Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan ›
January 22, 2026

Google Forms till Google Sheets, intervjuer loggas

Rickard Andersson Partner, Nodenordic.se

Intervjuresponser ska vara den enkla delen. Men när formuläret stänger står du med utspridda anteckningar, halvt kopierade citat och den där tråden med ”var sparade vi det?”

Marknadschefer känner det när kundintervjuerna staplas på hög. Grundare som försöker validera ett nytt erbjudande hamnar i samma röra. Och researchers som gör discovery-samtal? De behöver loggning av formulärintervjuer som inte faller isär så fort volymen ökar.

Det här arbetsflödet gör ett Google-formulär till en guidad AI-intervju och skriver hela transkriptionen prydligt till Google Sheets. Du får se vad som automatiseras, vad du behöver och var team oftast går bet.

Så fungerar den här automationen

Se hur det här löser problemet:

n8n Workflow Template: Google Forms till Google Sheets, intervjuer loggas

Utmaningen: intervjuer som blir till efterarbete

Att genomföra intervjuer låter enkelt tills du gör det mer än ett par gånger i veckan. Någon skriver frågor på ett ställe, respondenten svarar på ett annat, och sedan försöker du sy ihop helheten från webbläsarflikar, e-postnotiser och det som råkade klistras in i ett dokument. Om du gör marknadsundersökningar blir just ”ihopsyddandet” det riktiga jobbet. Det är också där felen smyger sig in: saknat sammanhang, felciterade formuleringar och transkriptioner som aldrig hamnar i en datamängd som teamet faktiskt kan granska.

Det eskalerar snabbt. Här är var det brukar fallera i vardagen.

  • Du slutar med att kopiera svar från flera sidor till en ”master”-fil, och det tar alltid längre tid än du tror.
  • När intervjuerna blir längre slutar folk att göra korrekt formaterade anteckningar, vilket gör att insikter försvinner eller urvattnas.
  • Det finns ingen tillförlitlig sessionstranskription, så två kollegor kan tolka samma respondent helt olika.
  • Att dela råa svar blir krångligt eftersom datan inte ligger i ett granskningsvänligt format, särskilt för intressenter som lever i kalkylblad.

Lösningen: en AI-intervjuare som skriver strukturerade rader till Sheets

Det här n8n-arbetsflödet förvandlar ett flersidigt n8n-formulär till en interaktiv intervju som kan pågå så länge respondenten vill. Intervjun startar när någon öppnar ditt publicerade formulär, och arbetsflödet skapar ett unikt sessions-ID i bakgrunden. När personen svarar, svarar en AI-agent (driven av en chattmodell som Groq, men du kan byta leverantör) med nästa fråga baserat på ditt ämne och samtalet hittills. Varje fråga-och-svar-par läggs till i en sessionstranskription som lagras i Redis, så inget tappas mellan sidorna. När respondenten väljer att avsluta, stänger arbetsflödet loopen, visar en slutförandeskärm och sparar hela transkriptionen i Google Sheets som strukturerad data som teamet kan granska direkt.

Arbetsflödet börjar med en formulärtrigger och använder sedan Redis som sessionens ”minne” för transkriptionen medan AI-agenten fortsätter samtalet. När intervjun är klar konverterar n8n sessionsloggen till JSON och lägger till den i Google Sheets (eller Microsoft Excel 365 om du föredrar), vilket skapar prydliga rader som är redo för analys.

Vad som förändras: före vs. efter

Effekt i praktiken

Säg att du gör 10 intervjuer i veckan och att varje intervju har 15 omgångar av fråga och svar. Manuellt kanske du lägger cirka 10 minuter per intervju på att städa anteckningar och klistra in viktiga citat i ett kalkylblad, plus ytterligare 10 minuter bara på att formatera så att det går att läsa. Det är ungefär 3 timmar i veckan i efterarbete. Med det här arbetsflödet styr respondenten intervjun i formuläret, Redis fångar transkriptionen i realtid och Google Sheets får en strukturerad sessionslogg i slutet. Du granskar fortfarande, men mycket av rutinjobbet försvinner.

Krav

  • n8n-instans (prova n8n Cloud gratis)
  • Självhostningsalternativ om du föredrar det (Hostinger fungerar bra)
  • Google Sheets för att lagra transkriptioner i rader.
  • Redis (eller kompatibelt) för att lagra intervjusessioner säkert.
  • LLM API-åtkomst (skaffa det via Groq eller din valda leverantör)

Kunskapsnivå: Medel. Du kopplar konton, lägger till inloggningsuppgifter och justerar lätt prompts och kolumner i Sheets.

Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).

Arbetsflödet steg för steg

Intervjun startar från ett publicerat formulär. n8n-formulärtriggern öppnar sessionen, genererar ett unikt ID och förbereder lagring så att varje respondents transkription hålls separat.

Sessionsminne skapas och uppdateras löpande. Redis lagrar startmarkeringen och lägger sedan till varje nytt svar när respondenten går vidare genom formulärsidorna. Om sessionen inte kan hittas (utgången nyckel, fel ID) visar arbetsflödet en ”saknas”-sida i stället för att misslyckas tyst.

AI-agenten ställer frågor och anpassar sig. Arbetsflödet sätter intervjuns ämne, skickar nyligt sammanhang via en minnesbuffer och låter agenten generera nästa fråga. Användaren svarar, svaret sparas och loopen fortsätter tills användaren väljer att avsluta.

Transkriptionen sammanställs och skrivs till Sheets. När intervjun avslutas delas sessionsloggen upp och konverteras till JSON, och läggs sedan till i Google Sheets (och valfritt Microsoft Excel 365) som en korrekt formaterad post för analys och delning.

Du kan enkelt ändra intervjuämnet och stoppreglerna så att de matchar din enkätstil utifrån dina behov. Se hela implementeringsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: konfigurera formulärtriggern

Konfigurera startpunkten för intervjun så att deltagare kan starta sessionen och ange sitt namn.

  1. Öppna Begin Interview Form och ställ in Form Title till UK Practical Driving Test Satisfaction Interview.
  2. I Form Fields lägger ni till ett obligatoriskt fält med etiketten What is your name? och platshållaren ie. Sam Smith.
  3. Under Options ställer ni in Path till driving-lessons-survey och Button Label till Begin Interview!.
  4. Ställ in Response Mode till lastNode och klistra in den angivna intervjubeskkrivningen i Form Description.

Tips: behåll Ignore Bots aktiverat för att minska spaminsändningar.

Steg 2: anslut sessionslagring (Redis)

Initiera och underhåll en sessionslogg för varje intervju med Redis. Flera Redis-noder samverkar för att lagra intervju-start, svar och stopphändelser.

  1. Öppna Create Unique ID och låt Action vara inställt på generate för att skapa en sessionsidentifierare.
  2. I Initialize Session Store ställer ni in Key till =session_{{ $('Create Unique ID').item.json.data }}, TTL till {{ 60 * 60 * 24 }} och Value till {{ [] }}.
  3. Bekräfta att Initialize Session Store, Append Session Log, Append Session Log 2, Append Session Log 3, Lookup Session Data och Retrieve Session List alla pekar på samma Redis-instans och använder listnyckeln session_{{ $('Create Unique ID').first().json.data }}.
  4. Inloggningsuppgifter krävs: anslut era redis-inloggningsuppgifter i Initialize Session Store, Append Session Log, Append Session Log 2, Append Session Log 3, Lookup Session Data och Retrieve Session List.

⚠️ Vanlig fallgrop: ett nyckelformat för sessionen som inte matchar förhindrar hämtning av transkript. Säkerställ att alla Redis-noder använder session_{{ $('Create Unique ID').first().json.data }}.

Steg 3: sätt upp AI-intervjuagenten

Konfigurera AI-intervjuflödet så att modellen ställer frågor, tolkar svar och kontrollerar stoppvillkoret.

  1. Öppna Define Interview Topic och ställ in tilldelningen för answer till Hello, my name is {{ $('Begin Interview Form').first().json['What is your name?'] }}, och interview_topic till Your experience preparing for and taking the UK practical driving test.
  2. I AI Interview Agent ställer ni in Text till {{ $json.answer }}, behåll Prompt Type som define och aktivera Has Output Parser.
  3. Säkerställ att Groq Chat Engine är ansluten som språkmodell med Model inställt på llama-3.2-90b-text-preview. Inloggningsuppgifter krävs: anslut era groqApi-inloggningsuppgifter i Groq Chat Engine.
  4. I Parse Agent Output ställer ni in tilldelningen för output till {{$json.output.replace('```json', '').replace('```', '').parseJson()}} för att tolka modellens JSON-svar.
  5. I Check End Interview behåller ni booleska villkoret {{ $json.output.stop_interview }} för att routa antingen till nästa fråga eller för att avsluta intervjun.

Tips: Window Memory Buffer A, Window Memory Buffer B och Reset For Next Session är AI-undernoder; inloggningsuppgifter läggs till i överordnade noder (som Groq Chat Engine), inte i minnesnoderna.

Steg 4: konfigurera frågeloop och sessionsloggning

Lagra varje fråga/svar-par i Redis och routa konversationen tillbaka in i agenten tills användaren avslutar intervjun.

  1. I Build Start Row ställer ni in timestamp till {{ $now.toISO() }}, type till start_interview, question till What is your name? och answer till {{ $('Begin Interview Form').first().json['What is your name?'] }}.
  2. I Build Row Data ställer ni in timestamp till {{ $now.toISO() }}, type till next_question, question till {{ $('Parse Agent Output').item.json.output.question }} och answer till {{ $('Collect Answer Form').item.json.answer }}.
  3. I Return Answer To Agent ställer ni in answer till {{ $('Collect Answer Form').item.json.answer }} så att svaret skickas tillbaka in i AI Interview Agent.
  4. I Build Stop Row ställer ni in timestamp till {{ $now.toISO() }}, type till stop_interview och både question och answer till None.
  5. Verifiera exekveringsflödet: Collect Answer Form → Build Row Data → Append Session Log 2 → Return Answer To Agent → AI Interview Agent.

⚠️ Vanlig fallgrop: om Check End Interview returnerar true för tidigt, säkerställ att agentens systemmeddelande ger giltig JSON med stop_interview som en boolean.

Steg 5: konfigurera transkripthämtning och webbsvar

Rendera transkript via ett webhook-baserat HTML-svar efter att en session har slutförts.

  1. I Incoming Transcript Webhook behåller ni Path inställt på ai-interview-transcripts/:session_id och Response Mode på responseNode.
  2. I Lookup Session Data ställer ni in Key till session_{{ $('Incoming Transcript Webhook').first().json.params.session_id }} och Property Name till data.
  3. I Validate Session Exists behåller ni villkoret som kontrollerar att {{ $json.data }} finns för att routa antingen till Render Transcript Page eller Render Missing Page.
  4. I Send Webhook Reply ställer ni in Respond With till text och Response Body till {{ $json.html }}.

Tips: använd URL-formatet /webhook/ai-interview-transcripts/ för att testa hämtning i en webbläsare.

Steg 6: konfigurera utdata till Google Sheets

Dela upp och formatera sessionsposter och lägg sedan till dem i ert kalkylark för analys och långtidslagring.

  1. I Retrieve Session List ställer ni in Key till session_{{ $('Create Unique ID').first().json.data }} och Property Name till session.
  2. I Split Session Items ställer ni in Field To Split Out till session.
  3. I Session To JSON ställer ni in JSON Output till {{ { ...$json.session.parseJson(), session_id: `session_${$('Create Unique ID').first().json.data}`, name: $('Begin Interview Form').first().json['What is your name?'], } }}.
  4. I Append To Sheets väljer ni mål-Document och Sheet Name, och mappar kolumner med den befintliga auto-map-konfigurationen.
  5. Inloggningsuppgifter krävs: anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Append To Sheets.

Steg 7: konfigurera slutförande och sessionsåterställning

När intervjun avslutas rensar ni minnet, omdirigerar användaren till transkriptet och slutför sessionsloggen.

  1. I Reset For Next Session ställer ni in Mode till delete och Delete Mode till all.
  2. I Route To Completion Page ställer ni in Operation till completion och Redirect URL till https:///webhook//ai-interview-transcripts/{{ $('Create Unique ID').first().json.data }}.
  3. Bekräfta att flödet Append Session Log 3 → Reset For Next Session → Route To Completion Page → Retrieve Session List är intakt.

Steg 8: testa och aktivera ert workflow

Kör en komplett intervjusession för att verifiera att frågor, loggar, transkript och rader i kalkylarket fungerar som förväntat.

  1. Klicka på Execute Workflow, öppna länken Begin Interview Form och skicka in ett namn för att starta en session.
  2. Svara på flera frågor via Collect Answer Form och skriv sedan STOP för att avsluta intervjun.
  3. Verifiera att transkriptsidan laddas från Incoming Transcript Webhook och visar er historik av frågor och svar från Render Transcript Page.
  4. Bekräfta att kalkylarket får tillagda rader i Append To Sheets.
  5. När ni är redo, växla workflowet till Active så att formulären och webhookarna är tillgängliga i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Se upp med

  • Inloggningsuppgifter för Google Sheets kan gå ut eller behöva specifika behörigheter. Om det slutar fungera, kontrollera först skärmen för inloggningsuppgifter i n8n och delningsinställningarna för målarket.
  • Redis-sessioner kan ”försvinna” om din TTL (utgångstid) är för kort eller om din Redis-instans startar om. Om respondenter rapporterar saknade transkriptioner, kontrollera Redis-inställningar för persistens och utgångstid för sessionsnycklar.
  • Standardprompter för AI är generiska. Lägg in er tonalitet och ert researchmål tidigt, annars kommer du senare att lägga tiden på att skriva om frågor och städa röriga svar.

Liknande automationer

Om du även samlar in tillgänglighet för intervjuer, kan du kombinera detta med Gmail + Google Calendar: endast godkända möten för att hålla schemaläggningen korrekt så att du inte bekräftar möten som aldrig borde ha bokats.

