Din leadlista växer, men din ”researchprocess” är i praktiken en röra av flikar, halvfärdiga anteckningar och copy-paste in i ett dokument som aldrig ser likadant ut två gånger. Sedan frågar någon: ”Vilka konton är faktiskt värda att ringa?” och du inser att du inte kan svara utan ännu en vända manuellt arbete.
Den här Sheets Docs scoring-setupen träffar sales ops först, ärligt talat, men byråer som bygger outbound-system och grundare som prospekterar själva känner av den också. Du får konsekventa leadrapporter i Google Docs med en ISCP-poäng, så att teamet kan prioritera snabbare och sluta göra om research på samma bolag.
Nedan ser du hur flödet körs från början till slut, vad det producerar och vad du behöver för att lansera det utan att göra din vecka till ett tekniskt projekt.
Så fungerar den här automatiseringen
Hela n8n-workflowet, från trigger till slutresultat:
n8n Workflow Template: Google Sheets till Google Docs, poängsatta leadrapporter
flowchart LR
subgraph sg0["On form submission Flow"]
direction LR
n0["<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/hunter.png' width='40' height='40' /></div><br/>Hunter"]
n1["<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/>Perplexity Search"]
n2@{ icon: "mdi:cog", form: "rounded", label: "Wait1", 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/>Company LinkedIn Account POST"]
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/>Company LinkedIn Account GET"]
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Results Company", pos: "b", h: 48 }
n6["<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/airtop.svg' width='40' height='40' /></div><br/>Search profile"]
n7["<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/airtop.svg' width='40' height='40' /></div><br/>Scrape webpage"]
n8@{ icon: "mdi:robot", form: "rounded", label: "Analyze scraped Page", pos: "b", h: 48 }
n9@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n10["<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"]
n11@{ icon: "mdi:cog", form: "rounded", label: "Add report to doc", pos: "b", h: 48 }
n12@{ icon: "mdi:cog", form: "rounded", label: "Create doc", pos: "b", h: 48 }
n13@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model2", pos: "b", h: 48 }
n14@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n15@{ icon: "mdi:swap-vertical", form: "rounded", label: "Hunter Results", pos: "b", h: 48 }
n16@{ icon: "mdi:swap-vertical", form: "rounded", label: "Perplexity Results", pos: "b", h: 48 }
n17@{ icon: "mdi:robot", form: "rounded", label: "Generate report", pos: "b", h: 48 }
n18@{ icon: "mdi:cog", form: "rounded", label: "Get Offer", pos: "b", h: 48 }
n19@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model3", pos: "b", h: 48 }
n20@{ icon: "mdi:robot", form: "rounded", label: "ISCP score", pos: "b", h: 48 }
n21@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n23["<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/form.svg' width='40' height='40' /></div><br/>On form submission"]
n26@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set company name and domain", pos: "b", h: 48 }
n10 --> n17
n2 --> n4
n0 --> n14
n14 --> n15
n18 --> n20
n12 --> n11
n20 --> n12
n15 --> n10
n7 --> n8
n6 --> n3
n17 --> n18
n9 -.-> n8
n1 --> n16
n23 --> n26
n13 -.-> n17
n19 -.-> n20
n16 --> n10
n5 --> n10
n8 --> n10
n21 -.-> n20
n26 --> n6
n26 --> n7
n26 --> n0
n26 --> n1
n26 --> n10
n4 --> n5
n3 --> n2
end
subgraph sg1["When clicking ‘Execute workflow’ Flow"]
direction LR
n22@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Execute workf..", pos: "b", h: 48 }
n24@{ icon: "mdi:database", form: "rounded", label: "Google Sheets", pos: "b", h: 48 }
n25@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Items", pos: "b", h: 48 }
n24 --> n25
n22 --> n24
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 n23,n22 trigger
class n8,n17,n20,n21 ai
class n9,n13,n19 aiModel
class n24 database
class n1,n3,n4 api
class n22 disabled
class n24 disabled
class n25 disabled
classDef customIcon fill:none,stroke:none
class n0,n1,n3,n4,n6,n7,n10,n23 customIcon
Problemet: lead-research är långsam, inkonsekvent och svår att poängsätta
Prospekt-research börjar ofta enkelt. Du har ett företagsnamn och en domän i Google Sheets, och du behöver bara tillräckligt med kontext för att skriva ett relevant första meddelande. Sedan kommer verkligheten. Du kollar webbplatsen, letar beslutsfattare, gissar bolagsstorlek via LinkedIn och plockar ”snabbfakta” från Google som inte riktigt stämmer överens. Ännu värre: varje säljare dokumenterar på sitt sätt, så nästa person kan inte återanvända jobbet. Det handlar inte bara om tid. Det är den mentala belastningen i att sy ihop fragment till något du kan lita på.
Friktionen växer. Och så fort du vill poängsätta konton konsekvent börjar manuell research falla isär.
- Du bränner ungefär 20 minuter per lead genom att hoppa mellan LinkedIn, webbplatser och enrichment-verktyg.
- Anteckningar hamnar utspridda i Sheets-celler, webbläsarbokmärken och ”tillfälliga” dokument som blir permanenta.
- ISCP/ICP-poängsättning blir magkänsla eftersom ingen använder samma kriterier varje gång.
- När du skalar outreach smyger fel snabbt in: fel kontakter, föråldrad positionering och duplicerad research.
Lösningen: gör en rad i Sheets till en komplett rapport i Google Docs
Det här workflowet förvandlar en enkel input (domän + företagsnamn) till en strukturerad, redo-att-använda leadrapport i Google Docs, komplett med ISCP-poängsättning. Det kan starta från ett formulär eller en körning från ett kalkylark och förgrenar sig sedan för att samla in offentlig företagsinformation: e-postsökning via Hunter.io, bredare webbresearch via Perplexity AI och webbskrapning via Airtop för att fånga produkter, tjänster och viktiga sidor. Det kan också, valfritt, enrich:a med LinkedIn-data för bolaget (skickas in och hämtas via HTTP-requests, med en väntan emellan så att resultaten hinner bli klara). När datat är insamlat skriver GPT-4 (via n8n:s noder AI Agent/OpenAI Chat Model) en korrekt formaterad profil, identifierar sannolika beslutsfattare och räknar ut ISCP-matchpoängen. Slutligen skapar workflowet eller appendar rapporten i Google Docs och uppdaterar Google Sheets så att din lista alltid är aktuell.
Workflowet startar när du skickar in företagsuppgifter (från ett formulär eller genom att köra en batch från Google Sheets). Sedan samlar det e-post, LinkedIn-kontekst och budskap från webbplatsen i en sammanslagen datamängd. Till sist skriver det en konsekvent Google Doc-rapport och loggar resultatet tillbaka i ditt kalkylark.
Det du får: automatisering vs. resultat
| Det här workflowet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du kvalificerar 25 nya bolag per vecka. Manuellt, om du lägger cirka 20 minuter per bolag på webbplatsgranskning, LinkedIn-skanning och grundläggande enrichment, blir det ungefär 8 timmars arbete. Med det här workflowet lägger du till domänen och företagsnamnet i Google Sheets (eller skickar formuläret) och låter det köra: några minuter för att samla källor, några minuter för utkast och poängsättning, och Google Doc:en är klar. Du granskar fortfarande och vässar vinkeln för outreach, men slitet är borta. Det är i praktiken en hel arbetsdag tillbaka varje vecka.
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 företagsnamn.
- Google Docs för att skapa och lägga till leadrapporter.
- OpenAI API-nyckel (hämta den i din OpenAI API-dashboard).
Kunskapsnivå: Medel. Du kopplar några konton, lägger in API-nycklar och bekräftar att fälten i ditt Sheet matchar det workflowet förväntar sig.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett formulärinskick eller en manuell körning från kalkylarket startar allt. Du anger företagsnamn och domän en gång, sedan tar n8n det vidare genom resten av workflowet. Om du föredrar batchar kan workflowet iterera rader från Google Sheets med split-in-batches.
Workflowet samlar in underlag från flera källor. Hunter.io söker efter tillgängliga professionella e-postadresser på domänen. Parallellt kör Airtop uppgifter för att hitta och skrapa relevanta webbsidor, medan en sekvens av HTTP-requests kan skicka in och hämta LinkedIn-data för bolaget efter en kort väntan.
AI gör rådata till en läsbar rapport och en poäng. Den sammanslagna datamängden skickas genom stegen AI Agent/OpenAI Chat Model för att skapa en sammanfattning på ledningsnivå, lyfta fram sannolika beslutsfattare och räkna ut en ISCP-matchpoäng med en konsekvent rubric.
Resultatet hamnar där teamet redan jobbar. Google Docs används för att skapa slutrapporten (och lägga till den i ett befintligt dokument vid behov), därefter uppdateras Google Sheets så att du kan filtrera på poäng, status eller nästa åtgärd.
Du kan enkelt justera ISCP-kriterierna så att de matchar ditt erbjudande, så att poängsättningen speglar din verkliga pipeline, inte en generisk ”bra match”-gissning. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera triggern för formulärinsändning
Starta arbetsflödet när en ny formulärinsändning tas emot.
- Lägg till noden Form Submission Trigger på er arbetsyta.
- Öppna Form Submission Trigger och konfigurera de formulärfält ni vill fånga för företagsresearch.
- Koppla Form Submission Trigger till Set Company Info.
Steg 2: anslut primära researchtjänster
Konfigurera datainsamlingsvägarna som körs parallellt efter att företagsinmatningen har mappats.
- I Set Company Info mappar ni inkommande formulärfält (t.ex. företagsnamn, webbplats och domän) till strukturerade fält för efterföljande noder.
- Notera den parallella exekveringen: Set Company Info skickar ut till Profile Search Task, Webpage Scrape Task, Email Prospect Lookup, AI Search Request och Combine Data Streams parallellt.
- Konfigurera Profile Search Task för att initiera arbetsflödet för sökning av företagsprofil och koppla den sedan till LinkedIn Company Submit.
- Konfigurera Webpage Scrape Task för att skrapa målbolagets webbplats och koppla den till Analyze Scraped Content.
- Konfigurera Email Prospect Lookup för att göra en förfrågan på domänen och koppla den till Aggregate Records.
- Konfigurera AI Search Request för er externa AI-sökslutpunkt (t.ex. Perplexity API) och koppla den till Map Perplexity Output.
Steg 3: konfigurera AI-bearbetning och parsning
Konfigurera AI-noderna för analys, rapportutkast och poängsättning.
- I Analyze Scraped Content konfigurerar ni prompten för att sammanfatta och extrahera nyckelinsikter från det skrapade webbsideinnehållet. Säkerställ att OpenAI Chat Engine är ansluten som språkmodell.
- I Build Report Draft konfigurerar ni prompten för rapportgenerering och säkerställer att OpenAI Chat Engine B är ansluten som språkmodell.
- I Compute ISCP Score konfigurerar ni prompten för poängsättning och säkerställer att OpenAI Chat Engine C är ansluten som språkmodell.
- Säkerställ att Structured Output Parse är ansluten till Compute ISCP Score som utdata-parser.
Steg 4: konfigurera datakonsolidering och LinkedIn-hämtning
Kombinera alla researchströmmar och hantera cykeln för hämtning av LinkedIn-data.
- Koppla Aggregate Records till Map Hunter Output för att normalisera Hunter-resultaten innan sammanslagning.
- Koppla Map Hunter Output, Map Perplexity Output, Assign Company Results och Analyze Scraped Content till Combine Data Streams.
- Konfigurera LinkedIn Company Submit för att skicka in företagssökningen och koppla den sedan till Delay Cycle för att vänta in resultaten.
- Konfigurera Delay Cycle för att pausa under det nödvändiga hämtningsfönstret och koppla den sedan till LinkedIn Company Fetch.
- Koppla LinkedIn Company Fetch till Assign Company Results för att mappa LinkedIn-svaret till strukturerade fält.
Steg 5: konfigurera utdata för dokumentgenerering
Generera ett strukturerat rapportdokument baserat på den kombinerade researchdatan och AI-genererade poäng.
- Koppla Combine Data Streams till Build Report Draft för att ta fram ett rapportutkast från alla konsoliderade indata.
- Koppla Build Report Draft till Fetch Offer Doc för att ladda mallen eller referensinnehållet.
- Koppla Fetch Offer Doc till Compute ISCP Score, därefter till Generate Document och slutligen till Append Report to Doc för slutlig leverans.
