Du börjar med en enkel lista med företagsdomäner. Sedan drar den “snabba researchen” igång. Tio flikar senare letar du fortfarande efter finansiering, ledtrådar om antal anställda, startår och något som är tillräckligt pålitligt för att klistra in i ett kalkylark.
Det här slår först mot growth marketers och BD-team, om vi ska vara ärliga. Men byråoperatörer som bygger prospektlistor känner av det också. Med den här automationen för Sheets-berikning kan du förvandla tomma domäner till användbara företagsprofiler utan copy-paste-slitet.
Det här arbetsflödet hämtar rader från Google Sheets, slår upp varje domän i ProspectLens och skriver tillbaka de berikade fälten i ditt kalkylark. Du får se vad det gör, vad du får ut och hur du kör det säkert i stor skala.
Så fungerar den här automationen
Hela n8n-arbetsflödet, från trigger till slutresultat:
n8n Workflow Template: Google Sheets + ProspectLens: berika bolagsdata snabbt
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:swap-horizontal", form: "rounded", label: "Filter", pos: "b", h: 48 }
n2@{ icon: "mdi:database", form: "rounded", label: "Save company data into Sheets", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", 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/httprequest.dark.svg' width='40' height='40' /></div><br/>ProspectLens API call"]
n5@{ icon: "mdi:database", form: "rounded", label: "Get all rows from Sheets", pos: "b", h: 48 }
n1 --> n3
n3 --> n4
n4 --> n2
n4 --> n3
n5 --> n1
n2 --> n3
n0 --> n5
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 decision
class n2,n5 database
class n4 api
classDef customIcon fill:none,stroke:none
class n4 customIcon
Problemet: företagsresearch blir kalkylarkskaos
Företagsberikning låter enkelt tills du försöker göra det konsekvent. En person kopierar “Grundat 2018” från en profilsida, en annan lägger till “typ 2017” från en artikel, och någon lämnar det tomt eftersom de inte kunde bekräfta det. Finansieringsdata är värre. Trafikestimat skiljer sig mellan verktyg, och halva tiden är du inte säker på att du tittar på rätt bolag. Efter några varv är ditt Google Sheet fullt av halvifyllda rader, slumpmässiga format och anteckningar som “kolla senare”, vilket aldrig händer.
Det summerar snabbt. Här är var det faller isär i det dagliga arbetet:
- Du lägger ungefär 10 minuter per företag bara på att samla grunderna, och tiden sticker iväg när en domän omdirigerar eller varumärket har flera namn.
- Dina fält blir inkonsekventa, vilket gör filtrering och lead scoring till ett manuellt städprojekt.
- En missad detalj (fel domän, fel LinkedIn-sida) kan förgifta en hel outreach-sekvens med dålig personalisering.
- Skalning gör ont eftersom processen bygger på mänskligt tålamod, inte ett repeterbart system.
Lösningen: berika domäner i Google Sheets med ProspectLens
Det här n8n-arbetsflödet gör ditt Google Sheet till en repeterbar berikningspipeline. Du börjar med rader som innehåller en företagsdomän. När du kör arbetsflödet hämtar det raderna från kalkylarket, filtrerar bort allt du redan har bearbetat och loopar sedan igenom kvarvarande domäner i hanterbara batchar. För varje domän anropar det ProspectLens API för att hämta detaljerad företagsdata (saker som trafikvolym, grundningsdetaljer, finansieringsinformation, grundare och relaterade fält som ofta är utspridda över Crunchbase eller LinkedIn). Till sist uppdaterar det samma rad i Google Sheets med felfria, konsekventa värden så att din lista är redo för targeting, scoring och outreach.
Arbetsflödet startar med en manuell körning så att du behåller kontrollen. Därefter läser det rader från Google Sheets, skickar varje domän till ProspectLens via en HTTP-begäran och skriver tillbaka den berikade företagsprofilen i kalkylarket. Batch-loopen håller det stabilt när du bearbetar många rader.
Vad du får: automation vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du har 120 domäner i ett Google Sheet för en ny outbound-kampanj. Manuell research kan lätt ta cirka 10 minuter per företag för att plocka fram grundningsinfo, finansieringsnoteringar och grundsignaler, vilket blir ungefär 20 timmars research. Med det här arbetsflödet triggar du körningen en gång, n8n bearbetar raderna i batchar och kalkylarket uppdateras när resultaten kommer tillbaka. Även om du avsätter ungefär en timme för körningen plus en snabb granskning, får du tillbaka större delen av den dagen.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Sheets för att lagra domäner och berikade fält.
- ProspectLens (via APIRoad) för att returnera detaljerad företagsdata baserat på domän.
- ProspectLens API-nyckel (hämta den från https://apiroad.net/marketplace/apis/prospectlens)
Kunskapsnivå: Nybörjare. Du kopplar konton, lägger in en API-nyckel och mappar fält till dina kolumner i kalkylarket.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Du startar arbetsflödet manuellt. Det gör att berikningskörningar blir medvetna och kontrollerade, vilket är praktiskt om du jobbar från ett “staging”-ark eller vill styra API-användningen.
Det läser ditt kalkylark och filtrerar bort klara rader. n8n hämtar rader från Google Sheets och kontrollerar sedan vilka som fortfarande saknar berikning, så att du inte bearbetar samma företag på nytt vid varje körning.
Domäner bearbetas i batchar och skickas till ProspectLens. Arbetsflödet loopar igenom poster med Split in Batches och använder sedan en HTTP Request för att anropa ProspectLens API för varje domän och samla in de företagsdetaljer som returneras.
Ditt kalkylark uppdateras med felfria företagsfält. Sista steget skriver tillbaka de berikade värdena till Google Sheets, så att din outbound-lista, targeting-ark eller CRM-importfil ligger samlat på ett ställe.
Du kan enkelt ändra vilka kolumner som uppdateras för att matcha din outreach-modell eller lead scoring. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Konfigurera den manuella triggern som startar arbetsflödet och initierar datahämtningen från Google Sheets.
- Lägg till noden Manual Launch Trigger på er arbetsflödesyta.
- Koppla Manual Launch Trigger till Retrieve Sheet Rows.
Steg 2: anslut Google Sheets
Konfigurera Google Sheets-noderna för att läsa obehandlade domäner och skriva tillbaka resultaten till arket.
- Öppna Retrieve Sheet Rows och ställ in Document till
n8n_prospectlensoch Sheet tillSheet1. - Autentiseringsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-autentiseringsuppgifter i Retrieve Sheet Rows. - Öppna Update Sheet Company Data och ställ in Operation till
update. - I Update Sheet Company Data ställer ni in Document till
n8n_prospectlensoch Sheet tillSheet1. - Låt Matching Columns vara satt till
domainså att uppdateringar matchar rätt rad. - Autentiseringsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-autentiseringsuppgifter i Update Sheet Company Data.
Steg 3: ställ in filtrering och batchning
Filtrera bort rader som redan har behandlats och iterera igenom de återstående raderna i batchar.
- Öppna Filter Unprocessed Rows och ställ in villkoret så att det kontrollerar att processed_at är tomt med
{{ $json.processed_at }}. - Koppla Retrieve Sheet Rows → Filter Unprocessed Rows → Batch Iterator.
- Lämna standardinställningarna i Batch Iterator om ni inte vill begränsa antalet rader per körning.
Steg 4: konfigurera ProspectLens API-uppslag och uppdatering av arket
Anropa ProspectLens för varje domän och mappa svaret till era kolumner i Google Sheet.
- Öppna ProspectLens Lookup Request och ställ in URL till
=https://prospectlens.apiroad.net/lookup?domain={{ $json.domain }}. - Ställ in Authentication till
genericCredentialTypeoch Generic Auth Type tillhttpHeaderAuth. - Autentiseringsuppgifter krävs: Anslut era
httpHeaderAuth-autentiseringsuppgifter i ProspectLens Lookup Request. - Mappa uppdateringsfälten i Update Sheet Company Data med hjälp av dessa uttryck:
- Ställ in data till
{{ JSON.stringify($json.data).substr(0, 2000) }}, name till{{ $json.data.properties.title }}och description till{{ $json.data.properties.short_description }}. - Ställ in domain till
{{ $('Filter Unprocessed Rows').item.json.domain }}och domain_name till{{ $json.data.info.company_about_fields.website.hostname }}. - Ställ in traffic till
{{ $json.data.info.semrush_summary.semrush_visits_latest_month }}och location till{{ $json.data.info.semrush_location_list[0].location_identifiers[0].value }}. - Ställ in funds till
{{ $json.data.info.funding_rounds_summary.funding_total.value }}, funding_round till{{ $json.data.info.funding_rounds_summary.last_funding_type }}och last_funding_at till{{ $json.data.info.funding_rounds_summary.last_funding_at }}. - Ställ in year_founded till
{{ $json.data.info.overview_fields_extended.founded_on.value }}och processed_at till{{ (new Date).toISOString() }}. - Bekräfta att loopen går tillbaka från Update Sheet Company Data till Batch Iterator så att arbetsflödet fortsätter tills alla rader har behandlats.
domain exakt, annars hittar uppdateringen inte rätt rad.Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta att API-svaret skrivs till ert ark, och aktivera sedan arbetsflödet för regelbunden användning.
- Klicka på Execute Workflow för att trigga Manual Launch Trigger och behandla en batch.
- Verifiera att ProspectLens Lookup Request returnerar data och att Update Sheet Company Data fyller i kolumnerna
data,name,fundsochprocessed_at. - Bekräfta att behandlade rader nu har en
processed_at-tidsstämpel så att de exkluderas i framtida körningar. - När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- ProspectLens-inloggningar kan gå ut eller sakna behörigheter. Om det skapar fel, kontrollera först din n8n HTTP Header-behörighet (värdet för x-apiroad-key).
- Om du använder Split in Batches varierar bearbetningstiderna beroende på hur API:et svarar. Öka batchstorleken långsamt och lägg till mer väntetid om du ser att tomma svar skrivs till Sheets.
- Uppdateringar i Google Sheets kan misslyckas tyst när kolumnnamn inte matchar det du har mappat. Bekräfta din fältmappning i “Update Sheet Company Data” efter varje kolumnbyte.
Vanliga frågor
Cirka 30 minuter om ditt kalkylark är redo.
Nej. Du klistrar in en API-nyckel, kopplar Google Sheets och mappar några fält.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för API-användning i ProspectLens (APIRoad) baserat på hur många domäner du berikar.
Två alternativ: n8n Cloud (managed, enklaste uppsättningen) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ja, och oftast handlar det bara om fältmappning. Uppdatera steget i Google Sheets “Update Sheet Company Data” så att det skriver till dina önskade kolumner, och justera logiken i “Filter Unprocessed Rows” så att den matchar din definition av “klart” (till exempel att du bara markerar som komplett när finansiering och grundningsår finns). Om du bara vill berika vissa rader kan du lägga till ett enkelt villkor som “ICP = true” innan batch-loopen.
Oftast är det ett problem med API-nyckeln. Säkerställ att du har skapat en n8n-behörighet av typen “HTTP Header” med x-apiroad-key som namn och din APIRoad-nyckel som värde, och bekräfta sedan att HTTP Request-noden använder den behörigheten. Om det fungerade en gång och sedan slutade, generera om nyckeln i APIRoad och uppdatera den i n8n. Dubbelkolla också domänformatet i ditt kalkylark, eftersom extra mellanslag eller prefix som “https://” kan ge dåliga uppslag.
Om du kör n8n self-hosted finns ingen hård gräns för antal körningar, så det beror främst på din server och API-begränsningar. I n8n Cloud beror din månatliga körningsgräns på din plan, men det här arbetsflödet är byggt för att köras i batchar så att du kan bearbeta hundratals eller tusentals rader över flera körningar. Rent praktiskt: börja med 50 till 200 rader per körning tills du ser stabila tider och korrekta uppdateringar.
Ofta, ja, eftersom berikningsflöden vanligtvis kräver batchning, filtrering och pålitliga åter-skrivningar. n8n gör den typen av logik enklare att hantera utan att det blir en labyrint av separata zaps eller scenarios, och self-hosting kan hålla kostnaderna förutsägbara när du berikar stora listor. Zapier eller Make kan fortfarande vara helt okej för väldigt små listor eller enkla tvåstegsuppslag, särskilt om teamet redan jobbar där. Om du är osäker, kör en riktig kampanjlista genom varje upplägg och jämför “tid till användbart kalkylark”, inte bara uppsättningstid. Prata med en automationsexpert om du vill ha en snabb rekommendation.
När detta väl är på plats slutar ditt kalkylark vara en kyrkogård av halv-researchade rader. Du kör berikning, får tillbaka felfri data och går vidare till outreach.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.