Du publicerar ett inlägg, det börjar ta fart och sedan rullar kommentarerna in. Du tänker att du ska svara ”senare”. Senare blir till aldrig, och samtalet (och räckvidden) dör sakta bort.
Det är här automatisering av LinkedIn-kommentarer hjälper. Social media managers märker det först, men grundare och konsulter som postar själva springer in i samma vägg. Du behöver snabba svar som fortfarande låter som du, plus en strukturerad logg över vad som sagts.
Det här n8n-flödet svarar på nya LinkedIn-kommentarer med AI, publicerar svaret i rätt tråd och loggar varje interaktion i Google Sheets. Du får se vad det gör, vad du behöver och hur du anpassar det till ditt varumärke.
Så fungerar automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: LinkedIn + Google Sheets: svara och logga kommentarer
flowchart LR
subgraph sg0["⏰ Runs Every 10 Mins 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/httprequest.dark.svg' width='40' height='40' /></div><br/>📥 Fetch LinkedIn Comments"]
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "📊 Set Last Timestamp", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-horizontal", form: "rounded", label: "🔍 Filter New Comments", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "🤖 Generate AI Reply", 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/>💬 Post LinkedIn Reply"]
n5@{ icon: "mdi:play-circle", form: "rounded", label: "⏰ Runs Every 10 Mins", pos: "b", h: 48 }
n6@{ icon: "mdi:database", form: "rounded", label: "📊 Get Last Comment Timestamp", pos: "b", h: 48 }
n7@{ icon: "mdi:database", form: "rounded", label: "💾 Store Comment Data", pos: "b", h: 48 }
n5 --> n0
n5 --> n6
n3 --> n4
n1 --> n2
n4 --> n7
n2 --> n3
n0 --> n1
n6 --> n1
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 n5 trigger
class n3 ai
class n2 decision
class n6,n7 database
class n0,n4 api
classDef customIcon fill:none,stroke:none
class n0,n4 customIcon
Problemet: kommentarengagemang är lätt att starta, svårt att hålla igång
LinkedIn belönar inlägg som blir till samtal, vilket är toppen tills det är du som förväntas hålla samtalet vid liv. Att svara låter enkelt, men det är aldrig bara en kommentar. Det handlar om att öppna notiser, hitta rätt tråd, bestämma vad du ska säga, hålla tonen konsekvent och sedan säkerställa att du inte missade något viktigt. Missar du några timmar är momentumet borta. Än värre: du svarar på enkla kommentarer medan genomtänkta frågor blir obesvarade, vilket ärligt talat känns bakvänt.
Det summerar snabbt. Här är var det oftast faller i verkligheten:
- Du lägger cirka 30–60 minuter per inlägg bara på att leta i trådar och skriva svar.
- Svaren blir inkonsekventa under veckan eftersom energi och tid varierar från dag till dag.
- Dubbla svar händer när två personer i teamet svarar på samma kommentar.
- Det finns ingen engagemangslogg, så du kan inte granska mönster, invändningar eller leads i efterhand.
Lösningen: autosvara på nya kommentarer och logga allt
Det här flödet körs på ett enkelt schema och fungerar som en pålitlig community-assistent. Var 10:e minut kontrollerar det ett specifikt LinkedIn-inlägg efter nya kommentarer via LinkedIn API. Sedan tittar det i ditt Google Sheet för att hitta den senaste kommentaren det hanterade, så att det kan ignorera allt äldre. För varje ny kommentar skickar det texten till OpenAI med en strukturerad prompt så att svaret håller en professionell, LinkedIn-anpassad ton. Till sist publicerar det AI-genererade svaret under den ursprungliga tråden och lägger till hela interaktionen i Google Sheets, inklusive kommentaren, svaret och hjälpsam metadata för senare granskning.
Flödet startar med en schematrigger på tio minuter. Det hämtar kommentarer, filtrerar på tidsstämpel, genererar ett kort svar och publicerar det. Därefter loggar det tråden i Google Sheets så att du kan granska vad som hänt utan att leta runt på LinkedIn.
Det du får: automatisering vs. resultat
| Det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att ett inlägg får 20 kommentarer under en dag. Manuellt tar även snabba svar kanske 2 minuter styck när du räknar in att öppna tråden och hitta kontext, vilket blir cirka 40 minuter totalt. Med det här flödet lägger du cirka 10 minuter i början på att sätta prompten och kolumnerna i Sheets, sedan kör det av sig självt. Kommentarer fångas upp i nästa 10-minuterscykel, svar publiceras automatiskt och loggen väntar redan i Google Sheets.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Åtkomst till LinkedIn API för att läsa kommentarer och publicera svar
- Google Sheets för att lagra tidsstämplar och engagemangsloggar
- OpenAI API-nyckel (hämta den i OpenAI API-dashboarden)
Kunskapsnivå: Medel. Du kopplar konton, lägger in API-uppgifter och bekräftar rätt identifierare för LinkedIn-inlägget.
Vill du inte sätta upp detta själv? Prata med en automations-expert (gratis 15-minuters konsultation).
Så fungerar det
En 10-minuterskontroll startar det. n8n kör på en schematrigger var 10:e minut, så du behöver inte komma ihåg något eller starta körningar manuellt.
Kommentarer hämtas från LinkedIn. En HTTP Request-nod anropar LinkedIns API (tokenbaserad autentisering) för att hämta de senaste kommentarerna på ditt valda inlägg, inklusive text och tidsstämplar.
Bara helt nya kommentarer går vidare. Flödet läser senaste behandlade kommentartid från Google Sheets, sparar en ”senaste tidsstämpel” och använder en If-kontroll för att filtrera bort sådant du redan hanterat.
AI skriver svaret och sedan publiceras det. OpenAI genererar ett kort svar i LinkedIn-stil, och en andra HTTP Request publicerar det i rätt kommentartråd. Direkt efter publicering lägger flödet till den ursprungliga kommentaren, svaret och metadata i Google Sheets för uppföljning.
Du kan enkelt ändra prompten så att den matchar din tonalitet och justera vilket inlägg som övervakas efter dina behov. Se hela implementationsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera schematriggern
Sätt upp den tidsbaserade triggern som startar arbetsflödet var 10:e minut och förgrenar till parallella spår.
- Lägg till noden ⏰ Ten-Minute Schedule och ställ in intervallregeln till
minutesmedminutesIntervalsatt till10. - Koppla ⏰ Ten-Minute Schedule till både 📥 Retrieve LinkedIn Replies och 📊 Read Latest Comment Time.
- Bekräfta parallell körning: ⏰ Ten-Minute Schedule skickar output till både 📥 Retrieve LinkedIn Replies och 📊 Read Latest Comment Time parallellt.
Steg 2: Koppla LinkedIn och Google Sheets
Konfigurera LinkedIn API-anropet och Google Sheets-uppslagningen som lagrar den senast behandlade tidsstämpeln.
- Öppna 📥 Retrieve LinkedIn Replies och ställ in URL till
https://api.linkedin.com/v2/socialActions/urn:li:share:[YOUR_ID]/comments. - Under headers i 📥 Retrieve LinkedIn Replies, ställ in Authorization till
Bearer [CONFIGURE_YOUR_TOKEN]och Content-Type tillapplication/json. - Autentisering krävs: Anslut era httpHeaderAuth-uppgifter i 📥 Retrieve LinkedIn Replies.
- Öppna 📊 Read Latest Comment Time och ställ in Document ID till
[YOUR_ID]och Sheet Name till[YOUR_ID]. - Autentisering krävs: Anslut era googleSheetsOAuth2Api-uppgifter i 📊 Read Latest Comment Time.
Steg 3: Sätt upp hantering av kommentartidsstämplar
Normalisera och jämför tidsstämplar för att filtrera bort LinkedIn-kommentarer som redan har behandlats.
- Säkerställ att 📊 Record Latest Timestamp tar emot data från både 📥 Retrieve LinkedIn Replies och 📊 Read Latest Comment Time.
- I 🔍 Screen Recent Comments, ställ in villkoret för datum-/tidsjämförelsen så att den kontrollerar om leftValue
={{ $json.created.time }}är efter rightValue={{ $node["📊 Record Latest Timestamp"].json.lastCommentTimestamp }}. - Koppla 📊 Record Latest Timestamp till 🔍 Screen Recent Comments och routa sedan true-grenen till 🤖 Compose AI Response.
