Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Perplexity till Google Docs, lead magnets redo att dela

Rickard Andersson Partner, Nodenordic.se

Du sätter dig för att ”skriva en snabb lead magnet” och plötsligt jonglerar du research-flikar, halvfärdiga dispositioner och ett Google-dokument som fortfarande ser ut som en kladdlapp.

Marknadschefer känner igen det när innehållskalendern aldrig saktar ner. Konsulter stöter på det när varje ny kund kräver en ny vinkel. Och grundare fastnar med att finputsa dokument på kvällarna. Den här Perplexity Google Docs-automationen förvandlar ett ämne till ett felfritt, delningsbart dokument – utan utkastkaos.

Du får se hur arbetsflödet tar ett enkelt ämne, researchar det över flera källor, skriver strukturerade kapitel med källhänvisningar och publicerar en Google Docs-länk som du tryggt kan skicka till LinkedIn eller prospekt.

Så fungerar den här automatiseringen

Här är hela arbetsflödet du kommer att sätta upp:

n8n Workflow Template: Perplexity till Google Docs, lead magnets redo att dela

Varför detta är viktigt: lead magnets kräver för många utkast

Lead magnets är tänkta att ge hävstång. I verkligheten är de ett slit: researcha ett ämne, verifiera påståenden, strukturera en disposition, skriva något som går att läsa och sedan formatera det så att det inte ser ut som en kopierad bloggpost. Och det värsta är rundorna fram och tillbaka. Någon frågar: ”Har vi källor på det där?” Du lägger till anteckningar. En annan person vill ha en annan vinkel för målgruppen. Du skriver om introt. Efter några varv har du lagt ungefär två eftermiddagar på något som borde ha varit en enda fokuserad leverans.

Det går fort att bränna tid.

  • Researchen sker i utspridda flikar, så du hittar samma källor på nytt varje gång du återvänder till ämnet.
  • Dispositioner glider iväg eftersom de byggs från minnet, inte från vad researchen faktiskt stödjer.
  • Kapitel skrivs i olika tonläge när flera personer bidrar, vilket betyder mer redigering än skrivande.
  • Du delar stökiga dokument internt eftersom ”det är nästan klart”, och sedan blir dokumentet ett projekt som aldrig tar slut.

Vad du bygger: lead magnet-generering från research till dokument

Det här arbetsflödet förvandlar ett ämne som skickas in via chatten till en strukturerad, researchbackad lead magnet som hamnar i Google Docs redan formaterad för delning. Det startar när du anger ett ämne (och valfritt lite företagskontext) via den inbyggda chatt-triggaren. En AI-agent omvandlar sedan ämnet till fem riktade researchfrågor och avgör om den ska hämta extra kontext från din interna kunskapsbas. Därefter använder en research lead-agent Perplexity för webbresearch i realtid, samlar viktiga trender och trovärdiga perspektiv och tar fram en innehållsförteckning baserad på det den hittade. Därifrån skriver flera ”research assistant”-agenter kapitel parallellt, en redaktörsagent putsar allt till ett enhetligt språk, och n8n skapar ett nytt Google-dokument, uppdaterar innehållet, sätter delningsbehörigheter i Google Drive och returnerar en felfri delningslänk.

Arbetsflödet börjar med ett chattmeddelande och går snabbt över till research och struktur. Sedan bryter det ner dispositionen till kapiteluppgifter, skriver varje del och slår ihop utkast till ett enda dokument. Till sist hanterar Google Docs och Google Drive publicering, behörigheter och länken du kan skicka vidare.

Det du bygger

Förväntade resultat

Säg att du skapar två lead magnets i veckan för tillväxt på LinkedIn. Manuellt brukar det se ut så här: cirka 1 timmes research, 1 timmes disposition och ytterligare 1–2 timmar för att skriva utkast och städa upp dokumentet – alltså ungefär 3–4 timmar per styck. Med det här arbetsflödet lägger du kanske 10 minuter på att ge ett bra ämne och kontext, låter sedan agenterna researcha och skriva utkast (ofta på cirka 5 minuter), och kommer tillbaka för att granska och justera i 20–30 minuter. Det brukar innebära ett par timmar tillbaka per lead magnet, utan att sänka kvaliteten.

Innan du börjar

  • n8n-instans (prova n8n Cloud gratis)
  • Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
  • Perplexity API för webbresearch i realtid
  • Google Docs + Google Drive för att skapa och dela dokument
  • API-nycklar (hämta dem från Perplexity, Anthropic/OpenRouter, Google Cloud)

Svårighetsnivå: Medel. Du kommer mest att koppla konton och klistra in API-nycklar, men du bör vara bekväm med att testköra och läsa grundläggande körloggar.

Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).

Steg för steg

Ett ämne skickas in via chatten. Arbetsflödet startar med den inkommande chatt-triggaren, så du kan köra det på beställning i stället för att vänta på att ett innehållsmöte ska ”godkänna” ett utkast.

Arbetsflödet bygger smartare researchfrågor. En AI-agent gör om ditt ämne till fem fokuserade frågor, och en parser för strukturerad output håller resultatet konsekvent. Det är det som förhindrar slumpmässig, spretig research som aldrig blir användbart innehåll.

Research och planering sker före skrivandet. Research lead-agenten hämtar aktuell information via Perplexity och (om relevant) anropar ditt företags kunskapsverktyg via HTTP. Sedan genererar dispositionplaneraren en titel, undertitel och en struktur med 8–10 kapitel med prompts för varje del.

Kapitlen utkastas parallellt och putsas sedan. n8n delar upp dispositionen i kapitelposter, skickar dem till en ”research assistant”-grupp, slår ihop utkasten, bygger en payload och kör en redaktionell putsning så att slutdokumentet läser som om en och samma författare skrivit det.

Det färdiga dokumentet skapas och delas. Google Docs skapar (och uppdaterar) dokumentet, Google Drive tillämpar delningsbehörigheter och arbetsflödet skapar en delningslänk du kan klistra in i LinkedIn, Slack eller ett mejl.

Du kan enkelt justera researchdjupet så att det matchar din nisch utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: Konfigurera triggern för inkommande chatt

Det här arbetsflödet startar när ett chattmeddelande kommer in och skickar användarens ämne vidare till AI-pipelinen.

  1. Lägg till och öppna Incoming Chat Trigger.
  2. Behåll standardinställningarna (inga extra fält krävs).
  3. Koppla Incoming Chat Trigger till Search Query Composer som i arbetsflödet.

Steg 2: Sätt upp AI-kedjan för researchfrågor och disposition

Det här steget omvandlar chattinmatningen till strukturerade researchfrågor och en innehållsdisposition, med hjälp av flera AI-agenter och parsers.

  1. I Search Query Composer ställer ni in Text till {{ $json.chatInput }} och aktiverar output parsing.
  2. Koppla Schema Output Decoder som output parser för Search Query Composer. Inga autentiseringsuppgifter behövs för den här parsern.
  3. Säkerställ att OpenRouter Chat Engine A är ansluten som språkmodell för Search Query Composer och Content Outline Planner. Credential Required: Anslut era openRouterApi-autentiseringsuppgifter.
  4. I Research Lead Agent behåller ni prompten som refererar till de fem frågorna med uttryck som {{ $json.output.searchQueries[0] }} till {{ $json.output.searchQueries[4] }}.
  5. Säkerställ att Anthropic Chat Engine A är ansluten som språkmodell för Research Lead Agent. Credential Required: Anslut era anthropicApi-autentiseringsuppgifter.
  6. I Content Outline Planner behåller ni den instruerande prompten och har output parsing aktiverat. Koppla Outline Schema Parser som output parser (inga autentiseringsuppgifter krävs).
  7. Verifiera research-verktygen: Perplexity Research Tool, Trigify Knowledge Tool och Trigify Knowledge Tool 2 är anslutna som verktyg till agenterna. Om ert verktyg använder API-tokens i headers, uppdatera Authorization-headerns värden (t.ex. Bearer [CONFIGURE_YOUR_TOKEN]).

Obs: För AI-verktyg/under-noder som Schema Output Decoder, Outline Schema Parser, Perplexity Research Tool, Trigify Knowledge Tool och Trigify Knowledge Tool 2 ska autentiseringsuppgifter (om de behövs) konfigureras på de överordnade agentnoderna som anropar dem.

Steg 3: Generera kapitel och sätt ihop utkastet

Det här avsnittet bygger ut dispositionen till utkast per kapitel och slår sedan ihop och sätter samman innehållet för slutlig putsning.

  1. I Expand Chapter Items ställer ni in Field to Split Out till output.chapters.
  2. Bekräfta parallell körning: Expand Chapter Items skickar output både till Research Assistant Crew och Combine Drafts parallellt.
  3. I Research Assistant Crew behåller ni prompten som refererar till dispositionens titel och kapiteldata med uttryck som {{ $('Content Outline Planner').item.json.output.title }} och {{ $json.title }}.
  4. I Combine Drafts ställer ni in Mode till combine och Combine By till combineByPosition.
  5. I Assemble Payload behåller ni JavaScript-koden som aggregerar titlar och kapiteloutput till combinedData.

⚠️ Vanlig fallgrop: Om kapiteloutput hamnar fel i ordningen, verifiera att Combine Drafts tar emot både dispositionens metadata och kapitelutkasten i rätt ordning.

Steg 4: Konfigurera putsning och utdata till Google Docs

Nu putsar arbetsflödet det sammanställda utkastet och publicerar det till Google Docs, och delar sedan filen samt skapar en delningslänk.

  1. I Editorial Polisher behåller ni prompten som redigerar {{ $json.combinedData }}. Säkerställ att Anthropic Chat Engine är ansluten som språkmodell. Credential Required: Anslut era anthropicApi-autentiseringsuppgifter.
  2. I Create Google Doc ställer ni in Title till {{ $node["Content Outline Planner"].json["output"]["title"] }} och ställer in Folder ID till [YOUR_ID]. Credential Required: Anslut era googleDocsOAuth2Api-autentiseringsuppgifter.
  3. I Update Google Doc ställer ni in Operation till update, lägger till en insert-åtgärd med Text satt till {{ $('Editorial Polisher').item.json.output }} och ställer in Document URL till {{ $json.id }}. Credential Required: Anslut era googleDocsOAuth2Api-autentiseringsuppgifter.
  4. I Share Drive File ställer ni in Operation till share och File ID till {{ $json.documentId }}. Under permissions ställer ni in Role till reader och Type till anyone. Credential Required: Anslut era googleDriveOAuth2Api-autentiseringsuppgifter.
  5. I Compose Share Link behåller ni tilldelningen för dokumentets URL https://docs.google.com/document/d/{{ $('Update Google Doc').item.json.documentId }} och body-fälten som refererar till {{ $node["Webhook"].json["body"]["First Name"] }} och relaterade fält.

⚠️ Vanlig fallgrop: Compose Share Link refererar till en Webhook-nod som inte finns i det här arbetsflödet. Ersätt de uttrycken eller lägg till den saknade noden innan ni kör i produktion.

Steg 5: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test från chatttriggern för att bekräfta att AI-output, dokumentskapande och delningssteg fungerar hela vägen.

  1. Klicka på Execute Workflow och skicka in ett exempelämne till Incoming Chat Trigger.
  2. Verifiera att Search Query Composer returnerar ett JSON-objekt som matchar Schema Output Decoder.
  3. Bekräfta att kapitelobjekt genereras av Research Assistant Crew och slås ihop av Combine Drafts, och därefter sätts samman i Assemble Payload.
  4. Kontrollera Google Drive efter det nya dokumentet från Create Google Doc och verifiera att innehållet infogas av Update Google Doc.
  5. Säkerställ att Share Drive File ställer in filen till anyone med reader-åtkomst och att Compose Share Link bygger rätt URL.
  6. När allt stämmer, växla arbetsflödet till Active för användning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Felsökningstips

  • Google Drive-autentiseringsuppgifter kan löpa ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera din Google OAuth-anslutning i n8n och bekräfta att Drive-scope tillåter ändringar av delning.
  • Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
  • Standardprompterna i AI-noder är generiska. Lägg in er varumärkesröst tidigt, annars kommer du att redigera outputs för alltid.

Snabba svar

Hur lång tid tar det att sätta upp den här Perplexity Google Docs-automationen?

Cirka en timme om dina Google- och Perplexity-credentials är klara.

Krävs kodning för att skapa den här lead magneten?

Nej. Du kopplar konton, klistrar in API-nycklar och justerar prompts.

Är n8n gratis att använda för det här Perplexity Google Docs-arbetsflödet?

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 in Perplexity- och AI-modellernas API-användning, vilket oftast är några dollar vid lätt publicering varje vecka.

Var kan jag hosta n8n för att köra den här automatiseringen?

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 obegränsade körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här Perplexity Google Docs-arbetsflödet för andra användningsfall?

Ja, och det är ärligt talat det bästa. Du kan byta ut Perplexity-verktyget för research mot en annan researchkälla genom att ändra HTTP-/verktygsnoderna som hämtar extern information, och du kan strama åt eller öppna upp dispositionen genom att redigera prompten till planeraragenten (den som outputtar 8–10 kapitel). Vanliga anpassningar är att ändra lead magnet-format (checklista, teardown, playbook), tvinga igenom en intern stilguide och routa den slutliga delningslänken till Slack i stället för att bara returnera den i chatten.

Varför misslyckas min Google Drive-anslutning i det här arbetsflödet?

Oftast beror det på att OAuth-credentials har löpt ut eller att Drive-behörigheter saknas. Anslut Google Drive igen i n8n och bekräfta sedan att arbetsflödet både kan skapa filer och ändra delningsinställningar. Om det bara fallerar på hektiska dagar kan du slå i Google API-kvoter, så sänk hastigheten på körningarna eller kör färre dokument samtidigt.

Vilken volym kan det här Perplexity Google Docs-arbetsflödet hantera?

Om du self-hostar finns ingen körningsgräns (det beror mest på din server och API-kvoter). På n8n Cloud beror volymen på planens månatliga körningar, och det här arbetsflödet använder vanligtvis en körning per genererat dokument plus eventuella omförsök. I praktiken kan de flesta små team utan problem generera dussintals dokument per månad och sedan skala upp när prompts och formatering är intrimmade.

Är den här Perplexity Google Docs-automationen bättre än att använda Zapier eller Make?

För skrivande och research med flera agenter är n8n oftast bättre eftersom du kan förgrena, slå ihop och parsa strukturerade outputs utan att betala extra för varje litet steg. Du får också möjlighet att self-hosta, vilket spelar roll när du börjar generera många dokument. Zapier och Make fungerar bra för enklare ”skicka data från A till B”-flöden, men det här har fler rörliga delar: research, disposition, parallella utkast och sedan dokumentskapande. Om du är osäker, prata med en automationsexpert så mappar vi ditt exakta användningsfall till rätt verktyg.

Sätt upp det en gång och låt sedan arbetsflödet göra grovjobbet. Du behåller kontrollen över ämnet och den slutliga granskningen, men den stökiga mitten försvinner till största delen.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal