Din Telegram-inkorg börjar hanterbar. Sedan dyker samma frågor upp igen, en ”snabb” offertförfrågan blir till 20 meddelanden och någon i teamet glömmer att följa upp eftersom leadet fastnade i en chatttråd.
Den här Telegram Sheets leads-uppsättningen träffar marknadschefer först (för att de följer efterfrågan). Men byråägare och små supportteam känner av det också. Du slutar tappa varma leads och du får en felfri, sökbar historik utan att behöva barnvakta ett kalkylark.
Nedan ser du exakt hur flödet gör varje Telegram-meddelande till en loggad chatt, kontrollerar eller skapar ett lead och skickar ett kontextmedvetet svar som låter mänskligt.
Så fungerar automatiseringen
Hela n8n-workflowet, från trigger till slutresultat:
n8n Workflow Template: Telegram + Google Sheets: varje chatt blir en lead
flowchart LR
subgraph sg0["Telegram - Incoming Message Flow"]
direction LR
n0@{ icon: "mdi:brain", form: "rounded", label: "OpenRouter Chat Model", pos: "b", h: 48 }
n1@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", 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/telegram.svg' width='40' height='40' /></div><br/>Telegram - Incoming Message"]
n3@{ icon: "mdi:cog", form: "rounded", label: "Log - User Message", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Log - Bot Message", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "DB - Get Lead by User ID", pos: "b", h: 48 }
n6@{ icon: "mdi:cog", form: "rounded", label: "DB - Create Lead", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "DB - Update Lead", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "AI - Smart Support Assistant", pos: "b", h: 48 }
n9@{ icon: "mdi:cog", form: "rounded", label: "DB - Get FAQ", pos: "b", h: 48 }
n10@{ icon: "mdi:cog", form: "rounded", label: "DB - Get Services", pos: "b", h: 48 }
n11@{ icon: "mdi:cog", form: "rounded", label: "DB - Get Settings", pos: "b", h: 48 }
n12["<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 - Send Response"]
n13["<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/code.svg' width='40' height='40' /></div><br/>Build Assistant Context"]
n14@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Check – Lead Record", pos: "b", h: 48 }
n9 -.-> n8
n1 -.-> n8
n6 --> n13
n7 -.-> n8
n10 -.-> n8
n11 -.-> n8
n4 --> n12
n3 --> n5
n14 --> n13
n14 --> n6
n0 -.-> n8
n13 --> n8
n5 --> n14
n2 --> n3
n8 --> n4
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 n2 trigger
class n8 ai
class n0 aiModel
class n1 ai
class n14 decision
class n13 code
classDef customIcon fill:none,stroke:none
class n2,n12,n13 customIcon
Problemet: Telegram-support blir till utspridd leaddata
Telegram är grymt för snabba samtal. Det är uselt för operativt minne. En person frågar om priser på måndag, en annan frågar om tillgänglighet på onsdag och på fredag scrollar du tillbaka i trådar och försöker minnas vad du redan lovat. Under tiden ligger leads kvar i chatthistoriken i stället för i din pipeline, vilket gör att uppföljningar hänger på någons minne (eller en skärmdump som aldrig sparas). Och om flera i teamet svarar kan du få inkonsekventa svar som i tysthet dödar förtroendet.
Det blir snabbt mycket. Här brukar det oftast fallera i verkligheten.
- Du lägger cirka 10 minuter per konversation på att leta kontext och sedan svara från noll.
- Nya leads skapas inte konsekvent, så du missar uppföljningar när chatten tystnar.
- Pris- och tjänstedetaljer glider isär eftersom folk ”typ minns” vad erbjudandet är.
- Det finns ingen pålitlig chattlogg att granska i efterhand, vilket gör utbildning och överlämningar smärtsamma.
Lösningen: en AI-assistent i Telegram som loggar chattar och uppdaterar leads
Det här workflowet gör Telegram till en lättviktig servicedesk och leadhanterare, utan att tvinga dina kunder att ändra hur de skriver till dig. När en användare skickar ett meddelande fångar n8n det direkt och sparar det i en chattlogg-tabell. Sedan slår det upp avsändaren via Telegram-chatt-ID i din leads-tabell. Om leadet inte finns ännu skapar workflowet det automatiskt, så du tappar aldrig tråden. Därefter bygger det ihop kontext (leadinfo, senaste meddelandet och era företagsuppgifter) och skickar det till en AI-agent som drivs av en OpenAI-kompatibel chattmodell. Assistenten svarar med hjälp av dina FAQ- och tjänstetabeller och kan uppdatera leadposten i realtid när användaren delar uppgifter som namn, telefon, e-post eller anteckningar.
Workflowet startar med en Telegram-meddelandetrigger. Det loggar meddelandet, validerar om avsändaren redan har en leadpost och bygger ett strukturerat kontextpaket. Efter att AI:n genererat ett trevligt svar skickar n8n svaret tillbaka till Telegram och loggar även det utgående meddelandet.
Det du får: automation vs. resultat
| Vad det här workflowet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att din Telegram får 40 meningsfulla meddelanden i veckan (en mix av supportfrågor och säljinquiries). Manuellt lägger du kanske 7 minuter på att hitta kontext, 7 minuter på att svara och 2 minuter på att uppdatera ett kalkylark eller CRM om du kommer ihåg det. Det är ungefär 10 timmar i veckan. Med det här workflowet är ditt ”jobb” mest övervakning: meddelandet loggas direkt, leadet skapas eller uppdateras automatiskt och AI-svaret går ut på under en minut. Du får tillbaka större delen av tiden och datan går faktiskt att använda senare.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Telegram-bot för att ta emot och skicka meddelanden
- Google Sheets för att lagra leads och chatthistorik
- Telegram Bot API-nyckel (hämta den från BotFather i Telegram)
Svårighetsnivå: Medel. Du kopplar in credentials, skapar några enkla tabeller/ark och klistrar in prompts utan att skriva riktig kod.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett Telegram-meddelande kommer in. Workflowet triggas direkt när någon skriver till din bot, så du slipper polling och ”körde det?”-stress.
Konversationen loggas och kopplas till ett lead. n8n sparar det inkommande meddelandet i din chattlogg och kontrollerar sedan din leads-tabell med hjälp av chatt-ID. Om det är en förstagångskontakt skapar det en ny leadpost automatiskt.
Kontext byggs för ett bra svar. Workflowet hämtar din FAQ-lista, din tjänstetabell (program, priser, beskrivningar) och företagsinställningar, och kombinerar det med leadposten och användarens senaste meddelande.
AI-agenten svarar och uppdaterar leadet. Assistenten genererar ett naturligt svar, kan fånga uppgifter som telefon eller e-post när användaren delar dem, skickar sedan svaret tillbaka till Telegram och loggar det utgående meddelandet.
Du kan enkelt justera innehållet i FAQ och tjänster så att det matchar ditt erbjudande. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Telegram-triggern
Konfigurera startpunkten i arbetsflödet så att varje inkommande Telegram-meddelande startar automatiseringen.
- Lägg till och öppna Telegram Message Trigger.
- Credential Required: Anslut era telegramApi-uppgifter.
- Säkerställ att Updates inkluderar
message(redan konfigurerat). - Koppla Telegram Message Trigger till Record User Message för att matcha exekveringsflödet.
Steg 2: Anslut datatabeller för lead- och meddelandedata
Konfigurera Data Table-noderna som lagrar meddelanden och lead-profiler.
- Öppna Record User Message och ställ in dataTableId till ert tabell-ID (ersätt
[YOUR_ID]). - Verifiera kolumnmappningarna i Record User Message: chat_id =
{{ $json.message.chat.id }}, direction =user, message_text ={{ $json.message.text }}. - Öppna Fetch Lead by Chat ID och ställ in dataTableId till ert lead-tabell-ID, och behåll operation som
getmed limit satt till1. - Bekräfta att filtret i Fetch Lead by Chat ID använder
{{ $('Telegram Message Trigger').item.json.message.chat.id }}för chat_id. - Öppna Create Lead Entry och ställ in dataTableId till ert lead-tabell-ID, och bekräfta sedan värden som status =
new, chat_id ={{ $('Telegram Message Trigger').item.json.message.chat.id }}, samt namn-fält mappade från triggern. - Öppna Record Bot Reply och ställ in dataTableId till ert tabell-ID för meddelandelogg, med message_text =
{{ $json.output }}.
⚠️ Vanlig fallgrop: Data Table-noderna använder platshållare [YOUR_ID]. Ersätt alla Data Table-ID:n, annars kommer arbetsflödet att fallera vid första körningen.
Steg 3: Sätt upp lead-validering och sammanställning av kontext
Kontrollera om en lead finns, skapa en vid behov och bygg en samlad supportkontext för AI:n.
- Öppna Validate Lead Presence och bekräfta att villkoret kontrollerar
{{ $json.chat_id }}med notEmpty. - Koppla Fetch Lead by Chat ID till Validate Lead Presence, och anslut sedan båda utgångarna från Validate Lead Presence till Assemble Support Context och Create Lead Entry enligt arbetsflödet.
- I Assemble Support Context behåller ni den angivna jsCode för att konstruera
telegram_user,lead_dataochuser_messagefrån triggern och lead-uppslagningen. - Bekräfta exekveringsflödet: Record User Message → Fetch Lead by Chat ID → Validate Lead Presence → Assemble Support Context.
Steg 4: Sätt upp AI-supportagenten och verktyg
Konfigurera AI-modellen, minnet och dataverktygen som driver supportsvaren.
- Öppna OpenRouter Chat Engine och bekräfta modellalternativen; Credential Required: Anslut era openRouterApi-uppgifter.
- Öppna AI Support Agent och ställ in Text till
{{$json["user_message"]}}; behåll Prompt Type somdefinemed den angivna systemprompten. - Bifoga OpenRouter Chat Engine som språkmodell för AI Support Agent.
- Konfigurera Session Memory Buffer med sessionKey =
{{ $('Telegram Message Trigger').item.json.message.chat.id }}och contextWindowLength =25, och länka den till AI Support Agent som minne. - Anslut verktygen Retrieve FAQ List, Retrieve Service List, Load Company Settings och Update Lead Record till AI Support Agent som AI-verktyg.
Credential Required: AI-verktygen (Retrieve FAQ List, Retrieve Service List, Load Company Settings, Update Lead Record) är kopplade till AI Support Agent. Om uppgifter krävs för dessa verktyg i er miljö, lägg till dem i konfigurationen för föräldranoden, inte på verktygens undernoder.
Steg 5: Konfigurera utdata och Telegram-svar
Logga AI-svaret och skicka tillbaka det till Telegram-användaren.
- Säkerställ att flödet AI Support Agent → Record Bot Reply → Send Telegram Reply är anslutet.
- I Send Telegram Reply, ställ in Text till
{{ $('AI Support Agent').item.json.output }}och Chat ID till{{ $('Telegram Message Trigger').item.json.message.chat.id }}. - Credential Required: Anslut era telegramApi-uppgifter i Send Telegram Reply.
- Verifiera att Record Bot Reply loggar direction =
botoch message_text ={{ $json.output }}.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett komplett end-to-end-test för att säkerställa att datalogging, AI-svar och Telegram-svar fungerar.
- Klicka på Execute Workflow och skicka ett testmeddelande till er Telegram-bot.
- Bekräfta att körningen skapar en rad i Record User Message och vid behov en lead i Create Lead Entry när ingen lead finns.
- Verifiera att AI Support Agent genererar utdata och att Record Bot Reply loggar den.
- Kontrollera Telegram för svaret som skickas av Send Telegram Reply.
- När ni har validerat, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Telegram-credentials kan löpa ut eller så kan boten blockeras i en grupp. Om något slutar fungera, kontrollera först BotFather-inställningar och ditt credential-test i n8n.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 45 minuter om dina tabeller och boten är redo.
Nej. Du kommer mest kopiera prompter och mappa några fält. Den enda ”kod”-delen är redan paketerad i workflowet.
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 med API-kostnader för en OpenAI-kompatibel modell, som vanligtvis är några cent per konversation beroende på meddelandelängd.
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 bör du. Uppdatera tjänstetabellen som agenten läser från och justera prompten för AI-supportagenten så att den använder din ton och dina kvalificeringsregler. Vanliga anpassningar är att be om telefon/e-post tidigare, tagga leads efter tjänstekategori och lägga till ett ”överlämning till människa”-meddelande när någon ber om en återuppringning.
Oftast handlar det om bot-token eller behörigheter. Skapa en ny Telegram Bot API-nyckel i BotFather, uppdatera sedan Telegram-credential i n8n och testa triggern igen. Kontrollera också att användaren skriver till rätt bot (det händer) och bekräfta att din n8n-instans kan nå Telegrams API från ditt nätverk. Om du nyligen flyttat din hosting kan brandväggsregler blockera utgående anrop.
Några hundra chattar per dag är realistiskt på en modest n8n-setup, så länge din AI-modell och lagring inte är rate-limitade.
För det här flödet är n8n oftast ett bättre val eftersom logiken är flerstegad och kontexttung. Du flyttar inte bara data; du kontrollerar leads, bygger kontext, frågar tabeller, genererar ett svar och loggar båda sidor av konversationen. Zapier och Make kan göra delar av det, men det blir ofta dyrt och svårare att underhålla när du lägger till förgreningar och minne. Med n8n kan du också köra egen hosting med obegränsade körningar, vilket spelar roll när chattvolymen spikar. Prata med en automationsexpert om du vill ha en snabb rekommendation baserat på volym och budget.
När detta väl rullar slutar Telegram vara en stökig inkorg och blir ett system. Workflowet tar hand om repetitiv loggning, skapande av leads och första svar, så att du kan fokusera på att stänga affärer och leverera.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.