Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Typeform + WhatsApp: svara leads efter sentiment

Rickard Andersson Partner, Nodenordic.se

Dina Typeform-notiser trillar in. Du öppnar en, skummar meddelandet, gissar hur brådskande det är och svarar sedan manuellt på WhatsApp (eller glömmer bort det tills det är för sent). Så tappar man varma leads.

Den här Typeform WhatsApp-automationen träffar säljare först, men supportchefer och operatörer som driver slimmade team känner också av den. Resultatet är enkelt: varje lead får ett snabbt WhatsApp-svar som matchar tonen, och de riktigt heta prioriteras automatiskt.

Nedan ser du hur workflowet routar leads efter sentiment med Google Gemini, lagrar dem i Supabase och skickar rätt WhatsApp Cloud API-meddelande utan att du behöver sitta och bevaka inkorgar.

Så fungerar den här automationen

Hela n8n-workflowet, från trigger till slutresultat:

n8n Workflow Template: Typeform + WhatsApp: svara leads efter sentiment

Problemet: leads behöver ett snabbt svar, inte en manuell triagekö

De flesta lead capture-flöden faller isär efter formulärinskick. Typeform samlar in detaljerna, absolut, men sedan börjar det riktiga jobbet: läsa meddelandet, bedöma brådska, avgöra vem som ska svara, hitta en mall och till sist skicka ett WhatsApp-meddelande som inte känns copy-pastat. Gör du det ett dussin gånger om dagen försvinner ungefär en timme bara i kontextbyten. Än värre: dina “prioriteringar” blir inkonsekventa. En stressig dag får den lugna men köpstarka kunden vänta, medan den högljudda klagaren tar din uppmärksamhet.

Det summerar sig snabbt. Här brukar det gå snett.

  • Leads besvaras i batchar, vilket gör att hastigheten på första kontakten varierar kraftigt.
  • Någon måste läsa varje meddelande för att förstå tonen, och den mentala belastningen är på riktigt.
  • Heta prospekt blandas med neutrala och negativa meddelanden, så uppföljningen blir inkonsekvent.
  • Manuell copy-paste till ett kalkylark eller CRM skapar stavfel, saknade fält och klumpiga överlämningar.

Lösningen: Typeform → Gemini-sentiment → Supabase → WhatsApp-svar

Det här workflowet gör varje Typeform-inskick till ett routat, kategoriserat lead med ett direkt WhatsApp-svar. Det startar i samma ögonblick som formuläret skickas in. n8n hämtar payloaden, strukturerar den (namn, e-post, meddelande, eventuella egna fält) och skickar leadets meddelande till Google Gemini för sentimentanalys. Gemini märker meddelandet som positivt, neutralt eller negativt, vilket teamet kan tolka som hett, varmt eller kallt. Utifrån det enda beslutet lagrar workflowet leadet i Supabase under rätt kategori, slår ihop flödena igen och skickar sedan ett anpassat WhatsApp Cloud API-meddelande som passar situationen. Snabbt, konsekvent och spårbart.

Workflowet börjar med en Typeform webhook-trigger. Därifrån standardiserar det fält och kör Geminis sentimentklassificering för att välja route. Till sist skriver det leadet till Supabase och skickar rätt WhatsApp-svar automatiskt.

Det du får: automation vs. resultat

Exempel: så här ser det ut i praktiken

Säg att du får 20 Typeform-leads per dag. Manuellt tar det kanske 3 minuter att läsa och bedöma sentiment, 2 minuter att logga leadet någonstans och ytterligare 2 minuter att formulera och skicka ett WhatsApp-svar, alltså runt 2 timmar per dag. Med det här workflowet lägger du cirka 10 minuter i början på att sätta meddelandemallar, och sedan i vardagen är det i princip noll: webhooken triggar direkt, Gemini klassificerar, Supabase lagrar och WhatsApp skickar svaret. Du följer fortfarande upp personligen på heta leads, men nu utgår du från en prioriterad lista.

Det här behöver du

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
  • Typeform för att samla in inkommande lead-inskick.
  • Google Gemini för sentimentklassificering av meddelanden.
  • Supabase för att lagra leads per kategori för uppföljning.
  • Åtkomst till WhatsApp Cloud API (hämta via Meta for Developers i din WhatsApp-appkonfiguration).

Svårighetsnivå: Medel. Du kopplar konton, sätter API-uppgifter och justerar en eller två meddelandemallar.

Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

Ett Typeform-inskick triggar workflowet. Webhooken tar emot leadet i realtid, så du behöver inte vänta på e-postnotiser eller manuella exporter.

Leaddatan struktureras och mappas. n8n standardiserar nyckelfält som namn, e-post och meddelande så att resten av workflowet fungerar pålitligt (och så att din databas inte är kaos senare).

Gemini bedömer sentiment i meddelandet. Sentimentanalysen klassificerar meddelandet som positivt, neutralt eller negativt, vilket teamet kan tolka som hett, varmt eller kallt köpsignal. Det här enda resultatet styr routingen.

Supabase lagrar leadet och WhatsApp skickar svaret. Workflowet sparar leadet i motsvarande Supabase-tabell (eller kategori), slår ihop routingen igen och skickar sedan ett WhatsApp Cloud API-meddelande anpassat efter sentimentutfallet.

Du kan enkelt justera WhatsApp-meddelandemallarna så att de matchar er tonalitet utifrån era behov. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementation

Steg 1: Konfigurera webhook-triggern

Konfigurera den inkommande webhooken så att ert arbetsflöde kan ta emot nya lead-meddelanden och börja bearbeta.

  1. Lägg till eller öppna Inbound Lead Webhook.
  2. Ställ in HTTP MethodPOST.
  3. Ställ in Pathlead-webhook.
  4. Klicka på Test URL för att hämta webhook-endpointen som ni kommer att skicka leads till.

Om ni testar lokalt, kom ihåg att använda produktions-URL:en när arbetsflödet är aktivt.

Steg 2: Anslut Supabase för lagring av leads

Konfigurera de tre Supabase-noderna som lagrar leads baserat på sentiment.

  1. Öppna Record Hot Prospect och anslut autentiseringsuppgifter. Credential Required: Anslut era supabaseApi-autentiseringsuppgifter.
  2. Öppna Record Neutral Prospect och anslut autentiseringsuppgifter. Credential Required: Anslut era supabaseApi-autentiseringsuppgifter.
  3. Öppna Record Cold Prospect och anslut autentiseringsuppgifter. Credential Required: Anslut era supabaseApi-autentiseringsuppgifter.

⚠️ Vanlig fallgrop: Säkerställ att varje nod pekar mot rätt Supabase-tabell för sin sentimentkategori innan ni kör skarpt.

Steg 3: Sätt upp sentimentbearbetning med Gemini

Mappa inkommande fält och analysera sentiment med språkmodellen Gemini.

  1. Öppna Map Lead Fields och definiera de fältmappningar som behövs för er inkommande payload.
  2. Öppna Assess Message Sentiment och ställ in Input Text={{$json["message"] || $json["mensagem"] || $json["resposta"]}}.
  3. Säkerställ att Gemini Chat Engine är ansluten som språkmodell för Assess Message Sentiment, och lägg till autentiseringsuppgifter i Gemini Chat Engine enligt kraven från er Gemini-leverantör.

Om er inkommande payload använder ett annat fältnamn, uppdatera uttrycket i Assess Message Sentiment så att det matchar.

Steg 4: Konfigurera routning och WhatsApp-svar

Routa sentimentresultat till rätt Supabase-nod och skicka ett svar tillbaka via WhatsApp.

  1. Verifiera att Assess Message Sentiment routar till Record Hot Prospect, Record Neutral Prospect och Record Cold Prospect baserat på sentimentutdata.
  2. Öppna Merge Lead Streams och ställ in Number of Inputs3.
  3. Öppna Dispatch WhatsApp Reply och ställ in Operationsend.
  4. Bekräfta flödet: Record Hot Prospect, Record Neutral Prospect och Record Cold ProspectMerge Lead StreamsDispatch WhatsApp Reply.

Steg 5: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta sentimentroutning, skrivningar till databasen och WhatsApp-svar.

  1. Använd test-URL:en för Inbound Lead Webhook för att skicka en exempel-payload som innehåller ett message-fält.
  2. Bekräfta att Assess Message Sentiment returnerar förväntat sentiment och routar till rätt Supabase-nod.
  3. Verifiera att poster skapas i Supabase via Record Hot Prospect, Record Neutral Prospect eller Record Cold Prospect.
  4. Kontrollera att Dispatch WhatsApp Reply skickar ett meddelande utan fel.
  5. När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Inloggningsuppgifter för WhatsApp Cloud API kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först Meta-appens dashboard och tokenstatus.
  • Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned i flödet misslyckas på grund av tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du redigera output i all evighet.

Vanliga frågor

Hur lång tid tar det att sätta upp den här Typeform WhatsApp-automationen?

Cirka 30 minuter om dina konton och API-åtkomst är redo.

Behöver jag kunna koda för att automatisera Typeform WhatsApp-automation?

Nej. Du klistrar mest in inloggningsuppgifter och redigerar några fält i n8n. Den enda “tekniska” delen är att kopiera WhatsApp Cloud API-detaljerna från Meta in i workflowet.

Är n8n gratis att använda för det här Typeform WhatsApp-automationsworkflowet?

Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in användningen av Google Gemini och kostnader för WhatsApp Cloud API-meddelanden baserat på din konversationsvolym.

Var kan jag hosta n8n för att köra den här automationen?

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 obegränsade körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här Typeform WhatsApp-automationsworkflowet för olika leadkategorier (som “enterprise” vs “SMB”)?

Ja, men då vill du justera fältmappningen och routingslogiken. Du kan behålla Geminis sentiment som det är och lägga till ett extra beslutssteg via steget “Map Lead Fields” (till exempel företagsstorlek eller budget) innan du lagrar leadet i Supabase. Vanliga anpassningar är olika WhatsApp-mallar per produktlinje, att routa “heta” leads till en snabbare uppföljningskö och att skriva till separata Supabase-tabeller per segment.

Varför misslyckas min WhatsApp-anslutning i det här workflowet?

Oftast beror det på en utgången access token eller fel phone number ID från din Meta-appkonfiguration. Skapa en ny token, bekräfta WhatsApp Cloud API-behörigheterna och uppdatera sedan uppgifterna i n8n. Om det bara misslyckas under hektiska perioder kan du slå i rate limits eller skicka till nummer som inte är tillåtna i ditt nuvarande WhatsApp-konfigurationsläge.

Hur många leads kan den här Typeform WhatsApp-automationen hantera?

Många.

Är den här Typeform WhatsApp-automationen bättre än att använda Zapier eller Make?

Ofta, ja, särskilt när du lägger till förgreningar och databasskrivningar. n8n hanterar “hett/varmt/kallt”-routing, hopslagning av flöden och lagring av poster i Supabase utan att varje extra steg blir en extra avgift. Det funkar också bättre med mer avancerade AI-steg (som sentimentanalys plus egna prompter), och self-hosting tar bort körningsbegränsningar om volymen sticker iväg. Zapier eller Make kan fortfarande vara toppen för enkla tvåstegsflöden, men just det här vinner på n8n:s kontroll. Om du vill göra en snabb rimlighetskontroll innan du bestämmer dig, prata med en automationsexpert.

Snabba svar och ren routing är inte “nice to have” när leads är otåliga. Sätt upp det här en gång, så slutar din WhatsApp-uppföljning vid första kontakt att hänga på att någon råkar ha en lugn eftermiddag.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal