Din leadlista ser bra ut tills du faktiskt ska använda den. Halva arken är bara domäner, resten är ”kanske”-gissningar kopierade från en snabb Google-sökning, och ingen kan säga vilka uppgifter som faktiskt är tillförlitliga.
Det är här Perplexity Sheets enrichment lönar sig. En marknadschef som planerar ABM, en säljledare som rensar en CRM-import och en konsult som bygger en prospektdatabas stöter alla på samma problem: inkonsekvent firmografidata och långsam research.
Det här arbetsflödet tar en enkel domänkolumn i Google Sheets och gör den till ett strukturerat prospektark (adress, telefon, antal anställda, omsättning, LinkedIn-URL och källor). Du får se hur det körs, vad du behöver och hur du anpassar det utan att bli teknisk.
Så fungerar den här automationen
Här är hela arbetsflödet som du kommer att sätta upp:
n8n Workflow Template: Google Sheets + Perplexity AI: bättre leadlistor
flowchart LR
subgraph sg0["Manual Execution Start Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Execution Start", pos: "b", h: 48 }
n1@{ icon: "mdi:database", form: "rounded", label: "Retrieve Pending Domains", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Domain Batches", pos: "b", h: 48 }
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/>External AI Inquiry"]
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/code.svg' width='40' height='40' /></div><br/>Extract AI Output"]
n5@{ icon: "mdi:database", form: "rounded", label: "Update Enriched Sheet", pos: "b", h: 48 }
n0 --> n1
n4 --> n5
n5 --> n2
n2 --> n3
n3 --> n4
n1 --> n2
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,n5 database
class n3 api
class n4 code
classDef customIcon fill:none,stroke:none
class n3,n4 customIcon
Varför det här spelar roll: rörig leaddata bromsar allt
Manuell enrichment ser harmlös ut i början. Du kopierar en företagsadress från en sidfot, plockar ett antal anställda från en slumpmässig katalog, klistrar in en LinkedIn-länk och går vidare. Sedan kommer du tillbaka en vecka senare och inser att hälften inte går att verifiera, format matchar inte, och fältet ”omsättning” är antingen tomt eller helt inkonsekvent. Den verkliga kostnaden är efterarbetet: fixa arket, dubbelkolla källor och diskutera internt vad som är ”tillräckligt bra” för att köra en kampanj.
Det drar snabbt iväg. Här är var det brukar fallera.
- Att researcha ett företag kan lätt ta 10 minuter när du räknar in verifiering och formatering.
- Folk klistrar in data i olika format, så senare segmentering blir ett rensningsprojekt.
- Utan käll-URL:er slutar det med att du researchar samma företag igen när intressenter frågar: ”Var kom det här ifrån?”
- Dubbletter smyger sig in eftersom det inte finns någon pålitlig ”bearbetad”-status, bara magkänsla och hållna tummar.
Det du bygger: en enrichment-pipeline från domän till firmografidata
Den här automationen börjar med ett Google Sheet som innehåller företagsdomäner och en enkel ”bearbetad”-flagga. När du kör den hämtar n8n bara raderna som ännu inte har enrichats. Därefter grupperas domänerna i batchar om 10, vilket håller arbetsflödet effektivt och hjälper dig att kontrollera Perplexity API-användningen. För varje batch gör Perplexity AI research på företaget och returnerar de detaljer du faktiskt behöver för outreach och targeting. Slutligen tolkar arbetsflödet AI-svaret till korrekt formaterad JSON och skriver tillbaka strukturerade fält i arket, samt markerar varje domän som bearbetad så att den inte behandlas igen.
Enkelt uttryckt: Google Sheets levererar arbetskön, Perplexity gör researchen och n8n håller allt konsekvent. Resultatet är ett användbart prospektark med adress, telefon, bransch, antal anställda, omsättning, LinkedIn-URL samt en pålitlig källänk för verifiering.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du har 200 domäner från en konferenslista. Manuellt, om research och formatering tar cirka 10 minuter per företag, blir det ungefär 33 timmar arbete (och det blir fortfarande inte konsekvent). Med det här arbetsflödet lägger du domänerna i Google Sheets, kör enrichment i batchar om 10 och låter det skriva tillbaka de strukturerade fälten automatiskt. Du lägger kanske 20 minuter på att sätta upp och stickprova, och granskar sedan det färdiga arket i stället för att bygga det rad för rad.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Sheets för din domänlista och din utdatatabell.
- Perplexity AI API för att ta fram firmografidata och källor.
- Perplexity API-nyckel (hämta den i din Perplexity-kontopanel)
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in ett dokument-ID och justerar en prompt om du vill ha en annan region.
Vill du att någon bygger det åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
En manuell körning startar jobbet. I basarbetsflödet klickar du på ”Execute” i n8n för att dra igång. Om du vill kan du senare byta till ett schema så att det körs automatiskt.
Google Sheets blir din kö. Arbetsflödet läser ditt ark och hämtar bara domäner som fortfarande är obearbetade. Den detaljen håller systemet rent, eftersom du kan fortsätta lägga till nya rader utan att oroa dig för dubbletter.
Domäner bearbetas i batchar. n8n grupperar jobbet i paket om 10 och skickar sedan varje batch till Perplexity via en HTTP-förfrågan. Det är här ”researchen” sker: adresser, telefonnummer, antal anställda, omsättning, bransch, LinkedIn och en käll-URL för validering.
Strukturerade resultat skrivs tillbaka till ditt ark. Ett tolkningssteg konverterar AI-svaret till korrekt formaterade fält, sedan uppdateras Google Sheets och ”bearbetad”-flaggan sätts. Nästa körning hoppas de raderna över automatiskt.
