Dina win/loss-anteckningar ligger i ett Google-kalkylark, men de gör inte sitt jobb. Datan finns där, men varje vecka blir det copy-paste, städning och någon som försöker ”sammanfatta” röriga noteringar till något som ledningen faktiskt läser.
Den här automationslösningen för win loss insights träffar Sales Ops först, helt ärligt. Men RevOps och produktpersoner som är beroende av verkliga invändningsteman märker det också. Du får en konsekvent veckodigest med tydliga mönster, utan att jaga säljare för ”en detalj till”.
Du får se hur det här n8n-flödet hämtar affärsutfall från Google Sheets, använder Azure OpenAI för att extrahera teman, loggar berikade insikter tillbaka till Sheets och mejlar en snygg HTML-rapport som teamet kan lita på.
Så här fungerar automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Google sheets + azure openai: vinst/förlust-insikter
flowchart LR
subgraph sg0["Manual Execution Start 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/code.svg' width='40' height='40' /></div><br/>Derive Notes and Emails"]
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/code.svg' width='40' height='40' /></div><br/>Interpret AI Output"]
n2@{ icon: "mdi:database", form: "rounded", label: "Append to Sheets Log", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Retrieve Sheet Records", pos: "b", h: 48 }
n4["<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/>Filter Latest Entries"]
n5@{ icon: "mdi:message-outline", form: "rounded", label: "Dispatch Email Summary", pos: "b", h: 48 }
n6@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Execution Start", pos: "b", h: 48 }
n7@{ icon: "mdi:database", form: "rounded", label: "Fetch Sheet Rows", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "AI Processing Agent", pos: "b", h: 48 }
n9@{ icon: "mdi:brain", form: "rounded", label: "Azure Chat Model", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Iterate Through Items", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-vertical", form: "rounded", label: "Map Data Fields", pos: "b", h: 48 }
n12@{ icon: "mdi:robot", form: "rounded", label: "Secondary AI Agent", pos: "b", h: 48 }
n13@{ icon: "mdi:brain", form: "rounded", label: "Azure Chat Model B", pos: "b", h: 48 }
n8 --> n11
n12 --> n4
n11 --> n1
n10 --> n3
n10 --> n8
n1 --> n2
n4 --> n5
n7 --> n0
n0 --> n10
n2 --> n10
n9 -.-> n8
n3 --> n12
n13 -.-> n12
n6 --> n7
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 n6 trigger
class n8,n12 ai
class n9,n13 aiModel
class n2,n3,n7 database
class n0,n1,n4 code
classDef customIcon fill:none,stroke:none
class n0,n1,n4 customIcon
Problemet: win/loss-anteckningar leder inte till beslut
De flesta team samlar faktiskt in win/loss-skäl. Problemet är vad som händer sen. Anteckningar kommer in som halva meningar, i olika format och med luddiga etiketter som ”pris” eller ”funktionsgap” som betyder tio olika saker beroende på säljaren. Sedan lägger någon (oftast samma person) en rejäl del av måndagen på att göra råa rader till en berättelse för ledningen. Och eftersom det är manuellt blir det inkonsekvent. Ena veckan har ni ”teman”, nästa vecka är det bara en lista med affärer och åsikter.
Friktionen växer. När du väl har en rapport är den redan inaktuell, och teamet har gått vidare till nästa brandkårsutryckning.
- Att rensa och omformatera anteckningar i Google Sheets kan lätt ta ett par timmar varje vecka.
- Mänskliga sammanfattningar glider, så ”topporsakerna” skiftar beroende på vem som skrev rekapitulationen.
- När insikter inte är kopplade till affärens ursprungliga kontext blir följdfrågor till Slack-arkeologi.
- Utan en repeterbar struktur kan produkt och ledning inte se mönster tidigt nog för att agera.
Lösningen: veckovis rapportering av win/loss-teman från Google Sheets
Det här flödet gör samma kalkylark som ni redan använder till ett pålitligt rapporteringssystem. Det börjar med att hämta rader med affärsutfall från Google Sheets, trimmar och mappar fält så att AI:n får felfri och relevant kontext (affärsresultat, skälanteckningar och eventuella interna taggar). Därefter analyserar en Azure OpenAI-chatmodell anteckningarna för varje affär, plockar ut specifika vinstskäl eller förlustskäl och klassificerar mönster i en konsekvent JSON-struktur. De berikade insikterna läggs sedan till i ett dedikerat loggblad, så att ni bygger en sökbar historik i stället för en engångssammanfattning. Till sist hämtar flödet de senaste bearbetade posterna och skapar en professionell HTML-mejldigest som landar i inkorgar enligt schema.
