Du tar ett foto av ett visitkort, någon släpper in det i chatten, och sedan… blir det liggande. Eller ännu värre: det matas in i efterhand med saknade siffror, ihopblandade namn och den klassiska “jag lägger in det i morgon”. Det här är Telegram Sheets logging-smärta i sin renaste form.
Säljare känner av det efter event. En marknadskoordinator känner av det när leadlistor ska vara klara. Och ops-team fastnar med att städa upp när de där “snabba anteckningarna” blir er CRM:s källa till sanning.
Det här workflowet gör om ett visitkortsfoto som skickas i Telegram till en strukturerad rad i Google Sheets automatiskt. Du ser vad det gör, vad du behöver och hur det sparar timmar av tråkig ominmatning.
Så här fungerar automationen
Hela n8n-workflowet, från trigger till slutresultat:
n8n Workflow Template: Telegram till Google Sheets, logga visitkort snabbt
flowchart LR
subgraph sg0["Telegram Flow"]
direction LR
n0@{ icon: "mdi:database", form: "rounded", label: "Add to Google Sheet", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Check Input Type", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "AI Vision Agent", pos: "b", h: 48 }
n3@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Vision Model", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "Ingredient Parser", 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/>Telegram Trigger"]
n2 --> n0
n1 --> n2
n5 --> n1
n4 -.-> n2
n3 -.-> 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 n5 trigger
class n2,n4 ai
class n3 aiModel
class n1 decision
class n0 database
classDef customIcon fill:none,stroke:none
class n5 customIcon
Problemet: visitkort samlas på hög i chatten
Visitkort är små fällor för datainmatning. Du samlar en bunt på en konferens, någon delar foton i Telegram, och sedan börjar det riktiga jobbet: skriva in namn, gissa mejladresser, formatera telefonnummer och försöka minnas vilket företag som hörde till vilken person. Det låter litet tills du gör det 30 gånger i rad. Då är en timme borta, och du litar fortfarande inte fullt ut på arket. Det värsta är den mentala belastningen: du kan inte delegera det på ett rent sätt, och du kan inte automatisera det med enkla “formulär”-verktyg eftersom datan är inlåst i en bild.
Det bygger upp snabbt. Så här faller det i praktiken.
- Att mata in ett enda visitkort i ett ark tar oftast cirka 5 minuter när du även räknar med dubbelkoll för misstag.
- Foton i Telegram skapar ingen användbar data, så din “lead capture” blir en backlog som aldrig känns brådskande förrän det är för sent.
- Små skillnader i formatering (mobil vs. telefon, saknade landskoder, konstiga mellanslag) gör listan svår att sortera, avduplicera eller importera.
- När två personer matar in samma kontakt på olika sätt missas uppföljningar och rapporteringen blir opålitlig.
Lösningen: Telegram → AI-extraktion → Google Sheets
Det här n8n-workflowet börjar där teamet redan jobbar. Du skickar ett visitkort till en Telegram-bot, och workflowet kontrollerar direkt vad som kom in (en bild, en fil eller ren text). Sedan läser en AI Vision Agent kortet och plockar ut de fält du faktiskt behöver: företag, fullständigt namn, avdelning, jobbtitel, adress, postnummer och alla kontaktuppgifter som telefon och mejl. Workflowet städar upp det till ett konsekvent strukturerat format och skickar in det i Google Sheets som en ny rad, eller uppdaterar en befintlig rad om kontakten redan finns. Inga copy-paste-loopar. Inget “jag gör det senare”.
Flödet börjar med en Telegram-intagstrigger. Efter ett snabbt valideringssteg kör AI-extraktionen och returnerar strukturerad JSON. Till sist lägger Google Sheets till eller uppdaterar matchande kontakt så att listan hålls uppdaterad.
Det du får: automation vs. resultat
| Vad detta workflow automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att teamet samlar in 25 visitkort efter en meetup. Manuellt kan du räkna med cirka 5 minuter per kort för att skriva in och verifiera detaljer, vilket är ungefär 2 timmars adminjobb (och det är en bra dag). Med det här workflowet “loggas” varje kort genom att skicka ett Telegram-meddelande som tar kanske 20 sekunder, och sedan väntar du på extraktionen och uppdateringen i Google Sheets. Du gör fortfarande en snabb stickprovskontroll av några poster, men grovjobbet är borta.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
- Telegram för att ta emot visitkortsfoton via bot
- Google Sheets för att lagra och uppdatera din kontaktlista
- Telegram Bot API-token (hämta den via BotFather i Telegram)
- API-nyckel för OpenRouter (eller liknande AI-visionleverantör) (hämta den i leverantörens dashboard)
Kunskapsnivå: Nybörjare. Du kopplar konton, väljer ditt ark och justerar ett par fältmappningar.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett meddelande kommer in till din Telegram-bot. Du eller teamet skickar ett visitkortsfoto (eller text) till boten, vilket triggar workflowet direkt.
Workflowet validerar vad som kom in. En “If”-kontroll routar meddelandet rätt så att extraktionsagenten får rätt innehåll i stället för att fallera på oväntade format.
AI extraherar kontaktfälten. Vision Extraction Agent kör på en OpenRouter vision chat-modell och returnerar strukturerad JSON (företag, fullständigt namn, jobbtitel, telefonnummer, mejl, webbplats, adress och mer). Ärligt talat är det här skillnaden mellan “OCR-text” och något du faktiskt kan använda.
Google Sheets uppdaterar din lista. Workflowet lägger till en ny rad eller uppdaterar en befintlig (baserat på din matchningsnyckel), så att kontaktarket hålls strukturerat utan manuell sammanslagning.
Du kan enkelt ändra kolumnerna i arket för att matcha teamets fält utifrån era behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Telegram-triggern
Konfigurera triggern för inkommande Telegram-meddelanden så att arbetsflödet kan ta emot foton på visitkort.
- Lägg till och öppna Telegram Intake Trigger.
- Ställ in Updates på
message. - Aktivera Additional Fields → Download som
true. - Inloggningsuppgifter krävs: Anslut era
telegramApi-inloggningsuppgifter. - Bekräfta att triggern kopplas till Validate Incoming Type.
Steg 2: Validera inkommande meddelanden
Filtrera bort meddelanden som inte är foton för att säkerställa att endast visitkorts-bilder behandlas.
- Öppna Validate Incoming Type.
- Ställ in villkoret så att Left Value kontrolleras som
{{ $json.message.text }}. - Använd operatorn notExists så att meddelanden med enbart text exkluderas.
- Säkerställ att true-sökvägen routas till Vision Extraction Agent.
Steg 3: Konfigurera vision-extraktion med AI
Konfigurera AI-agenten för att extrahera strukturerad visitkortsdata med OpenRouter-visionmodellen och en strukturerad parser.
- Öppna Vision Extraction Agent och ställ in Text till
=Analyze the provided business card image or text and accurately identify all of the following information.List them clearly. Image URL: {{ $('Telegram Intake Trigger').item.json.message.photo[0].file_id }}. - Ställ in Prompt Type på
defineoch behåll Has Output Parser aktiverat. - I Vision Extraction Agent → Options → System Message klistrar ni in hela systemprompten från arbetsflödet för att tvinga fram regler för japanska-först-extraktion.
- Öppna OpenRouter Vision Model och ställ in Temperature till
0.3. - Inloggningsuppgifter krävs: Anslut era
openRouterApi-inloggningsuppgifter på OpenRouter Vision Model. Den här modellen är kopplad som språkmodell för Vision Extraction Agent. - Öppna Structured Output Parser och ställ in Auto Fix till
{{ false }}och Schema Type tillmanual. - Klistra in det tillhandahållna JSON-schemat i Input Schema så att det matchar visitkortsfälten exakt.
- Obs: Structured Output Parser är en AI-undernod kopplad till Vision Extraction Agent; lägg till inloggningsuppgifter på föräldern om det krävs av er miljö.
Steg 4: Konfigurera utdata till Google Sheets
Lägg till den extraherade visitkortsdata i ert kalkylark med hjälp av fältmappningar.
- Öppna Append to Spreadsheet och ställ in Operation till
appendOrUpdate. - Välj målarket i Document ID (för närvarande
[YOUR_ID]) och välj bladetシート1. - Ställ in kolumnmappningar med de befintliga uttrycken, till exempel date →
{{ $today }}och full_name →{{ $('Vision Extraction Agent').item.json.output['Full Name'] }}. - Säkerställ att dessa fält är mappade exakt: company_name, department, job_title, full_name, postal_code, address, phone_number, mobile_phone_number, fax_number, email, website_url.
- Inloggningsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-inloggningsuppgifter.
company_name, phone_number) kan append/update misslyckas eller skriva tomma värden.Steg 5: Testa och aktivera ert arbetsflöde
Kör ett live-test med ett Telegram-fotomeddelande och aktivera sedan arbetsflödet för produktion.
- Klicka på Execute Workflow och skicka ett foto av ett visitkort till er Telegram-bot.
- Verifiera att datan passerar från Telegram Intake Trigger → Validate Incoming Type → Vision Extraction Agent → Append to Spreadsheet.
- Bekräfta att en ny rad skapas eller uppdateras i Google Sheets med de extraherade fälten ifyllda.
- När ni är nöjda, slå på arbetsflödet till Active för att möjliggöra användning i produktion.
Vanliga fallgropar
- Telegram-inloggningar kan löpa ut eller så kan boten tappa behörigheter. Om det skapar fel: kontrollera bot-token i n8n Credentials och bekräfta först att boten fortfarande är aktiv i BotFather.
- 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 er tonalitet och era önskade format (landskoder, adressstil) tidigt, annars kommer du att sitta och redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om din Telegram-bot och ditt Google Sheet är redo.
Nej. Du kopplar konton och justerar några fältmappningar i n8n.
Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på $20/månad för högre volym. Du behöver också räkna in kostnaderna för din AI vision-API, som oftast är små per kort men beror på leverantör och modell.
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. De flesta team byter “update match” till mejl eftersom det är mer unikt än företagsnamn. Du justerar mappningen efter Structured Output Parser så att Google Sheets append/update-logiken kontrollerar din föredragna nyckel. Vanliga anpassningar är att ta bort fält du inte bryr dig om (fax, postnummer), tvinga konsekvent telefonformatering och lägga till en “källa”-kolumn som “Event” eller “Inbound DM”.
Oftast beror det på en ogiltig eller roterad bot-token. Uppdatera Telegram-inloggningarna i n8n och bekräfta sedan att boten fortfarande kan ta emot meddelanden. Om workflowet inte triggar alls: se till att workflowet är aktiverat och att Telegram Trigger är den som tar emot uppdateringar för den boten.
Många. I praktiken begränsas det av dina n8n-körningsgränser (på Cloud) och din AI-leverantörs rate limits, inte av Google Sheets i sig. Om du kör egen hosting beror volymen mest på serverstorlek och hur snabbt din vision-modell returnerar resultat.
Ofta, ja, eftersom det här flödet kräver villkorsstyrd routing och hantering av strukturerad AI-utdata som lätt blir klumpig (och dyr) i enklare verktyg. n8n ger dig också möjligheten till egen hosting, vilket spelar roll när du börjar logga hundratals kort. Zapier eller Make kan fortfarande vara bra om du bara behöver ett lätt “skicka bild någonstans”-flöde och inte bryr dig om konsekventa strukturerade fält. Den större frågan är kontroll: prompter, parsing, uppdateringslogik och felhantering. Om du vill ha hjälp att välja, prata med en automationsexpert.
När det här väl rullar slutar visitkort vara en backlog och blir en strukturerad lista. Workflowet tar hand om det repetitiva, så att du faktiskt kan följa upp medan konversationen fortfarande är varm.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.