Du hittar ett lovande Instagramkonto, öppnar profilen, skummar igenom bion, gissar deras målgrupp och sedan… gör du om det. Och om det igen. Efter 30 profiler börjar dina kriterier glida, dina anteckningar blir röriga och du är inte ens säker på vilka som var “kanske”.
Marknadschefer känner igen det här när de snabbt behöver bygga en strukturerad outreach-lista. En creator som letar samarbetspartners kör in i samma vägg. Det gör även en affärsutvecklingsansvarig som behöver fatta konsekventa beslut. Den här automatiseringen för Instagram lead scoring gör hashtag-surfandet till ett enkelt ja/nej-beslut, med motiveringen sparad åt dig.
Du får se vad arbetsflödet gör, vad du behöver för att köra det och hur det minskar den mentala belastningen som gör influencerprospektering så plågsamt långsam.
Så här fungerar automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: Instagram + Google Sheets: smartare poängsättning
flowchart LR
subgraph sg0["When clicking ‘Execute workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Execute workf..", 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:robot", form: "rounded", label: "Structured Output Parser", 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/>Find Recent Posts"]
n5@{ icon: "mdi:swap-vertical", form: "rounded", label: "Create Search Term", 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/httprequest.dark.svg' width='40' height='40' /></div><br/>Scrape Accounts"]
n7@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set bio and follower count", pos: "b", h: 48 }
n6 --> n7
n4 --> n6
n2 -.-> n1
n5 --> n4
n3 -.-> n1
n7 --> n1
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,n3 ai
class n2 aiModel
class n4,n6 api
classDef customIcon fill:none,stroke:none
class n4,n6 customIcon
Utmaningen: hashtag-prospektering som inte skalar
Hashtags känns som en genväg tills du faktiskt försöker göra dem till en partnerlista. Du klickar in på senaste inläggen, öppnar profiler en och en och gör snabba bedömningar med nästan inget sammanhang. Vissa konton ser toppen ut tills du ser att det mest är giveaways. Andra har verklig auktoritet men en bio som känns som en mysterieroman. Sedan måste du spara dina anteckningar någonstans, och “någonstans” blir ett kalkylark fullt av inkonsekventa kommentarer som “verkar bra?” eller “kanske senare”. Det tar på krafterna, och ärligt talat slutar du med att kontakta den du såg senast.
Friktionen bygger på. Här är var det faller isär.
- Du lägger cirka 5 minuter per profil bara för att avgöra om den är värd ett DM.
- Bedömningen blir inkonsekvent efter första batchen, så din “ja”-hög blir en blandpåse.
- Kontroller av följare och genomgång av bio är repetitiva, men du måste ändå göra dem noggrant.
- Anteckningar är inte strukturerade, vilket gör att kvaliteten på dina outreach-meddelanden sjunker senare.
Lösningen: automatiserad Instagram lead scoring från en hashtag
Det här arbetsflödet körs vid begäran i n8n. Du startar det med ett manuellt klick, anger hashtagen du bryr dig om (som “n8n” eller valfritt nischat nyckelord) och det hämtar en batch med senaste Instagraminlägg. Från inläggen extraherar det kontonas användarnamn och använder sedan Apify för att skrapa varje profil efter de viktigaste signalerna du normalt kollar för hand: antal följare och biografi. Därefter utvärderar en AI-agent (driven av OpenAI) varje konto mot dina outreach-kriterier och returnerar ett tydligt ja/nej-beslut plus motivering. Slutligen är outputen redo att loggas till Google Sheets så att du får en konsekvent, sökbar leadlista i stället för en röra av flikar.
Arbetsflödet startar med en hashtag och en hämtning av senaste inlägg. Sedan skrapar det profiler, mappar fälten till ett enkelt format och skickar dem genom ett AI-steg för leaddiagnos. Du får strukturerad JSON som du kan lagra, dela eller skicka vidare in i din nästa outreach-process.
Vad som förändras: före vs. efter
| Det här slipper du | Effekten du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att du granskar 40 konton från en hashtag varje vecka. Manuellt lägger du kanske 5 minuter per profil på att öppna inlägg, kolla bion, skanna följare och skriva en anteckning. Det är ungefär 3 timmar för en genomgång. Med det här arbetsflödet triggar du körningen på under en minut, väntar på att Apify + AI bearbetar batchen (ofta runt 20 minuter, beroende på volym) och sedan granskar du tydliga ja/nej-outputar. Du är tillbaka i strategiarbete i stället för att hoppa mellan flikar.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Apify för skrapning av Instagram-hashtags och profiler.
- OpenAI för att poängsätta leads och skriva motivering.
- Apify API-token (hämta den i din Apify Console).
Nivå: Medel. Du kopplar in inloggningsuppgifter, ändrar ett hashtag-värde och kör några tester för att säkerställa att de skrapade fälten matchar det du förväntar dig.
Behöver du hjälp att implementera detta? Prata med en automatiseringsexpert (gratis 15-minuters konsultation).
Flödet i arbetsflödet
Manuell körning för att starta en lead-genomgång. Du klickar på “Execute workflow” i n8n när du är redo att prospektera. Det är byggt för att köras vid begäran, så du kan köra det varje vecka eller när en kampanj behöver nya konton.
Hashtag-input och upptäckt av inlägg. Arbetsflödet sätter din hashtag-term (standard är “n8n”) och använder sedan Apify via HTTP Request för att hitta senaste inlägg för den hashtagen.
Skrapning av profiler och fältstädning. Utifrån inläggsresultaten skrapar det varje kontos profildetaljer via Apify och mappar sedan antal följare och biografi till korrekt formaterade fält som inte förvirrar AI:n.
AI-poängsättning och strukturerad output. En AI-agent som använder OpenAI Chat Model (gpt-4o-mini) utvärderar matchning och returnerar ett strukturerat ja/nej plus motivering. Outputen är redo att loggas till Google Sheets och kan även routas till verktyg som Pipedrive, Slack eller Monday.com om du vill ha en sales-liknande uppföljning.
Du kan enkelt ändra hashtagen och poängsättningskriterierna så att de matchar din nisch. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera den manuella triggern
Det här arbetsflödet startar manuellt så att ni kan testa och granska resultaten innan ni kör det vid behov.
- Lägg till noden Manual Start Trigger som arbetsflödets trigger.
- Koppla Manual Start Trigger till Define Hashtag Term enligt exekveringsflödet.
Steg 2: Anslut Instagrams datakälla
Definiera hashtaggen och anropa sedan Apify-endpoints för att hämta inlägg och profildetaljer.
- I Define Hashtag Term, ställ in tilldelningen Search_Term till
n8n. - I Retrieve Recent Posts, ställ in URL till
=https://api.apify.com/v2/acts/apify~instagram-hashtag-scraper/run-sync-get-dataset-items. - Ställ in Method till POST och Specify Body till JSON i Retrieve Recent Posts.
- Ställ in JSON Body till
={ "hashtags": [ "{{ $json.Search_Term }}" ], "resultsLimit": 5, "resultsType": "posts" }. - Inloggningsuppgifter krävs: Anslut era httpQueryAuth-inloggningsuppgifter i Retrieve Recent Posts.
- I Fetch Profile Details, ställ in URL till
=https://api.apify.com/v2/acts/apify~instagram-profile-scraper/run-sync-get-dataset-items. - Ställ in JSON Body till
={ "usernames": [ "{{ $json.ownerUsername }}" ] }och behåll Method som POST. - Inloggningsuppgifter krävs: Anslut era httpQueryAuth-inloggningsuppgifter i Fetch Profile Details.
Steg 3: Mappa bio och följare för AI-granskning
Transformera profilsvaret till de fält som AI-agenten förväntar sig.
- I Map Bio and Followers, ställ in bio till
={{ $json.biography }}. - Ställ in followersCount till
={{ $json.followersCount }}. - Bekräfta att flödet är Retrieve Recent Posts → Fetch Profile Details → Map Bio and Followers.
Steg 4: Konfigurera AI-bedömningen av leads
Använd AI-agenten för att utvärdera profilen mot era samarbetskriterier och returnera strukturerad output.
- I Assess Lead Candidate, ställ in Text till
=followers: {{ $json.followersCount }} bio: {{ $json.bio }}. - Bekräfta att Prompt Type är define och att Has Output Parser är aktiverad.
- I OpenAI Chat Engine, välj Model-värdet
gpt-4o-mini. - Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter i OpenAI Chat Engine.
- I Parse Structured Reply, behåll JSON Schema Example som
{ "lead status": "Yes or No", "Reasoning": "reasoning for why they are a good or bad lead. " }. - Obs: Parse Structured Reply är en AI-undernod; lägg till inloggningsuppgifter i OpenAI Chat Engine, inte i parsern.
Steg 5: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att verifiera API-svaren och output från AI-bedömningen.
- Klicka på Execute Workflow för att köra från Manual Start Trigger.
- Verifiera att Retrieve Recent Posts returnerar inlägg för hashtaggen
n8n. - Bekräfta att Fetch Profile Details returnerar data för biography och followersCount.
- Kontrollera att output från Assess Lead Candidate inkluderar
"lead status"och"Reasoning"som parsas av Parse Structured Reply. - När allt är validerat, växla arbetsflödet till Active för att använda det för löpande manuella körningar.
Se upp för
- Apify-credentials kan löpa ut eller kräva specifika behörigheter. Om saker slutar fungera, kontrollera först din Apify-token i den n8n-credential som används av HTTP Request-noderna.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att sitta och redigera output för alltid.
Vanliga frågor
Cirka 30 minuter om du redan har dina Apify- och OpenAI-nycklar.
Ja. Ingen kod krävs, men någon behöver vara bekväm med att koppla in inloggningsuppgifter och köra några testkörningar.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-användning (ofta bara några dollar för små batcher) plus din Apify-plan.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och klarar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ändra noden “Define Hashtag Term” så att den riktar in sig på din nisch-hashtag och justera sedan AI-agentens instruktioner så att de matchar din bild av en kvalificerad partner. De flesta anpassningar är enkla: lägg till tröskelvärden för följare, flagga vissa ord i bios (som “agency” eller “UGC”), eller kräv platsnyckelord för lokala kampanjer. Om du vill lagra resultat kan du skicka den strukturerade outputen till Google Sheets, Pipedrive, Monday.com eller Slack baserat på fältet “lead status”.
Oftast är det Apify-tokenen. Skapa om den i din Apify Console och uppdatera sedan HTTP Query Auth-credentialn som används av förfrågningarna “Retrieve Recent Posts” och “Fetch Profile Details”. Om tokenen är okej, kontrollera actor-inputen och säkerställ att svaret fortfarande innehåller de fält du förväntar dig (profilskrapor ändras ibland). Rate limits kan också dyka upp när du hämtar stora batcher.
Om du self-hostar n8n finns ingen körningsbegränsning (din server och API-gränserna är flaskhalsen). På n8n Cloud beror kapaciteten på din plans månatliga körningar. I praktiken poängsätter de flesta team utan problem dussintals profiler per körning och skalar sedan upp när deras Apify-gränser och promptkostnad börjar bli förutsägbara.
Ofta, ja. Det här flödet drar nytta av flersteglogik (skrapa inlägg, skrapa profiler, mappa fält, köra en AI-agent, tolka strukturerad output), och n8n hanterar det utan att varje gren blir ett prissättningsproblem. Du kan också self-hosta för prospektering i hög volym och hålla kostnaderna stabila. Zapier eller Make kan fortfarande fungera om du vill ha något lättare, men de blir snabbt klumpiga när du kedjar ihop HTTP-skrapningar och strukturerade AI-outputar. Om du tvekar, prata med en automatiseringsexpert och mappa det mot din volym.
Lead scoring ska kännas repetitivt och pålitligt, inte som en dagsform. Sätt upp det här en gång, kör det när du behöver nya konton och håll dina outreach-beslut strukturerade.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.