Leadresearch blir rörigt snabbt. En person skärmdumpar Yelp, en annan klistrar in halvfärdiga anteckningar i ett dokument, och plötsligt är din ”kampanjplan” fem flikar, tre åsikter och noll konsekvens.
Det är här automatisering av Yelp Trello-kort hjälper. Marknadschefer som försöker lansera lokala erbjudanden känner av det först, men byråägare och självständiga konsulter hamnar i samma slit när de bygger listor och briefar ett team.
Det här arbetsflödet gör en Yelp-sökning till ett strukturerat Trello-kampanjkort med en OpenAI-skriven sammanfattning, så att teamet får något de faktiskt kan jobba vidare på. Du får se vad det gör, vad du behöver och var team brukar snubbla.
Så fungerar automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: Yelp till Trello, kampanjkort teamet kan köra
flowchart LR
subgraph sg0["🔘 Manual Launch Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "🔘 Manual Launch Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "🌐 Define Yelp Search URL", pos: "b", h: 48 }
n2@{ icon: "mdi:brain", form: "rounded", label: "💬 Language Model Core", pos: "b", h: 48 }
n3@{ icon: "mdi:cog", form: "rounded", label: "🌐 MCP Scraper Tool", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "🤖 Yelp Weather Campaign Agent", 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/trello.svg' width='40' height='40' /></div><br/>📋 Trello Campaign Card"]
n6@{ icon: "mdi:robot", form: "rounded", label: "Auto-Repair Output Parser", pos: "b", h: 48 }
n7@{ icon: "mdi:brain", form: "rounded", label: "Chat Model Engine", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "📝 Structure Scrape JSON", pos: "b", h: 48 }
n2 -.-> n4
n7 -.-> n6
n6 -.-> n4
n0 --> n1
n8 -.-> n6
n3 -.-> n4
n1 --> n4
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 n0 trigger
class n4,n6,n8 ai
class n2,n7 aiModel
classDef customIcon fill:none,stroke:none
class n5 customIcon
Utmaningen: att göra Yelp-research till användbara kampanjer
Att hitta leads på Yelp är enkelt. Att förvandla den råa surfningen till något teamet kan genomföra är delen som i tysthet äter upp din vecka. Du öppnar en Yelp-sökning, skummar ett gäng listningar, kopierar några detaljer och försöker sedan skriva en vettig kampanjbrief ur minnet. Nästa dag upprepar du det, men anteckningarna ser annorlunda ut, kvaliteten varierar beroende på vem som gjorde researchen och sammanhanget kring ”varför den här leaden är viktig” försvinner. Och ärligt talat: det värsta är att hoppa mellan verktyg och försöka få det att se organiserat ut i efterhand.
Det summerar snabbt. Här är var det faller isär när du fortsätter göra det manuellt.
- Folk kopierar olika fält från Yelp varje gång, så teamet kan inte jämföra leads konsekvent.
- Kampanjkontexten finns i någons huvud (eller i DM:s), vilket gör att Trello-kortet i praktiken bara är en länk.
- Manuell research tar så lång tid att du ”batchar det senare”, och sedan blir det aldrig riktigt av.
- När du väl skalar syns felen snabbt i outreach, som fel kategorier, fel platsantaganden eller budskap som inte matchar.
Lösningen: Yelp-sökningar till Trello-kampanjkort (med AI-sammanfattningar)
Det här n8n-arbetsflödet ger dig ett repeterbart sätt att omvandla en Yelp-sökning till ett kampanjklart Trello-kort. Du börjar med att starta arbetsflödet och ange (eller välja) en Yelp-sök-URL som representerar marknaden du riktar dig mot, som ”rörmokare i Austin” eller ”bröllopsfotografer nära Brooklyn”. Automatiseringen hämtar relevant siddata via ett skrapverktyg och strukturerar sedan skrapningen till korrekt formaterad JSON så att det inte bara blir en textblob. Därifrån använder en AI-agent en OpenAI-chattmodell för att sammanfatta det som spelar roll för en kampanj: vad företaget är, hur positioneringen känns och vilken vinkel din outreach bör ta. Till sist skapar den ett Trello-kort så att teamet har en enda plats att granska, tilldela och genomföra.
Arbetsflödet börjar med en manuell trigger och en definierad Yelp-URL. Därefter rensas och tolkas skrapningen med OpenAI så att outputen blir konsekvent. Sedan blir Trello överlämningspunkten, vilket gör att research blir till action istället för att fastna i anteckningar.
Vad som förändras: före vs. efter
| Detta eliminerar | Effekten du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att du bygger 20 lokala kampanjer i veckan. Manuellt tar en ”snabb Yelp-genomgång” oftast 10 minuter: hitta rätt sökning, plocka några detaljer, skriva en användbar sammanfattning och skapa ett Trello-kort. Det är ungefär 200 minuter i veckan, och det blir sällan konsekvent. Med det här arbetsflödet tar det cirka en minut att starta körningen och klistra in Yelp-sök-URL:en, sedan sker skrapningen och OpenAI-sammanfattningen i bakgrunden innan Trello-kortet skapas. Du får tillbaka ungefär 3 timmar i veckan, och överlämningen blir betydligt mer strukturerad.
Krav
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Trello för att skapa och tilldela kampanjkort
- OpenAI för att generera konsekventa lead-sammanfattningar
- MCP-skrapverktyg (community-nod) (kräver self-hostad n8n; installeras via n8n community nodes)
Kunskapsnivå: Mellan. Du skriver ingen kod, men du kopplar in credentials, installerar en community-nod i self-hostad n8n och testar några körningar.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Flödet i arbetsflödet
Manuell start med en Yelp-sök-URL. Du drar igång när du är redo, vilket är bra för riktade listbyggar-sprintar (inte en crawler som alltid är på).
Skrapa och strukturera siddata. Arbetsflödet använder ett skrapverktyg och konverterar sedan den stökiga skrapningen till strukturerade fält så att nästa steg inte hallucinerar eller gissar.
Generera en kampanjklar sammanfattning med OpenAI. En AI-agent läser de strukturerade resultaten och tar fram en konsekvent brief som teamet kan agera på, som positioneringsanteckningar och föreslagna vinklar.
Skapa Trello-kampanjkortet. Slutresultatet är ett nytt kort i rätt lista, redo att tilldelas, kommenteras och följas upp precis som vilket annat kampanjarbete som helst.
Du kan enkelt ändra Yelp-sökningens input för att rikta in dig på en ny region eller nisch utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-implementeringsguide
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar manuellt så att ni kan styra när Yelp-sentimentskanningen körs.
- Lägg till noden 🔘 Manual Launch Trigger som arbetsflödets trigger.
- Koppla 🔘 Manual Launch Trigger till 🌐 Define Yelp Search URL.
Steg 2: anslut datakällan för Yelp-sökningen
Definiera den Yelp-URL som agenten ska skrapa för väderrelaterat sentiment.
- Öppna 🌐 Define Yelp Search URL och lägg till en ny tilldelning.
- Ställ in Name på
URL. - Ställ in Value på
https://www.yelp.com/search?find_desc=weather&find_loc=Los+Angeles%2C+CA%2C+United+States. - Verifiera kopplingen från 🌐 Define Yelp Search URL till 🤖 Yelp Weather Campaign Agent.
Steg 3: konfigurera AI-agenten och stödverktyg
Agenten skrapar Yelp, analyserar sentiment och formaterar kampanjförslag med hjälp av anslutna AI-verktyg och parsers.
- Öppna 🤖 Yelp Weather Campaign Agent och bekräfta att prompten innehåller URL-referensen
{{ $json.URL }}samt instruktioner för sentiment. - Säkerställ att 💬 Language Model Core är ansluten som språkmodell för 🤖 Yelp Weather Campaign Agent. Credential Required: Anslut era openAiApi-uppgifter.
- Bekräfta att 🌐 MCP Scraper Tool är ansluten som agentverktyg och ställ in Tool Name på
scrape_as_markdown. - I 🌐 MCP Scraper Tool ställer ni in Tool Parameters till
={{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Tool_Parameters', ``, 'json') }}. Credential Required: Anslut era mcpClientApi-uppgifter. - Verifiera att 📝 Structure Scrape JSON är ansluten till Auto-Repair Output Parser och att Auto-Repair Output Parser är ansluten till 🤖 Yelp Weather Campaign Agent.
- Säkerställ att Chat Model Engine är ansluten som språkmodell för Auto-Repair Output Parser. Credential Required: Anslut era openAiApi-uppgifter.
Steg 4: konfigurera Trello-utdata
Skapa Trello-kort baserat på agentens strukturerade kampanjutdata.
- Öppna 📋 Trello Campaign Card och ställ in Name på
Campaign. - Ställ in Description till
=Campaign for weather in los Angeles: Title : {{ $json.output[0].trello_card.title }} Location : {{ $json.output[0].location }} Description: {{ $json.output[0].trello_card.description }}. - Koppla 🤖 Yelp Weather Campaign Agent till 📋 Trello Campaign Card.
- Credential Required: Anslut era Trello-uppgifter i 📋 Trello Campaign Card (inga autentiseringsuppgifter är konfigurerade just nu).
Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta Yelp-skrapningen, sentimentanalysen och skapandet av Trello-kort.
- Klicka på Execute Workflow för att trigga 🔘 Manual Launch Trigger.
- Verifiera att 🌐 Define Yelp Search URL outputar ett
URL-fält och att 🤖 Yelp Weather Campaign Agent returnerar strukturerad output. - Bekräfta att ett nytt kort visas i Trello från 📋 Trello Campaign Card med den genererade titeln och beskrivningen.
- När ni är nöjda, slå om arbetsflödet till Active för användning i produktion.
Se upp med
- Trello-credentials kan gå ut eller sakna behörighet till boarden. Om kort slutar skapas, kontrollera först att Trello-tokenen har åtkomst till den specifika boarden och listan.
- Om du använder Wait-noder eller extern skrapning varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att redigera outputen i all evighet.
Vanliga frågor
Om du redan kör n8n self-hostat och har Trello + OpenAI redo, räkna med cirka en timme.
Ja, men du vill ha någon som är bekväm med att koppla credentials och installera en n8n community-nod. Efter det är det mest copy-paste och att testa några körningar.
Ja. n8n har ett gratis self-hostat alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också räkna med kostnader för OpenAI API-användning, vilket vanligtvis är några cent per körning beroende på hur stor skrapningen är.
Två alternativ: n8n Cloud (hanterat, enklaste setup) 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.
Börja med att ändra noden ”Define Yelp Search URL” så att den matchar din nisch och plats. Om du vill ha andra fält på Trello-kortet justerar du vad noden ”Trello Campaign Card” skriver i titel, beskrivning, etiketter och anpassade fält. Vanliga tweaks är att lägga till en ”do-not-contact”-regel, tvinga fram en specifik kampanjvinkel i AI-prompten eller skriva samma sammanfattning till Google Sheets för rapportering.
Oftast är det behörigheter. Tokenen kan vara giltig, men den har inte åtkomst till boarden eller den specifika workspace du skriver till, så n8n kan inte skapa kortet. Det kan också hända om list-ID:t ändrades, till exempel när någon arkiverade en lista och skapade den igen. Uppdatera credentials i n8n och välj sedan board och lista på nytt i Trello-noden för säkerhets skull.
På en typisk liten VPS kör team dussintals kort per timme utan problem.
Ofta, ja, eftersom detta bygger på skrapning och strukturerad AI-output, vilket kan bli krångligt (och dyrt) i enklare ”trigger-action”-verktyg. n8n låter dig också köra self-hostat, så du kan köra så många körningar som din server klarar utan att betala per task. En annan fördel är kontroll: du kan lägga till en output-parser för att hålla formateringen korrekt, och du kan förgrena logiken när Yelp-sidor varierar. Zapier eller Make kan fortfarande fungera bra om du redan har skrap-output i en webhook och bara behöver skapa ett Trello-kort. Prata med en automationsexpert om du vill ha en snabb rekommendation för din exakta setup.
När detta väl är på plats slutar din ”research” att vara en rörig aktivitet och blir en board som teamet kan genomföra utifrån. Sätt upp det, finjustera sammanfattningen en gång och fortsätt framåt.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.