Att kopiera företagsuppgifter från LinkedIn känns snabbt tills det inte längre gör det. Ett saknat fält blir till fem flikar, ett halvfärdigt kalkylark och en leadlista du inte riktigt litar på.
Den här LinkedIn Sheets-automationen träffar sales ops och growth marketers först, ärligt talat. Men byråägare som bygger kontolistor känner av det också. Du hämtar konsekvent företagsdata (identitet, storlek, klassificering, finansiering) och loggar den strukturerat i Google Sheets utan ständig efterstädning.
Nedan ser du exakt vad workflowet extraherar, hur det standardiserar fält och var du kan justera det efter dina egna regler för leadkvalificering.
Så fungerar den här automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: LinkedIn till Google Sheets: rensad bolagsdata snabbt
flowchart LR
subgraph sg0["On form submission 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/form.svg' width='40' height='40' /></div><br/>On form submission"]
n1@{ icon: "mdi:play-circle", form: "rounded", label: "When Executed by Another Wor..", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Unify Params", pos: "b", h: 48 }
n3["<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/airtop.svg' width='40' height='40' /></div><br/>Extract Company's information"]
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Map output", pos: "b", h: 48 }
n2 --> n3
n0 --> n2
n3 --> n4
n1 --> n2
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,n1 trigger
classDef customIcon fill:none,stroke:none
class n0,n3 customIcon
Utmaningen: att strukturera LinkedIn-företagsdata för hand
Att bygga en företagslista från LinkedIn börjar ofta som ”bara ta grunderna”. Sedan inser du att varje profil är formaterad lite olika. Huvudkontorets plats är gömd, webbplatsfältet är inkonsekvent och antalet anställda passar inte snyggt in i de storleksintervall som teamet använder. Lägg till finansieringsdetaljer (runda, belopp, investerare, datum) så blir det ett repetitivt researchjobb som stjäl fokus från outreach, targeting och faktiska beslut. Ännu värre: arket ser komplett ut tills någon försöker segmentera det och hälften av raderna inte matchar.
Det blir mycket snabbt. Här är var det faller isär i verkliga team.
- Folk klistrar in ”Om”-text och platser i olika format, så filtrering på land eller delstat blir ett manuellt omarbetningsprojekt.
- Antal anställda saknas ofta eller tolkas olika, vilket leder till fel storleksindelning och felriktad outreach.
- Finansieringsdetaljer hoppas över eftersom de tar tid, trots att de ofta är den bästa signalen för prioritering.
- När listor byggs av flera personer slutar det med att ni diskuterar datakvalitet i stället för att agera på den.
Lösningen: Airtop hämtar företagsprofilen, Sheets får strukturerade rader
Det här workflowet tar en enda input (en LinkedIn-URL till ett företag) och använder Airtop för att extrahera strukturerade företagsdetaljer från sidan via din LinkedIn-autentiserade Airtop-profil. I stället för att du jagar fält ett i taget navigerar Airtop till profilen och returnerar en standardiserad JSON-payload som redan innehåller identitetsdata (namn, tagline, HQ-plats, webbplats, om), skalsignaler (antal anställda plus en storleksklass), klassificeringsfält (som automation-byrå ja/nej och teknisk mognad) samt finansieringsprofil (senaste runda, kapital som tagits in, investerare, datum för senaste uppdatering). Efter extraktionen formaterar workflowet payloaden till en strukturerad, konsekvent form så att den är redo att loggas i Google Sheets och användas för leadkvalificering.
Workflowet startar när ett formulär skickas in eller när ett annat workflow triggar det med LinkedIn-URL:en och Airtop-profilen. Därefter hämtar Airtop företagsprofildata från LinkedIn och returnerar den i ett förutsägbart schema. Till sist formaterar workflowet resultatpayloaden så att dina kolumner i arket förblir konsekventa över tid.
Vad som förändras: före vs. efter
| Detta eliminerar | Effekten du kommer att se |
|---|---|
|
|
Praktisk effekt i verkligheten
Säg att du berikar en lista med 40 målkonton inför en outbound-sprint. Manuellt lägger du kanske cirka 10 minuter per företag på att hämta namn, HQ, webbplats, antal anställda och en snabb koll på finansiering. Det är ungefär 6 till 7 timmar av rutinjobb innan du ens skriver ett enda meddelande. Med det här workflowet skickar du in LinkedIn-URL:erna (eller skickar in dem från ett uppströms workflow), väntar på att Airtop returnerar strukturerad data och loggar den i Sheets. Du granskar fortfarande edge cases, men grovjobbet är gjort.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Airtop för att extrahera företagsdetaljer från LinkedIn.
- Google Sheets för att lagra och dela strukturerad leaddata.
