Din webbplatschatt är full av aktivitet, men din leadlista är det inte. Meddelanden begravs, transkriptioner blir röriga och ”jag följer upp senare” blir till ”vänta, vem var det där?”
Gemini Sheets-loggning löser det för marknadschefer som behöver korrekt attribuering, founders som inte kan sitta barnvakt åt inkorgen och ops-team som vill ha ett pålitligt ställe att arbeta från. Resultatet är enkelt: kvalificerade leads hamnar i ett Google Sheet i ett konsekvent format, så att du kan svara snabbt och sluta förlora affärer till kaos.
Det här arbetsflödet gör om chattmeddelanden till strukturerade leadrader. Du får se hur det fungerar, vad du behöver, vad det förändrar i vardagen och de vanligaste ställena där uppsättningar går sönder.
Så fungerar den här automatiseringen
Hela n8n-arbetsflödet, från trigger till slutligt resultat:
n8n Workflow Template: Gemini + Google Sheets: leads loggas strukturerat
flowchart LR
subgraph sg0["Simple Memory Flow"]
direction LR
n0["<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"]
n1["<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/>Webhook"]
n2@{ icon: "mdi:database", form: "rounded", label: "Google Sheets", pos: "b", h: 48 }
n3@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n4@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n1 --> n5
n5 --> n0
n2 -.-> n5
n3 -.-> n5
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 n5 ai
class n4 aiModel
class n3 ai
class n2 database
class n0,n1 api
classDef customIcon fill:none,stroke:none
class n0,n1 customIcon
Problemet: chattleads faller mellan stolarna
Webbplatschatt känns ”direkt”, men uppföljningen är det sällan. En besökare ställer två frågor, lämnar en e-post i farten, och konversationen blir kvar i en widgetlogg som ingen kollar i rätt tid. Eller så kopierar teamet in utdrag i ett kalkylark, men varje rad ser olika ut: namn blandas med anteckningar, budgetar saknas och tidslinjer skrivs som stycken. Sedan kommer den verkliga kostnaden. Du fördröjer svarstiden, skickar generiska uppföljningar och tappar tyst högintenta leads som var redo att prata.
Friktionen byggs på. Här är var det brukar fallera.
- Chattutskrifter är inte leadposter, så viktiga detaljer sprids ut över långa meddelanden.
- Någon måste manuellt kvalificera leadet, och det händer oftast timmar senare när kontexten är borta.
- Team ”loggar det senare” i Sheets, vilket ger inkonsekventa fält och dubbletter du inte kan lita på.
- Uppföljningen går långsammare eftersom nästa steg inte är självklart, och missade uppföljningar staplas snabbt.
Lösningen: AI-kvalificering som skriver till ditt sheet
Det här n8n-arbetsflödet ligger bakom din chattwidget och gör varje konversation till en felfri, strukturerad leadpost. En besökare skickar ett meddelande, din webbplats postar det till en n8n-webhook, och en AI-agent (driven av Gemini) svarar i chatten samtidigt som den i bakgrunden samlar in kvalificeringsdetaljer. Den behåller grundläggande minne per session, så att konversationen inte nollställs vid varje meddelande. När besökaren har lämnat det du behöver formaterar arbetsflödet datan till konsekventa fält och lägger till en ny rad i Google Sheets. Till sist returnerar n8n AI:ns svar tillbaka till chattwidgeten så att besökaren får ett hjälpsamt svar direkt.
Arbetsflödet startar med en inkommande webhook från din webbplatschatt. Gemini driver konversationen, samlar in detaljerna du bryr dig om och paketerar dem i en förutsägbar uppsättning fält. Google Sheets blir din single source of truth, uppdaterad i bakgrunden medan chatten känns ”live”.
Vad du får: automatisering vs. resultat
| Vad arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du får 20 chattkonversationer i veckan och att du idag lägger cirka 10 minuter per chatt på att göra om transkriptioner till något som teamet kan följa upp. Det är ungefär 3 timmar administrativt arbete, plus missad kontext när du gör det i efterhand. Med det här arbetsflödet triggar besökarens meddelande AI:n direkt, och en rad i sheetet skapas vanligtvis inom cirka en minut efter att nyckeldetaljerna har delats. Du granskar fortfarande leadet, men du slutar bygga upp det från noll.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google AI Studio (Gemini) för API-nyckel och modellåtkomst
- Google Sheets för att lagra leads i en delad pipeline
- Gemini API-nyckel (hämta den från Google AI Studio → ”Get API Key”)
Kunskapsnivå: Nybörjare. Du kopplar credentials, klistrar in en webhook-URL i din chattsetup och matchar några kolumner i sheetet.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En besökare skickar ett chattmeddelande. Din chattwidget (eller chattplattform) postar meddelandet och ett sessionId till en n8n-webhook-URL, så att varje konversation kan spåras.
Gemini kvalificerar leadet i realtid. AI-agenten svarar besökaren samtidigt som den ställer de frågor du bryr dig om, som intent, tidslinje och budgetintervall. Det är ingen magi. Du bestämmer vad ”kvalificerad” betyder genom att redigera agentens systeminstruktioner.
Kontexten i konversationen sparas kort. Arbetsflödet sparar ett fönster av senaste meddelanden per session, vilket gör att Gemini kan referera till vad besökaren sa tidigare i stället för att börja om.
Ditt sheet får en felfri, strukturerad rad. När nyckeldetaljerna finns tillgängliga lägger n8n till leadet i Google Sheets med dina exakta rubriker (Full Name, Email Address, Project Intent/Needs och så vidare). Webhook-svaret returnerar sedan AI-svaret tillbaka till ditt chattgränssnitt.
Du kan enkelt ändra kvalificeringsfrågorna så att de matchar ditt erbjudande och sedan styra högintenta leads till en snabbare uppföljningsprocess utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera webhook-triggern
Konfigurera den inkommande webhooken som startar arbetsflödet och routar inkommande lead-meddelanden till AI-agenten.
- Lägg till eller öppna Incoming Webhook Trigger.
- Ställ in Path på
4777b330-6bf9-460e-aaf0-52d6263d17d7. - Ställ in HTTP Method på
POST. - Ställ in Response Mode på
responseNodeså att svaret skickas av Return Webhook Response. - Bekräfta att kopplingen från Incoming Webhook Trigger till Conversational Sales Agent matchar exekveringsflödet.
responseNode kommer Return Webhook Response inte att skicka något svar och er klient får inte AI-svaret.Steg 2: Anslut Google Sheets
Konfigurera verktyget för lead-insamling så att det lägger till konversationsdetaljer i ett kalkylark.
- Öppna Append Lead Spreadsheet och ställ in Operation på
append. - Ställ in Document på
[YOUR_ID]och Sheet Name pågid=0(Sheet1). - Behåll Mapping Mode som
defineBelowoch mappa kolumner till AI-utdata, till exempel: Full Name →{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Full_Name', ``, 'string') }}, Email Address →{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Email_Address', ``, 'string') }}, och resterande fält enligt det som visas i noden. - Bekräfta att Append Lead Spreadsheet är ansluten som ett AI-verktyg till Conversational Sales Agent.
- Inloggning krävs: Anslut era googleSheetsOAuth2Api-uppgifter. Eftersom detta är ett AI-verktyg konfigurerar ni inloggningsuppgifter när ni kopplar Append Lead Spreadsheet till Conversational Sales Agent.
Steg 3: Konfigurera Conversational Sales Agent
Konfigurera AI-agenten och anslut språkmodell och minne för att hantera lead-konversationer över flera vändor.
- Öppna Conversational Sales Agent och ställ in Text på
{{ $json.body.message }}. - Ställ in Prompt Type på
defineoch behåll innehållet i den detaljerade System Message som angivet för att styra säljkonversationen och datainsamlingen. - Koppla Gemini Chat Engine som språkmodell och ställ in Model Name på
models/gemini-2.0-flash-exp. Inloggning krävs: Anslut era googlePalmApi-uppgifter; lägg till dem när ni länkar Gemini Chat Engine till Conversational Sales Agent. - Koppla Session Memory Buffer som minne och ställ in Session Key på
{{ $json.body.sessionId }}med Session ID Type satt tillcustomKeyoch Context Window Length till9.
Steg 4: Konfigurera Return Webhook Response
Skicka AI-svaret tillbaka till den som anropat för att slutföra webhook-cykeln.
- Öppna Return Webhook Response och lämna standardinställningarna som de är.
- Verifiera att kopplingen från Conversational Sales Agent till Return Webhook Response matchar exekveringsflödet.
Steg 5: Testa och aktivera ert arbetsflöde
Kör ett fullständigt test för att bekräfta att webhooken, AI-konversationen och tillägget till kalkylarket fungerar hela vägen.
- Klicka på Test workflow och skicka en POST-förfrågan till Incoming Webhook Trigger-URL:en med en JSON-body som innehåller
messageochsessionId. - Bekräfta att svaret som returneras av Return Webhook Response innehåller ett konversationssvar från agenten.
- Kontrollera Google Sheet för att verifiera att en ny rad har lagts till av Append Lead Spreadsheet och att de mappade fälten är ifyllda.
- När allt är verifierat, slå på arbetsflödet till Active för att börja hantera lead-konversationer i produktion.
Vanliga fallgropar
- Google Sheets OAuth-uppgifter kan gå ut eller tappa åtkomst om det anslutna Google-kontot ändras. Om rader slutar dyka upp, kontrollera n8n Credentials och testa om Google Sheets-anslutningen först.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre ned fallerar på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in ert varumärkesspråk tidigt, annars kommer du att redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om ditt sheet och din API-nyckel är klara.
Nej. Du kopplar mest konton och klistrar in webhook-URL:en i din chattwidget eller plattform.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in Gemini API-användning (gratisnivån inkluderar cirka 15 förfrågningar per minut och en generös månatlig token-gräns).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärt och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Uppdatera systemmeddelandet i Conversational Sales Agent så att det matchar dina tjänster, budgetintervallen du faktiskt accepterar och de exakta fält du vill samla in. Om du lägger till eller tar bort fält, uppdatera även dina rubriker i Google Sheets och mappningarna i steget Append Lead Spreadsheet så att kolumnerna fortfarande matchar. Vanliga justeringar är att lägga till lead scoring, ändra alternativ för ”tidslinje” och att be om föredragen kontaktkanal tidigare i chatten.
Oftast beror det på utgångna eller frånkopplade OAuth-behörigheter. Testa om Google Sheets-credential i n8n, bekräfta att du är inloggad på rätt Google-konto och säkerställ att kontot har åtkomst till exakt det sheet-ID du valde. Om rader skrivs till fel ställe är det ofta en förväxling av dokument-ID eller att kolumnrubrikerna i sheetet inte matchar.
Om du håller dig inom Geminis gränser för gratisnivån (cirka 15 förfrågningar per minut) klarar de flesta små webbplatser det utan problem, och self-hostad n8n har ingen exekveringstak utöver din serverkapacitet.
Det beror på vad du vill kunna styra. Zapier och Make kan vidarebefordra chattmeddelanden, men AI-kvalificering med minne och mer komplex förgrening blir ofta dyrt eller klumpigt när du lägger på logik. n8n är bättre när du behöver djupare anpassning, tydligare felsökning och möjligheten att self-hosta för obegränsade körningar. Ärligt talat är den största vinsten ägarskap: du kan justera prompter, routing och dataformatering utan att bygga om allt. Om du är osäker på vad som passar bäst för din stack, prata med en automationsexpert och få en snabb rekommendation.
När det här väl rullar slutar chatten vara en stökig inkorg och börjar fungera som en leadpipeline. Sätt upp det, öppna ditt sheet och jobba snabbare.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.