Dina leads kommer in. Problemet är vad som händer sedan. Någon måste plocka signaler från olika verktyg, avgöra vem som äger leadet, uppdatera CRM:et och hålla koll på en scorecard. Det är lätt att missa en uppföljning när “systemet” består av en massa flikar.
Den här automatiseringen för ledrouting träffar marketing ops först, men säljchefer och byråteam märker det också. Du får konsekvent lead scoring, felfria överlämningar och en Google Sheets-dashboard som visar vad som händer utan att du behöver jaga uppdateringar.
Nedan är workflowet, vad det automatiserar och hur du kör det utan att göra dina routingregler till ett vetenskapsprojekt.
Så fungerar den här automatiseringen
Hela n8n-workflowet, från trigger till slutligt resultat:
n8n Workflow Template: OpenAI + Google Sheets: smartare leadfördelning
flowchart LR
subgraph sg0["Schedule Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Workflow Configuration", 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/>Fetch Demographic Data"]
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/httprequest.dark.svg' width='40' height='40' /></div><br/>Fetch Behavioral Data"]
n4["<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/>Fetch Transactional Data"]
n5@{ icon: "mdi:cog", form: "rounded", label: "Merge Lead Data Sources", pos: "b", h: 48 }
n6["<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/code.svg' width='40' height='40' /></div><br/>MCDM Scoring Engine (AHP-TOP.."]
n7@{ icon: "mdi:robot", form: "rounded", label: "AI Lead Qualification Agent", pos: "b", h: 48 }
n8@{ icon: "mdi:wrench", form: "rounded", label: "Lead Enrichment Tool", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-vertical", form: "rounded", label: "Prepare Lead Scores", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Route by Lead Quality", pos: "b", h: 48 }
n11["<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/>Assign to Enterprise Sales T.."]
n12["<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/>Assign to Mid-Market Team"]
n13["<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/>Assign to SMB Team"]
n14["<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/>Send to Nurture Campaign"]
n15@{ icon: "mdi:cog", form: "rounded", label: "Collect Routing Results", pos: "b", h: 48 }
n16["<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/>Update CRM with Lead Scores"]
n17["<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/code.svg' width='40' height='40' /></div><br/>Calculate Performance KPIs"]
n18["<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/>Log KPIs to Analytics Dashbo.."]
n19@{ icon: "mdi:brain", form: "rounded", label: "OpenRouter Chat Model", pos: "b", h: 48 }
n0 --> n1
n13 --> n15
n9 --> n10
n8 -.-> n7
n3 --> n5
n19 -.-> n7
n10 --> n11
n10 --> n12
n10 --> n13
n10 --> n14
n2 --> n5
n1 --> n2
n1 --> n3
n1 --> n4
n15 --> n16
n5 --> n6
n4 --> n5
n14 --> n15
n12 --> n15
n17 --> n18
n7 --> n9
n16 --> n17
n11 --> n15
n6 --> n7
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 n7 ai
class n19 aiModel
class n8 ai
class n10 decision
class n2,n3,n4,n11,n12,n13,n14,n16,n18 api
class n6,n17 code
classDef customIcon fill:none,stroke:none
class n2,n3,n4,n6,n11,n12,n13,n14,n16,n17,n18 customIcon
Problemet: manuell ledrouting går sönder när volymen skalar
Ledrouting låter enkelt tills du faktiskt gör det hela dagen. En källa har demografisk info, en annan har beteendesignaler och transaktionsdata ligger någon helt annanstans. Du pusslar ihop det, gör en bedömning och trycker in det i ett CRM. Nästa vecka frågar någon: “Varför gick det här leadet till SMB?” och svaret ligger begravt i en Slack-tråd. Det värsta är den tysta felsituationen. Leads “misslyckas” inte alltid tydligt; de blir bara liggande för länge och kallnar.
Det växer snabbt. Här är var sprickorna brukar synas.
- Scoringregler glider över tid, så representanter slutar lita på nivåerna och går tillbaka till magkänsla.
- Routingbeslut blir inkonsekventa när olika personer tolkar samma signaler olika.
- CRM-uppdateringar hamnar efter verkligheten, vilket gör att rapporteringen blir gissningar framåt fredag.
- Utan en KPI-loop ser du inte om routern hjälper eller i det tysta försämrar konverteringen.
