Att följa nya, relevanta konton på X låter enkelt tills du gör det varje dag. Du söker, öppnar profiler, tvekar kring relevans, slår i begränsningar och lovar dig själv att du ska ”batcha det senare”.
Den här automatiseringen för att följa på X träffar growth marketers först, men community-ansvariga och personer som bygger personligt varumärke känner också av den. Du vill ha jämna, nischrelevanta följningar utan att spela whack-a-mole med hastighetsbegränsningar.
Det här arbetsflödet använder Phantombuster för att hitta färska profiler från en hashtag och följer dem sedan enligt ett säkert schema, samtidigt som SharePoint roterar sessionscookies. Du får se hur det fungerar, vad du behöver och var det oftast fallerar.
Så fungerar automatiseringen
Hela n8n-flödet, från trigger till slutligt utdata:
n8n Workflow Template: Phantombuster + SharePoint för stabila X-följningar
flowchart LR
subgraph sg0["Schedule 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/phantombuster.png' width='40' height='40' /></div><br/>Get Response"]
n1["<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/phantombuster.png' width='40' height='40' /></div><br/>Get Autofollow Agent"]
n2@{ icon: "mdi:cog", form: "rounded", label: "Wait for result", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set ENV Variables", pos: "b", h: 48 }
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/phantombuster.png' width='40' height='40' /></div><br/>Launch AF Agent"]
n5@{ icon: "mdi:cog", form: "rounded", label: "Wait", 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/phantombuster.png' width='40' height='40' /></div><br/>Get Hashtag Agent"]
n7["<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/phantombuster.png' width='40' height='40' /></div><br/>Launch Agent"]
n8@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n9@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n10@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Item", pos: "b", h: 48 }
n12@{ icon: "mdi:cog", form: "rounded", label: "Get Available Session Cookies", pos: "b", h: 48 }
n13@{ icon: "mdi:cog", form: "rounded", label: "Extract Cookies", pos: "b", h: 48 }
n14@{ icon: "mdi:robot", form: "rounded", label: "Select Cookie", pos: "b", h: 48 }
n15@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model2", 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/phantombuster.png' width='40' height='40' /></div><br/>Get Profiles"]
n5 --> n16
n8 --> n3
n11 --> n1
n16 --> n11
n7 --> n5
n14 --> n8
n13 --> n14
n4 --> n2
n2 --> n0
n10 --> n12
n6 --> n7
n9 -.-> n8
n3 --> n6
n15 -.-> n14
n1 --> n4
n12 --> n13
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 n10 trigger
class n8,n14 ai
class n9,n15 aiModel
classDef customIcon fill:none,stroke:none
class n0,n1,n4,n6,n7,n16 customIcon
Problemet: växa på X utan att trigga begränsningar
Manuell följning är lömsk. Fem minuter här, tio minuter där, och plötsligt har du bränt en timme på ”nätverkande” utan något tydligt system. Än värre: det blir inkonsekvent. En stressig dag blir tre, och tillväxten planar ut eftersom du inte höll svänghjulet igång. Sen kommer begränsningsoron: följer du för snabbt riskerar du tillfälliga restriktioner; följer du för försiktigt händer knappt något. Om du gör det här för ett varumärke eller en kund är den osäkerheten dränerande, eftersom du inte kan lova jämn leverans.
Det eskalerar snabbt. Här är var det brukar fallera i verkligheten.
- Du kör om samma sökningar, vilket gör att du ser samma konton om och om igen.
- Att följa i ryck ser spamigt ut, och det är oftast då man blir rate-limitad.
- Relevans är svårt att avgöra snabbt, så du följer antingen för brett eller övertänker varje klick.
- Sessionshantering blir en skör röra när flera personer, enheter eller kunder är inblandade.
Lösningen: timvisa, cookie-roterade auto-follows från färska hashtag-leads
Det här n8n-flödet gör ”jag borde växa på X” till ett repeterbart system du faktiskt kan lita på. Varje timme startar det enligt schema och hämtar en roterande sessionscookie från en SharePoint-fil, så arbetsflödet inte belastar samma session hela dagen. Därefter genererar en AI-agent en realistisk nisch-hashtag (tänk ”B2B SaaS onboarding”-känsla, inte generiskt spam), och Phantombuster använder hashtagen för att skrapa nyliga inlägg och extrahera profilhandles. Flödet paketerar sedan en enda profil i en liten CSV och startar Phantombusters auto-follow-agent för att följa just det kontot. Till sist väntar det tills körningen är klar och hämtar resultat-payloaden så att du kan logga utfall och felsöka snabbt när något ändras på X.
Rytmen är poängen. Flödet triggas varje timme, väljer en annan sessionscookie baserat på tidsintervall och följer en ny profil per körning. Små, jämna aktiviteter bygger över tid upp konsekvent tillväxt samtidigt som du håller dig inom rimliga dagsgränser.
