career Page Agent (föräldranoden), inte i själva parsern.
  6. Bekräfta att Career Page Agent skickar utdata till Fetch Existing Roles, Slack Status Notice och Build Job Items parallellt.

Tips: Säkerställ att ert företagsark har en kolumn som heter URL_Column_Name eftersom Career Page Agent refererar till {{ $json.URL_Column_Name }}.

Steg 4: konfigurera avduplicering och batchning av roller

Slå ihop nya annonser med befintliga roller och filtrera fram unika tjänster innan poängsättning.

  1. I Build Job Items behåller ni den medföljande JavaScript-koden som omvandlar parsade annonser till individuella items med company, job_listing och link.
  2. Säkerställ att Combine New and Existing tar emot indata från både Fetch Existing Roles och Build Job Items.
  3. I Filter Unique Roles behåller ni den medföljande JavaScript-koden som tar bort dubbletter baserat på job_listing och row_number.
  4. I Batch New Roles ställer ni in Batch Size till 1 för att bearbeta en roll per poängsättningsanrop.

Steg 5: konfigurera relevanspoäng och filtrering

Poängsätt varje roll med AI och behåll endast möjligheter med hög relevans.

  1. I Role Relevance Assessor ställer ni in Text till =assign a Relevance Score (1-10), Seniority Level, and a Tech Stack Summary based on the job title. Job title: {{ $json.job_listing }}.
  2. Anslut OpenAI Scoring Model som språkmodell för Role Relevance Assessor. Credential Required: Anslut era openAiApi-uppgifter.
  3. Koppla Structured Result Mapper som utdata-parser för Role Relevance Assessor med det medföljande JSON-schemaexemplet. Lägg till parserinställningarna i Role Relevance Assessor (föräldranoden), inte i själva parsern.
  4. I Augment Job Insights mappar ni fält med uttryck: company{{ $('Batch New Roles').item.json.company }}, job_listing{{ $('Batch New Roles').item.json.job_listing }}, link{{ $('Batch New Roles').item.json.link }}, output.relevance_score{{ $json.output.relevance_score }}, output.seniority_level{{ $json.output.seniority_level }}, output.tech_stack_summary{{ $json.output.tech_stack_summary }}.
  5. I High Score Filter ställer ni in villkoret till relevance_score gt 8 med Left Value {{ $json.output.relevance_score }}.

⚠️ Vanlig fallgrop: Om schemat för utdata-parsern inte matchar AI-svarets struktur kan High Score Filter få tomma värden och hoppa över alla roller.

Steg 6: konfigurera notiser och lagring

Notifiera Slack, spara nya roller och skicka en daglig e-postsammanfattning.

  1. I Slack Status Notice ställer ni in Text till =New job listings at {{ $json.output.company_name }} Jobs {{ $json.output.job_listings }}. Credential Required: Anslut era slackApi-uppgifter.
  2. Bekräfta att High Score Filter skickar items som passerar till Append New Roles Sheet och items som inte passerar till Join Output Streams.
  3. Verifiera att Append New Roles Sheet skickar utdata till Join Output Streams, som sedan skickar data till Send Alert Email.
  4. I Send Alert Email ställer ni in Send To till [YOUR_EMAIL], Subject till Daily High-Relevance Job Alerts och Message till =

    🚀 Today's Top Job Alerts

    Company: {{ $json.company }} Job: {{ $json.job_listing }} Link: {{ $json.link }}
    . Credential Required: Anslut era gmailOAuth2-uppgifter.
  5. Låt Completion Marker vara kvar som den sista no-op-noden för att signalera att körningen är klar.

⚠️ Vanlig fallgrop: Ersätt [YOUR_EMAIL] i Send Alert Email, annars når era aviseringar inte den avsedda inkorgen.

Steg 7: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att verifiera dataflödet och aktivera sedan schemat.

  1. Klicka på Execute Workflow och bekräfta att Daily Scan Scheduler triggar Retrieve Company Links.
  2. Övervaka den parallella grenen från Career Page Agent för att säkerställa att Fetch Existing Roles, Slack Status Notice och Build Job Items alla körs utan problem.
  3. Verifiera att roller med höga poäng passerar High Score Filter och läggs till i arket via Append New Roles Sheet.
  4. Bekräfta att Send Alert Email levererar ett meddelande med förväntade värden för företag, jobbtitel och länk.
  5. När ni har verifierat allt, slå på Active för att aktivera dagliga körningar.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Behörigheter i Google Sheets kan vara den tysta mördaren. Om tillägg misslyckas, kontrollera det anslutna Google-kontot i n8n-credentials och bekräfta att arket är delat med redigeringsbehörighet.
  • Om du använder Wait-noder eller extern rendering varierar processtider. Öka väntetiden om nedströmsnoder misslyckas på tomma svar.
  • OpenAI-prompter är generiska som standard. Bygg in dina måltitlar, “no-go”-nyckelord och platsregler tidigt, annars kommer du att redigera aviseringar för alltid.

Vanliga frågor

Hur lång tid tar det att sätta upp den här automatiseringen för jobbaviseringar?

Cirka 30–60 minuter om dina Google- och OpenAI-konton är redo.

Behöver jag kodningskunskaper för att automatisera jobbaviseringar?

Nej. Du kopplar mest konton och klistrar in API-nycklar. Den enda “koden” här är redan inkluderad i mallnoderna.

Är n8n gratis att använda för det här arbetsflödet för jobbaviseringar?

Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på $20/månad för högre volymer. Du behöver också räkna in OpenAI API-användning (ofta några dollar i månaden för typisk skanning) samt din Decodo-skrapningsanvändning.

Var kan jag hosta n8n för att köra den här automatiseringen?

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 serveradministration.

Kan jag anpassa det här arbetsflödet för jobbaviseringar för olika jobbkriterier?

Ja, och det bör du nog. De flesta justerar AI-promten som används av Role Relevance Assessor och ändrar regeln i High Score Filter (mallen använder poäng över 8/10). Vanliga justeringar är att exkludera vissa nyckelord (som “senior” eller “on-site”), prioritera specifika platser och vikta roller som matchar din mål-tech stack.

Varför misslyckas min Google Sheets-anslutning i det här arbetsflödet?

Oftast är det behörigheter eller fel Google-konto som är anslutet. Autentisera om Google Sheets-credential i n8n, bekräfta att kalkylarket är åtkomligt för det kontot och dubbelkolla att blad-/fliknamn matchar det arbetsflödet förväntar sig. Om det fungerar ibland och misslyckas i batcher kan du slå i Google API-kvot eller skicka för många skrivningar samtidigt, så minska batchstorleken och försök igen.

Hur många jobbannonser kan den här automatiseringen för jobbaviseringar hantera?

På n8n Cloud beror det på dina körningsgränser, men de flesta mindre setup:ar hanterar hundratals annonser per dag utan problem. Om du kör egen hosting finns ingen körningsgräns; serverstorleken samt skraparens/API:ernas rate limits blir de största begränsningarna. I praktiken bearbetar arbetsflödet annonser i batcher, så skalning handlar oftast om att öka batchstorlekar försiktigt och ge skrapningen lite mer tid.

Är den här automatiseringen för jobbaviseringar bättre än att använda Zapier eller Make?

Ofta, ja, eftersom den här typen av arbetsflöde behöver förgreningslogik, avduplicering och AI-berikning på ett och samma ställe. n8n är också enklare att hosta själv, vilket spelar roll om du vill köra många dagliga körningar utan att automationskostnaden smyger upp. Zapier eller Make kan fungera för en lätt version (två steg, en avisering), men de blir klumpiga när du skrapar, jämför mot en databas och poängsätter poster i batcher. Om du är osäker, välj verktyget du faktiskt kommer att underhålla. Prata med en automations-expert så får du en rak rekommendation.

Det här är den typen av automatisering du sätter upp en gång och sedan har nytta av varje morgon, i det tysta. Mindre brus, mer tempo och en jobbdatabase som fortsätter vara användbar långt efter att aviseringsmejlet är borta.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal