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

Google Sheets + Analytics: KPI:er skickas till WhatsApp

Rickard Andersson Partner, Nodenordic.se

Dina KPI:er finns förmodligen “någonstans”. I Google Analytics. I ett kalkylark. I någons huvud. Och i samma ögonblick du behöver fatta ett beslut letar du efter siffror, ifrågasätter dem och hoppas att gårdagens data inte i tysthet har skapat fel.

Det här är exakt vad grundare fastnar med sent på kvällen. Marknadsansvariga märker det när spend ändras snabbt. Och operatörer får sitta och sy ihop rapporter eftersom ingen annan har tid. En solid KPI WhatsApp automation löser det genom att skicka en daglig ögonblicksbild dit du faktiskt tittar.

Det här workflowet hämtar mätvärden från Google Analytics och Google Sheets, beräknar KPI:er som ROAS och CAC, lägger till AI-skrivna slutsatser och skickar sedan en strukturerad sammanfattning till WhatsApp och e-post. Du får se vad det gör, vad du behöver och hur du anpassar det.

Så fungerar automatiseringen

Hela n8n-workflowet, från trigger till slutlig output:

n8n Workflow Template: Google Sheets + Analytics: KPI:er skickas till WhatsApp

Problemet: KPI-rapportering faller mellan stolarna

Dagliga KPI-kontroller låter enkla tills du gör dem manuellt. Du öppnar Google Analytics, exporterar siffror, klistrar in dem i ett ark, kollar annonskostnader och försöker sedan minnas hur “bra” såg ut förra veckan. Under tiden rullar verksamheten vidare. En missad spend-topp kan ligga oupptäckt i dagar. Eller så går en stark kampanj varm och du skalar inte eftersom du inte såg ROAS-trenden i tid. Det värsta är den mentala belastningen. Du samlar inte bara in mätvärden, du översätter dem till beslut samtidigt som du jonglerar allt annat.

Det blir snabbt mycket. Här är var det oftast fallerar.

  • Någon måste manuellt hämta siffror från Google Analytics, och det blir en “i morgon bitti”-uppgift som hela tiden skjuts upp.
  • Sheets uppdateras inkonsekvent, vilket gör att din “senaste” KPI ibland är två dagar gammal.
  • När data kommer från flera håll (analytics, spend, registreringar) kan ett saknat värde slå ut ROAS eller CAC utan att du märker det.
  • Du sitter och stirrar på dashboards utan ett tydligt nästa steg, så du skjuter upp beslutet igen.

Lösningen: Daglig KPI-sammanfattning skickad till WhatsApp (och e-post)

Det här n8n-workflowet körs dagligen och fungerar som en lättviktig business intelligence-agent. Det hämtar intäkts- och registreringsdata från din datakälla (MSSQL i exemplet), tar webbdata från Google Analytics och läser annonskostnader från Google Sheets. Sedan slår det ihop allt till ett enda strukturerat dataobjekt, validerar det och beräknar KPI:er som ROAS, CAC och tillväxttal. Därefter flaggar ett regelbaserat logiklager risk- och möjlighetstillstånd (tänk “normal”, “bevaka” eller “brådskande”). Till sist sammanfattar en AI-agent vad som har förändrats, förklarar vad det sannolikt betyder och föreslår åtgärder på klar svenska. Resultatet skickas till WhatsApp och e-post så att siffrorna hamnar där besluten faktiskt tas.

Workflowet startar med en Cron-trigger som kör varje dag. Data samlas in och kontrolleras för saknade payloads, standardiseras till ett konsekvent format och därefter körs KPI-beräkningarna. Efter affärsregler och AI-resonemang formateras slutmeddelandet och levereras via WhatsApp och e-post.

Det du får: Automatisering vs. resultat

Exempel: Så här ser det ut

Säg att du gör en snabb KPI-koll varje vardag: 10 minuter i Google Analytics, 10 minuter för att kontrollera annonskostnader i Google Sheets och ytterligare 10 minuter för att stämma av intäkter och registreringar. Det är cirka 30 minuter per dag, eller ungefär 2,5 timmar per vecka. Med det här workflowet är “arbetet” i princip noll: det körs enligt schema, och sedan lägger du cirka 2 minuter på att läsa WhatsApp-meddelandet och bestämma vad du ska göra. Du får tillbaka tiden, men ännu viktigare: du slutar missa förändringar som spelar roll.

Det här behöver du

  • n8n-instans (prova n8n Cloud gratis)
  • Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
  • Google Analytics för att hämta dagliga webbplatsmätvärden.
  • Google Sheets för att läsa annonskostnader eller budgetinput.
  • OpenAI API-nyckel (hämta den från din OpenAI-kontopanel).

Svårighetsnivå: Medel. Du kopplar konton, mappar fält och justerar KPI-trösklar så att de matchar din verksamhet.

Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).

Så fungerar det

Ett dagligt schema sätter igång det. En Cron-trigger kör vid den tid du väljer, så att din KPI WhatsApp automation sker konsekvent utan att någon behöver logga in.

Mätvärden hämtas från källorna du redan litar på. Google Analytics levererar webb- och användarsignaler, Google Sheets ger annonskostnadsinput, och workflowet kan även läsa intäkter och antal registreringar från en datakälla (MSSQL i den här versionen).

Workflowet rensar, kombinerar och beräknar. Data valideras först (så att saknade payloads inte korruptar dina siffror), och slås sedan ihop till ett enda JSON-objekt. Därifrån beräknas KPI:er som ROAS och CAC, och affärsregler märker läget som normalt eller värt extra uppmärksamhet.

Du får ett grundarvänligt meddelande i WhatsApp och e-post. AI-agenten skriver den korta förklaringen och föreslagna åtgärder, och sedan skickar n8n uppdateringen via WhatsApp plus en backup-sammanfattning via e-post.

Du kan enkelt justera KPI-trösklar och notifieringskanaler utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementation

Steg 1: Konfigurera den schemalagda triggern

Ställ in schemat som startar KPI-rapportkörningen varje dag.

  1. Lägg till noden Scheduled Automation Start på er canvas.
  2. Ställ in schemaregeln så att den kör dagligen kl. 8 (workflowet använder Trigger At Hour = 8).
  3. Bekräfta att triggern skickar output till Fetch Prior Revenue, Retrieve Prior Signups, Load Prior Analytics och Get Prior Ad Costs parallellt.

Scheduled Automation Start skickar output till Fetch Prior Revenue, Retrieve Prior Signups, Load Prior Analytics och Get Prior Ad Costs parallellt.

Steg 2: Anslut datakällor

Hämta intäkts-, registrerings-, analys- och annonskostnadsdata från respektive system.

  1. Konfigurera Fetch Prior Revenue med Operation satt till executeQuery och Query satt till SELECT * from yourtable.
  2. Inloggningsuppgifter krävs: Anslut era microsoftSql-inloggningsuppgifter för Fetch Prior Revenue.
  3. Konfigurera Retrieve Prior Signups med Operation satt till executeQuery och Query satt till select * from yourtable.
  4. Inloggningsuppgifter krävs: Anslut era microsoftSql-inloggningsuppgifter för Retrieve Prior Signups.
  5. Konfigurera Load Prior Analytics med Date Range satt till yesterday och ert Property ID satt till [YOUR_ID].
  6. Inloggningsuppgifter krävs: Anslut era googleAnalyticsOAuth2-inloggningsuppgifter för Load Prior Analytics.
  7. Konfigurera Get Prior Ad Costs med Authentication satt till serviceAccount, Document ID satt till [YOUR_ID] och Sheet Name satt till gid=0.
  8. Inloggningsuppgifter krävs: Anslut era googleApi-inloggningsuppgifter för Get Prior Ad Costs.

⚠️ Vanlig fallgrop: Säkerställ att ert Google Sheets-dokument och er GA4-egendom innehåller data för yesterday för att undvika tomma payloads som triggar felmejlet.

Steg 3: Validera inputs och summera KPI-komponenter

Kontrollera att varje payload finns och summera nyckelfält innan ni kombinerar mätvärden.

  1. I Validate Revenue Payload, behåll villkoret som kontrollerar att {{ $('Fetch Prior Revenue').item.json }} finns.
  2. I Verify Signup Payload, behåll villkoret som kontrollerar att {{ $('Retrieve Prior Signups').item.json }} finns.
  3. I Verify Analytics Payload, behåll villkoret som kontrollerar att {{ $('Load Prior Analytics').item.json }} finns.
  4. I Confirm Ad Cost Data, behåll villkoret som kontrollerar att {{ $('Get Prior Ad Costs').item.json }} finns.
  5. Konfigurera Summarize Revenue Total för att summera Field TotalAmount med Aggregation sum.
  6. Konfigurera Count New Users för att summera Field email (antal).
  7. Konfigurera Map Total User Count för att sätta Total Users till {{ $json.totalUsers }}.
  8. Konfigurera Sum Advertising Spend för att summera Field Ad Spend med Aggregation sum.
  9. Ställ in Combine All Metrics med Number of Inputs till 4 och anslut output från Summarize Revenue Total, Count New Users, Map Total User Count och Sum Advertising Spend.

Steg 4: Standardisera och beräkna KPI-mätvärden

Normalisera sammanslagna mätvärden och beräkna ROAS och CAC för efterföljande logik.

  1. I Standardize Metrics, klistra in den tillhandahållna JavaScript-koden som mappar sum_TotalAmount, count_email, Total Users och sum_Ad_Spend till ett och samma objekt.
  2. I Compute KPI Metrics, behåll JavaScript-koden som beräknar ROAS och CAC och formaterar dem till två decimaler.
  3. Bekräfta flödet Combine All MetricsStandardize MetricsCompute KPI Metrics.

Steg 5: Tillämpa affärsregler och konfigurera AI-insikter

Tillämpa tröskellogik och generera sedan en läsbar KPI-sammanfattning med AI-agenten.

  1. I Apply Business Rules, behåll JavaScript-koden som sätter agentStatus, agentPriority och insights baserat på tröskelvärden för ROAS och CAC.
  2. I AI Insight Agent, sätt Text till =Business KPIs: {{ JSON.stringify($json) }} Write: 1. One-line business summary 2. One risk (if any) 3. One opportunity 4. One recommended action.
  3. Koppla OpenAI Chat Engine som språkmodell för AI Insight Agent och välj modellen gpt-4.1-mini.
  4. Inloggningsuppgifter krävs: Anslut era openAiApi-inloggningsuppgifter till OpenAI Chat Engine (inloggningsuppgifter ställs in på den överordnade modellnoden).
  5. Säkerställ att Math Utility Tool är anslutet som ett AI-verktyg till AI Insight Agent (inloggningsuppgifter, om de behövs, ska läggas till i AI Insight Agent).

Apply Business Rules skickar output till både AI Insight Agent och Combine AI Output parallellt.

Steg 6: Konfigurera utdata (WhatsApp och e-post)

Skicka den AI-genererade sammanfattningen och KPI-totalerna via WhatsApp och e-post.

  1. I Combine AI Output, sätt Mode till combine och Combine By till combineAll.
  2. Konfigurera Send WhatsApp Update med Operation send och Text Body satt till ={{ $json.output }} Revenue :- {{ $json.revenue }} New Users :- {{ $json.registeredUsers }} Total Users :- {{ $json.totalUsers }} Total Ad Spend :- {{ $json.adSpend }}.
  3. Inloggningsuppgifter krävs: Anslut era whatsAppApi-inloggningsuppgifter för Send WhatsApp Update.
  4. Konfigurera Send Summary Email med Subject Yesterday's Revenue Report, To Email [YOUR_EMAIL], From Email [YOUR_EMAIL] och Text satt till =Dear User, {{ $json.output }} Revenue :- {{ $json.revenue }} New Users :- {{ $json.registeredUsers }} Total Users :- {{ $json.totalUsers }} Total Ad Spend :- {{ $json.adSpend }}.
  5. Inloggningsuppgifter krävs: Anslut era smtp-inloggningsuppgifter för Send Summary Email.

Combine AI Output skickar output till både Send WhatsApp Update och Send Summary Email parallellt.

Steg 7: Lägg till felhantering

Skicka en avisering när någon av de nödvändiga datakällorna inte returnerar någon data.

  1. Konfigurera Dispatch Error Email med Subject No Data Returned, To Email [YOUR_EMAIL] och From Email [YOUR_EMAIL].
  2. Behåll Text-innehållet exakt som det är angivet för att förklara saknade indata.
  3. Inloggningsuppgifter krävs: Anslut era smtp-inloggningsuppgifter för Dispatch Error Email.
  4. Säkerställ att felvägar från Validate Revenue Payload, Verify Signup Payload, Verify Analytics Payload och Confirm Ad Cost Data alla routas till Dispatch Error Email.

Om ni vill undvika falsklarm, bekräfta att varje datakälla har poster för föregående dag innan ni aktiverar schemat.

Steg 8: Testa och aktivera ert workflow

Kör ett manuellt test för att validera end-to-end-flödet och aktivera sedan schemat för produktion.

  1. Klicka på Execute Workflow för att köra Scheduled Automation Start manuellt.
  2. Verifiera att Combine All Metrics tar emot fyra inputs och att Standardize Metrics skickar ut ett enda KPI-objekt.
  3. Bekräfta att AI Insight Agent skapar ett output-fält och att Send WhatsApp Update och Send Summary Email skickar meddelanden med KPI-värden.
  4. Om någon datakälla är tom, bekräfta att Dispatch Error Email skickar aviseringen No Data Returned.
  5. När testet är lyckat, slå på workflowet Active för att aktivera den dagliga körningen.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Google Analytics-inloggningar kan gå ut eller kräva specifika behörigheter. Om något slutar fungera: kontrollera först Google-kopplingen i n8n-credentials och åtkomsten till din GA-egendom.
  • Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att redigera output för alltid.

Vanliga frågor

Hur lång tid tar det att sätta upp den här KPI WhatsApp automation?

Cirka en timme om dina datakällor redan är åtkomliga.

Behöver jag kunna koda för att automatisera KPI WhatsApp automation?

Nej. Du kopplar främst konton och mappar några fält. Den enda “avancerade” delen är att justera KPI-regler, och du kan börja med standardinställningarna.

Är n8n gratis att använda för det här KPI WhatsApp automation-workflowet?

Ja. n8n har ett gratis alternativ för egen hosting 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, som vanligtvis är några cent per dag för en daglig sammanfattning.

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

Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och hanterar n8n bra. Egen hosting ger obegränsade körningar men kräver grundläggande serveradministration.

Kan jag anpassa det här KPI WhatsApp automation-workflowet för Slack eller Telegram i stället för WhatsApp?

Ja, och det är en av de enklaste ändringarna. Workflowet har redan logik som stödjer leverans i flera kanaler, så du kan byta ut WhatsApp-steget mot Slack eller Telegram och återanvända samma formaterade meddelande. Många team skickar också WhatsApp till grundaren och Slack till resten av teamet, så att alla får rätt detaljnivå.

Varför misslyckas min Google Analytics-koppling i det här workflowet?

Oftast handlar det om behörigheter eller att en credential har gått ut. Koppla om Google Analytics i n8n och bekräfta sedan att kontot har åtkomst till rätt GA-egendom. Om det fortfarande misslyckas: kontrollera API-kvotbegränsningar och se till att du frågar efter rätt datumintervall för “igår” (tidszonskillnader kan ge tomma rader).

Hur många dagliga sammanfattningar klarar den här KPI WhatsApp automation?

Många. Om du skickar en sammanfattning per dag klarar även de minsta uppläggen det, och egen hosting har ingen körningsgräns utöver din server. Om du börjar generera sammanfattningar per kampanj eller per land behöver du hålla koll på n8n:s exekveringsgränser i Cloud och eventuella API-kvoter i Google Analytics.

Är den här KPI WhatsApp automation bättre än att använda Zapier eller Make?

Ofta, ja, eftersom det här workflowet inte bara är “flytta data från A till B”. Du slår ihop flera källor, validerar payloads, beräknar KPI:er, tillämpar affärsregler och genererar sedan en AI-sammanfattning, vilket är där verktyg som n8n brukar kännas mer flexibla. Egen hosting är också viktigt om du väntar dig volym senare. Zapier eller Make kan ärligt talat vara snabbare för en enkel tvåstegsalert, och det är helt okej. Prata med en automationsexpert om du vill ha hjälp att välja rätt upplägg och undvika att behöva bygga om senare.

Det här är den typen av automatisering du sätter upp en gång och sedan litar på varje dag. Workflowet sköter den repetitiva kontrollen, så att du kan lägga din uppmärksamhet på beslutet.

Kontakta oss

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

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal