n8n自动识别客户业务并同步CRM：销售调研提效教程

平时销售人员在收集线索的时候，常常会面临几个痛点

1.你不知道对方公司是做什么的

销售拿到 leads 后经常困惑：这是干嘛的公司？有没有潜在业务价值？

一般销售都会去手动访问潜在客户的公司网站，搜索公司的信息，成本高、速度慢。

2.线索跟进不及时

销售将潜在客户提交信息后，销售洞察（Sales Insight）不能即时同步到CRM，导致跟进缺乏针对性。

所以效率都会大打折扣。

那我们今天我们用n8n来搭建一个自动化工作流，解决上面的痛点问题。

这个工作流的大概逻辑是这样：销售提交公司的网站地址，工作流会自动抓取网站首页的内容，AI来分析业务内容是否明确，如果不明确，则自动跳转到网站的about页，继续抓取和总结一次，最后，统一将分析的内容（他们是谁、他们做什么、他们服务谁）存入到多维表格中，并发送通知给团队。

一句话来概括，这是一个 AI 驱动的智能获客 & 线索洞察系统，用于从网站访客提交的线索中自动识别对方业务、生成销售洞察，并推送给销售团队。

接下来我们就详细看看这个n8n流程是如何来配置实现的。

工作流的具体配置方法（详细教程）

我们可以把这个工作流分成4个业务阶段，这样就比较好理解一些。

阶段 1: 触发与初始信息抓取

On form submission（表单触发器）

• 用途： 表单，主要是用来填写新潜在客户的输入数据（姓名、邮箱、网站）。
• 配置方法：

– Form Title/Description： 填写我们希望展示的表单标题和描述。 – Form Fields（表单字段）：

– 添加三个字段：Name (String), Email (Email), Website (String)。 – 操作： 当我们保存并开启工作流时，就可以以生成一个Webhook URL和公开表单，用户在表单填写并提交即可触发工作流。

Scrape home page（HTTP Request – 爬取首页）

• 用途： 访问我们在表单提交的网站 URL，通过http节点，来获取首页的 HTML 内容。
• 配置方法：

– URL： 使用表达式来清理和格式化用户输入的网站 URL，确保是一个有效的 URL。

– URL字段的表达式如下：

“`Plain =((() => { // 1. Trim whitespace (Crucial first step)let url = $json.Website.trim();

// 2. Add protocol if missing (Default to https)if (!url.match(/^https?:\\/\\//)) { url = ‘https://’ + url; }

try { // 3. Parse the URL objectconst urlObj = new URL(url);

// 4. Add ‘www.’ ONLY if:if (!urlObj.hostname.startsWith(‘www.’) && urlObj.hostname.split(‘.’).length === 2) { urlObj.hostname = ‘www.’ + urlObj.hostname; }

// 5. Return the clean URLreturn urlObj.toString();

} catch (error) { // If the input is total garbage, return original to let the node error out naturallyreturn url; } })() “ - Options (Response) > Response Format： 选择 Text`。

当我们运行这个节点后，就会把首页的HTML内容提取出来。

HTML（HTML 解析）

• 用途： 从上一步获取到的 HTML 文本中，结构化的提取关键信息。
• 配置方法：

– Operation： 选择 Extract HTML Content。 – Extraction Values： 添加以下规则：

– key: h1, cssSelector: h1 – key: h2, cssSelector: h2, Return Array: 启用 – key: meta_description, cssSelector: meta[name="description"], Return Value: attribute, Attribute: content – key: nav_links, cssSelector: nav a, header a, Return Value: attribute, Attribute: href, Return Array: 启用

运行节点后，就会帮我们从HTML中结构化的提取出关键信息

阶段 2: AI 智能判断与信息总结

AI分析

• 用途： 用AI模型（我们这里用open AI）来分析提取的信息，判断业务描述是否清晰，并决定下一步动作。
• 配置方法：

– Credentials： 连接您的 OpenAI API Key。 – Model ID： 选择需要使用的模型。 – Responses：

– System Prompt（系统角色）：

“`Plain You are a Sales Researcher. I will give you the H1, H2, and Description from a company’s home page.

Your Goal: Determine if this text CLEARLY explains what the company does.

Scenario A (Clear): If you understand the business, write a 2-sentence summary in English of the business to better help a sales agent understand the lead. Scenario B (Unclear): If the text is vague (e.g., just says “Welcome” or “Future is here”), look at the provided nav_links list. Find the one most likely to be the “About” or “Mission” page.

Output JSON ONLY: { “status”: “success” OR “need_more_info”, “summary”: “The script…” (if success), “fallback_url”: “/about-us” (if need_more_info, return the specific path from the list) } “`

– User Prompt（用户输入）： 注入上一步提取的数据。

“Plain =H1: {{ $json.h1 }} H2: {{ $json.h2 }} Description: {{ $json.meta_description }} Links: {{ $json.nav_links }} “

Switch（路由判断）

• 用途： 根据 AI 的 JSON 输出，将工作流路由到不同的分支。也就是说，需要把提取到的 H1/H2/Description 传给 LLM（chatgpt-4o-latest），判断文本是否“清楚说明公司做什么”，并在清楚时生成 2 句 summary；若不清楚则返回 need_more_info 并给出 fallback_url（About 页路径）。

• 配置方法：

– Rule 1: Script Ready (AI 总结成功)

– Conditions:

– Left Value：={{ $json.output[0].content[0].text }} – Operator：contains – Right Value："status": "success" – Rule 2: Need Deep Dive (需要更多信息)

– Conditions:

– Left Value：={{ $json.output[0].content[0].text }} – Operator：contains – Right Value："status": "need_more_info" – Fallback Output： 连接到 Error handling 分支。

阶段 3: 深度信息抓取与最终总结（Need Deep Dive 分支）

当 AI 认为首页信息不足时，工作流会进入这个分支。

Construct secondary URL（Set – 构造二级 URL）

• 用途： 将原始网站 URL 与 AI 推荐的 Fallback Path（如 /about-us）拼接成完整的二级 URL。
• 配置方法：

– Assignment Name：Fallback URL – Value：

“`Plain =((() => { // 1. Extract the path (e.g., /about-us) from the AI’s JSON outputconst extractedPath = $json.output[0].content[0].text.match(/\”fallback_url\”:\s*\”([^\”]+)\”/)[1];

// 2. Get the raw website base URL from the triggerconst rawBase = $(‘On form submission’).item.json.Website;

// 3. Clean the base URL (add https if needed, remove trailing slash)const cleanBase = (rawBase.startsWith(‘http’) ? rawBase : ‘https://’ + rawBase).replace(/\\/$/, “”);

// 4. Combine themreturn extractedPath.startsWith(‘http’) ? extractedPath : cleanBase + extractedPath; })() “`

Scrape secondary URL（HTTP Request – 爬取二级页面）

• 用途： 访问上一步骤构造的完整 URL（如 https://www.company.com/about-us）。
• 配置方法：

– URL： 引用上一步骤的输出：={{ $json["Fallback URL"] }} – Options (Response) > Response Format： 选择 Text。

HTML1（HTML 解析 – 二级页面）

• 用途： 这个原理就和上一个HTML节点类似了，不同的是这里提取的是二级页面的主体内容，作为 AI 总结的输入。
• 配置方法：

– Extraction Values： 添加规则：

– key: about_text, cssSelector: main , Return Value: Text ，

(cssSelector选择

标签，通常包含页面的主要文本内容)

AI分析

• 用途： 这里是针对“关于我们”页面的深度文本，生成最终的总结内容。
• 配置方法：

– Credential和Model： 都和之前的AI节点是一样的配置方法 – Responses：

– System Prompt（系统角色）：

“`Plain You are a Sales Rep. I will give you text from a company’s “About Us” page. Your goal is to write a 2-sentence summary in English so that a sales rep understands the business of the lead clearly.

Strategy: Mention their mission or history found in the text.

Output: Just the 2 sentences of the script. Do not output JSON. Just the raw text. “`

– User Prompt（用户输入）：

“Plain =Page Text: {{ $json.about_text }} “

Clean Data & Clean Data1（Set节点 – 清理数据）

• 用途： 从 AI 的输出中提取并统一最终的总结内容（final_script 字段）。
• 配置方法：

– Clean Data（Success 分支）： 从 JSON 中提取 summary 字段。

– Assignment Name：final_script – Value：={{ $json.output[0].content[0].text.match(/\"summary\":\s*\"([^\"]+)\"/)[1] }} – Clean Data1（Need Deep Dive 分支）： AI 直接返回了文本，无需 JSON 解析。

– Assignment Name：final_script – Value：={{ $json.output[0].content[0].text }}

阶段 4: 同步到飞书多维表格

Aggregate（聚合）

• 用途： 将来自不同分支（Clean Data 和 Clean Data1）的数据聚合到一起，确保后续节点只有一个数据流。
• 配置方法： 默认配置即可，Aggregate：Aggregate All Item Data。

获取飞书token并写入飞书多维表格

• 用途： 比如我们用飞书多维表格搭建了一个CRM轻应用，那么我们就可以将完整的潜在客户信息和 AI 洞察写入我们的多维表格里了

关于飞书多维表格的配置方法之前已经讲过很多了，这里就不再详细说明了。

运行之后，如下图，对应的内容就写入到飞书多维表格中了。

最后，我们可以再加上一个通知节点，可以把获取到的内容发送到飞书、telegram、slack或者邮箱都可以

异常处理分支（Error Handling）

• Error handling（记录失败）

– 用途： 当 Scrape home page 或 Scrape secondary URL 节点失败时（例如 URL 无效或网站宕机），将错误信息记录到多维表格中。 – 配置方法：

– 与步骤 12 类似，但 AI Insight 字段的值设置为：Scrape Failed - Check URL manually

最后

我们回顾一下这个工作流是如何自动化、智能化的解决了潜在客户信息处理的问题。

提效点	传统人工操作	n8n AI 工作流
客户洞察	手动浏览网站，耗时 5-10 分钟。	AI 自动总结，10 秒内生成 2 句话的核心业务洞察。
信息深度	首页信息不足？需要手动点击“About Us”等链接。	AI 自动判断，信息不足则自动查找并抓取“关于我们”页面。
数据同步	销售/运营手动录入 CRM。	自动同步到表格，并附带 AI 洞察。
团队通知	仅通知新线索。	实时通知，包含 AI 生成的销售话术/洞察，实现“速度跟进（Speed-to-Lead）”。

这个工作流极大地提高了“潜在客户响应速度”和“首次接触的质量”，确保销售团队能在第一时间用精准的信息跟进客户。

---

相关阅读

• n8n自动收集B站YouTube更新：每天10分钟搞定选题
• 评论区和群聊怎么变选题池？龙虾+多维表格AI字段