Ditt lead-ark ser “okej” ut tills du faktiskt försöker använda det. Hälften av LinkedIn-URL:erna saknar grundläggande saker, jobbtitlarna är inkonsekventa och någon har kopierat in en rubrik i kolumnen ”Företag” igen.
LinkedIn enrichment drabbar marknadschefer som bygger kampanjer först, men rekryterare och säljteam känner samma friktion. Du slutar med att lägga timmar på att klicka profiler bara för att ändå sitta med data du inte litar på.
Det här arbetsflödet gör om en enkel lista med LinkedIn-profil-URL:er i Google Sheets till strukturerad, segmenteringsklar leaddata. Du får se vad som berikas, hur flödet fungerar och vad du ska se upp med när du kör det i större skala.
Så fungerar den här automationen
Hela n8n-arbetsflödet, från trigger till slutresultat:
n8n Workflow Template: Linkedin till google sheets: berikade leads
flowchart LR
subgraph sg0["Start Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Start", pos: "b", h: 48 }
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/>Get Profile Info"]
n2@{ icon: "mdi:database", form: "rounded", label: "Recover Profiles", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Update", pos: "b", h: 48 }
n0 --> n2
n1 --> n3
n2 --> 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 n0 trigger
class n2,n3 database
class n1 api
classDef customIcon fill:none,stroke:none
class n1 customIcon
Problemet: LinkedIn-leaddata är långsam och rörig att samla in
Att manuellt berika LinkedIn-profiler är den typen av jobb som i tysthet sabbar en vecka. Du öppnar en profil, kopierar ett namn, hämtar en titel, skummar ”Om”-sektionen och försöker sedan standardisera kompetenser eller språk till något som fungerar i ett kalkylark. Gör du det 30 gånger har du tappat en eftermiddag. Gör du det för 200 leads börjar du gena, och då blir arket opålitligt. Sedan drabbas outreach: målgruppsstyrningen blir otydlig, personaliseringen blir ytlig och teamet börjar diskutera vilka rader som är ”tillräckligt bra” att kontakta.
Friktionen byggs på. Här brukar det oftast fallera.
- Varje profil tar cirka 5–10 minuter att samla in på rätt sätt, och ”rätt” varierar fortfarande mellan personer.
- Jobbtitlar och kompetenser klistras in i inkonsekventa format, så segmentering i Google Sheets blir ett rensningsprojekt.
- Folk hoppar över fält när de har bråttom, vilket lämnar luckor som du upptäcker först när du försöker filtrera eller göra en mail merge.
- Att gå tillbaka till samma profiler senare slösar tid eftersom det saknas en pålitlig markering för ”redan berikad”.
Lösningen: berika LinkedIn-profiler direkt i Google Sheets automatiskt
Det här n8n-arbetsflödet bevakar ett Google-ark efter LinkedIn-profil-URL:er och berikar sedan varje profil via ett cookieless scraping-API (Ghost Genius) med en HTTP Request. Det bearbetar profiler i batchar, vilket håller det stabilt när du jobbar igenom en lång lista. För varje URL hämtar det strukturerad data som namn, rubrik, plats, ”open to work”-signaler, kontakter och följare, plus rikare fält som kompetenser, språk, senaste erfarenhet och utbildning. Till sist skriver det tillbaka allt i ditt kalkylark i konsekventa kolumner, så datan direkt går att använda för filtrering, scoring eller överlämning till outreach.
Arbetsflödet utgår från ditt ark som sanningskälla. n8n loopar igenom varje LinkedIn-URL, anropar enrichment-API:t och sammanfogar resultatet till en strukturerad rad per person. När det är klart slutar arket vara en länkdump och blir en riktig prospektdatabas.
Det du får: automation vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du bygger en lista med 150 LinkedIn-prospects för en nischkampanj. Manuellt är till och med 7 minuter per profil cirka 18 timmar av flikbyten och kalkylarksstädning. Med det här arbetsflödet klistrar du in de 150 URL:erna i Google Sheets, startar körningen och låter det jobba i batchar; du kanske lägger 10 minuter på att kontrollera kolumnerna och punktfixa enstaka avvikande poster. Det är i praktiken två arbetsdagar tillbaka i veckan.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Sheets för att lagra URL:er och berikade fält
- Ghost Genius API för cookieless berikning av LinkedIn-profiler
- Ghost Genius API-nyckel (hämta den i din Ghost Genius-dashboard)
Svårighetsgrad: Nybörjare. Du kopplar konton, klistrar in en API-nyckel och matchar några kolumner.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Google Sheets triggar körningen. Du lägger till LinkedIn-profil-URL:er i första kolumnen i arket och startar sedan arbetsflödet för att läsa rader som behöver berikning.
Poster bearbetas i batchar. n8n loopar igenom listan i mindre delar (Split in Batches), vilket hjälper till att undvika timeouts och gör det enklare att återuppta om något misslyckas.
HTTP-anrop berikar varje profil. För varje URL anropar arbetsflödet Ghost Genius och hämtar strukturerade fält som namn, rubrik, plats, kontakter/följare, rekryteringssignaler, kompetenser, språk samt senaste erfarenhet och utbildning.
Allt skrivs tillbaka till ditt kalkylark. Arbetsflödet sammanfogar varje berikningsresultat till rätt rad så att ditt Google-ark blir en strukturerad databas du kan filtrera, score:a eller synka vidare.
Du kan enkelt ändra batchstorlek och utdata-kolumner så att det matchar teamets listformat. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Vanliga fallgropar
- Google Sheets-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det slutar fungera, kontrollera n8n-skärmen Credentials och bekräfta att det anslutna Google-kontot fortfarande har åtkomst till kalkylarket.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Ghost Genius API-nycklar kan roteras eller blockeras om användningsgränser nås. Om berikningen plötsligt ger fel, bekräfta din nyckel i HTTP Request-headers och kontrollera loggarna i din Ghost Genius-dashboard.
Vanliga frågor
Cirka 30 minuter om ditt ark är redo.
Nej. Du kopplar Google Sheets och klistrar in en API-nyckel. Det mesta av jobbet är bara att mappa kolumner en gång.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Molnplaner börjar på 20 USD/månad för högre volymer. Du behöver också räkna in Ghost Genius API-användning beroende på hur många profiler du berikar.
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 är ett vanligt nästa steg. Efter uppdateringen i Google Sheets kan du lägga till en HubSpot- eller Salesforce-nod för att skapa eller uppdatera kontakter automatiskt. Många team lägger också in enkel dubblettkontroll (en ”If”-kontroll på URL eller namn) före berikning så att de inte bearbetar samma personer igen. Vill du ha regelbundna uppdateringar kan du schemalägga arbetsflödet att berika om en gång per månad och bara skriva över de fält du bryr dig om, som titel och nuvarande företag.
Oftast är det API-nyckeln i dina HTTP Request-headers. Skapa om nyckeln i Ghost Genius, uppdatera Header Auth i n8n och kör sedan om en profil för att bekräfta att det fungerar. Om det fortfarande fallerar, kontrollera rate limits eller en felaktig LinkedIn-URL i ditt ark (extra mellanslag är en klassiker).
Väldigt många, så länge du kör i batchar.
Det beror på hur ”seriöst” ditt listbyggande är. n8n är bättre när du behöver batchar, villkorslogik och kontroll över hur rader sammanfogas tillbaka till Google Sheets. Du får också möjlighet att self-hosta, vilket är användbart när du bearbetar stora listor regelbundet och vill slippa överraskningar med pris per task. Zapier eller Make kan gå snabbare för väldigt små, enkla flöden, men de blir ofta klumpiga när du lägger till retries, avdubblettning och mapping av många fält. Om du är osäker, prata med en automationsexpert och välj det enklaste alternativet som inte går sönder nästa månad.
När det här väl rullar slutar ditt Google-ark vara ett evighetsjobb och blir en tillgång. Ärligt talat: konsekventa fält för varje lead förändrar hur snabbt du kan agera.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.