Din webbplatschatt är full av aktivitet. Men det är inte hjälpsam aktivitet. Prospekt ställer samma frågor, ditt team upprepar samma svar och de ”bra” leadsen försvinner eftersom ingen ställde rätt följdfrågor vid rätt tidpunkt.
Den här typen av OpenAI-baserat leadkvalificeringsproblem slår först mot fastighetsmarknadsförare, men grundare som kör slimmat och säljkoordinatorer som hanterar förfrågningar känner av det också. Du vill ha konsekvent gallring, tydligare överlämningar och fler bokade visningar utan att bo i inkorgen.
Det här n8n-flödet gör en enkel webbchattwidget till en leadkvalificerande konversation som kommer ihåg kontext, ställer smarta frågor och svarar direkt. Du ser vad det automatiserar, vilka resultat det ger och hur du kopplar in det på din webbplats.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutligt utdata:
n8n Workflow Template: OpenAI + chattwidget: kvalificera bostadsleads
flowchart LR
subgraph sg0["AI Agent 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/webhook.dark.svg' width='40' height='40' /></div><br/>Webhook"]
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set User Message", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", 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/webhook.dark.svg' width='40' height='40' /></div><br/>Respond to Webhook"]
n4@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n5@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n0 --> n1
n2 --> n3
n5 -.-> n2
n1 --> n2
n4 -.-> 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 n2 ai
class n4 aiModel
class n5 ai
class n0,n3 api
classDef customIcon fill:none,stroke:none
class n0,n3 customIcon
Problemet: din chatt fångar leads, men kvalificerar dem inte
En webbchattwidget känns som ”täckning”, tills du tittar närmare på vad som faktiskt händer. De flesta chattar startar med vag intent (”2 BHK?”, ”pris?”, ”läge?”), och ditt team måste dra fram detaljer en message i taget. Vissa prospekt försvinner mitt i tråden, andra kommer tillbaka dagar senare och förväntar sig att du ska komma ihåg allt, och samtalskvaliteten beror på vem som råkade svara. Samtidigt behöver du fortfarande grunderna: budget, tidslinje, beslutsfattare och vad de faktiskt vill ha. Utan det bokar du inga visningar. Du har bara konversationer.
Friktionen växer snabbt. Här går det oftast snett.
- Agenter och marknadsförare lägger timmar varje vecka på att ställa samma kvalificeringsfrågor i dussintals chattar.
- Inkonsekventa uppföljningar gör att två prospekt får två olika upplevelser, även när de frågat samma sak.
- Kontext tappas mellan meddelanden, så återkommande besökare börjar om från början (och lämnar ofta).
- Leads som ”verkar intresserade” trycks vidare till samtal för tidigt, vilket slösar kalendertid och tär på teamets tålamod.
Lösningen: en OpenAI-driven kvalificerare inuti din webbchatt
Det här flödet kopplar din webbchattwidget till n8n och skickar sedan varje meddelande till en OpenAI-driven samtalsagent som är byggd för att kvalificera fastighetsförfrågningar. En webhook tar emot besökarens meddelande, n8n extraherar texten och ett minneslager knyter det till ett sessions-ID så att boten kan komma ihåg vad personen sagt tidigare. Därifrån ställer en AI-agent (konfigurerad med en pre-sales-persona) konsekventa följdfrågor med beprövade säljramverk som BANT och SPIN, samtidigt som tonen hålls vänlig och naturlig. Till sist skickar n8n ett strukturerat JSON-svar tillbaka till din widget så att besökaren får ett omedelbart svar. Resultatet är en chattupplevelse som känns personlig, håller kursen och leder seriösa prospekt mot en visning.