För team som gör research och rekryterar samtidigt är OpenAI + Airtable: CV:n omvandlade till redo kandidater ett bra komplement eftersom det gör ostrukturerade dokument till rader du kan granska på samma sätt som intervjutranskriptioner.

Behöver du snabb intern återkoppling på vad folk säger i intervjuer? Slack + OpenAI: omedelbara färger med undantag visar samma mönster: tryck ut strukturerad AI-output till en teamkanal så att beslut fattas snabbare.

När dina intervjufrågor kräver faktabaserad förankring är OpenAI + Wikipedia, svar som teamet kan återanvända bra för att bygga ”researchassistenter” som hänvisar till källor i stället för att improvisera.

Slutligen, om du vill göra om intervjuer till bokade sessioner eller uppföljningar, passar Google Sheets + Google Calendar, bokningar utan fram-och-tillbaka bra eftersom det använder Sheets som systemet för sanningen för schemaläggningsbeslut.


Snabbreferens:

Vanliga frågor

Hur snabbt kan jag implementera den här automationen för loggning av formulärintervjuer?

Cirka en timme om dina inloggningsuppgifter för Sheets, Redis och AI är klara.

Kan icke-tekniska team implementera den här loggningen av intervjuer?

Ja, men någon behöver vara bekväm med att koppla inloggningsuppgifter och testa en hel intervju från start till mål. Ingen kodning krävs.

Är n8n gratis att använda för det här arbetsflödet för loggning av formulärintervjuer?

Ja. n8n har ett gratis självhostat alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för LLM-API (ofta några cent per intervju, beroende på längd).

Var kan jag hosta n8n för att köra den här automationen?

Två alternativ: n8n Cloud (hanterad, enklast att komma igång) eller självhostning på en VPS. För självhostning är Hostinger VPS prisvärd och hanterar n8n bra. Självhostning ger obegränsade exekveringar men kräver grundläggande serveradministration.

Hur anpassar jag den här lösningen för loggning av formulärintervjuer till mina specifika utmaningar?

Du kan byta chattmodell utan att ändra det övergripande flödet genom att ersätta Groq Chat Engine med en annan leverantörsnod (inklusive en OpenAI Chat Model) och behålla samma inputs till AI Interview Agent. De flesta team anpassar ”Define Interview Topic” och agentens prompt så att den ställer frågor i rätt tonalitet, borrar djupare och avslutar på rätt ställe. Om du vill ha andra outputs, justera ”Build Row Data” och ”Append To Sheets” så att dina kolumner matchar hur du analyserar intervjuer. Du kan också ändra texten på slutförandesidan i ”Route To Completion Page” för att sätta förväntningar kring uppföljning.

Varför fungerar inte min Google Sheets-anslutning i det här arbetsflödet?

Oftast beror det på utgångna inloggningsuppgifter eller att kalkylarket inte är delat med det anslutna Google-kontot. Uppdatera Google Sheets-inloggningsuppgiften i n8n och bekräfta sedan att målarket och fliken fortfarande finns kvar. Om du nyligen ändrade kolumner kan ”Append To Sheets” också skriva till ett intervall som inte längre matchar dina rubriker.

Vad är kapaciteten för den här lösningen för loggning av formulärintervjuer?

Om du självhostar finns ingen exekveringsgräns; kapaciteten beror främst på din server och din AI-leverantörs rate limits. På n8n Cloud sätter din plan antalet exekveringar per månad, och intervjuer kan använda flera exekveringar eftersom arbetsflödet loopar genom fråge- och svarsomgångar. I praktiken kan de flesta små team köra dussintals intervjuer i veckan utan att tänka på det, och sedan skala upp genom att korta intervjun eller minska hur ofta agenten anropar modellen.

Är den här automationen för loggning av formulärintervjuer bättre än att använda Zapier eller Make?

Ofta, ja. Det här arbetsflödet bygger på en loopad interaktion (fråga, svar, spara, fråga igen) plus sessionslagring i Redis, vilket är krångligt i de flesta ”linjära” automationsbyggare. n8n ger dig också mer kontroll över förgreningar med If/Switch-logik, och du kan självhosta när volymen växer. Zapier eller Make kan fortfarande vara bra för enkla flöden som ”formulärinskick → lägg till rad”, men det här är mer än så. Prata med en automationsexpert om du vill ha hjälp att välja det enklaste verktyget för din situation.

När intervjuer automatiskt landar i Google Sheets som korrekt formaterade transkriptioner slutar research att kännas skört. Arbetsflödet tar hand om den repetitiva insamlingen så att du kan fokusera på mönster, beslut och nästa steg.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

Våra tjänster Om Node Nordic
×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Kopiera och importera JSON-arbetsflödet i ditt n8n-arbetsflöde