Du kan enkelt ändra målregionen (den är uppsatt för tyska adresser) så att den matchar din marknad. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar manuellt och läser sedan in väntande domäner för berikning.
- Lägg till och öppna Manual Execution Start för att bekräfta att det är trigger-noden (inga fält krävs).
- Koppla Manual Execution Start till Retrieve Pending Domains för att följa exekveringsflödet.
Steg 2: anslut Google Sheets
Konfigurera in- och utdataark så att arbetsflödet kan läsa obearbetade domäner och skriva tillbaka berikad data.
- Öppna Retrieve Pending Domains och välj ert Google Sheet i Document och Sheet.
- Säkerställ att filtret i Retrieve Pending Domains använder processed med lookupValue satt till
=så att endast väntande rader returneras. - Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-uppgifter till Retrieve Pending Domains.
- Öppna Update Enriched Sheet och välj samma Google Sheet och flik att uppdatera.
- Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-uppgifter till Update Enriched Sheet.
[YOUR_ID]) med era faktiska Google Sheet-ID:n, annars kommer noderna att returnera tomma resultat.Steg 3: konfigurera batchning och AI-berikning
Domäner bearbetas i batcher om 10, skickas till AI-endpointen och parsas till individuella objekt.
- Öppna Split Domain Batches och ställ in Batch Size till
10. - Bekräfta att Split Domain Batches tar emot data från Retrieve Pending Domains och skickar vidare till External AI Inquiry.
- Konfigurera External AI Inquiry med URL
https://api.perplexity.ai/chat/completionsoch MethodPOST. - Ställ in JSON Body i External AI Inquiry till den angivna mallen och behåll uttrycket för domäninjektion
{{ $input.all().map(item => item.json.domain) }}inuti prompten. - Inloggningsuppgifter krävs: Anslut era perplexityApi-uppgifter till External AI Inquiry.
- Öppna Extract AI Output och behåll den medföljande JavaScript-koden som tolkar AI-svaret och delar upp det i individuella företagsposter.
companies-array.Steg 4: konfigurera utdatamappning till Google Sheets
De parsade företagsposterna skrivs tillbaka till arket och markeras som bearbetade.
- I Update Enriched Sheet, behåll Operation inställd på
update. - Verifiera att Matching Columns inkluderar
domainså att uppdateringar matchar rader korrekt. - Bekräfta att kolumnmappningarna använder de befintliga uttrycken, till exempel city
{{ $json.city }}och phone{{ $json.phone.replace("+", "'+") }}. - Säkerställ att processed är satt till
trueså att rader inte bearbetas igen vid framtida körningar.
Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att validera hela berikningscykeln innan ni aktiverar arbetsflödet för produktion.
- Klicka på Execute Workflow för att trigga Manual Execution Start och köra hela flödet.
- Bekräfta att Retrieve Pending Domains returnerar rader med ett tomt processed-fält.
- Verifiera att External AI Inquiry returnerar ett strukturerat svar och att Extract AI Output ger ut ett objekt per företag.
- Kontrollera Google Sheet efter körningen—berikade kolumner ska vara ifyllda och processed ska vara
true. - Spara och aktivera arbetsflödet när testkörningen har slutförts utan fel.
Felsökningstips
- OAuth-inloggningen för Google Sheets kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera n8n-skärmen Credentials och autentisera om Google Sheets-anslutningen först.
- Om du använder batchhantering och Perplexity-förfrågan är långsam varierar handläggningstiderna. Öka eventuella waits/timeouts i inställningarna för HTTP Request om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in dina varumärkesregler och obligatoriska fält tidigt, annars kommer du att sitta och redigera utdata för alltid.
Snabba svar
Cirka 30 minuter om dina konton är klara.
Nej. Du kopplar främst Google Sheets och lägger in din Perplexity API-nyckel i HTTP-förfrågan.
Ja. n8n har ett gratis alternativ 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 kostnader för Perplexity API-användning, som beror på hur många domäner du enrichar.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och klarar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det handlar mest om ändringar i prompt och mapping. Du kan ändra region genom att redigera prompten som används i steget Perplexity HTTP Request så att den letar efter adresser i ditt målland (inte bara Tyskland). Vanliga justeringar är att lägga till ”finansieringsfas” eller ”nyckelprodukter”, ändra batchstorleken från 10 till något mindre och utöka kolumnerna i Google Sheets så att arbetsflödet kan skriva extra fält.
Oftast beror det på en ogiltig eller utgången API-nyckel i noden HTTP Request. Kontrollera authorization-headern (eller var du sparade nyckeln), skapa sedan en ny nyckel i Perplexity och uppdatera n8n. Om nyckeln är okej, leta efter rate limits eller timeouts när du kör större batchar. En till klassiker: om prompten ber om för mycket på en gång kan svaret bli inkonsekvent, vilket gör att tolkningen fallerar.
Tillräckligt för de flesta små team: hundratals till tusentals domäner, så länge du är bekväm med API-kostnaden och körtiden.
Ibland, ja. n8n är oftast mer flexibelt för batchhantering, att tolka strukturerad JSON och att loopa igenom rader utan att betala extra för varje litet steg. Det ger också ett alternativ för egen drift, vilket är praktiskt när du kör enrichment ofta. Zapier eller Make kan fortfarande fungera för lätta flöden i två steg, men det här användningsfallet blir snabbt komplicerat när du lägger till batching och datarensning. Prata med en automationsexpert om du vill ha hjälp att välja den enklaste vägen.
När det här är på plats slutar du ”researcha leads” och börjar granska ett färdigt ark. Arbetsflödet tar hand om de repetitiva delarna, och du behåller kontrollen med källänkar och korrekta kolumner.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.