Flödet startar när din widget skickar ett POST-meddelande till en n8n-webhook. OpenAI (GPT-4o-mini) genererar nästa svar baserat på din persona och kvalificeringslogik, och minnesnoden håller konversationen sammanhängande. n8n returnerar sedan svaret direkt till webbplatschatten.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här kan det se ut
Säg att din webbplats får 20 chattkonversationer per dag. En människa behöver vanligtvis runt 10 minuter per chatt för att ställa grundläggande kvalificeringsfrågor (budget, inflyttningstidplan, preferens som 2 BHK vs 3 BHK) och skicka länkar, så det blir cirka 3 timmar per dag. Med det här flödet träffar besökarens meddelande webhooken direkt, OpenAI tar fram nästa fråga på under en minut, och ditt team kliver bara in när leadet faktiskt är redo för en visning eller ett samtal. Du får fortfarande bra täckning, men du slutar betala för den med din tid.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- OpenAI för att generera kvalificerande chattsvar
- Webbchattwidget som kan skicka meddelanden till webhooken
- OpenAI API-nyckel (hämtas från din OpenAI-kontopanel)
Kunskapsnivå: Nybörjare. Du klistrar in en webhook-URL i din widget och lägger till en API-inloggning i n8n.
Vill du inte sätta upp det här själv? Prata med en automationsspecialist (gratis 15-minuters konsultation).
Så fungerar det
Din webbplats skickar ett meddelande till en webhook. Chattwidgeten gör en enkel POST-förfrågan till /webhook/chatbot-webhook med två fält: besökarens meddelande och ett sessions-ID.
n8n fångar upp och rensar indata. En Set-nod plockar ut message ur JSON-kroppen och sparar det som user_message, så att din AI-prompt förblir konsekvent även om widgetens payload ändras senare.
Agenten svarar med minne och regler. Buffer Memory Store använder sessions-ID:t för att behålla kontext mellan meddelanden, och AI-agenten använder OpenAI Chat Model (GPT-4o-mini) för att ställa kvalificeringsfrågor och hantera invändningar på ett stabilt, varumärkesanpassat sätt. Ärligt talat är det här delen som gör att det känns ”mänskligt” i stället för robotiskt.
Din widget får ett JSON-svar tillbaka. Noden Respond to Webhook returnerar botens meddelande direkt, så besökaren upplever det som en vanlig livechatt.
Du kan enkelt justera agentpersonan för att matcha ditt projekt, språk och dina kvalificeringskriterier utifrån dina behov. Se hela implementeringsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementering
Steg 1: konfigurera webhook-triggern
Sätt upp den inkommande webhooken som tar emot chattmeddelanden från er webbklient.
- Lägg till noden Incoming Webhook Trigger och ställ in HTTP Method på
POST. - Ställ in Path till
chatbot-webhook. - Ställ in Response Mode på
responseNodeså att svaret skickas av Return Webhook Reply.
Steg 2: fånga inkommande användartext
Extrahera meddelandetexten från webhook-payloaden så att AI:n kan använda den.
- Lägg till noden Capture User Text efter Incoming Webhook Trigger.
- I Values → String ställer ni in Name till
user_message. - Ställ in Value till uttrycket
{{ $json.body.message }}.
Steg 3: konfigurera AI-konversationsagenten
Konfigurera AI-agenten, språkmodellen och minnet för att generera konversationssvar.
- Lägg till noden Conversation Agent och koppla den efter Capture User Text.
- Ställ in Text till
{{$json["user_message"]}}. - Ställ in Prompt Type till
defineoch klistra in systemmeddelandet från noden:You are Khusboo, a friendly real estate pre-sales agent for Alcove New Kolkata Sangam. Your goal is to qualify leads and gently guide them toward a site visit. Use AIDA, BANT, SPIN, and PAS frameworks. Respond in Hinglish, be personal, share videos confidently, and never disclose price unless asked. Always aim to build trust and invite for a visit. - Koppla OpenAI Chat Engine till Conversation Agent som språkmodell.
- Ställ in OpenAI Chat Engine Model till
gpt-4o-mini. - Koppla Buffer Memory Store till Conversation Agent som minne.
- I Buffer Memory Store ställer ni in Session Key till
==memory_{{ $json.body.session_id || 'default' }}och Context Window Length till20.
