Du hittar ett bra bolag på LinkedIn, öppnar tre flikar, kopierar detaljer till ett kalkylark och inser sedan att du redan lade in dem förra månaden. Det är inte “lead gen”. Det är tråkigt slit.
Sales ops fastnar i att städa listor. En grundare som försöker bygga pipeline känner det på kvällen. Och en demand gen-marknadsförare hamnar i diskussioner om “lead-kvalitet” i stället för att leverera kampanjer. Den här automatiseringen för LinkedIn lead scoring gör LinkedIn-sökningar på företag till ett avduplicerat Google Sheet med en AI-baserad fit score, så att du kan prioritera outreach med större trygghet.
Nedan ser du hur flödet körs, vad det förändrar i vardagen och vad du behöver för att få det live i n8n utan att det blir ett projekt som drar ut i veckor.
Så fungerar automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: LinkedIn till Google Sheets, poängsatta företagsleads
flowchart LR
subgraph sg0["Manual Launch Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Launch Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Configure Search Inputs", pos: "b", h: 48 }
n2["<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/>Lookup Target Firms"]
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Unpack Company List", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Batch Through Companies", pos: "b", h: 48 }
n5["<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/>Retrieve Firm Details"]
n6@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Validate Firm Criteria", pos: "b", h: 48 }
n7@{ icon: "mdi:database", form: "rounded", label: "Check CRM Dupes", pos: "b", h: 48 }
n8@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Confirm New Record", pos: "b", h: 48 }
n9@{ icon: "mdi:robot", form: "rounded", label: "AI Fit Scoring", pos: "b", h: 48 }
n10@{ icon: "mdi:cog", form: "rounded", label: "Pause 2 Seconds", pos: "b", h: 48 }
n11@{ icon: "mdi:database", form: "rounded", label: "Append Firm to CRM", pos: "b", h: 48 }
n0 --> n1
n10 --> n11
n1 --> n2
n8 --> n9
n8 --> n4
n5 --> n6
n2 --> n3
n9 --> n10
n11 --> n4
n3 --> n4
n4 --> n5
n6 --> n7
n6 --> n4
n7 --> n8
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 n9 ai
class n6,n8 decision
class n7,n11 database
class n2,n5 api
classDef customIcon fill:none,stroke:none
class n2,n5 customIcon
Utmaningen: att förvandla LinkedIn-research till en strukturerad CRM-lista
Research på LinkedIn om företag är bedrägligt dyrt. Du börjar med ett tydligt mål (bransch, antal anställda, region), men arbetet blir snabbt rörigt: öppna profiler, rimlighetskontrollera storlek, skanna beskrivningar efter signaler och försöka minnas om teamet redan hört av sig. Samtidigt är din “CRM” ofta ett Google Sheet som är halvt uppdaterat och fullt av dubbletter. Ärligt talat är det värsta inte tiden. Det är hur inkonsekvent det blir när olika personer bedömer “fit” olika, från dag till dag.
Det eskalerar snabbt. Här är var det fallerar när du försöker skala bortom en handfull bolag.
- Att kopiera företagsdata från LinkedIn till Google Sheets blir en timmesuppgift när du behöver 50+ rader.
- Dubblettkontroll är oftast manuell, så samma konto dyker upp två eller tre gånger under lite olika namn.
- “Kvalitet” blir subjektivt utan en tydlig poängmodell, vilket gör att ordningen för outreach blir en diskussion i stället för ett beslut.
- Säljare plockar russinen ur kakan (de mest uppenbara loggorna) och missar de tystare bolagen med hög fit som faktiskt skulle konvertera.
Lösningen: LinkedIn-företagssökning → AI-poängsättning → Google Sheets CRM
Det här flödet ger dig ett repeterbart sätt att gå från “jag behöver en lista med målföretag” till “här är ett prioriterat, avduplicerat sheet redo för outreach”. Du startar det i n8n, ställer in sökkriterierna en gång (vilken typ av bolag du vill ha), och det hämtar LinkedIn-träffar via API. Sedan loopar det igenom varje bolag, hämtar djupare detaljer och filtrerar bort de som inte matchar dina grundkrav (till exempel din miniminivå för följare eller andra kvalitetsindikatorer du definierar). Innan något skrivs till ditt CRM-sheet görs en dubblettkontroll. Bara nya bolag. Till sist poängsätter OpenAI varje bolag mot din ideal customer profile, så att teamet kan börja med konton med bäst fit i stället för de som bara känns bekanta.
Flödet börjar med dina indata och en LinkedIn-uppslagning av företag. Därefter berikas varje bolag med företagsdata och valideras med ett If-filter. Efter en dubblettkontroll i Google Sheets tilldelar en AI-agent en fit score, väntar kort för att undvika rate-problem och appendar sedan den nya raden till ditt Google Sheet-CRM.
