Er ”orderintagsprocess” ser förmodligen ut så här: någon ser ett mejl, kopierar PO-numret, gissar formatet för leveransdatum, skriver om artikelnummer (SKU:er) och hoppas att inget missas. Det funkar … tills det inte gör det.
Driftansvariga känner av smärtan i Gmail–Sheets-automation för order när godsmottagningen stockar sig. En lageransvarig märker det när fel SKU dyker upp på docklistan. Och om du driver en byrå eller konsultverksamhet som stöttar driftteam har du sett samma ”spreadsheet-drift” hos varenda kund. Det här flödet gör om inkommande ordermejl till felfria Google Sheets-rader automatiskt.
Du får se hur automationen fångar rätt mejl, använder AI för att extrahera orderfält och lägger till standardiserade orderrader i ett kalkylark som teamet faktiskt kan lita på.
Så här fungerar automationen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Gmail till Google Sheets, order loggas strukturerat
flowchart LR
subgraph sg0["Gmail Intake Flow"]
direction LR
n0@{ icon: "mdi:robot", form: "rounded", label: "Order Parsing Assistant", pos: "b", h: 48 }
n1@{ icon: "mdi:brain", form: "rounded", label: "Chat Model Engine", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "Structured JSON Parser", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Append Lines to Sheet", pos: "b", h: 48 }
n4@{ icon: "mdi:play-circle", form: "rounded", label: "Gmail Intake Trigger", pos: "b", h: 48 }
n5@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Validate Order Subject", pos: "b", h: 48 }
n6["<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/code.svg' width='40' height='40' /></div><br/>Map Order Line Items"]
n5 --> n0
n0 --> n6
n4 --> n5
n1 -.-> n0
n2 -.-> n0
n6 --> n3
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 n4 trigger
class n0,n2 ai
class n1 aiModel
class n5 decision
class n3 database
class n6 code
classDef customIcon fill:none,stroke:none
class n6 customIcon
Varför det här spelar roll: order via mejl skapar kalkylarkskaos
Inkommande order via mejl låter enkelt, men det är en stökig inputkanal. Leverantörer formaterar saker olika, folk vidarebefordrar meddelanden utan sammanhang och bilagor dyker upp när du minst vill ha dem. Sedan måste någon manuellt översätta ”mejl för människor” till ”lagerklart data”. Det brukar innebära att ett Google Sheet blir det inofficiella systemet of record, och att det uppdateras inkonsekvent. Kostnaden är inte bara tid. Det är de tysta felen: förväxlade SKU-ID:n, fel kvantiteter, sen förberedelse för godsmottagning och ett team som slutar lita på arket.
Det eskalerar snabbt. Här är var det faller sönder i verkligheten.
- Varje ordermejl blir upprepat copy-paste-arbete, och den ”snabba” uppdateringen tar ändå cirka 10 minuter när det finns flera orderrader.
- SKU:er är lätta att skriva fel, vilket gör att mottagningsförberedelserna kan bli fel även när mejlet var korrekt.
- Datum tolkas olika (eller inte alls), så förväntad leverans blir opålitlig när du behöver den som mest.
- Arket blir en flaskhals eftersom bara en person ”vet hur man gör”, och ärligt talat är det ett läskigt beroende.
Det du bygger: Gmail-order loggas automatiskt i Sheets
Det här flödet bevakar din inkorg efter rätt typ av ordermejl och gör sedan om dem till strukturerad data som teamet kan använda direkt. Det börjar med en Gmail-trigger som hämtar in meddelanden, och en ämneskontroll för ”Inbound Order” ser till att bara riktiga order går vidare i flödet. Därefter läser en AI-agent (driven av en OpenAI-chatmodell) mejlinnehållet och extraherar fälten du bryr dig om, som PO-nummer, förväntat leveransdatum, SKU-ID och kvantitet. Ett litet mappningssteg omvandlar den extraherade datan till felfria orderrader. Till sist läggs varje rad till i Google Sheets, så att arket blir en konsekvent intagslogg i stället för en skör manuell process.
Flödet startar när ett kvalificerat mejl landar i Gmail. AI:n gör om ostrukturerad text till en förutsägbar JSON-struktur, och sedan får ditt ark en rad per orderrad. Godsmottagning och planering jobbar nu mot samma sanningskälla, utan att jaga inkorgen.
Det du bygger
| Vad som automatiseras | Vad du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du får cirka 10 inkommande order per vecka, och att varje order tar ungefär 10 minuter att läsa, tolka, dela upp i orderrader och skriva in i ett ark. Det är cirka 100 minuter i veckan, plus omarbete när en SKU skrivs fel. Med det här flödet blir ”människotiden” en snabb blick för att bekräfta att arket uppdaterats (kanske 2 minuter per order). Resten är automatiserad bearbetning. De flesta team får tillbaka cirka 1–2 timmar per vecka, och arket slutar vara en daglig stresspunkt.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger funkar bra)
- Gmail för att ta emot inkommande ordermejl
- Google Sheets för att lagra intagsloggen för order
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard)
Kunskapsnivå: Nybörjare. Du kopplar konton och klistrar in en rubrikrad i arket, och testar sedan med ett exempelmejl.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis konsultation i 15 minuter).
Steg för steg
Ett ordermejl kommer in i Gmail. Gmail-triggern kontrollerar din inkorg automatiskt och hämtar nya meddelanden när de kommer in.
Bara rätt mejl går vidare. En ämnesvalidering för ”Inbound Order” stoppar nyhetsbrev, svar och slumpmässigt leverantörssnack, så att arket inte fylls med skräp.
AI extraherar strukturerade orderdetaljer. Order Parsing Assistant läser mejltexten och returnerar en förutsägbar struktur (PO-nummer, förväntat leveransdatum, SKU-ID:n, kvantiteter), med en OpenAI-chatmodell plus en strukturerad JSON-parser för att hålla utdata konsekvent.
Orderrader formateras och skrivs till Google Sheets. Mappningssteget gör om extraherad data till en rad per SKU-rad, och sedan lägger Google Sheets till raderna i din intagslogg för efterföljande mottagningsarbete.
Du kan enkelt ändra ämnesfiltret och kolumnerna i arket så att det matchar dina leverantörer och interna benämningar. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-implementationsguide
Steg 1: Konfigurera Gmail-triggern
Det här arbetsflödet startar när ett nytt e-postmeddelande kommer in i Gmail och fortsätter bara om ämnesraden matchar era kriterier för inkommande order.
- Lägg till och öppna Gmail Intake Trigger.
- Ställ in Polling så att den körs varje minut (redan konfigurerat som
everyMinute). - Granska Simple och låt den vara satt till
falseför att returnera fullständig e-postdata. - Autentisering krävs: Anslut era Gmail OAuth2-inloggningsuppgifter.
Steg 2: Anslut Google Sheets
Tolkade orderrader läggs till i ett Google Sheet för spårning och leveranshantering.
- Öppna Append Lines to Sheet och ställ in Operation till
append. - Ställ in Document ID till ert kalkylblads-ID (ersätt
[YOUR_ID]). - Ställ in Sheet Name till
gid=0eller den specifika flik ni vill använda. - Bekräfta kolumnmappningar: SKU_ID →
{{ $json.sku }}, QUANTITY →{{ $json.quantity }}, PO_NUMBER →{{ $json.purchase_order }}, EXPECTED_DELIVERY DATE →{{ $json.expected_delivery_date }}. - Autentisering krävs: Anslut era Google Sheets OAuth2-inloggningsuppgifter.
Steg 3: Sätt upp AI-pipelinen för tolkning
AI-agenten extraherar PO-nummer, leveransdatum och radartiklar från inkommande ordermail.
- Öppna Order Parsing Assistant och bekräfta att fältet Text använder
Email Subject: {{ $json.subject }} Email Body: {{ $json.text }}. - Låt Prompt Type vara satt till
defineoch säkerställ att System Message innehåller instruktionerna för tolkning av inkommande order. - Verifiera att Chat Model Engine är kopplad till Order Parsing Assistant som språkmodell och använder
gpt-4o-mini. - Bekräfta att Structured JSON Parser är kopplad som output-parser och att schemaexemplet matchar er förväntade output.