Steg 4: Konfigurera AI-svar och utdataåtgärder
Generera AI-svaret, publicera det på LinkedIn och logga aktiviteten i Google Sheets.
- Öppna 🤖 Compose AI Response och ställ in Model till
gpt-3.5-turbo. - Behåll innehållet i meddelandeprompten som det är angivet, vilket använder
{{ $json.message.text }}för att inkludera originalkommentaren. - Autentisering krävs: Anslut era openAiApi-uppgifter i 🤖 Compose AI Response.
- I 💬 Publish LinkedIn Reply, ställ in URL till
=https://api.linkedin.com/v2/socialActions/{{ $json.id }}/comments. - Ställ in JSON Body i 💬 Publish LinkedIn Reply till
={ "actor": "urn:li:person:[YOUR_ID]", "message": { "text": "{{ $node["🤖 Compose AI Response"].json.response }}" } }och aktivera Send Body. - Lägg till LinkedIn-headers i 💬 Publish LinkedIn Reply: Authorization
Bearer [CONFIGURE_YOUR_TOKEN]och Content-Typeapplication/json. - Öppna 💾 Log Comment Details, ställ in Operation till
append, och ställ sedan in Document ID och Sheet Name till[YOUR_ID]. - Autentisering krävs: Anslut era googleSheetsOAuth2Api-uppgifter i 💾 Log Comment Details.
Steg 5: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta att arbetsflödet hämtar kommentarer, genererar ett AI-svar, publicerar till LinkedIn och loggar resultatet.
- Klicka på Execute Workflow och verifiera att 📥 Retrieve LinkedIn Replies returnerar kommentardata.
- Bekräfta att 🔍 Screen Recent Comments endast släpper igenom nya kommentarer och att 🤖 Compose AI Response ger en svarssträng.
- Kontrollera att 💬 Publish LinkedIn Reply publicerar utan problem och att 💾 Log Comment Details lägger till en ny rad i ert ark.
- När ni är nöjda, växla arbetsflödet till Active så att ⏰ Ten-Minute Schedule körs automatiskt var 10:e minut.
Vanliga fallgropar
- LinkedIn API-inloggningar kan löpa ut eller sakna rätt scopes. Om det strular, kontrollera först token och behörigheter i din LinkedIn developer app.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 30–60 minuter när din API-åtkomst är klar.
Nej. Du klistrar mest in inloggningsuppgifter och justerar några fält. Den enda ”tekniska” delen är att bekräfta att du använder rätt identifierare för LinkedIn-inlägget.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för OpenAI API (ofta bara några dollar i månaden vid normal kommentarsvolym).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och klarar n8n bra. Egen hosting ger dig obegränsat antal körningar men kräver grundläggande serveradministration.
Ja, och det bör du. Uppdatera instruktionerna i noden ”Compose AI Response” så att den använder din röst (formell, rapp, teknisk, vänlig). Vanliga anpassningar är att lägga till en kort stilguide för varumärket, be den ställa en uppföljningsfråga och definiera ”säg aldrig”-fraser du vill undvika.
Oftast beror det på en utgången token eller saknade behörigheter i din LinkedIn developer app. Skapa en ny access token, uppdatera headers i HTTP Request-noden och bekräfta att API-produkten du använder tillåter att läsa kommentarer och skriva svar. Om det fungerar ett tag och sedan slutar kan rate limiting också vara orsaken när ett inlägg får en plötslig topp i kommentarer.
Många.
Ofta, ja, eftersom det här mönstret behöver tajtare kontroll än en enkel tvåstegs-zap. Du hämtar data, jämför tidsstämplar, grenar på ”nytt vs gammalt”, skriver tillbaka till LinkedIn och loggar till Sheets – exakt där n8n brukar kännas mer flexibelt. Egen hosting spelar också roll om du kör frekventa kontroller var 10:e minut och inte vill bevaka task counts hela månaden. Zapier eller Make kan fortfarande fungera, men du kan lägga mer tid (och pengar) på att återskapa logiken. Prata med en automations-expert om du vill ha en snabb rekommendation för din setup.
Du håller samtalet igång utan att vakta notiser. Flödet sköter repetitiva svar och dokumentationen, så att du kan fokusera på att posta, sälja och bygga riktiga relationer.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.