n8n для маркетолога: обзор конструктора автоматизаций и AI-агентов

Формально n8n – платформа автоматизации рабочих процессов с открытым исходным кодом (лицензия fair-code, о ней ниже). Практически – это среда, где маркетолог сам, без разработчика, собирает интеграции между инструментами, которые «из коробки» друг друга не видят: квиз на Марквизе и amoCRM, рекламный кабинет и Google Sheets, CRM и Telegram-бот.

• Больше 400 нативных интеграций – CRM, мессенджеры, таблицы, почта, базы данных, платёжные системы. Если готовой ноды нет, есть универсальная HTTP-нода: она подключит любой сервис с открытым API, включая российские, которых в западных каталогах не бывает.
• Триггеры любого типа – вебхук (заявка с формы), расписание (отчёт каждое утро), событие в сервисе (новая строка в таблице, новое письмо).
• Логика внутри воркфлоу – условия, ветвления, циклы, обработка ошибок, преобразование данных. Это то, чем n8n отличается от простых связок «если событие – то действие».
• Два способа запуска – облако n8n (зарегистрировался и работаешь) или self-hosted на своём сервере (бесплатно, данные не покидают ваш контур).

Важная деталь для команд с ограниченным бюджетом: self-hosted версия не урезана по функциональности в части воркфлоу – ограничения лицензии касаются перепродажи, а не ваших внутренних задач.

Все три инструмента решают одну задачу – соединяют сервисы в цепочки. Разница в модели оплаты, и для сложных сценариев она решающая. Zapier и Make тарифицируют операции: каждый шаг воркфлоу списывает «таск» или «операцию». n8n считает исполнения воркфлоу целиком: один запуск цепочки – одно исполнение, сколько бы шагов в ней ни было.

Вывод из таблицы простой. Если у вас пара примитивных связок «форма → таблица», Zapier быстрее и проще – n8n там избыточен. Как только появляются цепочки с ветвлениями, обогащением данных и AI-шагами, экономика разворачивается: в n8n сложность воркфлоу не увеличивает счёт, а в Zapier и Make каждый добавленный шаг умножает расход операций.

С 2023 года n8n развивает AI-направление, и к 2026-му это уже полноценный конструктор агентов: в платформу встроено больше 70 AI-нод на базе фреймворка LangChain – модели, память, векторные базы, инструменты, парсеры ответов.

• Нода AI Agent – центральный элемент. Вы подключаете к ней LLM (OpenAI, Anthropic, Google или локальную модель через Ollama), даёте набор инструментов и системный промпт – и агент сам решает, какие инструменты вызывать для достижения цели.
• Инструменты агента – любые ноды n8n: поиск по CRM, запрос к таблице, HTTP-запрос, отправка сообщения. То есть агент получает доступ ко всем 400+ интеграциям платформы.
• Память – агент помнит контекст диалога: историю переписки можно хранить в базе и продолжать разговор с клиентом через день без потери нити.
• Векторные базы и RAG – загружаете базу знаний (описания объектов, регламенты, прайсы), и агент отвечает по ней, а не фантазирует.

На практике это означает, что цепочка «чат-бот квалифицирует лида по базе знаний и записывает результат в CRM» собирается в одном окне из готовых блоков. Роли, которые такие агенты закрывают в маркетинге, я подробно разбирал в статье про AI-агентов (ссылка выше); n8n – самый доступный способ собрать первого агента руками маркетолога.

Ниже – типовые схемы, которые чаще всего собирают маркетинговые команды, в том числе в недвижимости. Это шаблоны архитектуры, а не готовые обещания результата: цифры у каждого проекта будут свои.

1. Обработка заявок: формы → CRM → уведомления

Вебхук принимает заявку с любого источника (сайт, квиз, лид-форма соцсети), воркфлоу нормализует данные, проверяет дубли по телефону, создаёт сделку в CRM с меткой источника и шлёт менеджеру карточку лида в Telegram. Опциональный AI-шаг – агент первым сообщением уточняет у клиента бюджет и сроки, пока менеджер занят.

2. Отчёты из рекламных кабинетов в Telegram

По расписанию воркфлоу забирает статистику из рекламных кабинетов и CRM, сводит расход и заявки по кампаниям, считает стоимость лида и присылает утреннюю сводку в рабочий чат. AI-шаг здесь полезен как аналитик: LLM комментирует аномалии – где расход вырос, а заявки нет.

3. Контент-конвейер

Из строки контент-плана в таблице воркфлоу генерирует черновик поста через LLM по вашему гайду тона, прикладывает изображение, отправляет редактору на согласование в Telegram и после нажатия кнопки публикует по каналам. Человек остаётся редактором, рутина ухода за очередью публикаций уходит в автоматику.

4. Обогащение и реанимация базы

Воркфлоу проходит по «спящим» сделкам в CRM, сегментирует их по причине отказа и запускает точечные касания: подборку новых объектов под старый запрос, письмо об изменении цены. Без автоматизации до таких задач у команды руки не доходят почти никогда.

Собрать первый такой контур маркетолог может сам. Когда контуров становится много и они завязаны на воронку целиком – от рекламы до сделки, – это уже инженерная задача: команда Matveo строит такие системы под ключ, n8n там один из рабочих инструментов наряду с кастомной разработкой.

Тарифы облака n8n на момент публикации (при оплате за год; помесячная оплата дороже примерно на 20%):

Активные воркфлоу на всех тарифах не лимитируются – платите только за исполнения. Есть бесплатный триал без карты.

Self-hosted вариант бесплатен: ставите n8n на свой сервер (обычно через Docker, хватает VPS за несколько сотен рублей в месяц) и получаете неограниченные исполнения. Лицензия называется Sustainable Use License – это fair-code, а не классический open source. Для пользователя правило простое: использовать n8n для внутренних задач своего бизнеса и строить воркфлоу клиентам как консультант можно свободно; запрещено перепродавать сам n8n – например, хостить его и брать с пользователей деньги за доступ.

n8n сложнее Zapier, и делать вид, что это «пять минут и готово», нечестно. Что нужно от маркетолога:

• Логика процессов. Уметь разложить задачу на «триггер → условия → действия» и продумать ветку ошибки: что делать, если CRM не ответила или в заявке нет телефона.
• Базовое понимание API и JSON. Данные между нодами ходят в JSON, и в него придётся заглядывать. Программировать не нужно, но читать структуру данных – да.
• Терпение на отладку. Первый воркфлоу собирается за вечер, но стабильным он становится после недели реальных заявок и починки граничных случаев.
• Для self-hosted – сервер. Docker, домен, HTTPS, бэкапы. Либо свои руки, либо помощь технического специалиста на старте.

Кому n8n брать не стоит: если весь объём автоматизации – одна связка «форма → почта», хватит встроенных интеграций конструктора сайтов. И наоборот, если процессы в компании не описаны и заявки теряются на уровне регламентов, инструмент это не исправит – сначала наведите порядок в самой системе, об этом я писал в статье про внедрение ИИ в бизнес: последовательность «процесс → данные → автоматизация» справедлива и для n8n.

1. 01Выберите один процесс с измеримым результатом – чаще всего это обработка заявок или утренний отчёт.
2. 02Соберите воркфлоу в облаке на триале, прогоните на тестовых данных.
3. 03Запустите параллельно с ручным процессом на неделю-две и сравните скорость и потери.
4. 04Только после этого расширяйте: добавляйте AI-шаги, вторую цепочку, переезд на self-hosted при росте объёмов.