Att läsa konkurrentrecensioner är användbart. Att kopiera dem till ett kalkylblad, sortera efter betyg och försöka ”hitta mönster” medan kampanjklockan tickar är delen som knäcker dig.
Det här arbetsflödet för Trustpilot annonsvinklar träffar performance marketers först, men småföretagare och byråansvariga känner av det också. Du får ett felfritt Google Sheet med recensioner plus tre testklara varianter av annonstext byggda på verkliga smärtpunkter från 1–2-stjärniga omdömen.
Nedan ser du exakt vad den här automatiseringen gör, vad den ersätter och hur du anpassar den till din nisch utan att göra det till ett vetenskapsprojekt.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Trustpilot till Google Sheets, annonsteman redo
flowchart LR
subgraph sg0["On form submission - Discover Jobs 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/httprequest.dark.svg' width='40' height='40' /></div><br/>Snapshot Progress"]
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/form.svg' width='40' height='40' /></div><br/>On form submission - Discove.."]
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/>HTTP Request- Post API call .."]
n3@{ icon: "mdi:cog", form: "rounded", label: "Wait - Polling Bright Data", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If - Checking status of Snap..", 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/httprequest.dark.svg' width='40' height='40' /></div><br/>HTTP Request - Getting data .."]
n6@{ icon: "mdi:robot", form: "rounded", label: "Basic LLM Chain", pos: "b", h: 48 }
n7@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n8@{ icon: "mdi:message-outline", form: "rounded", label: "Send Summary To Marketers", pos: "b", h: 48 }
n9@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Filtering only bad reviews", pos: "b", h: 48 }
n10@{ icon: "mdi:cog", form: "rounded", label: "Aggregating all filtered rev..", pos: "b", h: 48 }
n11@{ icon: "mdi:database", form: "rounded", label: "Google Sheets - Adding All R..", pos: "b", h: 48 }
n6 --> n8
n7 -.-> n6
n0 --> n4
n9 --> n10
n3 --> n0
n10 --> n6
n11 --> n9
n1 --> n2
n2 --> n3
n5 --> n11
n4 --> n3
n4 --> n5
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 n6 ai
class n7 aiModel
class n4,n9 decision
class n11 database
class n0,n2,n5 api
classDef customIcon fill:none,stroke:none
class n0,n1,n2,n5 customIcon
Problemet: recensionsresearch är långsam, rörig och lätt att göra fel
Om du någon gång har byggt annonsvinklar utifrån konkurrentrecensioner kan du rutinen. Du öppnar Trustpilot, scrollar i evigheter, kopierar några rader, klistrar in dem i ett dokument och försöker sedan minnas vilken recension som kom från vilken månad. Sedan kommer ”analysen”, som oftast betyder att läsa 50 klagomål och gissa vad det verkliga mönstret är. Därefter skriver du annonser ur minnet. Det är inte bara tidskrävande. Det är inkonsekvent, och det värsta är att du inte kan bevisa varför en vinkel borde fungera eftersom källmaterialet ligger utspritt.
Friktionen byggs på. Och när du behöver göra detta varje vecka (eller över flera konkurrenter) blir det en återkommande skatt på marknadsteamet.
- Att copy-pasta recensioner till ett kalkylblad tar cirka 1–2 timmar per konkurrent om du vill ha tillräckligt med data för att lita på det.
- Du råkar blanda tidsperioder, så ”trenden” du såg är egentligen bara förra veckans brus.
- Manuell filtrering av 1–2-stjärniga recensioner är tråkigt, vilket gör att det ofta hoppas över.
- Utkast till annonstext blir urvattnade eftersom researchen inte är organiserad och ingen vill läsa om 100 recensioner.
Lösningen: Trustpilot → Sheets → OpenAI-utkast du kan testa
Det här arbetsflödet gör konkurrenternas recensionsinhämtning till ett repeterbart system. Du börjar med att skicka in ett enkelt formulär med en konkurrents Trustpilot-URL och en tidsperiod (som 30 dagar eller 12 månader). n8n skickar förfrågan till Bright Datas dataset-API och väntar sedan automatiskt och pollar tills snapshoten är klar. När datan finns tillgänglig hämtar flödet alla recensioner och lägger till dem i ett strukturerat Google Sheet så att du kan sortera, filtrera och dela det som vilket researchdokument som helst. Därefter smalnar det av till 1–2-stjärniga recensioner, sammanställer klagomålstexten och ber OpenAI (GPT-4o-mini) att sammanfatta de verkliga smärtpunkterna och skriva tre varianter av annonstext baserat på vad folk faktiskt ogillar.
Arbetsflödet startar med en formulärinsändning i n8n. Därefter sköter Bright Data Trustpilot-scrapingen medan n8n väntar och kontrollerar status i bakgrunden. Till sist lagrar Google Sheets råmaterialet och OpenAI omvandlar det till en sammanfattning plus annonsvinklar, som mejlas till ditt team.
Vad du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du vill analysera 3 konkurrenter innan du skriver en ny Facebook-kampanj. Manuellt kan du lägga cirka 2 timmar per konkurrent: 1 timme på att samla recensioner, 30 minuter på att sortera och tagga, och ytterligare 30 minuter på att dra ut teman till en brief (alltså ungefär 6 timmar totalt). Med det här arbetsflödet gör du tre körningar via formuläret som tar cirka 5 minuter styck, och väntar sedan medan Bright Data tar fram snapshoten i bakgrunden. På under en timme av hands-off-tid har du ett ifyllt Sheet, en sammanfattning av återkommande klagomål och tre varianter av annonstext mejlade till ditt team.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger funkar bra)
- Google Sheets för att lagra recensioner och bygga en swipe file.
- Bright Data för att samla in Trustpilot-recensioner på ett tillförlitligt sätt.
- OpenAI API-nyckel (hämtas i din OpenAI-dashboard).
Kunskapsnivå: Mellan. Du kopplar in behörigheter, klistrar in ett Sheet-ID och justerar en prompt, men du skriver ingen kod.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En formulärinsändning startar allt. Du anger konkurrentens Trustpilot-URL och väljer en tidsperiod (30 dagar upp till 12 månader). Den inmatningen blir ”jobbrequesten” som används för scrapingen.
Bright Data scrapar, medan n8n väntar och kontrollerar status. Arbetsflödet triggar en dataset-snapshot via HTTP-request, pausar med en Wait-nod och pollar sedan Bright Data tills snapshoten är klar. Inget flik-hoppande. Ingen manuell uppdatering.
Recensioner lagras och struktureras i Google Sheets. När resultaten kommer tillbaka lägger n8n till dem i ditt mall-Sheet, filtrerar ner till 1–2-stjärniga recensioner och sammanställer texten till något en LLM faktiskt kan jobba med.
OpenAI skapar den användbara delen. GPT-4o-mini sammanfattar vanlig negativ feedback och skriver tre varianter av annonstext. n8n mejlar sedan sammanfattningen och utkasten via Gmail så att teamet kan gå direkt till testning.
Du kan enkelt ändra tidsperiodsalternativen eller promptens tonalitet efter dina behov. Se hela implementationsguiden nedan för anpassningsmöjligheter.
Steg-för-steg-implementeringsguide
Steg 1: konfigurera formulärtriggern
Det här arbetsflödet startar när en användare skickar in ett formulär med en Trustpilot-URL och en tidsperiod.
- Lägg till och öppna Form Intake Trigger.
- Ställ in Form Title till
Please Paste The URL of Your Trustpilot competitor. - I Form Fields, bekräfta att etiketten för URL-fältet är
Competitor TRUSTPILOT URL (include https://www.trsutpilot.com/review/och att rullistans alternativ inkluderarLast 30 days,Last 3 months,Last 6 months,Last 12 months.
Steg 2: anslut Bright Data API-anrop
Dessa noder triggar Bright Data-skrapningen och pollar tills den är klar innan resultaten laddas ned.
- Öppna Trigger Bright Data Job och ställ in URL till
https://api.brightdata.com/datasets/v3/triggermed MethodPOST. - Ställ in JSON Body till
=[ { "url": "{{ $json['Competitor TRUSTPILOT URL (include https://www.trsutpilot.com/review/'] }}", "date_posted": "{{ $json['Please select the time frame of reviews you\'d like. If it\'s a big brand go with 30 days'] }}" } ]. - I Query Parameters, ställ in dataset_id till
[YOUR_ID]och include_errors tilltrue. - I Header Parameters, ställ in Authorization till
Bearer [CONFIGURE_YOUR_API_KEY]. - Öppna Delay for Data Poll och ställ in Unit till
minutesoch Amount till2. - Öppna Fetch Snapshot Status och ställ in URL till
=https://api.brightdata.com/datasets/v3/progress/{{ $('Trigger Bright Data Job').item.json.snapshot_id }}, och behåll Authorization-headern somBearer [CONFIGURE_YOUR_API_KEY]. - I Snapshot Status Check, bekräfta att villkoret använder
={{ $json.status }}lika medrunning. - Öppna Retrieve Bright Data Results och ställ in URL till
=https://api.brightdata.com/datasets/v3/snapshot/{{ $('Trigger Bright Data Job').item.json.snapshot_id }}med query format satt tilljsonoch samma Authorization-header.
[YOUR_ID] och [CONFIGURE_YOUR_API_KEY] inte ersätts med giltiga värden.Steg 3: anslut Google Sheets
Lagra hämtade recensioner i Google Sheets för dokumentation och efterföljande filtrering.
- Öppna Append Reviews to Sheet och bekräfta att Operation är inställt på
append. - Ställ in Document till
[YOUR_ID]och Sheet tillgid=0. - Inloggningsuppgifter krävs: anslut era googleSheetsOAuth2Api-inloggningsuppgifter.
Steg 4: filtrera och aggregera låga betyg
Det här steget behåller endast recensioner med 1–2 stjärnor och sammanställer recensionstext för summering.
- Öppna Filter Low Ratings och säkerställ att villkoren använder
={{ $json.review_rating }}lika med1ELLER2. - Öppna Compile Review Text och ställ in Fields To Aggregate för att aggregera review_content till Aggregated_reviews.
Steg 5: konfigurera AI-sammanfattningen
Använd en LLM för att generera insikter och annonstexter från de aggregerade klagomålen.
- Öppna LLM Summary Builder och ställ in Prompt Type till
define. - Ställ in Text till
=Read the following bad reviews, these are reviews of our competitors: {{ $json.Aggregated_reviews }} --- After reading them, summarize their weakest points. Don't mention the competitor name. Write 3 different ads copy for our Facebook ads campaign, addressing these concerns. - Öppna OpenAI Chat Engine och välj modellen
gpt-4o-mini. - Inloggningsuppgifter krävs: anslut era openAiApi-inloggningsuppgifter i OpenAI Chat Engine, som driver LLM Summary Builder.
Steg 6: konfigurera e-postutskicket
Skicka sammanfattningen och en fullständig genomgång av klagomålen till er inkorg.
- Öppna Email Marketing Summary och ställ in Send To till
[YOUR_EMAIL]. - Ställ in Subject till
=Summary of Complaints of competitor: {{ $('Form Intake Trigger').item.json['Competitor TRUSTPILOT URL (include https://www.trsutpilot.com/review/'] }}. - Ställ in Message till
=Based on the following Trustpilot page: {{ $('Form Intake Trigger').item.json['Competitor TRUSTPILOT URL (include https://www.trsutpilot.com/review/'] }} Here is a summary of recent complaints including ideas for ad copy: {{ $json.text }} ----------------------------- I'm also attaching a break down of all recent complaints {{ $('Compile Review Text').item.json.Aggregated_reviews }}. - Inloggningsuppgifter krävs: anslut era gmailOAuth2-inloggningsuppgifter.
Steg 7: testa och aktivera
Validera arbetsflödet från början till slut innan ni slår på det.
- Klicka på Execute Workflow och skicka sedan in formuläret Form Intake Trigger med en giltig Trustpilot-URL.
- Bekräfta att Snapshot Status Check routar tillbaka till Delay for Data Poll när
statusärrunning, och till Retrieve Bright Data Results när den är klar. - Verifiera att nya rader visas i Google Sheets från Append Reviews to Sheet och att endast recensioner med 1–2 stjärnor fortsätter genom Filter Low Ratings.
- Kontrollera er inkorg efter e-postmeddelandet från Email Marketing Summary som innehåller en sammanfattning och de aggregerade klagomålen.
- När allt fungerar, slå om arbetsflödet till Active för produktionsanvändning.
Vanliga fallgropar
- Bright Data-behörigheter kan löpa ut eller kräva specifika rättigheter. Om något skapar fel, kontrollera först din Bright Data dataset-token och tillåtna headers.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er varumärkesröst tidigt, annars kommer du att redigera resultaten i all evighet.
Vanliga frågor
Cirka 30 minuter om dina konton redan är uppsatta.
Nej. Du kopplar in behörigheter och klistrar in dina Google Sheet-uppgifter. Resten är konfiguration och lätt promptredigering.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Bright Data-användning och OpenAI API-kostnader (oftast några cent per körning för GPT-4o-mini).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Uppdatera prompten i LLM Summary Builder så att den använder ert erbjudandespråk, compliance-regler och tonalitet (till exempel ”premium”, ”direct response” eller ”klinisk”). Du kan också ändra filterlogiken för att inkludera 3-stjärniga recensioner om din kategori har mildare klagomål, och sedan justera prompten i OpenAI Chat Engine så att den outputar andra format som enbart hooks, paket med rubriker eller UGC-liknande manus.
Oftast beror det på en utgången eller felaktig authorization header. Skapa en ny Bright Data-token, uppdatera den i HTTP Request-noderna och bekräfta att dataset-API-endpointen matchar datasetet du anropar. Om det fortfarande misslyckas, kontrollera snapshot-statussvar efter fel och säkerställ att din Bright Data-plan tillåter datasetet du försöker använda.
Väldigt många, så länge din Bright Data-plan och dina n8n-körningsgränser klarar det.
För just det här flödet passar n8n bättre eftersom det kan hantera polling-loopar, förgreningslogik och datatransformering utan att bli en skör kedja av zaps. Self-hosting är också viktigt om du planerar att köra detta ofta och inte vill att varje körning räknas som en premiumuppgift. Zapier eller Make kan fortfarande fungera om du förenklar jobbet (till exempel ingen polling, färre transformationssteg), men du når vanligtvis gränser snabbare. Ärligt talat är ”scrape + vänta + kontrollera igen”-mönstret där lättare verktyg blir irriterande. Prata med en automationsexpert om du är osäker på vad som passar.
När detta väl rullar slutar konkurrenternas recensionsresearch att vara en ”någon gång”-uppgift och blir en knapp du trycker på. Arbetsflödet tar hand om det repetitiva. Du sköter testningen.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.