Att skriva ”en version till” av kampanjcopy är redan irriterande. Det som verkligen tar musten ur dig är loopen efteråt: teamets åsikter, utspridda anteckningar och att ingen känner sig tillräckligt trygg för att trycka på publicera.
OpenRouter Sheets scoring löser den där röriga mitten. Kampanjansvariga brukar känna av det först, men content leads och solo-grundare fastnar i samma diskussion. Du går därifrån med fem användbara utkast och en rankad vinnare på ett och samma ställe.
Den här artikeln visar vad arbetsflödet gör, hur delarna hänger ihop och vad du behöver för att köra det i n8n utan att göra det till ett ”big tech-projekt”.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutligt resultat:
n8n Workflow Template: OpenRouter + Google Sheets: välj vinnande copy snabbt
flowchart LR
subgraph sg0["Upstream Workflow Flow"]
direction LR
n0@{ icon: "mdi:brain", form: "rounded", label: "OpenRouter Dialogue Model", pos: "b", h: 48 }
n1@{ icon: "mdi:cog", form: "rounded", label: "Run Sub-Workflow (Configure ..", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "Parse Generated Variants", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Divide Output Items", pos: "b", h: 48 }
n4@{ icon: "mdi:play-circle", form: "rounded", label: "Upstream Workflow Trigger", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "Run Sub-Workflow (Configure ..", pos: "b", h: 48 }
n6@{ icon: "mdi:cog", form: "rounded", label: "Combine Scored Results", pos: "b", h: 48 }
n5 --> n6
n1 --> n2
n2 --> n3
n3 --> n5
n0 -.-> n2
n4 --> n1
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 n4 trigger
class n2 ai
class n0 aiModel
Problemet: att välja copy blir ett möte
De flesta team har inte svårt att skriva copy. De har svårt att välja den. Du skapar en ämnesrad eller caption, klistrar in den i Slack, samlar reaktioner och skriver sedan om utifrån vem som svarade senast. Samtidigt jonglerar du ton (”mer bråttom”), stil (”mindre säljigt”) och målgruppens intention (”de är inte redo än”) utan ett konsekvent sätt att bedöma vad som faktiskt övertygar. Resultatet är förutsägbart: långsammare lanseringar, urvattnade budskap och mycket tvekan efter publicering.
Inget av det här är problemet i sig. Tillsammans är de det.
- Feedback finns på fem olika ställen, så du lägger ungefär en timme bara på att sammanställa kommentarer.
- Beslut domineras av smak, vilket gör att din bäst presterande vinkel kan strykas för att den är ”för mycket”.
- Du fortsätter skriva om från grunden eftersom tidigare utkast inte sparas på ett återanvändbart sätt.
- När du väl testar gör du det inkonsekvent, så du kan inte bygga en repeterbar playbook för ”vad som vinner”.
Lösningen: generera 5 utkast, poängsätt dem och ranka vinnaren
Det här n8n-arbetsflödet tar en enkel brief (innehållstyp, ton, stil och ämne) och gör om den till fem fullt skrivna variationer via OpenRouter. Sedan skickar det varje variation till ett poängsättnings-subworkflow som är byggt för att bedöma övertygande styrka med AI-modeller tränade på verkliga signaler från marknadsföringsprestanda, med ett preferenslager för advocacy. Till sist aggregerar det resultaten till en rankad lista så att du snabbt kan välja starkaste utkastet i stället för att diskutera det. Outputen är praktisk: du får copy du kan använda i dag, plus en tydlig signal om ”varför det här sannolikt presterar bättre” som du kan dela med teamet.
Arbetsflödet startar från en upstream-trigger (så det kan köras från en annan automatisering eller manuellt). OpenRouter genererar uppsättningen utkast, arbetsflödet tolkar och delar upp dem, och sedan utvärderar poängsättnings-subworkflowet varje variant och returnerar poäng som kombineras till ett enda rankat resultat.
