Du bokade samtalet. Perfekt. Nu kommer stressen: leta upp prospektet, skumma deras sajt, gissa deras tech stack och sedan skriva ”personliga” uppföljningar som ändå låter likadant.
Den här call prep automation slår mot säljare först, ärligt talat. Men grundare som säljer själva och byråägare som kör discovery calls känner det också. Målet är enkelt: dyka upp med en tydlig brief och sedan lämna samtalet med uppföljningar som redan är utkastade.
Det här flödet använder Google Sheets som din källa till sanning, lägger till riktig webbresearch och låter OpenAI förvandla det till en samtalsbrief plus ett mejl och ett sms som du faktiskt kan skicka. Du får se hur det körs, vad du behöver och var team oftast kör fast.
Så här fungerar automationen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Google Sheets + OpenAI: säljcall-förberedelse klar
flowchart LR
subgraph sg0["When clicking ‘Test workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Test workflow’", pos: "b", h: 48 }
n1@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n2@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n3@{ icon: "mdi:wrench", form: "rounded", label: "Tavily", pos: "b", h: 48 }
n4@{ icon: "mdi:database", form: "rounded", label: "Product List", pos: "b", h: 48 }
n5@{ icon: "mdi:database", form: "rounded", label: "Update Sheet", pos: "b", h: 48 }
n6@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n7@{ icon: "mdi:robot", form: "rounded", label: "Sales Writing Assistant", pos: "b", h: 48 }
n8@{ icon: "mdi:database", form: "rounded", label: "Review Calls", pos: "b", h: 48 }
n9@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model1", pos: "b", h: 48 }
n10@{ icon: "mdi:database", form: "rounded", label: "Testimonials Tool", pos: "b", h: 48 }
n11@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser1", pos: "b", h: 48 }
n12@{ icon: "mdi:database", form: "rounded", label: "Update Sheets 2", pos: "b", h: 48 }
n3 -.-> n1
n1 --> n7
n4 -.-> n1
n8 --> n1
n5 -.-> n1
n12 -.-> n7
n2 -.-> n1
n10 -.-> n7
n9 -.-> n7
n6 -.-> n1
n11 -.-> n7
n0 --> n8
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 n1,n6,n7,n11 ai
class n2,n9 aiModel
class n3 ai
class n4,n5,n8,n10,n12 database
Problemet: förberedelser inför säljsamtal är inkonsekventa (och det märks)
Manuell samtalsförberedelse fallerar på det mest irriterande sättet. Inte för att du inte kan göra det, utan för att det kläms in mellan möten, Slack-notiser och ”snabba” uppgifter som aldrig förblir snabba. Du slutar med att ha 12 flikar öppna, kopiera bitar av info in i ett dokument och sedan skriva en uppföljning från noll när detaljerna redan börjar blekna. Vissa samtal får grym förberedelse. Andra får en stressad LinkedIn-skummning och ett generiskt mejl. Den inkonsekvensen kostar förtroende och den dödar pipen i det tysta.
Det går snabbt att summera. Här är var det brukar brista i verkligheten.
- Du tappar cirka 30 minuter per samtal på att göra samma researchmönster om och om igen.
- Viktig kontext missas, så de första fem minuterna låter som att du inte gjort läxan.
- Uppföljningar skickas sent, eller inte alls, eftersom både mejl och sms är ännu en sak att göra.
- Dina bästa säljare skapar riktigt bra briefs, men teamet kan inte standardisera vad ”bra förberedelse” ens betyder.
Lösningen: en Sheets-driven säljassistent som researchar och skriver uppföljningsutkast
Det här n8n-flödet gör om en rad i Google Sheets till en färdig samtalsbrief och utkast till outreach. När ett nytt samtal bokas (eller när du triggar det manuellt vid test) hämtar det prospektposten från din flik ”Meeting Data” och kör sedan webbresearch för att samla användbara detaljer, som vad bolaget gör, senaste uppdateringar och signaler om deras stack. Därefter kontrollerar det din egen ”Products”-lista så att rekommendationerna inte blir slumpmässiga. Slutligen genererar OpenAI en strukturerad brief plus ett personligt bekräftelsemejl (ämnesrad och brödtext) och ett kort sms, och använder relevanta kundcitat från ”Success Stories” så att ditt budskap har bevis inbyggt. Flödet skriver tillbaka allt till Google Sheets, så förberedelser och utkast finns exakt där teamet redan jobbar.
Det börjar med en samtalspost i Sheets. Research samlas in via ett HTTP-baserat webbresearchverktyg (Tavily) och slås sedan ihop med din produktkatalog och kundcitat. I slutet uppdateras arket med briefen och outreach-texten, redo för dig att granska och skicka.
Vad du får: automation vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du kör 5 bokade samtal i veckan. Manuellt blir förberedelserna ofta en LinkedIn-skummning (10 minuter), snabb koll av sajten (10 minuter), kontroll av ”vad säljer vi ens som passar?” (10 minuter) och sedan skriva ett mejl och ett sms (cirka 15 minuter). Det är ungefär 45 minuter per samtal, eller nära 4 timmar i veckan. Med det här flödet triggar du en gång, väntar några minuter på research och generering och lägger sedan cirka 5 minuter på att granska briefen och utkasten i Google Sheets. Du får tillbaka runt 3 timmar de flesta veckor.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Google Sheets för att lagra mötesdata, produkter och kundcitat
- OpenAI för att generera briefs samt utkast till mejl och sms
- Tavily API-nyckel (hämta den i din Tavily-dashboard)
Svårighetsnivå: Nybörjare. Du kopplar mest konton, klistrar in två API-nycklar och duplicerar det Google Sheet som ingår.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Samtalsposten triggar körningen. Vid test startar du manuellt. I produktion är det tänkt att köra när en ny bokning kommer in i ditt system och hamnar i ditt ”Meeting Data”-ark.
Prospektkontext samlas på ett ställe. n8n hämtar samtalsposten från Google Sheets, och sedan använder research-agenten ett webbresearchverktyg (Tavily via HTTP) för att samla in användbar, aktuell information om bolaget.
Ditt erbjudande matchas mot vad de sannolikt behöver. Flödet kollar din flik ”Products” och hämtar relevanta success stories från din ”Success Stories”-data, så att budskapet är kopplat till det du faktiskt levererar.
Brief + outreach-utkast genereras och loggas. OpenAI tar fram en strukturerad samtalsbrief och skriver ett personligt bekräftelsemejl (ämnesrad och brödtext) plus ett sms. Därefter uppdaterar flödet Google Sheets så att säljaren kan granska, justera och skicka.
Du kan enkelt ändra vilka kolumner i arket som fylls i för att matcha din CRM, eller anpassa tonen i utkasten från ”vänlig” till ”rak” beroende på behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera manuell trigger
Starta arbetsflödet manuellt för att hämta nya samtalsloggar och skapa research- och outreach-innehåll.
- Lägg till eller öppna Manual Start Trigger som arbetsflödets trigger.
- Koppla Manual Start Trigger till Retrieve Call Records för att starta dataflödet.
Steg 2: koppla Google Sheets
Konfigurera alla Google Sheets-noder som läser eller uppdaterar er prospektdata och era loggar för meddelanden.
- Öppna Retrieve Call Records och ställ in Document till
[YOUR_ID]och Sheet tillMeeting Data. Behåll filtret på company_overview med lookupValue inställt påFILL. - Öppna Product Catalog Lookup och ställ in Document till
[YOUR_ID]och Sheet tillProducts. - Öppna Update Research Sheet och bekräfta att Operation är
update, att Document är[YOUR_ID]och att Sheet ärMeeting Data. Lämna kolumnmappningens uttryck som de är konfigurerade (t.ex.={{ $json.Email }}och={{ $fromAI('company_overview', ``, 'string') }}). - Öppna Testimonial Finder och ställ in Document till
[YOUR_ID]och Sheet tillSuccess Stories. - Öppna Log Outreach Messages och bekräfta att Operation är
update, med Document inställt på[YOUR_ID]och Sheet inställt påMeeting Data. Behåll uttrycken som={{ $('Retrieve Call Records').item.json.Email }}och={{ $fromAI('email_subject', ``, 'string') }}. - Credential Required: Koppla era Google Sheets-uppgifter till Retrieve Call Records, Product Catalog Lookup, Update Research Sheet, Testimonial Finder och Log Outreach Messages.
Steg 3: konfigurera research-orkestrering (AI)
Konfigurera research-agenten som berikar varje prospekt med bolagsinsikter och rekommenderade lösningar.
- Öppna Research Orchestrator och bekräfta att prompten i Text använder uttrycket
=Please research these sales call attendees...{{ $json.Name }}...{{ $json['Company Name'] }}...{{ $json.Project }}. - Verifiera kopplingen till språkmodellen: Primary Chat Model är LLM:en för Research Orchestrator. Credential Required: Koppla era OpenAI-credentials till Primary Chat Model.
- Bekräfta verktygskopplingarna för agenten: Web Research Tool, Product Catalog Lookup och Update Research Sheet är anslutna till Research Orchestrator.
- Öppna Web Research Tool och ersätt platshållaren i JSON Body med er riktiga API-nyckel:
"api_key": "[CONFIGURE_YOUR_API_KEY]". - Öppna Parse Research Output och behåll schemaexemplet som det är för att säkerställa att output innehåller
company_overview,tech_stack,company_updates,primary_solution,solution_2ochsolution_3. Den här parsern är kopplad till Research Orchestrator.
Steg 4: konfigurera generering av outreach (AI)
Konfigurera den andra agenten som tar fram personliga e-post- och SMS-utskick och sedan loggar tillbaka till Sheets.
- Öppna Outreach Copy Assistant och behåll prompten i Text med uttryck som refererar till Retrieve Call Records, till exempel
{{ $('Retrieve Call Records').item.json.Name }}och{{ $json.output.company_overview }}. - Verifiera kopplingen till språkmodellen: Secondary Chat Model är LLM:en för Outreach Copy Assistant. Credential Required: Koppla era OpenAI-credentials till Secondary Chat Model.
- Bekräfta verktygskopplingarna för agenten: Testimonial Finder och Log Outreach Messages är anslutna till Outreach Copy Assistant.
- Öppna Parse Outreach Output och behåll det manuella schemat med obligatoriska fält
subject,emailochtext_message. Den här parsern är kopplad till Outreach Copy Assistant.
Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att verifiera att research-berikning och outreach-loggning fungerar end-to-end.
- Klicka på Execute Workflow på Manual Start Trigger för att köra ett test.
- Bekräfta att Retrieve Call Records returnerar en rad där company_overview är lika med
FILL. - Verifiera att Update Research Sheet skriver fält som
company_overview,tech_stackochprimary_solutiontill raden med matchande e-postadress. - Kontrollera Log Outreach Messages för att säkerställa att
email_subject,email_textochsmsuppdateras för samma e-postadress. - När det fungerar, växla arbetsflödet till Active för att använda det i produktion.
Vanliga fallgropar
- Google Sheets OAuth-credentials kan löpa ut eller sakna åtkomst till rätt Drive-fil. Om uppdateringar slutar skrivas, kontrollera Google-credential i n8n och bekräfta att ID:t för det duplicerade arket är korrekt i varje Sheets-nod.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om nedströms noder fallerar på tomma svar.
- OpenAI-prompterna är ganska generiska i början. Lägg in er tonalitet och era ”det här gör vi inte”-gränser tidigt, annars kommer du att fortsätta redigera samma fluff varje gång.
Vanliga frågor
Cirka 10–15 minuter när dina konton är klara.
Nej. Du kopplar Google Sheets och klistrar in API-nycklar. Efter det är det mest prompter och ark-kolumner du justerar.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod i n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för OpenAI API och Tavily-användning, som vanligtvis landar på några dollar i månaden vid normal volym.
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 obegränsat antal körningar men kräver grundläggande serveradministration.
Ja, och det är mest promptarbete. Byt språket i prompterna ”Research Orchestrator” och ”Outreach Copy Assistant” så att det speglar din bransch, och justera flikarna i arket för ”Product Catalog Lookup” och ”Testimonial Finder” så att flödet hämtar rätt bevispunkter. Vanliga justeringar är att ändra brief-formatet, sätta en strikt ordgräns och lägga till ”frågor att ställa” anpassade till ditt erbjudande. Du kan också byta namn på eller mappa om utdatafälten i parsing-noderna så att ark-kolumnerna matchar teamets arbetssätt.
Oftast är det ett OAuth-behörighetsproblem eller att sheet ID är fel i någon nod. Bekräfta att du duplicerade mallarket och säkerställ sedan att varje Google Sheets-nod pekar på det nya documentId. Om det fortfarande fallerar, autentisera om Google-credential i n8n och verifiera att den har åtkomst till filen i Drive.
Många.
Ofta, ja, om du bryr dig om kvalitet och kontroll. Det här flödet använder agenter, parsing av strukturerad output och flera datauppslag (produkter plus kundcitat) innan det skriver tillbaka till Sheets, och n8n passar helt enkelt bättre för den typen av grenad logik. Du får också möjligheten att self-hosta, vilket spelar roll när du kör många call prep automation-körningar. Zapier eller Make kan gå snabbare att komma igång med för enkla automationer som ”ny rad → skicka mejl”, men de blir klumpiga när du vill ha djupare research och pålitliga strukturerade outputs. Prata med en automationsexpert om du vill ha hjälp att välja.
Strukturerade förberedelser, utkastade uppföljningar och ett ställe att hålla ihop allt. Sätt upp det en gång och lägg sedan tiden på samtalet istället för copy-paste.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.