Credential Required: Koppla era OpenAI-inloggningsuppgifter i OpenAI Chat Engine. Den här modellen driver Conversation Agent, och inloggningsuppgifter måste läggas till i språkmodellnoden (inte i agenten eller minnes-subnoden).
Steg 4: konfigurera webhook-svaret
Returnera AI-utdata till anroparen som ett JSON-svar.
- Lägg till noden Return Webhook Reply efter Conversation Agent.
- Ställ in Respond With till
json. - Ställ in Response Body till
{ "Respond Immediately": "{{ $json.output.replaceAll('\n', '\\n').replaceAll('\"', '\\\"') }}" }.
Steg 5: testa och aktivera ert workflow
Validera webhook-flödet end-to-end och aktivera workflowet för produktion.
- Klicka på Execute Workflow och skicka en POST-begäran till webhook-URL:en med en JSON-body som
{"message":"Hi","session_id":"test123"}. - Bekräfta att Return Webhook Reply returnerar ett JSON-svar som innehåller AI-utdata under
Respond Immediately. - Om svaret är tomt, verifiera att Capture User Text mappar
{{ $json.body.message }}korrekt och att OpenAI Chat Engine har giltiga inloggningsuppgifter. - Växla workflowet till Active för att aktivera produktionsanvändning av Incoming Webhook Trigger.
Vanliga fallgropar
- OpenAI-uppgifter kan gå ut eller klistras in fel. Om det slutar fungera, kontrollera OpenAI-uppgiften i n8n och bekräfta först att din API-nyckel fortfarande fungerar i din OpenAI-kontopanel.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om noder längre nedströms fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om din chattwidget redan kan skicka webhooks.
Nej. Du kopplar din webhook och din OpenAI-uppgift, och klistrar sedan in en liten JSON-struktur i din widgetkonfiguration.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-kostnader (ofta bara några cent per dag vid måttlig chattvolym).
Två alternativ: n8n Cloud (hanterat, enklast att sätta upp) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, men du vill göra det med eftertanke. Enklast är att duplicera flödet per projekt och sedan uppdatera prompten i AI Agent-noden (detaljer ”om projektet”, länkar och eventuella medier du delar). Du kan också ändra språklogiken (till exempel Hinglish vs. helt engelska) i agentens systeminstruktioner. Om du har en webbplats med flera projekt kan du routa baserat på sida eller kampanj och skicka det i webhookens payload så att agenten vet vilket manus som ska användas.
Oftast beror det på en ogiltig eller utgången API-nyckel i din OpenAI-uppgift i n8n. Det kan också vara ett modellåtkomstproblem (säkerställ att GPT-4o-mini är tillgänglig på ditt konto) eller att utgående nätverkstrafik är blockerad på din host. Om felen bara uppstår vid högre belastning är rate limiting en vanlig orsak, så sakta ner retries eller minska hur mycket text du skickar in till modellen.
Om du kör n8n med egen drift finns ingen fast gräns för antal körningar (det beror främst på din server och OpenAI:s begränsningar). På n8n Cloud beror ditt månatliga tak för körningar på din plan, och det här flödet använder ungefär en körning per inkommande meddelande.
Ofta, ja. En chattbaserad kvalificerare behöver minne, förgreningslogik och ett pålitligt webhook-svar, och n8n hanterar det utan att tvinga in dig i en stel ”tvåstegs-zap”. Du får också ett alternativ för egen drift, vilket är praktiskt när meddelandevolymen växer. Zapier eller Make kan fortfarande fungera om du bara vill ha en enkel FAQ-bot, men kvalificering är mer än FAQs. Prata med en automationsspecialist om du vill ha hjälp att välja den enklaste stacken.
Du sätter upp det här en gång, och sedan börjar din chatt göra jobbet den var tänkt att göra. Fler kvalificerade konversationer, färre trådar som rinner ut i sanden och en lugnare väg till bokade visningar.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.