Vad som förändras: före vs. efter
| Detta elimineras | Effekt du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att du vill ha en lista med 60 målföretag varje vecka. Manuellt kanske du lägger cirka 5 minuter per bolag på att öppna träffar, skumma detaljer, klistra in i Google Sheets och kolla dubbletter, vilket blir ungefär 5 timmar. Med det här flödet sätter du kriterierna en gång, startar det och låter det jobba i bakgrunden; även om det tar cirka 20–30 minuter att köra från början till slut är din manuella tid närmare 10 minuter. Det är i praktiken en eftermiddag sparad, varje vecka.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Google Sheets för din enkla CRM-lista.
- Ghost Genius API för att söka LinkedIn-företag utifrån kriterier.
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard).
Kunskapsnivå: Medel. Du kopplar konton, klistrar in API-nycklar och justerar några variabler för din ICP.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödet steg för steg
Du startar det manuellt (eller schemalägger senare). Flödet använder en Manual Trigger idag, vilket är perfekt när du testar och finjusterar dina sökkriterier.
Dina mål-kriterier definieras direkt. I steget “Configure Search Inputs” sätter du variabler som vilka typer av bolag du vill ha, samt de kriterier du bryr dig om i poängsättningen (bransch-fit, storlek, region, eller det som är relevant för ditt erbjudande).
LinkedIn-träffar hämtas, packas upp och bearbetas i batchar. n8n anropar LinkedIn-sökningen via HTTP Request (med din Ghost Genius API-nyckel) och delar sedan upp företagslistan i hanterbara batchar så att du inte överbelastar API:er.
Varje bolag berikas, valideras, avdupliceras och poängsätts. Flödet hämtar företagsdetaljer, kör en If-kontroll mot dina kvalificeringsregler, kontrollerar i Google Sheets att bolaget inte redan finns i din CRM, och använder sedan OpenAI:s chattmodell för att ta fram en fit score innan en ny rad appendas.
Du kan enkelt ändra dina sökvariabler för att rikta in dig på en ny nisch utifrån behov. Se hela implementationsguiden nedan för anpassningsmöjligheter.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Konfigurera startpunkten så att ni kan köra arbetsflödet vid behov under testning.
- Lägg till noden Manual Launch Trigger som arbetsflödets trigger.
- Koppla Manual Launch Trigger till Configure Search Inputs.
Steg 2: anslut GhostGenius och Google Sheets
Autentisera de externa tjänster som används för att söka efter företag och uppdatera er CRM.
- I Lookup Target Firms, ställ in URL:en till
https://api.ghostgenius.fr/v2/search/companiesoch aktivera autentisering. - Inloggningsuppgifter krävs: Anslut era httpHeaderAuth-uppgifter i Lookup Target Firms.
- I Retrieve Firm Details, ställ in URL:en till
https://api.ghostgenius.fr/v2/companyoch aktivera autentisering. - Inloggningsuppgifter krävs: Anslut era httpHeaderAuth-uppgifter i Retrieve Firm Details.
- I Check CRM Dupes och Append Firm to CRM, välj samma Google Sheets-fil och bladet
Companies. - Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-uppgifter i Check CRM Dupes och Append Firm to CRM.
⚠️ Vanlig fallgrop: Säkerställ att ert Google Sheet har kolumnerna som används i Append Firm to CRM (ID, Name, Score, State, Summary, Website, LinkedIn) innan ni kör arbetsflödet.
Steg 3: konfigurera sökningen och pipelinen för företagslistan
Definiera sökkriterierna och dela upp resultaten i enskilda företagsposter.
- I Configure Search Inputs, ställ in fälten exakt enligt definitionen: Target Segment till
Growth Marketing Agency, Company Size Range tillC, Location ID till[YOUR_ID], Offering tillour CRM implementation services, Positive Indicators och Negative Indicators till de angivna flerradsvärdena. - I Lookup Target Firms, konfigurera query-parametrar med uttryck: keywords =
{{ $json['Target Segment'] }}, locations ={{ $json['Location ID'] }}, company_size ={{ $json['Company Size Range'] }}. - Behåll pagineringsinställningarna i Lookup Target Firms med page =
{{ $pageCount + 1 }}och slutför när{{ $response.body.data.isEmpty() }}är true. - I Unpack Company List, ställ in Field To Split Out till
data. - Koppla Unpack Company List till Batch Through Companies för att iterera över varje företag.
Tips: Ersätt [YOUR_ID] i Configure Search Inputs med ert faktiska plats-ID för att undvika tomma sökresultat.
Steg 4: validera företag och filtrera dubbletter
Hämta detaljer, validera kriterier och kontrollera er CRM efter befintliga poster.
- I Retrieve Firm Details, ställ in query-parametern url till
{{ $json.url }}och behåll batchning med batchSize1och batchInterval2000. - I Validate Firm Criteria, bekräfta villkoren: website är
{{ $json.website }}med notEmpty och followers_count är{{ $json.followers_count }}större än200. - I Check CRM Dupes, ställ in lookupValue till
{{ $json.id }}med lookupColumnIDför att förhindra dubblettposter. - I Confirm New Record, behåll villkoret att
{{ $('Check CRM Dupes').all().first().json }}är tomt för att endast skicka nya företag vidare.
Tips: Validate Firm Criteria skickar ogiltiga företag tillbaka till Batch Through Companies, så att pipelinen fortsätter även när poster filtreras bort.
Steg 5: konfigurera AI-baserad fit-poängsättning
Använd GPT för att poängsätta hur väl företaget passar och returnera strukturerad JSON.
- I AI Fit Scoring, välj modelId
gpt-4.1och ställ in temperature till0.2. - Behåll jsonOutput aktiverat för att säkerställa att svaret inkluderar
{"score": ...}. - Verifiera att systemprompten använder uttryck som
{{ $('Configure Search Inputs').item.json['Offering'] }}och indikatorer från Configure Search Inputs. - Bekräfta att användarmeddelandet refererar till företagsdata från Validate Firm Criteria med uttryck som
{{ $('Validate Firm Criteria').item.json.name }}och{{ $('Validate Firm Criteria').item.json.description }}. - Inloggningsuppgifter krävs: Anslut era openAiApi-uppgifter i AI Fit Scoring.
⚠️ Vanlig fallgrop: AI-utdata måste vara giltig JSON med ett score-fält, annars kommer Append Firm to CRM inte att mappa poängen korrekt.
Steg 6: lägg till kvalificerade företag och styra takten på anrop
Lagra kvalificerade företag i CRM:en och stryp anrop för att undvika rate limits.
- I Pause 2 Seconds, behåll amount inställt på
2och koppla den efter AI Fit Scoring. - I Append Firm to CRM, behåll operation inställt på
appendoch mappa kolumner med uttryck som{{ $('Retrieve Firm Details').item.json.id }},{{ $json.message.content.score }}och{{ $('Retrieve Firm Details').item.json.website }}. - Säkerställ att Append Firm to CRM loopar tillbaka till Batch Through Companies för att fortsätta bearbeta listan.
Steg 7: testa och aktivera ert arbetsflöde
Kör ett end-to-end-test, bekräfta datautdata och aktivera sedan för produktion.
- Klicka på Execute Workflow och starta från Manual Launch Trigger för att köra ett manuellt test.
- Verifiera att Check CRM Dupes returnerar tomma poster för nya företag och att Confirm New Record routar till AI Fit Scoring.
- Bekräfta att Append Firm to CRM skapar en ny rad med Score ifyllt från
{{ $json.message.content.score }}. - När resultaten är korrekta, växla arbetsflödet till Active för produktionsanvändning.
Saker att se upp med
- Ghost Genius API-uppgifter kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera först Ghost Genius-kontots dashboard och n8n-autentiseringen som används av HTTP Request-noderna.
- 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 och ICP:s “måste-krav” i prompten för AI Fit Scoring tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka en timme om dina konton och nycklar är klara.
Ja. Du skriver ingen kod, men du kopplar Google Sheets och klistrar in API-nycklar i n8n.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis testperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också räkna in OpenAI API-kostnader (ofta några dollar i månaden vid små volymer) och valfri Ghost Genius API-plan.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsat antal körningar men kräver grundläggande serveradministration.
Börja i delen “Configure Search Inputs” (Set Variables) i flödet och formulera den så att den matchar din ICP i klarspråk. Justera sedan If-kontrollen “Validate Firm Criteria” för att tvinga igenom dina icke-förhandlingsbara krav, som minsta antal följare eller plats. Den största hävstången är noden “AI Fit Scoring”: du kan ändra modellen för att poängsätta agency-fit, SaaS-fit, local service-fit eller till och med “sannolik att köpa inom 90 dagar”. Om du vill ha notifieringar lägger du till en avisering efter poängsättningen så att bolag med hög fit pingar dig i Telegram.
Oftast handlar det om behörighetsscope på Google-kontot eller en utgången OAuth-anslutning. Anslut Google Sheets på nytt i n8n och bekräfta sedan att kalkylarket är delat med samma konto som du autentiserade med. Kontrollera också att flikarna och kolumnrubrikerna fortfarande matchar det stegen “Check CRM Dupes” och “Append Firm to CRM” förväntar sig, eftersom omdöpta flikar kan se ut som “saknad fil”-fel.
På n8n Cloud Starter kan du köra några tusen workflow-exekveringar per månad, vilket räcker för de flesta mindre prospekteringscykler. Om du self-hostar finns ingen exekveringsgräns, men genomströmningen beror på din server och dina API-begränsningar. I praktiken begränsas flödet av LinkedIn-sök-/berikningsgränser och din valda batchstorlek, så planera att köra det i delar (till exempel 50–200 bolag åt gången) i stället för att försöka hämta tusentals i en enda körning.
Ofta, ja, om du bryr dig om kontroll och repeterbarhet. Flödet använder batchning, villkorslogik, dubblettkontroller och ett AI-steg för poängsättning, och de delarna blir dyra eller klumpiga i många “tvåstegs”-verktyg för automation. n8n ger dig också möjligheten att self-hosta, vilket blir viktigt när du börjar köra lead gen-automationer varje dag. Nackdelen är att Zapier eller Make kan kännas enklare för snabba prototyper. Om du är osäker: Prata med en automationsexpert och beskriv din volym och process.
En mer strukturerad prospektlista förändrar hela veckan. Du lägger mindre tid på att sortera rader och mer tid på att starta riktiga samtal.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.