- I varje Google Docs-nod väljer ni måldokument eller mall och ställer in den append/insert-logik som krävs av ert rapportformat.
Steg 6: valfria batchuppdateringar i kalkylark
Den här grenen är inaktiverad som standard och kan användas för manuella batchuppdateringar till ett kalkylark.
- Om det behövs, aktivera Manual Run Trigger, Update Google Spreadsheet och Iterate Batch Items.
- Konfigurera Update Google Spreadsheet med målkalkylarket och intervallet för rapportuppdateringar.
- Använd Iterate Batch Items för att styra batchbearbetningen och undvika API-begränsningar för anropsfrekvens.
Steg 7: testa och aktivera ert arbetsflöde
Verifiera att varje gren körs korrekt och aktivera sedan arbetsflödet för produktion.
- Klicka på Execute Workflow och skicka in en testpost till Form Submission Trigger.
- Verifiera att Set Company Info förgrenar till alla parallella vägar och att Combine Data Streams tar emot indata från Map Hunter Output, Map Perplexity Output, Assign Company Results och Analyze Scraped Content.
- Bekräfta att dokumentutdata skapas och appendas via Generate Document och Append Report to Doc.
- När allt fungerar, växla arbetsflödet till Active för skarp körning.
Vanliga fallgropar
- Inloggningar för Google Docs och Google Sheets kan löpa ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera först din n8n-sida för Credentials och dina Google OAuth-scopes.
- Om du använder Wait-noder eller extern skrapning varierar processtiderna. Öka väntetiden om noder längre fram fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet och din ISCP-rubric tidigt, annars kommer du att redigera output för alltid.
Vanliga frågor
Cirka en timme om dina konton och API-nycklar är redo.
Ingen kodning krävs. Du kommer mest att koppla konton och mappa fält som domän, företagsnamn och output-länkar.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på $20/månad för högre volym. Du behöver också räkna in OpenAI API-kostnader (ofta några cent per rapport) plus eventuella kostnader från Hunter.io, Perplexity AI, Airtop eller Apify om du aktiverar de stegen.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärt och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Du uppdaterar AI-steget ”Compute ISCP Score” så att det matchar dina verkliga kvalificeringskriterier, och du kan även justera ”Build Report Draft” så att rapporten betonar signalerna du bryr dig om (budgetindikatorer, tech stack, rekrytering, geografi). Om du inte vill ha LinkedIn-enrichment kan du stänga av grenen för LinkedIn submit/fetch och behålla input från webbplatsen + Perplexity. Föredrar du en kortare rapport? Skärp tolkningen av strukturerad output så att dokumentet håller sig till en sida.
Oftast beror det på utgången OAuth-åtkomst eller att fel Google-konto är auktoriserat i n8n. Anslut Google Sheets-credentialn på nytt och bekräfta sedan att kalkylarks-ID:t och fliknamnet fortfarande matchar det workflowet förväntar sig. Om du kör batchar, kontrollera också att kolumnerna inte har bytt namn, eftersom ett enda saknat fält för ”domain” eller ”company” kan slå sönder sammanslagningen längre fram.
Om du self-hostar beror det främst på din server och rate limits hos dina dataleverantörer. På n8n Cloud är din praktiska gräns kopplad till månatliga körningar och hur många steg du kör per lead, så de flesta team börjar med små batchar (som 20–50 leads) och skalar när allt är stabilt.
Ofta, ja, eftersom det här inte är en enkel tvåstegs-zap. n8n hanterar förgreningslogik (som valfri LinkedIn-enrichment), batchning och sammanslagning av flera dataströmmar utan att det blir en dyr stack av separata automations. Det stöder också self-hosting, vilket är viktigt när du vill köra högre volym. Zapier eller Make kan fortfarande fungera om du bara behöver ”Sheet-rad → skapa Doc”, men när du lägger till skrapning, AI-utkast och poängsättning vill du ha den extra kontrollen. Om du tvekar, prata med en automationsexpert och kartlägg din verkliga volym först.
När det här väl rullar slutar ditt kalkylark vara ”en lista” och blir en prioriterad kö med verklig kontext kopplad. Sätt upp det, låt det poängsätta och lägg tiden på samtalen som faktiskt konverterar.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.