Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

LinkedIn till Google Sheets, leads redo för samtal

Rickard Andersson Partner, Nodenordic.se

LinkedIn-prospektering börjar enkelt. Sedan sitter du med 40 öppna flikar, kopierar företagsnamn till ett ark, tvekar om det är rätt matchning och stirrar fortfarande på ett tomt cold call-manus.

Den här automatiseringen för LinkedIn lead scoring slår hårdast mot SDR:er, men grundare som gör sin egen outreach och growth marketers som bygger listor känner av det också. Du får “leads”, visst. Bara inte sådana som är redo att ringas.

Det här arbetsflödet gör om LinkedIn-sökningar till ett rensat Google Sheets-CRM, poängsätter företag från 0–10, hittar beslutsfattare och skriver ett 20-sekunders manus som du faktiskt kan använda. Här är vad det gör och varför det fungerar.

Så fungerar den här automatiseringen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: LinkedIn till Google Sheets, leads redo för samtal

Problemet: LinkedIn-research ger inte leads som är redo att ringas

De flesta team har inte svårt att hitta “prospects”. De har svårt att omvandla rå LinkedIn-data till en lista som faktiskt är värd att ringa. Du letar upp ett företag, försöker gissa om det passar, jagar sedan en beslutsfattare med rätt titel, jagar igen efter kontaktuppgifter och försöker till sist improvisera ett manus som inte låter som en mall. När du är klar har du lagt verklig tid på ett lead som kanske var fel matchning från början. Och nästa dag gör du allt igen.

Friktionen byggs på. Här är var det brukar fallera.

  • Att kopiera och klistra in företagsdata i Google Sheets blir lätt cirka 2 timmar i veckan av städning och omformatering.
  • Utan konsekvent poängsättning blir listan snabbt stökig, vilket innebär att de bästa prospekten inte kontaktas först.
  • Dubbletter smyger sig in och ingen märker det förrän ni redan har varit på samma konto två gånger.
  • Personlig förberedelse inför samtal hoppas över eftersom det tar för lång tid, så samtalen börjar kalla och förblir kalla.

Lösningen: LinkedIn-sökning → poängsatta leads → ringmanus i Sheets

Det här arbetsflödet körs i n8n och fungerar som en tyst, konsekvent researchassistent. Det startar enligt schema (eller manuellt) och hämtar dina targeting-regler från en “Settings”-flik i Google Sheets, så du slipper redigera automatiseringen varje gång din ICP ändras. Sedan söker det efter företag på LinkedIn via Ghost Genius API, men först rensar och skärper OpenAI dina nyckelord så att sökresultaten blir mindre slumpmässiga. Varje företag berikas (webbplats, storlek, följare och annan grunddata), filtreras på kvalitet (till exempel en LinkedIn-sida med webbplats och 200+ följare) och avdupliceras mot ditt befintliga CRM-ark. Till sist poängsätter OpenAI varje företag från 0 till 10, och bara de som når din tröskel går vidare till att hitta beslutsfattare, telefonuppslag (när det finns) och ett kort, personligt cold call-manus som sparas direkt bredvid leadet.

Arbetsflödet börjar med dina inställningar och nyckelord och bearbetar sedan företag i batchar (upp till cirka 1 000 per batch) för att hålla det stabilt. Efter poängsättning och filtrering söker det i Sales Navigator efter rätt jobbtitlar, berikar varje profil och genererar ett 20-sekunders ringmanus baserat på företaget och personen du ringer. Allt hamnar i Google Sheets i två flikar: Companies och Leads.

Det du får: automatisering vs. resultat

Exempel: så här ser det ut i praktiken

Säg att du vill ha 50 nya företag i veckan att ringa. Manuellt: om du lägger cirka 6 minuter på att hitta företaget, 6 minuter på att kvalificera det och ytterligare 10 minuter på att hitta en beslutsfattare och skriva ett kort manus, blir det ungefär 20 minuter per styck. Cirka 16 timmar i veckan. Med det här arbetsflödet uppdaterar du ditt Settings-ark på några minuter, låter den dagliga körningen hantera batchar i bakgrunden och öppnar sedan Google Sheets till en lista där bara företag med score ≥ 7 dyker upp, med beslutsfattare och manus kopplade. Du granskar fortfarande, men det är snarare 30–60 minuter av uppföljning, inte två hela arbetsdagar.

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 Settings, Companies och Leads.
  • Ghost Genius API för LinkedIn + Sales Navigator-sökning och berikning.
  • OpenAI API-nyckel (hämta den i OpenAI-dashboarden)

Kompetensnivå: Medel. Du kopplar konton, klistrar in API-nycklar och justerar några filter, men du skriver ingen app.

Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

Ett dagligt schema (eller manuell start) kickar igång körningen. n8n triggar arbetsflödet och läser direkt din Settings-flik i Google Sheets så att dina targeting-regler ligger samlade på ett ställe.