Flödet startar med era Google Sheets-data för ”feedback”. AI:n extraherar strukturerade skäl och teman per affär, och sedan sammanställer en andra körning en veckosummering. Slutresultatet blir en ren mejlsammanfattning plus ett uppdaterat kalkylark som teamet kan filtrera när som helst.
Det du får: automation vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att teamet går igenom 30 affärer i veckan, och varje rad har några rader om ”varför vi vann/förlorade”. Manuellt kan det ta cirka 4 minuter per affär att rensa anteckningar och bygga en veckodigest, plus en extra timme att skriva rekapitulationen, alltså ungefär 3 timmar totalt. Med det här flödet lägger du cirka 10 minuter i början på att bekräfta kolumnerna i arket och mejlmottagarna, sedan kör det. AI-bearbetningen sker i bakgrunden och veckodigesten dyker upp automatiskt.
Det du behöver
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Sheets för affärsutfall och berikad loggning
- Azure OpenAI för att analysera anteckningar och extrahera teman
- E-post (Send Email/Gmail) för att leverera veckodigesten
- Azure OpenAI API-nyckel (hämta den från Azure AI Studio)
Kunskapsnivå: medel. Du kopplar konton och linjerar kolumner i arket, samt justerar en eller två AI-prompter för er affärsterminologi.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En trigger startar körningen. I mallen är det en manuell start för test, men de flesta team byter till ett veckoschema när flödet är verifierat.
Affärsrader hämtas från Google Sheets. Flödet hämtar era feedbackposter och ett litet steg för ”härledning och mappning” väljer de fält som spelar roll (utfall, anteckningar och eventuell kontext kring mejl/ansvarig).
Azure OpenAI gör röriga anteckningar till strukturerade insikter. Varje affär bearbetas i batcher och AI:n output:ar en förutsägbar JSON-struktur (vinstskäl, förlustskäl och mönster) så att du slipper tolka fri text senare.
Insikter loggas och veckomejlet skickas. Berikade rader läggs till i en Sheets-logg, sedan filtrerar flödet fram de senaste posterna och skickar en HTML-digest till valda mottagare.
Du kan enkelt ändra rapporteringsfönstret (dagligen, veckovis, månadsvis) för att matcha er cadence utifrån era behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar manuellt så att ni kan testa och validera feedbackflödet innan ni automatiserar det vidare.
- Lägg till och öppna Manual Execution Start.
- Behåll standardinställningarna eftersom den här noden bara triggar manuella körningar.
- Bekräfta flödet från Manual Execution Start till Fetch Sheet Rows.
Steg 2: anslut Google Sheets
Tre Google Sheets-noder hanterar inläsning och loggning av feedbackdata.
- Öppna Fetch Sheet Rows och konfigurera kalkylarket, fliken och intervallet ni vill läsa från.
- Öppna Append to Sheets Log och ange målkalkylark och flik där bearbetad feedback ska läggas till.
- Öppna Retrieve Sheet Records och välj det kalkylark/den flik som används för att skapa sammanhang för sammanfattningen.
- Autentisering krävs: Anslut era Google Sheets-uppgifter till Fetch Sheet Rows, Append to Sheets Log och Retrieve Sheet Records.
Steg 3: konfigurera dataförberedelse och iteration
Dessa noder strukturerar datan och loopar igenom feedbackposter innan AI-bearbetning.
- Öppna Derive Notes and Emails och bekräfta att koden omvandlar raderna i kalkylarket till förväntat indataformat.
- Konfigurera Iterate Through Items för att styra batchstorlek baserat på volymen i ert ark.
- Observera att Iterate Through Items skickar utdata parallellt till både Retrieve Sheet Records och AI Processing Agent.
- Öppna Map Data Fields och mappa de nyckelfält ni vill skicka till AI för tolkning.
Steg 4: konfigurera AI-agenter för bearbetning
Två AI-agenter analyserar feedback och förbereder sammanfattningsdata.
- Öppna AI Processing Agent och definiera dess prompt/instruktioner för att tolka enskilda feedbackposter.
- Öppna Secondary AI Agent och definiera dess prompt för att sammanfatta eller extrahera nyckelinsikter.
- Säkerställ att Azure Chat Model är ansluten som språkmodell för AI Processing Agent och lägg till autentiseringsuppgifter där.
- Säkerställ att Azure Chat Model B är ansluten som språkmodell för Secondary AI Agent och lägg till autentiseringsuppgifter där.
- Autentisering krävs: Anslut era Azure OpenAI-uppgifter i Azure Chat Model och Azure Chat Model B (autentiseringsuppgifter läggs till i modellnoderna, inte i agentnoderna).
Steg 5: bearbeta AI-utdata och bygg e-postsammanfattningen
Dessa kodnoder förfinar AI-utdata och avgör vilka poster som sammanfattas.
- Öppna Interpret AI Output och säkerställ att den konverterar AI-svar till strukturerade fält för loggning.
- Öppna Filter Latest Entries och verifiera att den bara väljer de senaste posterna för sammanfattningsrapportering.
- Bekräfta flödet från Filter Latest Entries till Dispatch Email Summary.
Steg 6: konfigurera utdata och notifieringar
Arbetsflödet loggar bearbetad feedback och skickar en sammanfattning via e-post.
- Öppna Append to Sheets Log och bekräfta att kolumnerna matchar utdatafälten från Interpret AI Output.
- Öppna Dispatch Email Summary och konfigurera mottagare, ämne och mall för e-postinnehåll.
- Autentisering krävs: Anslut era Email/SMTP-uppgifter i Dispatch Email Summary.
Steg 7: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta end-to-end-bearbetning innan ni aktiverar.
- Klicka Execute Workflow från Manual Execution Start för att köra ett fullständigt test.
- Verifiera att Fetch Sheet Rows hämtar data, Append to Sheets Log skriver en rad och att Dispatch Email Summary skickar ett e-postmeddelande.
- Kontrollera utdata i loggarket för att säkerställa att AI-fälten tolkas korrekt.
- När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- Behörigheter i Google Sheets orsakar tysta fel oftare än man tror. Om nya rader inte läses in eller läggs till, kontrollera först åtkomsten för det anslutna Google-kontot och det exakta kalkylarks-ID:t.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Azure OpenAI-deployments kan byta namn eller roteras. Om AI-noderna plötsligt ger fel, verifiera att deployment-namn, endpoint-URL och API-nyckel fortfarande är giltiga i dina n8n-credentials.
Vanliga frågor
Cirka 30 minuter om ditt Sheet och din Azure OpenAI-åtkomst är redo.
Nej. Du kopplar konton och justerar ett par fält och prompter i n8n.
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 med Azure OpenAI-användning, som varierar beroende på hur många affärer du bearbetar.
Två alternativ: n8n Cloud (hanterat, 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 är en vanlig justering. Byt ut den manuella triggern mot en daglig schematrigger och justera sedan logiken för ”filtrera senaste poster” så att den bara inkluderar rader från det senaste dygnet. Många team skärper också AI-prompten till att fokusera på ”endast nya teman” så att mejlet blir kort. Om du vill kan du skicka den dagliga outputen till Slack och behålla det veckovisa HTML-mejlet för ledningen.
Oftast beror det på en utgången Google-auth-token eller att det anslutna kontot har förlorat åtkomst till kalkylarket. Återanslut Google Sheets-credentials i n8n och bekräfta sedan att Sheet-ID och fliknamn fortfarande stämmer. Om det bara fallerar vid append, kontrollera att loggbladet som är mål har förväntade kolumner och att ingen har skyddat intervallet.
För de flesta små team fungerar hundratals affärer i veckan bra, men den praktiska gränsen beror på din n8n-plan och Azure OpenAI-kapacitet.
Ofta, ja. Det här flödet drar nytta av n8n:s batchning, branching och hur det hanterar strukturerade AI-outputar utan att göra varje liten kontroll till en betald ”task”. Self-hosting är också en verklig fördel om du vill köra hög volym utan att oroa dig för körningsbegränsningar. Zapier eller Make kan fortfarande passa för ett enkelt flöde av typen ”ny rad → skicka mejl”, men det blir snabbt klumpigt när du lägger till AI-analys per affär och loggning. Prata med en automationsexpert om du vill ha en snabb rekommendation baserad på din volym och dina rapporteringsbehov.
När detta väl rullar slutar win/loss-anteckningar att vara ”intressanta” och blir användbara. Flödet tar hand om de repetitiva delarna så att teamet kan fokusera på vad som ska förbättras härnäst.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.