Hem/Case Studies/Från 0 till 8 projekt: de första 30 daga...
Intern kampanj2026-03-1712 min läsning

Från 0 till 8 projekt: de första 30 dagarna

340 outreach-mail skickade, 40 svar mottagna, 12 procent svarsfrekvens. Här är hela resan med riktiga siffror, verkliga misstag och konkreta lärdomar från att bygga och köra automatiserad länkbyggnad med AI.

J
Joakim Bergman
Grundare, Länksmedjan
340+
Mail skickade
40+
Svar mottagna
12%
Svarsfrekvens
8
Aktiva projekt

Bakgrund: varför vi byggde Länksmedjan

Länksmedjan började som ett internt verktyg. Vi drev redan flera svenska nischsajter inom områden som hälsa, bröllop, ekonomi och livsstil. Vi visste att backlinks är en av de viktigaste rankingfaktorerna för Google, men manuell länkbyggnad är brutalt tidskrävande. Hitta relevanta sajter, researcha deras innehåll, hitta kontaktpersoner, skriva personliga mail, följa upp, hantera svar, skriva gästartiklar. För en enda backlink kunde processen ta fem till tio arbetstimmar.

Vi frågade oss: hur mycket av detta kan automatiseras utan att offra kvalitet? Svaret visade sig vara: nästan allt förutom de beslut som kräver mänskligt omdöme.

Så vi byggde en komplett pipeline. En scraper som hittar prospects via Google-sökning. AI som personaliserar varje outreach-mail baserat på prospektens sajt. Ett system som schemalägger utskick och uppföljningar automatiskt. AI som klassificerar inkommande svar och genererar svarsförslag. Och ett dashboard där vi godkänner det som kräver vår insats. Det är Länksmedjan i ett nötskal.

Vecka 1: grunderna på plats

Första veckan handlade om att få grundfunktionaliteten att fungera. Vi satte upp den tekniska infrastrukturen: en FastAPI-backend på en dedikerad VPS, PostgreSQL-databas, SMTP-koppling via Hostinger, och integration med Anthropics Claude API för AI-funktionerna.

De första komponenterna vi byggde var prospekteringen via Serper API som gör Google-sökningar på relevanta sökord, e-post-extraktion som crawlar varje sajt och hittar kontaktmailadresser, AI-kvalificering där Claude bedömer om sajten är relevant för vårt projekt, AI-personalisering där varje mail skräddarsys baserat på prospektens innehåll, och slutligen SMTP-utskick med inbyggd rate limiting för att inte överbelasta mailservrarna.

Vi startade försiktigt med två projekt: adealsweden.com som handlar om rabattkoder och sparande, och ägglossning.se som täcker fertilitet och graviditetsämnen. De allra första 20 mailen skickades manuellt för att vi skulle kunna verifiera att tonen var rätt och att mottagarna faktiskt förstod vad vi erbjöd.

Tidiga lärdomar

Redan första veckan insåg vi att vår mail-template hade ett grundläggande problem. Mottagarna förstod inte att vi ville publicera en artikel på deras sajt, inte på vår. Vi fick svar som "Kul att du vill skriva om oss!" när vi egentligen ville skriva en artikel för deras läsare, publicerad hos dem.

Vi omformulerade templaten till att vara kristallklar: "Jag skriver gärna en gästartikel som publiceras hos er på [deras sajt], helt anpassad efter er ton. Ni får kostnadsfritt, relevant innehåll, och vi inkluderar en naturlig länk tillbaka till vår resurs." Den förtydligade versionen eliminerade missförstånden helt.

En annan tidig insikt var att vi behövde mer variation i våra ämnesrader. De första 20 mailen hade alla samma ämne, "Artikelsamarbete". Det fungerade, men var inte optimalt. Vi testade varianter som "Artikelförslag", "Gästinlägg om [ämne]?" och "Trasig länk på er om-sida" (för broken link-kampanjer). Sistnämnda fungerade bäst.

Vecka 2: skalning och första problemen

Med grunderna på plats började vi skala. Vi lade till sex nya projekt: bröllopsresa.se, bröllopsutomlands.se, bröllopssmink.se, bröllopshår.se, tryckkokare.se och festklänning.se. Tillsammans med de ursprungliga två hade vi nu åtta aktiva projekt.

Utskicksvolymen ökade snabbt. Scrapern hittade nya prospects varje natt, AI:n kvalificerade dem, och systemet schemalede utskick varje vardag klockan 8. Uppföljningar skickades automatiskt efter tre och tio dagar.

Problem: punycode-domäner

Flera av våra projekt använder svenska tecken i domännamnen. Det ledde till SMTP-fel där mottagarens mailserver inte kände igen domänen. Lösningen var att säkerställa att punycode-versionen av domänen (till exempel xn--gglossning-p5a.se istället för ägglossning.se) användes konsekvent i alla e-postadresser och DNS-konfigurationer.

Vi stötte också på problem med rate limiting från Anthropic API:n. Med åtta projekt som alla kvalificerade prospects och personaliserade mail slog vi snabbt i tokengränsen. Lösningen blev att lägga in 15 sekunders fördröjning mellan varje API-anrop, samt att köa upp anropen istället för att köra dem parallellt.

Ett annat problem som dök upp under vecka två var dubbletter i prospektlistan. Samma domän kunde dyka upp via olika sökord och läggas till flera gånger. Vi implementerade korsprojetkontroll: innan en prospect läggs till kontrollerar systemet om domänen redan kontaktats inom de senaste 30 dagarna, oavsett projekt. Det eliminerade dubbelutskick och förbättrade vår professionella framtoning avsevärt.

Vecka 3: inkorg och AI-klassificering

När svaren började strömma in insåg vi att manuell hantering inte var hållbar. På en dag kunde det komma tio till femton svar: några positiva, några negativa, autosvar, betalningsförfrågningar, vidarebefordringar till andra kontaktpersoner, och avregistreringar. Att läsa, kategorisera och svara på varje mail manuellt tog lika lång tid som att skicka alla outreach-mail, vilket motverkade hela syftet med automatiseringen.

Så vi byggde AI-klassificering. Varje inkommande mail analyseras av Claude och klassificeras som positivt, negativt, fråga, betalningsförfrågan, autosvar, bounce eller avregistrering. AI:n genererar också ett svarsförslag som vi kan godkänna, redigera eller förkasta direkt i dashboarden.

Svarstyper vi såg

Fördelningen av svar var intressant och överraskande jämn. Ungefär 35 procent var positiva, allt från entusiastiska "Jättekul, skicka gärna artikeln!" till mer försiktiga "Låter intressant, berätta mer". Runt 20 procent var frågor, där mottagaren ville förstå upplägget bättre innan de tog ställning. Cirka 15 procent var betalningskrav, typiskt i spannet 2 000 till 15 000 kronor. Ytterligare 15 procent var rena nej-svar. Avregistreringar utgjorde ungefär 10 procent, och autosvar och bounces stod för de resterande 5 procenten.

En intressant kategori som vi inte hade förutsett var vidarebefordringar. Flera mottagare svarade med "Jag är inte rätt person, kontakta min kollega Alexandra istället" eller "Mejla Sofia på Femcare, hon hanterar sådant". Vi byggde stöd för detta i dashboarden: en vidarebefordra-knapp som skickar det ursprungliga erbjudandet till den nya kontaktpersonen med referens till den som rekommenderade oss.

Vecka 4: broken link-kampanjer och artikelgenerering

Sista veckan implementerade vi de två stora funktionerna som tog Länksmedjan till nästa nivå: broken link-kampanjer och AI-driven artikelgenerering.

Broken link-building förändrade allt

Istället för att bara skicka cold outreach började vi scanna prospects-sajter för trasiga utgående länkar. Vår scraper crawlar varje sajt, följer alla utgående länkar och kontrollerar om de returnerar 404-statuskod. När vi hittar en trasig länk inkluderar vi den specifika URL:en i outreach-mailet.

Resultatet var dramatiskt. Svarsfrekvensen gick från 8 procent för vanlig cold outreach till 18 procent för broken link-kampanjer. Det är mer än dubbelt så hög svarsfrekvens. Och kvaliteten på svaren var markant bättre: fler positiva, färre negativa, och en helt annan ton i konversationerna. Läs hela jämförelsen i vår detaljerade A/B-test-analys.

Artikelgenerering med Opus

För prospects som tackade ja byggde vi artikelgenerering med Claude Opus, den mest avancerade modellen i Claudes familj. Systemet läser hela konversationen med prospekten för kontext, crawlar vår egen sajt för att hitta den bästa deep-link-sidan, hämtar prospektens publiceringsriktlinjer om sådana finns, och genererar sedan en komplett gästartikel med naturligt inflätad länk.

Artikeln kan sedan granskas, redigeras och exporteras som PDF direkt i dashboarden. Vi kan till och med bifoga PDF:en direkt i svarsmailet med ett klick.

Vi använde Opus för artikelgenerering eftersom kvalitetsskillnaden mot snabbare modeller var påtaglig. Men för allt annat, klassificering, personalisering, kvalificering och svarsförslag, bytte vi till Haiku för att hålla nere kostnaderna. Resultatet av den optimeringen beskriver vi i detalj i vår case study om AI-kostnadsoptimering.

Resultat efter 30 dagar

8
Projekt
1 700+
Prospects hittade
340+
Mail skickade
40+
Svar

Ekonomi

Total månadskostnad för att driva åtta projekt: en bråkdel av vad en enda SEO-byrå skulle kosta för ett enskilt projekt. Den exakta fördelningen mellan sök-API, AI-API, e-post och hosting spelar mindre roll. Poängen är att hela driften, fullt automatiserad med åtta parallella projekt, kostar ungefär lika mycket som en lunch för två per månad.

Jämfört med att anlita en SEO-byrå som typiskt tar 10 000 till 30 000 kronor per månad per projekt är det en drastisk kostnadsminskning. Och med automatiseringen lägger vi kanske 20 till 30 minuter per dag på att granska svar och godkänna åtgärder, jämfört med de timmar som manuellt arbete skulle kräva.

De fem viktigaste lärdomarna

1. Kvalitet på prospects är viktigare än kvantitet. I början skrapade vi brett och fick mängder av irrelevanta prospects: mattesajter, jobbportaler, CDN-subdomäner, maskinöversatta skräpsajter. Det sänkte vår svarsfrekvens och slösade med AI-tokens. När vi byggde bättre filter, expanderade vår lista med domäner att skippa, och lät AI:n kvalificera varje prospect ordentligt, gick konverteringen upp markant.

2. Tonen i mailet är allt. Ett personligt, specifikt mail får tio gånger bättre respons än ett generiskt. Det räcker inte att byta ut namnet och domänen i en template. Varje mail måste referera till något konkret på prospektens sajt. AI:n hjälper oss med detta genom att läsa prospektens hemsida och generera en unik öppning. Läs mer i vår guide om outreach-mail.

3. Broken link-building är överlägset. Att erbjuda en lösning på ett problem är fundamentalt annorlunda än att be om en tjänst. Det förändrar hela dynamiken i konversationen och mer än fördubblar svarsfrekvensen. Läs vår kompletta guide om broken link-building.

4. AI är fantastiskt för skalning, men kräver översyn. AI-klassificering av svar är korrekt i cirka 90 procent av fallen. De tio procent som blir fel kan skada relationer om du inte granskar dem. Vi godkänner alltid svarsförslag manuellt och granskar minst stickprov av outreach-mailen.

5. Modellval påverkar både kostnad och kvalitet. Att använda den mest avancerade modellen för allt kostade tio gånger mer än nödvändigt. Att byta till en snabbare modell för allt utom artikelgenerering sänkte kostnaden med 90 procent utan någon märkbar kvalitetsförsämring. Läs hela caset om AI-kostnadsoptimering.

Vad vi bygger härnäst

Vi fortsätter att förbättra Länksmedjan. På vår roadmap finns bättre keyword-rotation och multi-page Google-sökning för att hitta fler relevanta prospects. Vi bygger också ett komplett dashboard för keyword-hantering med AI-genererade sökforslag. Integration med Google Search Console för att mäta faktisk DR-ökning och organisk trafikeffekt står också högt på listan. Och inom kort börjar vi släppa in de första externa beta-användarna.

Vill du testa?

Vi släpper in nya användare i omgångar. Skriv upp dig på väntelistan så hör vi av oss när det är din tur.

Vill du automatisera din länkbyggnad?

Länksmedjan bygger starka backlinks på autopilot med AI. Skriv upp dig på väntelistan.

Anmäl intresse