- Autentisering krävs: Anslut era OpenAI-inloggningsuppgifter i Chat Model Engine.
Steg 4: Konfigurera validerings- och mappningslogik
Det här steget säkerställer att bara relevanta mail tolkas och att JSON:en därefter expanderas till individuella radartiklar.
- Öppna Validate Order Subject och ställ in villkoret att kontrollera att Subject innehåller
Inbound Ordermed{{ $json.subject }}. - I Map Order Line Items, behåll JavaScript-koden som mappar varje radartikel till rader för arket.
- Verifiera körflödet: Gmail Intake Trigger → Validate Order Subject → Order Parsing Assistant → Map Order Line Items → Append Lines to Sheet.
Inbound Order, kommer arbetsflödet att stoppa vid Validate Order Subject och inget kommer att skrivas till arket.Steg 5: Testa och aktivera ert arbetsflöde
Kör ett live-test för att bekräfta att data tolkas och läggs till korrekt, och aktivera sedan för produktion.
- Klicka på Execute Workflow och skicka ett testmail med en ämnesrad som innehåller
Inbound Orderoch exempelrader. - Bekräfta att Order Parsing Assistant outputtar giltig JSON med
purchase_order,expected_delivery_dateochlines. - Verifiera att Append Lines to Sheet lägger till en rad per radartikel med korrekt SKU och antal.
- Slå på arbetsflödet med Active-reglaget för att aktivera kontinuerlig bearbetning.
Felsökningstips
- Gmail-inloggningar kan gå ut eller kräva specifika behörigheter. Om det slutar fungera, kontrollera Gmail-nodens credentials i n8n och bekräfta att den kan läsa den inkorgsetikett du förväntar dig.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att sitta och redigera utdata i all evighet.
Snabba svar
Cirka 30 minuter om dina konton och arket är förberedda.
Nej. Du kopplar främst Gmail/Sheets och justerar extraktionsprompten så att den matchar ditt orderformat.
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 OpenAI API-kostnader (ofta några cent per ordermejl, beroende på längd och modell).
Två alternativ: n8n Cloud (hanterad tjänst, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det bör du. Du kan ändra regeln ”Validate Order Subject” så att den matchar dina leverantörers ämnesrader, och justera prompten i Order Parsing Assistant för att extrahera extra fält som fraktbolag, incoterms eller lagerplats. Om dina leverantörer bifogar PDF:er kan du byta upplägget ”bara mejltext” mot en filväg via Google Drive plus ett steg ”Read PDF” innan AI-agenten. Du kan också lägga till en andra Google Sheets-flik för undantag när AI:n är osäker.
Oftast är det en utgången OAuth-anslutning eller att Gmail-kontot fått ändrade behörigheter. Anslut Gmail igen i n8n credentials och bekräfta sedan att triggern kommer åt den inkorg/etikett du förväntar dig. Om du nyligen skärpt säkerheten i Google Workspace kan det blockera token-uppdatering i bakgrunden.
I praktiken är det inga problem med tiotals till några hundra ordermejl per dag i de flesta upplägg, så länge du inte slår i dina gränser för OpenAI- och Google-API:er.
Ofta, ja, eftersom mejl-till-strukturerad data är där enkla verktyg för ”fältmappning” brukar kollapsa. n8n låter dig lägga till logik (ämnesvalideringen), tvinga fram strukturerade utdata (via en JSON-parser) och hantera flera orderrader snyggt utan att betala per pyttesteg. Det är också enklare att bygga ut när verkligheten händer: en leverantör ändrar formatering, ett nytt SKU-mönster dyker upp eller du bestämmer dig för att logga undantag någon annanstans. Zapier eller Make kan fortfarande fungera om du har helt konsekventa mejl och bara behöver ett par fält, men de flesta driftteam har inte den lyxen. Prata med en automationsexpert om du är osäker på vad som passar.
När detta är live slutar inkorgen att vara intagssystemet. Flödet håller arket felfritt, och teamet kan lägga tiden på att flytta produkter i stället för att flytta text.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.