Din feedback trillar in. Bra. Problemet är vad som händer sen: den blir liggande i ett formulärs dashboard, skummas en gång och sedan går alla vidare eftersom ingen har tid att förvandla råa kommentarer till beslut.
Den här automationen för feedbacksammanfattningar drabbar frilansare och marknadsansvariga först, eftersom det oftast är du som översätter “tankarna” till handling. Kundsupportchefer känner av det också. Vinsten är enkel: du får en strukturerad sammanfattning och ett publiceringsklart inläggsutkast utan att lägga förmiddagen på att copy-pasta.
Det här flödet tar emot nya formulärinskick, kör en AI-analys, mejlar en strukturerad rapport och släpper ett Telegram-klart socialt utkast. Du får se vad det gör, varför det spelar roll och vad du behöver för att köra det.
Så fungerar den här automationen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Telegram + e-post: feedbacksammanfattningar du kan använda
flowchart LR
subgraph sg0["Flow 1"]
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/webhook.dark.svg' width='40' height='40' /></div><br/>Incoming Feedback Hook"]
n1@{ icon: "mdi:code-braces", form: "rounded", label: "Craft AI Prompt", 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/>AI Analysis Request"]
n3@{ icon: "mdi:code-braces", form: "rounded", label: "Shape AI Result", pos: "b", h: 48 }
n4@{ icon: "mdi:message-outline", form: "rounded", label: "Dispatch Feedback Report", pos: "b", h: 48 }
n5["<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/>Post Social Draft"]
n2 --> n3
n3 --> n4
n3 --> n5
n0 --> n1
n1 --> n2
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,n2 api
class n1,n3 code
classDef customIcon fill:none,stroke:none
class n0,n2,n5 customIcon
Problemet: feedbacken staplas, men besluten uteblir
De flesta team har inte brist på feedback. De har brist på användbar feedback. Du kanske samlar in svar i Tally, Typeform eller Google Forms, sedan exporterar någon en CSV, skummar några rader och plockar ut ett eller två citat till en Slack-uppdatering. Under tiden ligger det verkliga värdet (mönster, återkommande klagomål och tydliga åtgärdspunkter) begravt i stökiga textfält. Och ärligt talat: när du har mycket att göra är det lätt att “ta det senare” tills senare blir aldrig.
Det växer snabbt. Här är var det faller isär.
- Att läsa och sammanfatta ens 30 svar kan lätt äta upp cirka 2 timmar när du försöker göra det noggrant.
- Viktiga “fixa detta nu”-kommentarer försvinner eftersom de ser likadana ut som spontant beröm i en lång lista.
- Du slutar med att återge feedback muntligt, vilket gör att budskapet ändras beroende på vem som återberättar det.
- Att omvandla kundernas faktiska språk till ett publicerbart inläggsutkast blir en separat uppgift, så det händer sällan.
Lösningen: AI-sammanfattningar skickade via e-post, plus ett Telegram-utkast
Det här flödet gör varje nytt formulärsvar till något du faktiskt kan använda. En Webhook tar emot inkommande feedback (från Tally, Typeform, Google Forms eller vad som helst som kan POST:a ett fält “feedback”). n8n skapar sedan en strukturerad prompt, skickar den till en AI-chattmodell (DeepSeek eller annan GPT-kompatibel leverantör) och formar om svaret till ett felfritt, konsekvent format. Till sist mejlar den en kort rapport till rätt person och postar ett Telegram-klart socialt utkast som du kan kopiera, justera och publicera. Ingen export. Inga “kan någon sammanfatta detta?”-meddelanden. Bara ett jämnt flöde av tydlighet.
Flödet startar när ett formulärsvar träffar din Webhook. AI analyserar texten för positiva saker, förbättringar och åtgärdspunkter. Sedan får du två utdata: en e-postsammanfattning för beslutsfattande och ett Telegram-inläggsutkast för snabb delning eller publicering.
Det du får: automation vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du samlar in 40 onboarding-enkätsvar varje vecka. Manuellt, om du lägger cirka 3 minuter på att läsa och tagga varje svar, är det ungefär 2 timmar innan du ens skriver en sammanfattning, plus ytterligare 20 minuter för att göra ett bra citat till ett inlägg. Med det här flödet lägger du kanske 2 minuter på att koppla formuläret till Webhooken, sedan blir varje inskick automatiskt en e-postsammanfattning och ett Telegram-inläggsutkast dyker upp direkt. “Veckomötet om feedback” blir en snabb genomgång, inte ett projekt.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Formulärverktyg (Tally, Typeform eller Google Forms) som skickar ett feedbackfält
- E-postkonto (SMTP) för att leverera sammanfattningsrapporten
- Telegram för att ta emot det sociala inläggsutkastet
- DeepSeek- eller GPT-kompatibel API-nyckel (hämtas i din AI-leverantörs dashboard)
Kunskapsnivå: Nybörjare. Du klistrar in en API-nyckel, kopplar e-post och mappar ett “feedback”-fält.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett formulärinskick triggar flödet. Ditt formulärverktyg skickar en POST-förfrågan till n8n:s Webhook, inklusive ett textfält som heter “feedback” (och eventuella andra fält du vill skicka med).
Flödet formar prompten. En Function-nod gör om råsvaret till en tydlig instruktion till AI:n, så att modellen returnerar sektioner som “positiva punkter”, “områden att förbättra” och “åtgärdspunkter” istället för ett stökigt stycke.
AI analyserar feedbacken. En HTTP Request skickar prompten till din AI-leverantör (DeepSeek eller liknande), och sedan formar en andra Function-nod om outputen till något läsbart och lätt att återanvända.
Två utdata går till två platser. E-postnoden skickar den strukturerade rapporten till din inkorg (eller en delad brevlåda), och Telegram-noden postar ett utkast som du snabbt kan putsa till för ett nyhetsbrev, en LinkedIn-uppdatering eller ett “client win”-inlägg.
Du kan enkelt justera tonläget i prompten så att det matchar din varumärkesröst utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera webhook-triggern
Konfigurera den inkommande webhooken så att externa system kan skicka kundfeedback in i workflowet.
- Lägg till noden Incoming Feedback Hook som din trigger.
- Ställ in HTTP Method på
POST. - Ställ in Path på
client-feedback. - Kopiera webhook-URL:en från Incoming Feedback Hook och använd den i ert feedbackformulär eller er app.
Steg 2: anslut tjänsten för AI-förfrågningar
Konfigurera noden för AI-förfrågan som skickar den framtagna prompten till det externa AI-API:et.
- Öppna AI Analysis Request och ställ in URL på
https://api.deepseek.com/generate. - Ställ in Authentication på
predefinedCredentialTypeoch aktivera JSON Parameters. - Autentiseringsuppgifter krävs: Anslut era autentiseringsuppgifter för den fördefinierade credential-typen för DeepSeek API i AI Analysis Request.
Steg 3: konfigurera prompt-framtagning och formning av AI-svar
Använd funktionsnoder för att formatera prompten och tolka AI-svaret till en rapport och ett inlägg för sociala medier.
- I Craft AI Prompt, behåll funktionskoden som bygger en prompt från
$json.feedbackoch inkluderar de tre analysuppgifterna. - Säkerställ att Craft AI Prompt är kopplad till AI Analysis Request så att AI-API:et tar emot den genererade
prompt. - I Shape AI Result, behåll funktionskoden som delar upp AI-utdata i
reportochpost. - Bekräfta körflödet: Incoming Feedback Hook → Craft AI Prompt → AI Analysis Request → Shape AI Result.
Steg 4: konfigurera utdataåtgärder (e-post + Telegram)
Skicka sammanfattningen via e-post och utkastet för sociala medier till Telegram. Dessa körs parallellt efter att AI-resultatet har formaterats.
- I Dispatch Feedback Report, ställ in Subject på
Client Feedback Summary. - Ställ in Text på
{{ $json["report"] }}i Dispatch Feedback Report. - Ställ in To Email och From Email till er adress (ersätt
[YOUR_EMAIL]). - Autentiseringsuppgifter krävs: Anslut era e-postautentiseringsuppgifter i Dispatch Feedback Report.
- I Post Social Draft, ställ in Text på
{{ $json["post"] }}. - Ställ in Chat ID till ert Telegram-chatt-ID (ersätt
[YOUR_ID]). - Autentiseringsuppgifter krävs: Anslut era Telegram-autentiseringsuppgifter i Post Social Draft.
- Shape AI Result skickar utdata parallellt till både Dispatch Feedback Report och Post Social Draft.
Steg 5: testa och aktivera ert workflow
Verifiera hela kedjan från webhook till AI-analys och utdata innan ni slår på workflowet.
- Klicka på Execute Workflow och skicka ett test-POST till URL:en för Incoming Feedback Hook med en JSON-body som
{"feedback":"Great service and quick turnaround."}. - Bekräfta att Dispatch Feedback Report skickar ett e-postmeddelande med en lättläst sammanfattning.
- Bekräfta att Post Social Draft skickar ett kort inlägg för sociala medier till er Telegram-chatt.
- När resultaten ser korrekta ut, växla workflowet till Active för användning i produktion.
Vanliga fallgropar
- Telegram-botens inloggningsuppgifter kan gå ut eller så kan boten sakna behörighet att posta i målchatten. Om det skapar fel, kontrollera först bottoken i n8n och bekräfta att chatt-ID:t är korrekt.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din varumärkesröst tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 15 minuter om ditt formulär och dina konton är redo.
Nej. Du mappar mest “feedback”-fältet och klistrar in en API-nyckel.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in din AI-leverantörs API-kostnader (oftast bara några ören per sammanfattning).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och hanterar n8n bra. Egen hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det är det bästa stället att göra det personligt. Uppdatera Function-noden “Craft AI Prompt” så att AI:n skriver med din varumärkesröst (mer formell, mer direkt, mer lekfull) och på det språk som dina kunder använder. Du kan också justera vad outputen ska innehålla, till exempel lägga till en sektion med “topp 3 citat” eller tvinga fram en kort punktlista med åtgärdspunkter. Om du vill att Telegram-utkastet ska vara i LinkedIn-stil, skriv det i prompten och håll det konsekvent mellan körningar.
Oftast beror det på en ogiltig eller utgången bottoken, eller att boten inte har åtkomst till chatten du postar i. Skapa en ny Telegram-bottoken vid behov och uppdatera sedan inloggningsuppgifterna i Telegram-noden i n8n. Kontrollera också chatt-ID:t och bekräfta att boten är tillagd i gruppen (och får posta). Om det bara fallerar när volymen ökar kan du slå i rate limits och bör lägga in en kort Wait innan postning.
Väldigt många för de flesta små team. På n8n Cloud baseras din gräns på antal körningar per månad (Starter räcker för stabil daglig feedback, större planer hanterar högre volym). Om du hostar själv finns ingen plattformsgräns för körningar; det beror främst på din serverstorlek och din AI-leverantörs rate limits.
Ibland. Om målet är “skicka formulärsvaret till ett mejl” kan Zapier eller Make gå snabbare. Men det här flödet drar nytta av n8n:s flexibilitet: du kan forma prompter, omformatera AI-output och grena till flera destinationer utan att betala extra för varje litet steg. Egen hosting är också viktig när du vill ha förutsägbara kostnader. Om du är osäker, prata med en automationsexpert så hjälper vi dig välja det enklaste alternativet som fortfarande ger rätt resultat.
När det här väl rullar slutar feedback att vara en dålig samvetshög och blir i stället en veckovis fördel. Flödet tar hand om det repetitiva arbetet, så att du kan fokusera på vad du ska ändra härnäst.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.