Nyckelord rensas, sedan körs LinkedIn-företagssökning i batchar. OpenAI förfinar söknyckelorden och Ghost Genius sköter själva upptäckten av LinkedIn-företag och pagineringen, så att du kan hantera upp till cirka 1 000 företag per batch utan att behöva passa processen.

Företag berikas, filtreras och avdupliceras innan poängsättning. Arbetsflödet kontrollerar grundkrav, som att det finns en LinkedIn-sida med webbplats och tillräckligt många följare (200+). Därefter slår det upp organisationen i ditt ark så att du inte sparar samma företag två gånger. Efter det poängsätter OpenAI företaget från 0–10, och bara starka matchningar (score ≥ 7) läggs till i din Companies-flik.

Beslutsfattare hittas, berikas och blir leads som är redo att ringas. Via Sales Navigator-sökning med Ghost Genius hittar arbetsflödet profiler som matchar dina jobbtitlar, berikar deras detaljer, försöker slå upp telefonnummer och genererar sedan ett kort cold call-manus och sparar allt i Leads-fliken.

Du kan enkelt ändra poängtröskeln och jobbtitlarna för beslutsfattare efter dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: konfigurera triggertypen

Sätt upp både manuella och schemalagda startpunkter som startar arbetsflödets två huvudspår.

  1. Lägg till en Manual Launch-nod för att möjliggöra körningar vid behov.
  2. Lägg till en Scheduled Daily Trigger-nod för att köra automatiskt och koppla den till Retrieve Settings Sheet B.
  3. Koppla Manual Launch till Retrieve Settings Sheet för att läsa in inställningar för spåret för företagsidentifiering.

Steg 2: anslut Google Sheets

Dessa noder läser in inställningar och sparar resultat i ert kalkylark.

  1. I Retrieve Settings Sheet, ställ in Sheet till Settings och välj ert Document (Workflow Spreadsheet).
  2. I Retrieve Settings Sheet B, ställ in Sheet till Settings och välj samma Document.
  3. I Lookup Company in Sheet, ställ in Sheet till Companies och filtrera ID med ={{ $json.id }}.
  4. I Append Company to CRM, bekräfta att Operation är append och mappa kolumner som ID till ={{ $('Fetch Company Details').item.json.id }} och Score till ={{ $('AI Company Rating').item.json.message.content.score }}.
  5. I Store Lead Records, behåll Operation som append och sätt Phone till ={{ $('Lookup Phone Number').item.json.international_format }} och Script till ={{ $json.message.content.script }}.
  6. I Mark Leads Enriched och Update No Decision Maker, bekräfta att Operation är appendOrUpdate med LinkedIn mappad till ={{ $('Iterate Company List').item.json.LinkedIn }}.
  7. Inloggning krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter till alla Google Sheets-noder (Retrieve Settings Sheet, Retrieve Settings Sheet B, Lookup Company in Sheet, Append Company to CRM, Load Stored Companies, Store Lead Records, Mark Leads Enriched, Update No Decision Maker).

Steg 3: sätt upp spåret för företagsidentifiering och betygsättning

Det här spåret söker efter företag, validerar dem och betygsätter matchning innan de sparas.

  1. I Gather Settings A, ställ in Aggregate till aggregateAllItemData och Destination Field Name till settings.
  2. I Verify API Inputs, säkerställ att villkoren kontrollerar att ={{ $json.settings[6]['Value (edit with your use case)'] }} och ={{ $json.settings[2]['Value (edit with your use case)'] }} inte är tomma.
  3. I Refine Search Keywords, behåll jsonOutput aktiverat och använd systemprompten med användarinput-uttrycket ={{ $json.settings[1]['Value (edit with your use case)'] }}.
  4. I Search Company Directory, ställ in URL till https://api.ghostgenius.fr/v2/search/companies, och sätt frågeparametrar som keywords till ={{ $json.message.content.keywords }} och locations till ={{ $('Gather Settings A').item.json.settings[4]['Value (edit with your use case)'] }}.
  5. I Split Company Results, ställ in Field To Split Out till data.
  6. I Fetch Company Details, behåll URL som https://api.ghostgenius.fr/v2/company, sätt query-parameter url till ={{ $json.url }}, och sätt Authorization-headern till =Bearer {{ $('Gather Settings A').item.json.settings[6]['Value (edit with your use case)'] }}.
  7. I Validate Company Records, kontrollera att website inte är tomt med ={{ $json.website }} och att followers_count är större än 200 med ={{ $json.followers_count }}.
  8. I Check New Organization, behåll kontrollen för tomt objekt med ={{ $('Lookup Company in Sheet').all().first().json }}.
  9. Inloggning krävs: Anslut era openAiApi-inloggningsuppgifter till Refine Search Keywords och AI Company Rating.