Lösningen: OpenAI-scoring + synlighet i Google Sheets för routing
Det här workflowet körs enligt schema, samlar in leadsignaler från flera källor och bygger en enhetlig profil per prospekt. Det börjar med demografiska, beteende- och transaktionshämtningar via HTTP-förfrågningar, och kombinerar sedan allt till en enda dataset för scoring. Ett scoringsteg med flera kriterier hanterar dina hårda regler (det du absolut vet spelar roll), och därefter lägger en AI Qualification Analyst (med en OpenAI-chatmodell) till en strukturerad “second opinion” baserat på hela kontexten. När ett lead har fått score routar n8n det till rätt nivå via en switch (Enterprise, Mid-Market, SMB eller Nurture). Till sist synkar det tillbaka score till ditt CRM och beräknar KPI:er för prestanda så att din Google Sheets-dashboard är uppdaterad.
Workflowet börjar med den schemalagda triggern och datahämtning. Sedan score:ar det, tilldelar en nivå och skickar leadet till rätt team-endpoint. Efter routing aggregerar det utfall, synkar till CRM:et, räknar KPI:er och pushar dessa mätvärden till en dashboard-endpoint (med Google Sheets tillgängligt för rapportering och uppföljning).
Vad du får: automatisering vs. resultat
| Det här workflowet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du hanterar 50 nya leads per dag och att du kollar tre ställen efter signaler (demografi, beteende, transaktioner). Även om det tar kanske 3 minuter per källa plus 2 minuter för att bestämma routing och uppdatera CRM:et, blir det cirka 11 minuter per lead. Ungefär 9 timmars manuellt arbete på en dag om du försöker hänga med. Med det här workflowet lägger du cirka 15 minuter på att sätta upp regler och prompts i början, och sedan score:ar och routar varje schemalagd körning automatiskt medan Sheets uppdateras i bakgrunden. Det mänskliga arbetet blir stickprovskontroll och förbättringar, inte att flytta data.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för självhosting om du föredrar det (Hostinger fungerar bra)
- OpenAI för AI-baserad lead qualification-scoring
- Google Sheets för loggning av nivåer och KPI-uppföljning
- API-inloggning till CRM (hämtas i CRM:ets utvecklarinställningar)
Svårighetsgrad: Medel. Du kopplar ett par API:er och justerar routingregler, men du bygger ingen app från grunden.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En schemalagd körning drar igång allt. n8n startar med det intervall du väljer, så att routing sker pålitligt utan att någon behöver trycka på en knapp. Du kan köra det oftare under kontorstid om speed-to-lead är prioriterat.
Leadsignaler hämtas och samlas. Workflowet använder HTTP-förfrågningar för att hämta demografisk info, beteendesignaler och transaktionsmätvärden, och kombinerar dem sedan till en enda leadprofil. Ingen mer scoring på ofullständig kontext.
Scoring sker i två lager. Först tillämpar ett scoringsteg med flera kriterier reglerna du definierar (tröskelvärden, obligatoriska fält, diskvalificerare). Sedan utvärderar den OpenAI-drivna agenten samma lead i klartext och returnerar strukturerade kvalificeringsanteckningar som mappar tillbaka till dina nivåer.
Routing och uppföljning sker automatiskt. En switch routar leadet till Enterprise, Mid-Market, SMB eller Nurture via rätt endpoints, därefter aggregeras utfall, synkas in i CRM:et och postas till en dashboard. Google Sheets är där nivåer och KPI:er hålls synliga för hela teamet.
Du kan enkelt ändra scorenivåerna så att de matchar din säljorganisation och sedan byta destinationer för att passa ditt CRM eller dina notifieringsverktyg utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera triggern för schemalagd körning
Ställ in automationen att köra enligt ett fast schema så att lead scoring och routing körs automatiskt.
- Välj Scheduled Run Starter och ställ in schemaregeln att köra med intervallet hours.
- Bekräfta att noden är ansluten till Automation Settings som första steg i arbetsflödet.
Steg 2: Anslut API:er för lead-data och parallell inläsning
Definiera era API-endpoints och hämta lead-data från flera källor parallellt.
- Öppna Automation Settings och ställ in följande fält: demographicApiUrl till
<__PLACEHOLDER_VALUE__Demographic Data API Endpoint__>, behavioralApiUrl till<__PLACEHOLDER_VALUE__Behavioral Data API Endpoint__>, transactionalApiUrl till<__PLACEHOLDER_VALUE__Transactional Data API Endpoint__>, crmApiUrl till<__PLACEHOLDER_VALUE__CRM API Endpoint__>och analyticsApiUrl till<__PLACEHOLDER_VALUE__Analytics Dashboard API Endpoint__>. - Ställ in tröskelvärden i Automation Settings: enterpriseThreshold till
85, midMarketThreshold till70, smbThreshold till50och ahpWeights till{"demographic": 0.3, "behavioral": 0.4, "transactional": 0.3}. - Konfigurera Retrieve Demographic Info med URL satt till
{{ $('Automation Settings').first().json.demographicApiUrl }}och headern Content-Type satt tillapplication/json. - Konfigurera Pull Behavioral Signals med URL satt till
{{ $('Automation Settings').first().json.behavioralApiUrl }}och headern Content-Type satt tillapplication/json. - Konfigurera Gather Transactional Metrics med URL satt till
{{ $('Automation Settings').first().json.transactionalApiUrl }}och headern Content-Type satt tillapplication/json. - Automation Settings skickar output parallellt till Retrieve Demographic Info, Pull Behavioral Signals och Gather Transactional Metrics.
<__PLACEHOLDER_VALUE__...__> i Automation Settings innan ni testar, för att undvika misslyckade HTTP-anrop.Steg 3: Sätt upp scoring och AI-kvalificering
Aggreggera lead-källorna, beräkna MCDM-poängen och kör AI-analys för kvalificering.
- I Combine Lead Sources, ställ in Aggregate till
aggregateAllItemDataoch Destination Field Name tillleadData. - Granska Multi-Criteria Scoring för att säkerställa att JS-koden refererar till Automation Settings för vikter och kriterievärden.
- Öppna AI Qualification Analyst och behåll prompttexten som den är definierad för insikter kring lead-kvalificering.
- OpenRouter Chat Assistant är ansluten som språkmodell för AI Qualification Analyst — säkerställ att credentials är tillagda i OpenRouter Chat Assistant.
- Credential Required: Anslut era openRouterApi-credentials i OpenRouter Chat Assistant.
- Lead Enrichment Utility är ansluten som ett AI-verktyg för AI Qualification Analyst; lägg till eventuella nödvändiga credentials på den överordnade noden om ni utökar verktyget med externa anrop.
Steg 4: Sammanställ poäng och routa per nivå
Mappa AI-output till en ren scoring-payload och routa leads till rätt nivå.
- I Assemble Lead Scores, sätt fält med uttryck: leadScore till
{{ $json.mcdmScore }}, leadTier till{{ $json.tier }}, aiInsights till{{ $json.output }}och routingDecision till{{ $json.routingDecision }}. - I Route by Score Tier, bekräfta regeltrösklarna:
{{ $json.leadScore }}≥{{ $('Automation Settings').first().json.enterpriseThreshold }}för Enterprise, ≥{{ $('Automation Settings').first().json.midMarketThreshold }}för Mid-Market, ≥{{ $('Automation Settings').first().json.smbThreshold }}för SMB och{{ $json.leadScore }}<{{ $('Automation Settings').first().json.smbThreshold }}för Nurture. - Verifiera att Route by Score Tier skickar output till Dispatch to Enterprise Team, Dispatch to Mid-Market Team, Dispatch to SMB Team och Send to Nurture Stream beroende på matchad regel.
Steg 5: Konfigurera routing-åtgärder och CRM-synk
Skicka routade leads till rätt team-endpoints, synka sedan resultat och aggreggera utfall.
- Ställ in URL i Dispatch to Enterprise Team till
<__PLACEHOLDER_VALUE__Enterprise Sales Team Assignment API__>och behåll Method somPOSTmed body-fält mappade till{{ $json.leadId }},{{ $json.leadData }},{{ $json.score }},{{ $json.tier }}och{{ $json.aiInsights }}. - Ställ in URL i Dispatch to Mid-Market Team till
<__PLACEHOLDER_VALUE__Mid-Market Team Assignment API__>och behåll Method somPOSTmed body-fält mappade till{{ $json.lead_data }},{{ $json.score }},{{ $json.tier }}och{{ $json.ai_insights }}. - Ställ in URL i Dispatch to SMB Team till
<__PLACEHOLDER_VALUE__SMB Team Assignment API__>och behåll Method somPOSTmed body-fält mappade till{{ $json.lead_id }},{{ $json.lead_data }},{{ $json.score }},{{ $json.tier }}och{{ $json.ai_insights }}. - Ställ in Send to Nurture Stream till
POSToch sätt JSON Body till{{ { "leadId": $json.leadId, "email": $json.email, "name": $json.name, "score": $json.score, "qualificationStatus": $json.qualificationStatus, "nurtureRecommendations": $json.nurtureRecommendations, "assignedCampaign": "nurture", "timestamp": $now } }}. - I Aggregate Routing Outcomes, ställ in Aggregate till
aggregateAllItemDataoch Destination Field Name tillroutingResults. - Konfigurera Sync CRM Lead Scores med URL satt till
{{ $('Automation Settings').first().json.crmApiUrl }}och behåll uttrycket för JSON Body för att synka lead score, nivå, routing-beslut och AI-insikter.
Steg 6: Beräkna och publicera KPI-analys
Beräkna KPI:er för prestanda och skicka dem till er analysdashboard.
- Granska Compute Performance KPIs för att bekräfta att den beräknar nivåfördelning, konverteringsgrader och tids-/timing-mått baserat på routing-resultaten.
- Sätt Post KPIs to Dashboard URL till
{{ $('Automation Settings').first().json.analyticsApiUrl }}och behåll JSON Body-uttrycket{{ { "kpis": $json, "timestamp": $now } }}.
Steg 7: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att validera routing, CRM-synk och KPI-publicering innan ni aktiverar schemat.
- Klicka på Execute Workflow och verifiera att Retrieve Demographic Info, Pull Behavioral Signals och Gather Transactional Metrics alla returnerar data.
- Bekräfta att Multi-Criteria Scoring output:ar rankade leads och att AI Qualification Analyst returnerar AI-insikter i Assemble Lead Scores.
- Kontrollera att Route by Score Tier skickar varje lead till rätt dispatch-nod och att Aggregate Routing Outcomes aggregerar routing-resultaten.
- Verifiera att Sync CRM Lead Scores postar till er CRM-endpoint och att Post KPIs to Dashboard postar KPI-payloads.
- När resultaten ser korrekta ut, slå om arbetsflödet till Active för att aktivera schemalagda körningar från Scheduled Run Starter.
Vanliga fallgropar
- Google Sheets-inloggning kan gå ut eller kräva specifika behörigheter. Om saker slutar fungera, börja med att kontrollera Google-kopplingen i n8n under fliken Credentials.
- Om du använder Wait-noder eller extern bearbetning i dina datakällor varierar processtiderna. Öka väntetiden om nedströms noder skapar fel på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din definition av leads tidigt (vad “Enterprise-klar” faktiskt betyder), annars kommer du att redigera utdata för alltid.
Vanliga frågor
Cirka 45 minuter om dina API:er och Sheets är redo.
Nej. Du kommer främst att koppla konton, klistra in API-nycklar och justera några scoring- och routingregler.
Ja. n8n har ett gratis alternativ för självhosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med OpenAI API-kostnader, som oftast är några cent per lead beroende på promptens storlek.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhosting på en VPS. För självhosting är Hostinger VPS prisvärd och klarar n8n bra. Självhosting ger obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Du kan justera tröskelvärden för nivåer i steget Multi-Criteria Scoring och sedan uppdatera switchen Route by Score Tier så att Enterprise, Mid-Market, SMB och Nurture matchar din faktiska säljstruktur. Vanliga justeringar är att lägga till en route för “Befintlig kund”, ändra vad som räknas som högt intent och routa efter region eller kontoägare när du har den datan.
Oftast beror det på utgången Google-auktorisering eller fel behörigheter i kalkylarket. Återanslut Google Sheets i n8n och bekräfta sedan att kontot kan redigera den specifika filen och fliken du skriver till. Om det bara misslyckas vid vissa körningar, kontrollera om kolumnnamn har ändrats eller om det finns tomma fält som dina “set”-steg förväntar sig. Värt att kontrollera också: Googles API-kvot om du skriver många rader snabbt.
Hundratals per dag är realistiskt, och mer om dina datakällor och CRM-API:er hänger med. I n8n Cloud beror gränser på planens månatliga executions, medan självhosting inte har något tak för körningar (det handlar mest om serverstorlek). Om du score:ar ett lead i taget med ett AI-anrop blir OpenAI-hastigheten den praktiska flaskhalsen, så att batcha leads per körning är ofta den enklaste skalförbättringen.
Ofta, ja. Det här workflowet använder routing med flera grenar, aggregering och ett AI-agentsteg, vilket kan bli dyrt eller klumpigt med Zapier-liknande prissättning per task. n8n ger dig också mer kontroll över hur leadposter slås ihop och transformeras före scoring, vilket är viktigt när signaler kommer från flera källor. Nackdelen är uppsättning: du lägger lite mer tid på att definiera regler och inloggningar i början. Om du bara behöver ett enkelt flöde som “nytt lead → skicka Slack-meddelande” kan Zapier eller Make gå snabbare. Om du är osäker, prata med en automationsexpert.
Routing slutar vara ett dagligt kaos när scoring, ägarskap och rapportering sker automatiskt. Sätt upp det en gång och använd sedan tiden du får tillbaka till att förbättra tratten i stället för att vakta den.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.