Det du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här kan det se ut
Säg att du lanserar ett mejl och två sociala inlägg varje vecka. Utan automatisering kanske du skriver 2 utkast per asset, lägger cirka 20 minuter på att jaga feedback och ytterligare 20 minuter på att revidera, vilket kan landa på ungefär 3 timmar i veckan. Med det här arbetsflödet skickar du in en brief (cirka 5 minuter), låter OpenRouter generera fem alternativ och poängsättningen kör i bakgrunden. Du granskar den rankade listan och väljer en vinnare på cirka 10 minuter. Det är runt 2 timmar tillbaka de flesta veckor.
Det du behöver
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- OpenRouter för att generera fem copy-variationer
- Google Sheets för att logga poäng och rankningar
- OpenRouter API-nyckel (hämta den i din OpenRouter-dashboard)
Kunskapsnivå: Medel. Du kopplar in autentisering, importerar två subworkflows och mappar några fält för din brief och dina kolumner i Sheets.
Vill du inte sätta upp detta själv? Prata med en automationsspecialist (gratis 15-minuters konsultation).
Så fungerar det
En workflow-trigger drar i gång. Den här automatiseringen är byggd för att startas från ett ”upstream”-workflow, vilket betyder att du senare kan koppla in den i en större content-pipeline (som ett kampanjintagsformulär eller en veckovis briefing-körning).
Din brief blir en strukturerad prompt. Arbetsflödet standardiserar input (innehållstyp, ton, stil, ämne) så att genereringen blir konsekvent och du inte råkar jämföra äpplen med päron.
OpenRouter genererar flera utkast. I stället för ett utkast som alla detaljgranskar sönder får du fem variationer i en körning. Sedan tolkar ett extraktionssteg dessa utkast till separata poster så att varje version kan utvärderas för sig.
Poängsättningen sker i ett subworkflow och resultaten kombineras. Varje variant skickas till utvärderingsarbetsflödet och poängen kommer tillbaka, redo att aggregeras och loggas. Därifrån är det enkelt att skicka den rankade outputen till Google Sheets (och valfritt mejla den till intressenter).
Du kan enkelt justera ton och poängtrösklar så att de matchar din varumärkesstandard utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-implementeringsguide
Steg 1: Konfigurera triggern Execute Workflow
Ställ in den inkommande triggern så att det här arbetsflödet kan ta emot innehållskrav från ett överordnat arbetsflöde.
- Lägg till eller öppna Upstream Workflow Trigger.
- Under workflowInputs bekräftar ni att inmatningsnamnen inkluderar
contentType,Poster’s profile description,Tone (e.g., formal, casual, friendly),Style (e.g., concise, detailed, persuasive)ochTopic or Instructions. - Spara noden så att den blir tillgänglig för ett överordnat arbetsflöde att anropa.
Steg 2: Anslut OpenRouter
Konfigurera språkmodellen som informationsutdragaren använder för att tolka de genererade varianterna.
- Öppna OpenRouter Dialogue Model.
- Ställ in model till
anthropic/claude-sonnet-4. - Autentiseringsuppgifter krävs: Anslut era openRouterApi-autentiseringsuppgifter.
Obs: OpenRouter Dialogue Model är ansluten som språkmodell för Parse Generated Variants — säkerställ att autentiseringsuppgifter läggs till i OpenRouter Dialogue Model, inte i undernoden.
Steg 3: Konfigurera innehållsgenerering och tolkning
Konfigurera det första underarbetsflödet för att generera variationer och tolka sedan JSON-utdata till strukturerade objekt.
- Öppna Run Sub-Workflow (Configure Required) 1 och välj målflödet i workflowId.
- I workflowInputs behåller ni chatInput inställt på hela prompten med inbäddade uttryck som
{{ $json.contentType }}och{{ $json['Topic or Instructions'] }}. - Behåll sessionId inställt på
{{ (Math.random().toString(36).substring(2) + Date.now().toString(36)) }}för att säkerställa unika körningar. - Öppna Parse Generated Variants och ställ in text till
{{ $json.output }}. - Ställ in schemaType till
fromJsonoch behåll jsonSchemaExample som arrayen av objekt med entext-nyckel.
Steg 4: Konfigurera poängsättning och aggregering
Dela upp tolkade varianter, kör poängsättning på varje objekt och aggregera sedan alla resultat till en enda utdata.
- Öppna Divide Output Items och ställ in fieldToSplitOut till
output. - Öppna Run Sub-Workflow (Configure Required) 2 och ställ in mode till
each. - I Run Sub-Workflow (Configure Required) 2 ställer ni in workflowInputs → text till
{{ $json.text }}och väljer poängsättningsarbetsflödet i workflowId. - Öppna Combine Scored Results och ställ in aggregate till
aggregateAllItemDataså att alla poängsatta objekt slås ihop.
Steg 5: Testa och aktivera ert arbetsflöde
Validera end-to-end-körningen och aktivera arbetsflödet för produktionsanvändning.
- Klicka på Execute Workflow och ange exempelindata till Upstream Workflow Trigger.
- Verifiera att Run Sub-Workflow (Configure Required) 1 returnerar en JSON-array och att Parse Generated Variants ger strukturerade objekt.
- Bekräfta att Run Sub-Workflow (Configure Required) 2 körs en gång per variant och att Combine Scored Results ger ett enda aggregerat resultat.
- När det fungerar växlar ni arbetsflödet till Active för att tillåta körning från det överordnade arbetsflödet.
Vanliga fallgropar
- Google Sheets-autentisering kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först inställningarna för autentiseringsuppgifter i n8n och delningsåtkomsten till arket.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om nedströmsnoder misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er brand voice tidigt, annars kommer du att redigera output i all evighet.
Vanliga frågor
Cirka 30 minuter när dina subworkflows är installerade.
Nej. Du kopplar främst konton och mappar fält för din prompt och dina kolumner i Sheets.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för OpenRouter API-användning (oftast ören per batch, beroende på modell).
Två alternativ: n8n Cloud (hanterat, enklast att sätta upp) 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 serverhantering.
Ja, och det bör du. Uppdatera användarinputfälten som definierar ton, stil och innehållstyp, och justera sedan OpenRouter-prompten så att den innehåller dina varumärkesregler (ord att undvika, läsnivå, ”inkludera alltid en CTA”, den typen av saker). Om du vill ha annan poänglogik kan du byta ut eller redigera utvärderingsarbetsflödet ”Run Sub-Workflow (Configure Required) 2” så att det betygsätter enligt dina kriterier (till exempel B2B-tydlighet före emotionell intensitet). Många team lägger också till ett Google Sheets-skrivsteg så att varje körning blir ett sökbart bibliotek.
Oftast beror det på en ogiltig eller utgången API-nyckel i dina n8n-autentiseringsuppgifter. Uppdatera OpenRouter-nyckeln och kör sedan om ett enskilt testobjekt för att bekräfta att modellen svarar. Om det fortfarande misslyckas, kontrollera gränserna i ditt OpenRouter-konto eller modellens tillgänglighet, eftersom vissa modeller tillfälligt kan vara rate-limitade. Bekräfta också att subworkflowet som genererar innehåll är installerat och nåbart, eftersom ett saknat subworkflow kan se ut som ett ”API”-fel.
Många. Om du self-hostar n8n finns ingen körningsgräns (det beror främst på din server), och i n8n Cloud är den praktiska gränsen din plans månadsvisa körningar. Eftersom det här arbetsflödet genererar fem varianter per körning håller de flesta team det smidigt genom att batcha några briefs åt gången och sedan skala upp när poängsättningen är stabil.
Ofta, ja. n8n hanterar flersteglogik och subworkflows på ett rent sätt, vilket spelar roll här eftersom du genererar, tolkar, delar upp, poängsätter och sedan aggregerar resultat. Du kan också self-hosta för högvolymtester utan att betala per uppgift. Zapier eller Make kan fortfarande fungera för enkla ”generera ett utkast, skicka ett mejl”-case, men de blir klumpiga när du vill ha strukturerad tolkning och utvärdering. Om du är osäker, prata med en automationsspecialist så hjälper vi dig att välja det enklaste alternativet.
När arbetsflödet genererar, poängsätter och rankar dina utkast blir beslutet lättare. Du publicerar snabbare och slutar bränna kreativ energi på intern fram-och-tillbaka.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.