Tips: Om Verify API Inputs misslyckas, styr arbetsflödet till Stop: Missing API or Account. Säkerställ att ert Settings-ark har värden på index 2 och 6.

Steg 4: konfigurera AI-poängsättning och lagring i CRM

Betygsätt företag och lägg till kvalificerade poster i ert CRM-ark.

  1. I AI Company Rating, ställ in Model till o3-mini och behåll jsonOutput aktiverat.
  2. Säkerställ att systemmeddelandet refererar till inställningar med ={{ $('Gather Settings A').item.json.settings[0]['Value (edit with your use case)'] }} och företagsfält som ={{ $('Validate Company Records').item.json.description }}.
  3. I Append Company to CRM, bekräfta att State är satt till Qualified och att Explanation mappas till ={{ $('AI Company Rating').item.json.message.content.explanation }}.
  4. I Batch Through Firms, behåll batchbearbetning aktiverad för att iterera genom företagsresultaten efter lagring.

⚠️ Vanlig fallgrop: Om Append Company to CRM skriver tomma värden, verifiera att noderna Fetch Company Details och AI Company Rating returnerar data som de ska.

Steg 5: sätt upp lead-berikning och generering av samtalsskript

Det här spåret läser in kvalificerade företag, hittar personal, berikar profiler och genererar samtalsskript.

  1. I Gather Settings B, ställ in Aggregate till aggregateAllItemData och Destination Field Name till settings.
  2. I Verify Script Inputs, verifiera att alla fyra inputs inte är tomma: ={{ $json.settings[6]['Value (edit with your use case)'] }}, ={{ $json.settings[2]['Value (edit with your use case)'] }}, ={{ $json.settings[7]['Value (edit with your use case)'] }} och ={{ $json.settings[8]['Value (edit with your use case)'] }}.
  3. I Load Stored Companies, läs in från Companies och skicka vidare till Filter Qualified Scores med Score ≥ 7 och State = Qualified.
  4. I Throttle Results, ställ in Max Items till 100 för att begränsa antalet företag som behandlas per körning.
  5. I Search Staff Profiles, ställ in current_company till ={{ $('Iterate Company List').item.json.ID }} och Authorization till =Bearer {{ $('Gather Settings B').item.json.settings[6]['Value (edit with your use case)'] }}.
  6. I Confirm Profiles Found, behåll villkoret ={{ $json.total }} gte 1. Om det är falskt går flödet till Update No Decision Maker.
  7. I Split Profile Results, ställ in Field To Split Out till data, och hämta sedan detaljer i Fetch Profile Details med ={{ $json.url }}.
  8. I Lookup Phone Number, ställ in query-parametern url till ={{ $json.url }} och Authorization-headern till =Bearer {{ $('Gather Settings B').item.json.settings[6]['Value (edit with your use case)'] }}.
  9. I Shape Profile Data, behåll Mode som runOnceForEachItem och den angivna JavaScript-koden för att normalisera profilfält.
  10. I Generate Call Script, ställ in Model till gpt-4.1, Temperature till 0.2 och behåll jsonOutput aktiverat.
  11. Inloggning krävs: Anslut era openAiApi-inloggningsuppgifter till Generate Call Script.

Tips: Search Staff Profiles, Fetch Profile Details och Lookup Phone Number anropar samma API. Behåll noden Delay for Rate Limit3 sekunder för att minska problem med throttling.

Steg 6: konfigurera utdata och statusuppdateringar

Spara berikade leads, markera status och loopa igenom resterande företag.

  1. I Store Lead Records, verifiera att kolumnmappningarna för Firstname, Lastname, Company name och Current Position matchar de angivna uttrycken.
  2. Behåll Delay for Rate Limit satt till 3 för att pausa innan företag markeras som berikade.
  3. I Mark Leads Enriched, ställ in State till Enriched och mappa LinkedIn till ={{ $('Iterate Company List').item.json.LinkedIn }}.
  4. Säkerställ att Mark Leads Enriched skickar utdata tillbaka till Iterate Company List för att fortsätta batcha igenom företagen.

Steg 7: lägg till felhantering

Dessa noder stoppar arbetsflödet när kritiska inställningar saknas.

  1. I Stop: Missing API or Account, behåll felmeddelandet Missing API Key or Account ID in the Google Sheet och säkerställ att den är kopplad till false-spåret från Verify API Inputs.
  2. I Stop: Missing Sheet Data, behåll felmeddelandet Missing Informations in the Google Sheet och koppla den till false-spåret från Verify Script Inputs.

⚠️ Vanlig fallgrop: Om någon av stop-noderna triggas oväntat, kontrollera igen att kolumnerna i ert Settings-ark är ifyllda och att de är i linje med indexpositionerna som används i uttrycken.

Steg 8: testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta att både spåret för företagsidentifiering och berikningsspåret fungerar från början till slut.

  1. Klicka Execute Workflow med Manual Launch och verifiera att Retrieve Settings Sheet och Gather Settings A returnerar inställningsdata.
  2. Kontrollera att Search Company Directory returnerar resultat och att Append Company to CRM skriver rader till arket Companies.
  3. Kör det schemalagda spåret genom att manuellt exekvera Scheduled Daily Trigger och bekräfta att Store Lead Records skriver till arket Leads.
  4. En lyckad körning ska avslutas med att Mark Leads Enriched uppdaterar företagets State till Enriched.
  5. Slå på arbetsflödets Active för att aktivera körningar i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Behörigheter i Google Sheets kan vara luriga. Om rader inte sparas: kontrollera vilket Google-konto som är kopplat i n8n-credentials och bekräfta att det har redigeringsåtkomst till exakt rätt kalkylark och flikar.
  • Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram fallerar på tomma svar.
  • Anrop till Ghost Genius och Sales Navigator kan slå i rate limits om du breddar targeting för mycket. Behåll batchning och använd inbyggd throttling/limit-beteende så att profilberikning inte fallerar slumpmässigt mitt i körningen.
  • Standardprompter i AI-noder är generiska. Lägg in ert tonalitet/brand voice tidigt, annars kommer du redigera output för alltid.

Vanliga frågor

Hur lång tid tar det att sätta upp den här automatiseringen för LinkedIn lead scoring?

Cirka 60–90 minuter om dina API:er och ditt Google Sheet är redo.

Behöver jag kunna koda för att automatisera LinkedIn lead scoring?

Nej. Du kopplar mest konton, klistrar in nycklar och finjusterar filter. Den enda “kod”-noden är redan byggd för att forma profildata.

Är n8n gratis att använda för det här arbetsflödet för LinkedIn lead scoring?

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 in OpenAI API-användning (ofta några cent per batch) plus din Ghost Genius API-plan.

Var kan jag hosta n8n för att köra den här automatiseringen?

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 obegränsat antal körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här arbetsflödet för LinkedIn lead scoring för olika jobbtitlar och poängregler?

Ja, och det bör du. De flesta justerar Settings-arket (jobbtitlar, företagsstorlek, regioner, nyckelord) och fintrimmar sedan prompten “AI Company Rating” så att 0–10-poängen speglar deras faktiska ICP. Du kan också ändra poängtröskeln i filtreringssteget (arbetsflödet använder score ≥ 7 som standard). Om du vill ha manus i ett annat format uppdaterar du prompten “Generate Call Script” så att den matchar din samtalsöppning och dina invändningar.

Varför fungerar inte min Google Sheets-anslutning i det här arbetsflödet?

Oftast är det fel Google-konto som är kopplat eller att det saknas redigeringsbehörighet till kalkylarket. Kontrollera Google Sheets-credential i n8n igen och bekräfta sedan att sheet ID och fliknamn matchar exakt (Settings, Companies, Leads). Håll också koll på flyttade eller omdöpta flikar, eftersom arbetsflödet kan “faila” även om kontot är okej. Om det fungerade tidigare och plötsligt inte gör det, löser det ofta problemet att autentisera om Google-credentialen.

Hur många leads kan den här automatiseringen för LinkedIn lead scoring hantera?

Om du self-hostar finns ingen körningsbegränsning (det beror mest på din server och API-begränsningar), och arbetsflödet är byggt för att batcha upp till cirka 1 000 företag åt gången. På n8n Cloud beror gränsen på din plans månatliga körningar, så prospektering i hög volym brukar göra att team antingen går upp i nivå eller self-hostar. I praktiken är Ghost Genius/Sales Navigator rate limits det riktiga taket, så genomströmningen är ofta “ett stabilt dagligt dropp” snarare än en enda massiv körning.

Är den här automatiseringen för LinkedIn lead scoring bättre än att använda Zapier eller Make?

Ofta, ja. Det här arbetsflödet har mycket grenlogik (filtrering, avduplicering, “om ingen beslutsfattare hittas”, poängtrösklar) och batchbearbetning, och n8n hanterar det utan att det blir en skör labyrint av zaps och extra betalda steg. Du får också ett verkligt self-hosting-alternativ, vilket spelar roll när du börjar köra dagligen och antalet tasks blir irriterande. Zapier och Make kan fortfarande vara bra om du bara behöver ett grundflöde som “ny rad i ark → skicka mejl”. Om du är osäker på vad som är värt det för din volym, prata med en automationsexpert.

När detta väl rullar öppnar du Google Sheets och ringer först de leads som matchar bäst, med ett manus som redan är skrivet för just det företaget och den rollen. Det är ärligt talat skillnaden mellan “jag borde göra outreach” och en pipeline som faktiskt rör sig.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal