Din inkorg är full, din WhatsApp pingar, och leads faller mellan stolarna eftersom “CRM-uppdateringen” sker senare (vilket ofta betyder aldrig). Att spåra WhatsApp Airtable leads manuellt känns hanterbart i en dag, sedan blir det en rörig tråd av halvt besvarade frågor och bortglömda uppföljningar.
Det här drabbar marknadschefer som behöver korrekt lead-attribuering, men tjänsteföretagare och byråoperatörer känner av det också. Du vill att varje förfrågan fångas upp, kvalificeras och förs vidare mot ett konsultmöte utan att du behöver sitta och vaka över konversationen hela eftermiddagen.
Det här arbetsflödet kopplar dina DM:s till Airtable, använder AI för att kvalificera och svara konsekvent, och bokar sedan konsultmöten när någon är redo. Du får se hur delarna hänger ihop, vad du behöver och vad du ska justera för att det ska matcha din process.
Så fungerar den här automationen
Se hur detta löser problemet:
n8n Workflow Template: WhatsApp + Airtable: kvalificera leads och boka möten
flowchart LR
subgraph sg0["WhatsApp Flow"]
direction LR
n0@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n1@{ icon: "mdi:cog", form: "rounded", label: "No Operation, do nothing", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Switch", pos: "b", h: 48 }
n3["<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/>Facebook Trigger"]
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields - facebook", 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/webhook.dark.svg' width='40' height='40' /></div><br/>Respond to Webhook - faceboo.."]
n6["<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/>Respond to Webhook - faceboo.."]
n7["<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/>Instagram Trigger"]
n8["<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/>Respond to Webhook - instagr.."]
n9["<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/>Respond to Webhook - instagr.."]
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields - instagram", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If is not echo - facebook", pos: "b", h: 48 }
n12@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If is not echo - instagram", pos: "b", h: 48 }
n13@{ icon: "mdi:vector-polygon", form: "rounded", label: "Embeddings OpenAI", pos: "b", h: 48 }
n14@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model1", pos: "b", h: 48 }
n15@{ icon: "mdi:cube-outline", form: "rounded", label: "Demo Supabase", pos: "b", h: 48 }
n16@{ icon: "mdi:wrench", form: "rounded", label: "Calendar Agent", pos: "b", h: 48 }
n17@{ icon: "mdi:wrench", form: "rounded", label: "CRM Agent", pos: "b", h: 48 }
n18@{ icon: "mdi:memory", form: "rounded", label: "Postgres Chat Memory", pos: "b", h: 48 }
n19@{ icon: "mdi:wrench", form: "rounded", label: "sales_technique_knowledge", pos: "b", h: 48 }
n20@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Handle Message Types", pos: "b", h: 48 }
n21["<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/whatsapp.svg' width='40' height='40' /></div><br/>Reply To User1"]
n22@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields - chat1", pos: "b", h: 48 }
n23["<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/whatsapp.svg' width='40' height='40' /></div><br/>Reply To User"]
n24["<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/whatsapp.svg' width='40' height='40' /></div><br/>WhatsApp"]
n25["<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/whatsapp.svg' width='40' height='40' /></div><br/>WhatsApp Business Cloud"]
n26["<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"]
n27@{ icon: "mdi:robot", form: "rounded", label: "OpenAI", pos: "b", h: 48 }
n28@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields - chat2", pos: "b", h: 48 }
n29@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n33["<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/facebook.svg' width='40' height='40' /></div><br/>Sales Agent Demo - typing_on"]
n34["<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/facebook.svg' width='40' height='40' /></div><br/>Facebook Graph API - Sales A.."]
n35["<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/>Instagram Graph API - smb.sa.."]
n44@{ icon: "mdi:play-circle", form: "rounded", label: "When chat message received", pos: "b", h: 48 }
n45@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields - chat", pos: "b", h: 48 }
n46@{ icon: "mdi:swap-vertical", form: "rounded", label: "Output - chat", pos: "b", h: 48 }
n48["<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/airtable.svg' width='40' height='40' /></div><br/>Get Lead"]
n27 --> n28
n2 --> n23
n2 --> n34
n2 --> n35
n2 --> n46
n0 --> n2
n48 --> n20
n24 --> n48
n17 -.-> n0
n26 --> n27
n15 -.-> n19
n16 -.-> n0
n3 --> n5
n3 --> n6
n13 -.-> n15
n7 --> n9
n7 --> n8
n29 -.-> n0
n45 --> n1
n14 -.-> n19
n22 --> n1
n28 --> n1
n20 --> n22
n20 --> n25
n20 --> n21
n18 -.-> n0
n4 --> n1
n10 --> n1
n25 --> n26
n1 --> n0
n11 --> n4
n11 --> n33
n19 -.-> n0
n12 --> n10
n44 --> n45
n5 --> n11
n9 --> n12
end
subgraph sg1["AI Agent1 Flow"]
direction LR
n36@{ icon: "mdi:robot", form: "rounded", label: "AI Agent1", pos: "b", h: 48 }
n37@{ icon: "mdi:vector-polygon", form: "rounded", label: "Embeddings OpenAI1", pos: "b", h: 48 }
n38@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model2", pos: "b", h: 48 }
n39@{ icon: "mdi:cube-outline", form: "rounded", label: "Demo Supabase1", pos: "b", h: 48 }
n40@{ icon: "mdi:memory", form: "rounded", label: "Postgres Chat Memory1", pos: "b", h: 48 }
n41@{ icon: "mdi:wrench", form: "rounded", label: "sales_technique_knowledge1", pos: "b", h: 48 }
n42@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model3", pos: "b", h: 48 }
n43@{ icon: "mdi:wrench", form: "rounded", label: "Calendar Agent1", pos: "b", h: 48 }
n39 -.-> n41
n43 -.-> n36
n37 -.-> n39
n38 -.-> n41
n42 -.-> n36
n40 -.-> n36
n41 -.-> n36
end
subgraph sg2["Flow 3"]
direction LR
n30["<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/airtable.svg' width='40' height='40' /></div><br/>Airtable"]
n31@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields - form", pos: "b", h: 48 }
n32["<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/>Airtable Form Submitted"]
n47["<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/whatsapp.svg' width='40' height='40' /></div><br/>WhatsApp Business Cloud2"]
n49["<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/airtable.svg' width='40' height='40' /></div><br/>Create Contact"]
n30 --> n49
n49 --> n31
n31 --> n47
n32 --> n30
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 n24,n44 trigger
class n0,n27,n36 ai
class n14,n29,n38,n42 aiModel
class n16,n17,n19,n41,n43 ai
class n18,n40 ai
class n15,n39 ai
class n13,n37 ai
class n2,n11,n12,n20 decision
class n48,n30,n49 database
class n3,n5,n6,n7,n8,n9,n26,n33,n34,n35,n32 api
classDef customIcon fill:none,stroke:none
class n3,n5,n6,n7,n8,n9,n21,n23,n24,n25,n26,n33,n34,n35,n48,n30,n32,n47,n49 customIcon
Utmaningen: att göra pratiga DM:s till spårbara, kvalificerade leads
Leads kommer inte längre in som prydliga formulärinskick. De frågar “vad kostar toning?” i en WhatsApp-röstnot, försvinner i två dagar och kommer sedan tillbaka på Instagram och frågar om tillgänglighet. Under tiden försöker du komma ihåg vem som ville vad, vilket pris du gav och om du ens fick deras namn och e-post. Den verkliga kostnaden är inte bara tid. Det är den mentala belastningen av att hålla en säljpipeline i huvudet, plus de missade konsultmötena när ett hett lead svalnar för att ditt svar kom för sent (eller lät inkonsekvent).
Det går snabbt att bygga upp. Här är var det brister i verkligheten.
- Du kopierar detaljer från WhatsApp till Airtable efter samtalet, vilket gör att viktig information tappas bort eller “gissas”.
- Röstnoter staplas på hög eftersom ingen vill spela upp dem tre gånger bara för att fånga bilmodell och önskat datum.
- Svaren varierar beroende på vem som har telefonen, så prissättning, löften och nästa steg glider över tid.
- Att boka ett konsultmöte blir en fram-och-tillbaka-maraton i schemaläggning, och många hoppar av mitt i tråden.
Lösningen: AI-svar + Airtable CRM + autobokning från WhatsApp
Det här arbetsflödet gör varje inkommande meddelande till en strukturerad säljprocess du faktiskt kan driva. Ett lead kan starta på WhatsApp, Facebook Messenger, Instagram DM eller en n8n-chattwidget. Flödet fångar meddelandet, kontrollerar Airtable för att se om avsändaren redan finns, och förbereder sedan samtalskontexten för en AI-agent. Om meddelandet är ljud hämtar den mediefilen, transkriberar den med OpenAI och matar in texten i samma kvalificeringsflöde. Därifrån svarar AI-agenten på frågor med hjälp av din kunskapsbas, ställer rätt kvalificerande frågor, loggar kontaktuppgifter i Airtable och bokar sedan ett konsultmöte när leadet delar en önskad tid.
Arbetsflödet startar med en meddelandetrigger från kanalen du använder. Därefter normaliserar det meddelandet (inklusive röst-till-text) och lägger till lead-kontekst från Airtable. Slutligen svarar AI-agenten i samma kanal och använder underarbetsflöden för att uppdatera CRM och schemalägga konsultmötet.
Vad som förändras: före vs. efter
| Detta elimineras | Effekten du kommer se |
|---|---|
|
|
Effekt i praktiken
Säg att du får 10 förfrågningar per dag via WhatsApp, Instagram och Facebook. Manuellt kanske du lägger cirka 10 minuter per lead på att läsa, lyssna på röstnoter, svara på frågor och logga detaljer i Airtable, vilket blir ungefär 100 minuter dagligen. Med det här arbetsflödet är “mänsklig tid” mer som snabb översyn: kanske 10 minuter totalt för att granska avvikande fall och hoppa in vid behov, medan AI:n hanterar konversationen och loggningen i bakgrunden. Det är ungefär en timme tillbaka de flesta dagar, utan att anställa någon bara för att hantera DM:s.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- WhatsApp Business Cloud för att ta emot och svara på WhatsApp-meddelanden.
- Airtable för att lagra kontakter, affärer och statusuppdateringar.
- OpenAI API-nyckel (hämta den från din sida med OpenAI API-inställningar).
Kunskapsnivå: Medel. Du kopplar API:er, klistrar in inloggningsuppgifter och justerar några fält så att de matchar din Airtable-base.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödet i arbetsflödet
Ett meddelande kommer in i rätt kanal. WhatsApp använder en dedikerad trigger, medan Facebook och Instagram kommer in via webhooks (inklusive snabba verifieringssvar så plattformarna accepterar din endpoint). n8n-chatten kan också mata in i samma säljhjärna.
Arbetsflödet strukturerar input och lägger till kontext. För WhatsApp slår det upp avsändarens telefonnummer i Airtable så AI:n vet om det är ett nytt lead eller en befintlig kontakt. Ljudmeddelanden laddas ner via en HTTP-request och transkriberas med OpenAI så att resten av processen blir identisk.
AI-agenten kvalificerar och svarar med hjälp av din kunskapsbas. Agenten använder en OpenAI-chattmodell och konversationsminne (lagrat i Postgres) så att den kan ställa smarta följdfrågor utan att låta som ett formulär. När den behöver fakta frågar den ett Supabase-vektorstore-verktyg som innehåller din service- och säljkännedom.
CRM-uppdateringar och bokning sker som en del av konversationen. AI:n kan anropa ett CRM-underarbetsflöde för att skapa eller uppdatera poster i Airtable, och sedan växla till ett kalender-underarbetsflöde när leadet är redo att boka ett konsultmöte. Slutsvaret skickas tillbaka till originalkanalen, så leadet behöver aldrig “gå och kolla sin mejl”.
Du kan enkelt ändra Airtable-fält och kvalificeringsregler så att de matchar dina pipeline-steg utifrån dina behov. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera webhook-triggern
Konfigurera inkommande ingångspunkter för Facebook, Instagram, WhatsApp och chattmeddelanden så att arbetsflödet kan ta emot händelser och svara direkt.
- Öppna Facebook Incoming Hook och kopiera webhook-URL:en till konfigurationen för er Facebook-app.
- Öppna Instagram Incoming Hook och kopiera webhook-URL:en till konfigurationen för er Instagram-app.
- Öppna WhatsApp Incoming Trigger och registrera dess webhook-URL i er WhatsApp Cloud API-konfiguration.
- Öppna Airtable Form Webhook och använd dess webhook-URL i Airtable-formuläret eller integrationskällan.
- Öppna Chat Message Trigger och konfigurera webhook-URL:en i er chatt-frontend eller hos er kanal-/leverantör.
Credential Required: Anslut era WhatsApp-uppgifter för WhatsApp Incoming Trigger.
Credential Required: Anslut era Airtable-uppgifter för Airtable Form Webhook om ert formulär använder autentiserad leverans.
Steg 2: Validera och mappa Facebook- och Instagram-meddelanden
Bearbeta inkommande sociala meddelanden, svara på webhooks och normalisera fält för efterföljande AI-hantering.
- Säkerställ att Facebook Incoming Hook är kopplad till Reply Webhook FB Post och Reply Webhook FB Fetch för att bekräfta Facebook-händelser.
- Säkerställ att Reply Webhook FB Post är kopplad till Validate NonEcho FB för att filtrera bort echo-meddelanden.
- Ställ in Validate NonEcho FB så att giltiga händelser routas till Map Facebook Fields och FB Typing Indicator parallellt.
- Säkerställ att Instagram Incoming Hook är kopplad till Reply Webhook IG Post och Reply Webhook IG Fetch.
- Säkerställ att Reply Webhook IG Post är kopplad till Validate NonEcho IG och därefter till Map Instagram Fields.
Validate NonEcho FB skickar utdata till både Map Facebook Fields och FB Typing Indicator parallellt.
Credential Required: Anslut era Facebook Graph API-uppgifter för FB Typing Indicator.
Steg 3: Konfigurera WhatsApp lead-intag och routing
Hämta lead-poster, routa meddelandekategorier och förbered WhatsApp-svar för AI-pipelinen.
- I Fetch Lead Record ansluter ni Airtable för att hämta ett matchande lead baserat på WhatsApp-avsändarens uppgifter.
- Bekräfta att WhatsApp Incoming Trigger → Fetch Lead Record → Route Message Categories är kopplat som visat i arbetsflödet.
- Routa meddelandetyper i Route Message Categories till Map Chat Fields A, WhatsApp Cloud Sender och Send WhatsApp Reply A beroende på er logik.
- Säkerställ att Map Chat Fields A skickar vidare till Pass-Through Step för centraliserad AI-hantering.
Credential Required: Anslut era Airtable-uppgifter för Fetch Lead Record.
Credential Required: Anslut era WhatsApp-uppgifter för WhatsApp Cloud Sender och Send WhatsApp Reply A.
Steg 4: Konfigurera extern API-väg och OpenAI completion-flöde
Den här grenen skickar WhatsApp-meddelanden till ett externt API och använder OpenAI för att generera ett svar innan den återansluter till AI-pipelinen.
- Verifiera att WhatsApp Cloud Sender routar till External API Request för utgående webhook-leverans.
- I External API Request anger ni endpoint, headers och payload som krävs av er externa tjänst.
- Koppla External API Request till OpenAI Completion Call för att generera meddelandeinnehåll.
- Säkerställ att OpenAI Completion Call skickar utdata till Map Chat Fields B och därefter till Pass-Through Step.
Credential Required: Anslut era OpenAI-uppgifter för OpenAI Completion Call.
⚠️ Vanlig fallgrop: Om External API Request kräver autentisering, lägg till korrekta headers eller uppgifter; annars kommer OpenAI-grenen att få tomma svar eller fel.
Steg 5: Sätt upp AI-orkestreringslagret
Samla alla mappade meddelanden i AI-motorn och konfigurera dess minne, verktyg och kunskapslager.
- Bekräfta att Map Facebook Fields, Map Instagram Fields, Map Chat Fields, Map Chat Fields A och Map Chat Fields B alla flödar in i Pass-Through Step.
- Säkerställ att Pass-Through Step routar in i AI Orchestrator för enhetlig bearbetning.
- Koppla OpenAI Chat Model Main som språkmodell för AI Orchestrator.
- Koppla Postgres Chat Memory Hub som minne och länka Calendar Workflow Tool, CRM Workflow Tool och Sales Technique Store som verktyg för AI Orchestrator.
- Säkerställ att OpenAI Embedding Builder är kopplad till Supabase Vector Store, som är kopplad till Sales Technique Store för AI-återhämtning.
- Konfigurera den sekundära kedjan med AI Orchestrator B, OpenAI Chat Model Gamma, Postgres Chat Memory B, Sales Technique Store B, OpenAI Embedding Builder B och Supabase Vector Store B om ni planerar att använda den alternativa AI-vägen.
AI-verktygens subnoder, såsom OpenAI Embedding Builder, Sales Technique Store, Postgres Chat Memory Hub och Calendar Workflow Tool, måste få sina credentials via föräldranoderna (AI Orchestrator eller AI Orchestrator B), inte på subnoderna.
Credential Required: Anslut era OpenAI-uppgifter för OpenAI Chat Model Main, OpenAI Chat Model Alpha, OpenAI Chat Model Beta och OpenAI Chat Model Gamma.
Credential Required: Anslut era Supabase-uppgifter för Supabase Vector Store och Supabase Vector Store B.
Credential Required: Anslut era Postgres-uppgifter för Postgres Chat Memory Hub och Postgres Chat Memory B.
Steg 6: Konfigurera utgående routing till kanaler
Routa AI-svaret till rätt leveranskanal baserat på meddelandetyp.
- Säkerställ att AI Orchestrator skickar utdata till Route By Type för att välja leveransväg.
- I Route By Type verifierar ni utdata till Send WhatsApp Reply B, Facebook Graph API Sender, Instagram Graph API Call och Chat Output Mapper.
- Konfigurera varje kanalnod med rätt payload-struktur för meddelandet som API:et förväntar sig.
Credential Required: Anslut era WhatsApp-uppgifter för Send WhatsApp Reply B.
Credential Required: Anslut era Facebook Graph API-uppgifter för Facebook Graph API Sender.
Credential Required: Anslut credentials för Instagram Graph API Call om er Instagram-endpoint kräver autentisering.
Steg 7: Koppla Airtable-formulärintag och uppföljning
Fånga nya leads från Airtable-formulär och skicka utgående WhatsApp-uppdateringar.
- Bekräfta att Airtable Form Webhook flödar in i Airtable Base Access och därefter till Create Contact Entry.
- Mappa utgående fält i Map Form Fields och routa till WhatsApp Cloud Sender B.
Credential Required: Anslut era Airtable-uppgifter för Airtable Base Access och Create Contact Entry.
Credential Required: Anslut era WhatsApp-uppgifter för WhatsApp Cloud Sender B.
Steg 8: Verifiera mappning och normalisering via pass-through
Flera set-noder normaliserar olika meddelandetyper; bekräfta att varje nod mappar nödvändiga fält konsekvent.
- Granska Map Facebook Fields, Map Instagram Fields, Map Chat Fields, Map Chat Fields A, Map Chat Fields B, Map Form Fields och Chat Output Mapper för att säkerställa konsekventa fältnamn och format.
- Låt Pass-Through Step vara kopplad som den centrala överlämningen till AI Orchestrator för att undvika att AI-logiken kringgås.
Steg 9: Testa och aktivera ert arbetsflöde
Validera varje ingångspunkt och bekräfta att svar levereras till rätt kanal innan ni aktiverar produktionsläge.
- Klicka på Execute Workflow och skicka testhändelser till Facebook Incoming Hook, Instagram Incoming Hook, WhatsApp Incoming Trigger, Airtable Form Webhook och Chat Message Trigger.
- Verifiera att Pass-Through Step tar emot mappad data och att AI Orchestrator genererar ett svar utan fel.
- Bekräfta att rätt utgående väg väljs i Route By Type och att svar skickas av Send WhatsApp Reply B, Facebook Graph API Sender, Instagram Graph API Call eller Chat Output Mapper.
- När allt fungerar, växla arbetsflödet till Active för att aktivera livebearbetning.
Se upp för
- WhatsApp Business Cloud-behörigheter och mallar kan blockera leverans. Om svar inte skickas, kontrollera först dina Meta-appinställningar och godkännandestatus för meddelandemallar.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera output i all evighet.
Vanliga frågor
Cirka 1–2 timmar om dina konton och tabeller är klara.
Ja, men någon bör vara bekväm med API-nycklar och att testa webhooks. Det är ingen traditionell kodning, men uppsättningen kräver ändå noggranna kontroller.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer startar på $20/månad för högre volym. Du behöver också räkna med OpenAI API-kostnader (ofta några cent per konversation, mer om du transkriberar mycket ljud).
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.
Du kan ändra vad som fångas upp och när genom att justera noderna “Map Chat Fields” (Set/Edit Fields) samt Airtable-noderna som hämtar eller skapar kontakter. Många team anpassar kvalificeringsfrågorna i AI-agentens prompt, ändrar Airtable-pipeline-stegen som crmAgent uppdaterar och styr vissa nyckelord (som “pris” eller “boka”) till ett annat svars-beteende.
Oftast är det API-token eller behörigheter i basen. Skapa om din personliga Airtable access token, bekräfta att den har åtkomst till rätt base och tabeller och uppdatera sedan Airtable-inloggningen i n8n. Om det bara misslyckas ibland kan du slå i Airtables rate limits under perioder med hög belastning, särskilt om du gör både uppslagningar och uppdateringar på varje meddelande.
På en typisk n8n Cloud-plan kan du hantera tusentals meddelandedrivna körningar per månad, och self-hosting tar bort körningsgränsen helt (din server blir begränsningen). I praktiken är arbetsflödet oftast “människopacerat” eftersom konversationer kommer in över tid, men transkribering och AI-svar kan köa om du får en topp av ljudmeddelanden.
Ofta, ja, eftersom det här inte är en enkel tvåstegs-zap. Du hanterar routing över flera kanaler, hantering av meddelandetyper, konversationsminne, uppslag i kunskapsbas och underarbetsflöden för CRM plus kalenderbokning. n8n är byggt för den typen av förgreningslogik utan att varje extra väg blir en ny debiterbar “task”. Zapier eller Make kan fortfarande fungera om du bara vill ha grundläggande fångst (meddelande → rad i en tabell) och du inte behöver en AI-agent i mitten. Om du är osäker, prata med en automationsexpert så får du en rak rekommendation.
När detta väl rullar slutar dina DM:s vara en gissningslek och börjar fungera som en riktig pipeline. Arbetsflödet tar hand om de repetitiva delarna, så att du kan fokusera på konsultmötena som faktiskt driver intäkter.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.