Dina bästa leads sitter förmodligen fast i skärmdumpar. Ett DM, en WhatsApp-beställning, en konkurrents prissida, ett foto på en konferensbricka. Du fångar det snabbt … och sedan försvinner det i kamerarullen och hamnar aldrig i din pipeline.
Den här Telegram Airtable OCR-automationen träffar byråägare och säljare hårdast, ärligt talat. Men ops-personer som lever i Airtable känner det också, eftersom högen “jag loggar det senare” växer varje dag. Utfallet är enkelt: varje skärmdump blir sökbar text i Airtable, kopplad till originalbilden.
Nedan ser du hur workflowet fångar bilder från Telegram, extraherar texten, sparar filen säkert och skapar en korrekt formaterad Airtable-post som du faktiskt kan följa upp.
Så fungerar den här automationen
Hela n8n-workflowet, från trigger till slutresultat:
n8n Workflow Template: Telegram + Airtable: gör skärmdumpar till leads
flowchart LR
subgraph sg0["Telegram Update Flow"]
direction LR
n0@{ icon: "mdi:cog", form: "rounded", label: "Textract Analysis", pos: "b", h: 48 }
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/telegram.svg' width='40' height='40' /></div><br/>Telegram Update Trigger"]
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/airtable.svg' width='40' height='40' /></div><br/>Append Airtable Records"]
n3@{ icon: "mdi:cog", form: "rounded", label: "Upload to S3 Storage", pos: "b", h: 48 }
n0 --> n2
n1 --> n3
n1 --> n0
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 n1 trigger
class n2 database
classDef customIcon fill:none,stroke:none
class n1,n2 customIcon
Problemet: skärmdumpar blir inte till uppföljningar
När leadinformation kommer som en bild blir processen ofta som en rörig stafett. Du tar en skärmdump, vidarebefordrar den till någon, klistrar in en notis i ett dokument och lovar dig själv att du ska “lägga in det i Airtable senare”. Senare händer sällan. Även när du loggar det skriver du om namn, mejladresser, orderdetaljer eller priser för hand, och det är där misstagen smyger sig in. En enda fel siffra och din uppföljningsmejl studsar. Den verkliga kostnaden är inte bara tid. Det är tappat momentum, eftersom de snabbaste teamen svarar medan sammanhanget fortfarande är färskt.
Friktionen byggs på. Här är var det brukar fallera i vardagen.
- Text som sitter fast i bilder är inte sökbar, så du kan inte snabbt hitta “den där skärmdumpen från i tisdags”.
- Manuell omskrivning gör snabb insamling till ett 10-minutersgöra, vilket gör att det hoppas över.
- Utan originalfilen bifogad litar inte kollegor på datan och ber om “skärmdumpen” igen.
- Uppföljningar går långsammare eftersom din pipeline bygger på att någon gör adminarbete i slutet av dagen.
Lösningen: fånga bilder i Telegram, extrahera text, logga till Airtable
Det här n8n-workflowet gör din Telegram-chatt till en lättviktig intake-kanal för lead-skärmdumpar. När någon skickar en bild till en specifik Telegram-kanal hämtar workflowet filen direkt. Den laddar först upp bilden till din AWS S3-bucket, så att du får en stabil, delbar lagringsplats som inte är beroende av en mobil. Sedan läser AWS Textract bilden och extraherar den text den kan hitta (namn, mejl, orderdetaljer, adresser, priser, vad som än syns). Till sist skapar n8n en ny Airtable-post som innehåller den extraherade texten plus bildmetadata, så att posten förblir kopplad till källan. Ingen omskrivning. Ingen jakt i chatthistorik.
Workflowet startar med ett Telegram-meddelande med en bild. Därifrån lagras bilden i S3 och analyseras av Textract för att plocka ut läsbar text. Airtable blir den sökbara “hemmabasen” där teamet kan tagga, tilldela och följa upp.
Det du får: automation vs. resultat
| Vad det här workflowet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att teamet fångar 8 lead-skärmdumpar per dag från DM och formulär. Manuellt kanske du lägger cirka 8 minuter per skärmdump på att öppna den, skriva in nyckeldetaljer och ladda upp filen till Airtable, vilket blir ungefär 1 timme per dag. Med det här workflowet skickar du bara bilden till Telegram (kanske 30 sekunder), sedan hanterar n8n S3-lagring, textextrahering och Airtable-posten i bakgrunden. Du granskar fortfarande posten, men grovjobbet försvinner i stort sett.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Telegram för att samla skärmdumpar i en kanal.
- Airtable för att lagra sökbara leadposter.
- AWS-konto (skapa S3 + Textract-åtkomstnycklar i IAM).
Svårighetsgrad: Mellan. Du kopplar konton och sätter upp AWS-behörigheter (ingen kod, men du kommer att behöva röra IAM en gång).
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En Telegram-bild triggar allt. När en bild landar i din valda Telegram-kanal tar n8n emot meddelandet och hämtar in fotofilen så att den kan behandlas.
Filen lagras i AWS S3. n8n laddar upp bilden till din S3-bucket, vilket ger hållbar lagring och en konsekvent referens att koppla till din leadpost (användbart när kollegor behöver verifiera vad Textract läste).
Textract läser skärmdumpen. AWS Textract analyserar bilden och returnerar extraherad text. Se det som “OCR som är tillräckligt bra för riktiga business-skärmdumpar”, inte bara perfekta skanningar.
Airtable blir systemet där sanningen finns. n8n lägger till en ny Airtable-post som innehåller den extraherade texten plus bildinformation, så att du kan söka, tagga, tilldela en ansvarig och driva leadet vidare.
Du kan enkelt anpassa Airtable-fälten så att de matchar din pipeline (leadkälla, status, ansvarig) utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Telegram-triggern
Konfigurera arbetsflödet så att det startar när en Telegram-uppdatering anländer, och tillåt filnedladdningar för kvittobilder.
- Lägg till och öppna Telegram Update Trigger.
- Ställ in Updates på
*för att fånga alla uppdateringstyper. - I Additional Fields aktiverar ni Download och ställer in Image Size på
medium. - Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter.
- Anslut Telegram Update Trigger till både Upload to S3 Storage och Textract Analysis.
Telegram Update Trigger skickar utdata till både Upload to S3 Storage och Textract Analysis parallellt.
Steg 2: Anslut AWS S3-lagring
Lagra inkommande kvittofiler i S3 för hållbar lagring och revision.
- Lägg till och öppna Upload to S3 Storage.
- Ställ in Operation på
upload. - Ställ in Bucket Name på
textract-demodata. - Ställ in File Name på
={{$binary.data.fileName}}. - Autentiseringsuppgifter krävs: Anslut era aws-autentiseringsuppgifter.
Tips: Säkerställ att S3-bucketen finns och att IAM-användaren har behörigheten s3:PutObject.
Steg 3: Konfigurera Textract-analys
Analysera kvittobilder med Textract för att extrahera strukturerad text och fält.
- Lägg till och öppna Textract Analysis.
- Autentiseringsuppgifter krävs: Anslut era aws-autentiseringsuppgifter.
- Anslut Textract Analysis till Append Airtable Records.
⚠️ Vanlig fallgrop: Textract kräver åtkomst till fildata från Telegram; bekräfta att triggern är inställd på att ladda ned filer.
Steg 4: Konfigurera utdata till Airtable
Lägg till extraherade kvittodata i er Airtable-databas.
- Lägg till och öppna Append Airtable Records.
- Ställ in Operation på
append. - Ställ in Application på
[YOUR_ID]. - Ställ in Table på
receipts. - Ställ in Add All Fields på
falseoch mappa endast de fält ni behöver. - Autentiseringsuppgifter krävs: Anslut era airtableApi-autentiseringsuppgifter.
⚠️ Vanlig fallgrop: Ersätt [YOUR_ID] med ert faktiska Airtable base-ID, annars kommer append-operationen att misslyckas.
Sista steget: Testa och aktivera ert arbetsflöde
Validera hela flödet från Telegram-inhämtning till S3-uppladdning och skapande av Airtable-post.
- Klicka på Execute Workflow och skicka en kvittobild till er Telegram-bot.
- Bekräfta att filen visas i bucketen
textract-demodatavia Upload to S3 Storage. - Verifiera att Textract Analysis skickar data till Append Airtable Records och att en ny rad skapas i tabellen
receipts. - När allt fungerar växlar ni arbetsflödet till Active för kontinuerlig bearbetning.
Vanliga fallgropar
- AWS-autentiseringsuppgifter (S3/Textract) kan gå ut eller sakna rätt IAM-behörigheter. Om saker slutar fungera, kontrollera IAM access keys och policybehörigheter för Textract/S3 först.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på tomma svar.
- Fält som inte matchar i Airtable orsakar tysta fel. Om ditt fältnamn för “Extraherad text” har ändrats, uppdatera mappningen i Airtable-noden så att poster inte skapas tomma.
Vanliga frågor
Cirka 30–60 minuter om ditt AWS-konto är redo.
Ingen kod krävs. Du kopplar främst in autentiseringsuppgifter för Telegram, AWS och Airtable i n8n.
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 användning av AWS Textract + S3, vilket oftast är en liten månadskostnad om du inte bearbetar väldigt många bilder.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärt och hanterar n8n bra. Egen hosting ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, men då byter du ut steget “Append Airtable Records” mot ett Pipedrive create/update-steg. Många team lägger också till fält som leadansvarig, deal stage och en länk till S3-filen, och behåller den extraherade texten som “anteckningar” för snabb sökning. Om du fortfarande vill ha Airtable som arkiv kan du skriva till båda.
Oftast beror det på bot-behörigheter i kanalen eller en återkallad token. Bekräfta att boten är admin (eller åtminstone får läsa meddelanden) i den aktuella Telegram-kanalen och kontrollera sedan Telegram-uppgifterna i n8n igen. Om du bytte kanal, uppdatera triggern så att den lyssnar på rätt chat-ID. Det är också värt att kontrollera att Telegram faktiskt skickar en bildbilaga (inte bara en komprimerad förhandsvisning).
På n8n Cloud Starter kan du köra några tusen körningar per månad, vilket räcker för de flesta små team. Om du hostar själv finns ingen hård gräns för antal körningar, så kapaciteten beror mest på din server och hur snabbt Textract returnerar resultat. I praktiken hanterar team dussintals skärmdumpar per dag utan att ens tänka på det.
Ofta, ja, eftersom OCR + filhantering blir dyrt snabbt i verktyg som tar betalt per steg. n8n är också enklare att bygga ut när du vill ha förgreningslogik, som “om Textract hittar en mejladress, skapa ett lead, annars tagga för granskning”. Egen hosting är den andra stora skillnaden: du kan köra hög volym utan att oroa dig för task-limiter. Zapier eller Make kan fortfarande vara ett bra val för en väldigt enkel “Telegram till Airtable”-loggning, men när du lägger till S3-lagring och OCR brukar n8n vara det lugnare alternativet. Prata med en automationsexpert om du vill ha en snabb rekommendation utifrån din volym.
Det här är den typen av automation du sätter upp en gång och sedan har nytta av i det tysta varje dag. Dina skärmdumpar slutar vara stök och blir i stället ett sökbart flöde av leads som du faktiskt kan agera på.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.