Det du får: automatisering vs. resultat
| Det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du vill ha ungefär 60 nya, relevanta följningar per dag. Manuellt, om du lägger cirka 1 minut på att hitta en kandidat, 1 minut på att rimlighetskolla profilen och 30 sekunder på att följa och gå vidare, blir det runt 2,5 minuter per konto. Över 60 konton innebär det ungefär 2,5 timmar per dag av repetitivt arbete. Med det här flödet sätter du upp det en gång, sedan kör det timvis och följer 1 konto per körning; ditt ”jobb” blir en snabb veckovis genomgång av resultaten på kanske 15 minuter.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Phantombuster för hashtag-skrapning och auto-follow-åtgärder.
- Microsoft 365 SharePoint för att lagra och rotera sessionscookies.
- OpenAI API-nyckel (hämtas i din OpenAI-dashboard under API keys).
Kunskapsnivå: Medel. Du kopplar några konton, klistrar in API-nycklar och är bekväm med att testköra och läsa exekveringsloggar.
Vill du inte sätta upp det själv? Prata med en automationsspecialist (gratis konsultation i 15 minuter).
Så fungerar det
Timvis schematrigger. Flödet körs varje timme vid en specifik minut, så följningarna sprids naturligt över dagen i stället för att dumpas i en riskabel burst.
Cookie-rotation från SharePoint. n8n laddar ner en textfil från en SharePoint-mapp, tolkar den till enskilda sessionscookies och väljer sedan en baserat på tidsintervall. Det centraliserar sessionshanteringen och gör det enklare att byta cookies utan att redigera flödet.
Nischupptäckt och extrahering. En AI-agent genererar en realistisk hashtag-prompt, sedan skrapar Phantombusters hashtag-agent nyliga inlägg och returnerar en lista med profilhandles. n8n mappar listan till den enda profilen som auto-follow-agenten förväntar sig.
Följ, vänta, bekräfta. Flödet startar Phantombusters auto-follow-agent för en profil, pausar kort så att den externa körningen hinner bli klar och hämtar sedan resultat-payloaden. Den payloaden använder du för att logga lyckade körningar, hitta fel och avgöra om dina nischinmatningar behöver justeras.
Du kan enkelt ändra hashtag-prompten för att rikta in dig på en annan nisch eller justera schemat för att vara mer konservativ. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera schematriggern
Det här arbetsflödet startar enligt ett schema och initierar sekvensen för att hämta cookies.
- Lägg till och öppna Scheduled Automation Start.
- Konfigurera ert önskade schema för när automatiseringen ska köras.
- Bekräfta att Scheduled Automation Start är ansluten till Retrieve Session Cookies som första steg i flödet.
Steg 2: Anslut Microsoft SharePoint för hämtning av cookies
Det här steget hämtar den lagrade filen med sessionscookies som används för att autentisera Twitter-åtgärder.
- Öppna Retrieve Session Cookies och anslut till er SharePoint-plats som innehåller cookie-filer.
- Credential Required: Anslut era Microsoft SharePoint-uppgifter.
- Verifiera att utdata från Retrieve Session Cookies matas in i Parse Cookie File.
Steg 3: Tolka cookies och konfigurera AI-urval
Arbetsflödet tolkar cookie-filer och använder AI för att välja en giltig sessionscookie för automatiseringen.
- Öppna Parse Cookie File och säkerställ att den är konfigurerad för att extrahera sessionsdata från SharePoint-filen.
- Öppna Choose Session Cookie och bekräfta att den tar emot indata från Parse Cookie File.
- Öppna OpenAI Chat Engine B och anslut den som språkmodell för Choose Session Cookie.
- Credential Required: Anslut era OpenAI-uppgifter i OpenAI Chat Engine B (uppgifter läggs till i AI-modellnoden, inte i Choose Session Cookie).
- Öppna Language Agent Processor och verifiera att den tar emot utdata från Choose Session Cookie.
- Öppna OpenAI Chat Engine och anslut den som språkmodell för Language Agent Processor.
- Credential Required: Anslut era OpenAI-uppgifter i OpenAI Chat Engine (uppgifter läggs till i AI-modellnoden, inte i Language Agent Processor).
Steg 4: Förbered miljöinställningar och körning av hashtag-agent
Miljövärden tilldelas innan PhantomBuster-kedjan för hashtag-agenten initieras.
- Öppna Assign Env Settings och fyll i de miljövariabler som krävs av PhantomBuster (t.ex. sessionscookie och agentinställningar).
- Bekräfta att Language Agent Processor skickar utdata till Assign Env Settings.
- Öppna Fetch Hashtag Agent och Start Hashtag Agent för att konfigurera er PhantomBuster-sekvens för hashtag-agenten.
- Credential Required: Anslut era PhantomBuster-uppgifter i alla PhantomBuster-noder som används för hashtag-körningen.
- Verifiera flödet från Assign Env Settings → Fetch Hashtag Agent → Start Hashtag Agent → Pause Execution.
Steg 5: Hämta profiler och mappa objekt för auto-follow
Efter att ha väntat på hashtag-agenten hämtar arbetsflödet profildata och mappar den till ett användbart format för auto-follow.
- Öppna Pause Execution och konfigurera väntetiden så att hashtag-agenten hinner bli klar.
- Öppna Retrieve Profile List och säkerställ att den hämtar utdata från körningen av hashtag-agenten.
- Öppna Map Item Fields och mappa fälten som krävs för auto-follow-agenten (t.ex. profil-URL, användarnamn eller ID).
- Bekräfta flödet Pause Execution → Retrieve Profile List → Map Item Fields.
Steg 6: Kör auto-follow-agent och samla in resultat
Profiler skickas in i PhantomBusters auto-follow-flöde, och resultaten hämtas sedan efter en fördröjning.
- Öppna Fetch Auto-Follow Agent och Start Auto-Follow Agent för att konfigurera auto-follow-körningen.
- Credential Required: Anslut era PhantomBuster-uppgifter i alla PhantomBuster-noder som används för auto-follow.
- Öppna Delay for Outcome och ställ in en väntetid som är tillräcklig för att auto-follow-agenten ska bli klar.
- Öppna Retrieve Result Payload för att hämta slutlig utdata efter Delay for Outcome.
- Verifiera körflödet Map Item Fields → Fetch Auto-Follow Agent → Start Auto-Follow Agent → Delay for Outcome → Retrieve Result Payload.
Steg 7: Testa och aktivera ert arbetsflöde
Testa hela körningen för att säkerställa att varje agent slutförs utan fel innan ni aktiverar schemat.
- Klicka på Execute Workflow för att köra flödet manuellt från Scheduled Automation Start.
- Bekräfta att Retrieve Session Cookies returnerar en fil, att Parse Cookie File extraherar data och att AI-noderna väljer en session.
- Verifiera att Retrieve Profile List och Retrieve Result Payload returnerar förväntad PhantomBuster-data.
- När testet lyckas, slå på arbetsflödet Active för att aktivera schemalagda körningar i produktion.
Vanliga fallgropar
- Microsoft SharePoint-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det slutar fungera, börja med att kontrollera n8n:s test av credential-anslutningen och åtkomsträttigheterna till SharePoint-mappen.
- Om du använder Wait-noder eller extern bearbetning varierar sluttiderna. Öka väntetiden om efterföljande Phantombuster-resultatnoder fallerar eftersom körningen inte är klar ännu.
- Standardprompter i AI-noderna är generiska. Lägg in dina nischkrav och ”rikta inte mot”-exkluderingar tidigt, annars kommer du få städa upp irrelevanta följningar i all evighet.
Vanliga frågor
Cirka 45 minuter om du redan har kontona och API-åtkomst.
Nej. Du klistrar mest in API-nycklar, kopplar SharePoint och testkör ett par körningar. Kan du följa en checklista och läsa ett felmeddelande så klarar du dig.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-användning (oftast några dollar i månaden i den här volymen) samt en Phantombuster-plan med API-åtkomst.
Två alternativ: n8n Cloud (hanterat, enklast att sätta upp) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärt och hanterar n8n bra. Egen hosting ger dig obegränsade exekveringar men kräver grundläggande serveradministration.
Ja, och det är det första du bör justera. Uppdatera hashtag-prompten i steget AI Agent / OpenAI chat och behåll sedan Phantombusters hashtag-agent som den är. Vanliga anpassningar är att lägga till ”måste innehålla”-nyckelord, exkludera vissa ämnen och tvinga språk eller region så att dina följningar förblir relevanta.
Oftast beror det på en utgången eller fel API-nyckel, eller att din Phantombuster-plan inte inkluderar API-åtkomst. Kontrollera inloggningsuppgifterna som är sparade i n8n och bekräfta sedan att agent-ID:n fortfarande finns i ditt Phantombuster-konto. Om det bara misslyckas ibland är rate limiting eller fördröjd agent-slutföring ofta orsaken, så förläng Wait-noden innan du hämtar resultaten.
Mer än tillräckligt för normal tillväxttakt, eftersom den är byggd för att gå smått och jämnt snarare än i bulk.
För just det här användningsfallet är n8n oftast ett bättre val eftersom du koordinerar externa agentkörningar (Phantombuster), väntar på resultat och gör lite filparsing och sessionsrotation. Zapier och Make kan göra delar av det, men logiken blir snabbt klumpig och du betalar ofta mer när antalet tasks drar iväg. n8n ger dig också möjligheten att köra på egen hosting, vilket spelar roll när du vill ha många schemalagda körningar utan överraskningsfakturor. Den största fördelen är ärligt talat kontroll: om X eller Phantombuster ändrar något kan du justera flödet direkt. Om du vill ha hjälp att välja enklaste väg för din setup, prata med en automationsspecialist.
Jämn tillväxt på X ska inte kräva daglig manuell insats och ständig tvekan. Sätt takten en gång, låt flödet göra det repetitiva jobbet och använd tiden till att faktiskt engagera dig med rätt personer.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.