- Airtop API-nyckel (hämta den i din Airtop-dashboard).
Nivå: Nybörjare. Du kopplar Airtop och Google Sheets och mappar sedan fält en gång.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Workflow-flödet
Ett formulär eller ett uppströms workflow skickar in input. Du anger LinkedIn-URL:en till företaget och väljer den Airtop-profil som redan är autentiserad mot LinkedIn.
Workflowet slår ihop inkommande fält till en strukturerad payload. Det här är viktigare än det låter, eftersom input kan komma från två källor (den inbyggda formulärtriggern eller ett annat n8n-workflow), och du vill ha samma struktur oavsett.
Airtop hämtar företagsprofilen och extraherar detaljerna. Den navigerar till LinkedIn-sidan för företaget och returnerar strukturerad data som huvudkontor, antal anställda, storleksklass och finansieringsfält.
Resultatet formateras till ett standardiserat output. Den slutliga payloaden är det du mappar till kolumner i Google Sheets (eller skickar vidare till nästa steg i ditt CRM-berikningsworkflow).
Du kan enkelt ändra output-schemat så att det matchar dina kolumner i arket efter dina behov. Se hela implementationsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera triggern för formulärinskick
Konfigurera inkommande datakällor som matar in LinkedIn-URL:er och Airtop-profiler i arbetsflödet.
- Lägg till noden Form Submission Trigger och ställ in Form Title till
Company information. - I Form Description använder ni uttrycket
=This Airtop Studio automation simplifies LinkedIn data extraction by automatically providing structured, reliable, and easily actionable data—saving significant effort, reducing errors, and enabling fast analysis and decision-making.. - Konfigurera Form Fields med två obligatoriska inmatningar: Company's LinkedIn URL (platshållare
https://www.linkedin.com/company/airtop-ai/) och Airtop Profile (connected to Linkedin). - Lägg till noden Upstream Workflow Trigger och definiera Workflow Inputs som
company_linkedinochairtop_profileså att externa arbetsflöden kan skicka in data. - Koppla både Form Submission Trigger och Upstream Workflow Trigger till Merge Input Fields för att samla datavägen.
https://www.linkedin.com/company/your-company/), annars kan extraktionen misslyckas.Steg 2: Anslut Airtop
Koppla Airtop så att arbetsflödet kan hämta och analysera LinkedIn-data för företaget.
- Öppna noden Retrieve Company Profile.
- Inloggningsuppgift krävs: Anslut era airtopApi-credentials.
Steg 3: Konfigurera Merge Input Fields
Normalisera indata så att data från valfri trigger lagras under samma nycklar.
- Öppna noden Merge Input Fields och lägg till två tilldelningar.
- Ställ in company_linkedin till uttrycket
={{ $json.company_linkedin || $json["Company's LinkedIn URL"] }}. - Ställ in airtop_profile till uttrycket
={{ $json.airtop_profile || $json["Airtop Profile (connected to Linkedin)"] }}.
Steg 4: Konfigurera Retrieve Company Profile
Konfigurera Airtop-förfrågan för extraktion samt analys-prompten för strukturerad JSON-utdata.
- I Retrieve Company Profile ställer ni in Resource till
extractionoch Operation tillquery. - Ställ in URL till uttrycket
={{ $json.company_linkedin }}. - Ställ in Profile Name till uttrycket
={{ $json.airtop_profile }}. - Ställ in Session Mode till
new. - Klistra in hela prompten i Prompt:
=# LinkedIn Company Analysis Prompt Extract and analyze the following information from the provided LinkedIn company page. Present the results in a structured JSON format. ## Required Data Points ### 1. Company Identity - Full company name (including suffixes like Inc., LLC, etc.) - Brand tagline/headline (directly under company name) - Global headquarters location - Company description (full "About" section text) - Primary website URL (excluding social media links) ### 2. Company Scale - Current employee count (from LinkedIn "X employees" metric) - Employee range bracket: [0-9], [10-150], [150+] ### 3. Business Classification Evaluate the following characteristics based on company description, recent posts, and featured content: #### Automation Agency Status - Boolean (true/false) classification - Criteria for "true": * Company explicitly offers automation services to clients * Core business model involves developing/implementing automations * Primary revenue from automation consulting/development #### AI Implementation Level Classify as [Low/Medium/High] based on: - Low: No evidence of AI/automation/scraping usage - Medium: Uses AI/automation tools or mentions them as supplementary capabilities - High: Core business involves AI development, automation creation, or data harvesting services ### 4. Technical Sophistication Evaluate overall technical capabilities as [Basic/Intermediate/Advanced/Expert] based on: - Technology stack mentioned - Technical job postings - Products/services complexity - Engineering team size - Technical achievements highlighted ### 5. Investment Profile If available, document: - Most recent funding round - Total funding amount - Key investors - Last funding date Mark as "Not publicly disclosed" if information unavailable ## Output Format Return data in the following JSON structure, with all fields required, make sure the response contains only the json. { "company_profile": { "name": string, "tagline": string, "location": { "city": string, "state": string, "country": string }, "overview": string, "website": string }, "scale": { "employee_count": number, "size_bracket": string }, "classification": { "is_automation_agency": boolean, "ai_focus_level": string, "technical_tier": string }, "funding": { "latest_round": string, "total_raised": string, "investors": [string], "last_updated": string } }. - I Additional Fields → Output Schema ställer ni in schemat till det angivna JSON-schema-värdet för att tvinga fram rätt struktur.
Steg 5: Konfigurera Format Result Payload
Normalisera slutsvaret så att efterföljande steg kan konsumera en ren JSON-payload.
- Öppna Format Result Payload och ställ in Mode till
raw. - Ställ in JSON Output till
={{ $json.data.modelResponse }}.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att verifiera extraktionskedjan och utdataformatet innan ni går live.
- Klicka på Execute Workflow och skicka in formuläret via Form Submission Trigger eller kör Upstream Workflow Trigger med
company_linkedinochairtop_profile. - Bekräfta att Merge Input Fields outputar enhetliga nycklar och att Retrieve Company Profile returnerar ett strukturerat JSON-svar.
- Kontrollera Format Result Payload för ett rent JSON-objekt i outputen.
- När ni är nöjda, slå på arbetsflödet till Active för användning i produktion.
Saker att se upp med
- Airtop-uppgifter kan löpa ut eller tappa åtkomst om din LinkedIn-autentiserade profil loggas ut. Om det slutar fungera, kontrollera först Airtop Profile-kopplingen i Airtop och uppdatera sedan API-nyckeln i n8n.
- Om du senare bygger ut workflowet med batchning (Split in Batches) eller väntan på sidladdningar varierar processtiderna. Öka väntetiden om nedströms steg misslyckas eftersom extraktionen gav ett tomt svar.
- Klassificeringsfält som ”Är detta en automation-byrå?” bygger på konsekventa regler. Om standardlogiken känns för generisk, justera den tidigt – annars kommer du att tveka kring etiketterna i arket varje vecka.
Vanliga frågor
Vanligtvis cirka 30 minuter om Airtop och Google Sheets redan är kopplade.
Ja. Ingen kodning krävs, men någon behöver mappa fälten noggrant en gång. Efter det kör den som en mall.
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 med Airtop API-kostnader baserat på hur många företagssidor du extraherar.
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 obegränsade körningar men kräver grundläggande serverhantering.
Du kan justera stegen Merge Input Fields och Format Result Payload så att de matchar dina kolumner och namnkonventioner i arket. Vanliga justeringar är att ändra storleksklasser för antal anställda, lägga till ett eget fält för ”ICP-fit” och dela upp huvudkontor i separata kolumner för stad/delstat/land för enklare filtrering.
Oftast beror det på en utgången Airtop API-nyckel eller en LinkedIn-autentiserad Airtop-profil som har loggats ut. Skapa en ny nyckel i Airtop, uppdatera den i n8n och bekräfta att den valda profilen fortfarande har åtkomst till LinkedIn. Om du extraherar många företag under en kort tidsperiod kan du också slå i rate limits eller få variationer i sidladdning, vilket gör att Airtop returnerar ofullständiga fält.
På n8n Cloud beror kapaciteten på planens månadsvisa körningar, och varje företagsuppslag räknas vanligtvis som en körning. Om du self-hostar finns inget fast tak, men serverresurserna blir begränsningen. I praktiken berikar de flesta team i batcher (t.ex. 20–100 företag åt gången) så att de kan granska resultat och undvika att belasta LinkedIn för hårt på en gång.
Ofta ja, eftersom Airtop-extraktionen och formateringen av payloaden är enklare att styra i n8n. Du kan slå ihop input från olika källor, standardisera output en gång och återanvända samma workflow som ett sub-workflow i ett större lead gen-system. Zapier och Make kan fungera, men formning av data i flera steg tenderar att bli rörig och dyr när logiken växer. Om allt du behöver är ”URL in, rad ut” kanske du inte bryr dig. Om du vill ha scoring, förgreningsregler eller CRM-överlämning som nästa steg är n8n oftast ett lugnare val. Prata med en automationsexpert om du vill ha en snabb rekommendation.
När detta väl rullar blir ditt ark en pålitlig källa till sanning i stället för ett collage av inklistrad text. Workflowet sköter den repeterbara extraktionen, så att du kan lägga tiden på att kvalificera och nå ut.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.