Du sätter dig för att “bara lägga upp något”, och plötsligt researchar du, skriver, skriver om, kortar för X, bygger ut för LinkedIn och jagar sedan hashtags. Halva dagen försvinner i flikar och små ändringar.
Den här automatiseringen för Sheets ChatGPT-utkast träffar marknadschefer först, eftersom konsekvens alltid är problemet. Men grundare som gör sitt innehåll själva och byråteam som levererar inlägg åt kunder känner av det också. Målet är enkelt: en rad i kalkylarket blir tre redigeringsklara utkast, i din röst, utan den röriga kopiera-klistra-in-loopen.
Nedan ser du hur arbetsflödet gör om idéer till plattformsspecifika utkast, vad du behöver för att köra det och hur mycket tid det faktiskt frigör varje vecka.
Så fungerar automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Google Sheets + ChatGPT: utkast för LinkedIn, X, IG
flowchart LR
subgraph sg0["Google Sheets Flow"]
direction LR
n0@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n2@{ icon: "mdi:database", form: "rounded", label: "Update Campaign", pos: "b", h: 48 }
n3@{ icon: "mdi:play-circle", form: "rounded", label: "Google Sheets Trigger", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Search Fields", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "LinkedIn", pos: "b", h: 48 }
n6@{ icon: "mdi:robot", form: "rounded", label: "X", pos: "b", h: 48 }
n7@{ icon: "mdi:robot", form: "rounded", label: "IG", pos: "b", h: 48 }
n8@{ icon: "mdi:brain", form: "rounded", label: "ChatGPT Model for LinkedIn", pos: "b", h: 48 }
n9@{ icon: "mdi:brain", form: "rounded", label: "ChatGPT Model for X (Twitter)", pos: "b", h: 48 }
n10@{ icon: "mdi:brain", form: "rounded", label: "ChatGPT Model for Instagram", pos: "b", h: 48 }
n11@{ icon: "mdi:cog", form: "rounded", label: "Search", pos: "b", h: 48 }
n6 --> n7
n7 --> n2
n11 --> n1
n5 --> n6
n0 --> n5
n1 --> n0
n4 --> n11
n3 --> n4
n8 -.-> n5
n10 -.-> n7
n9 -.-> n6
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 n3 trigger
class n5,n6,n7 ai
class n8,n9,n10 aiModel
class n2 database
Problemet: en idé blir tre separata skrivjobb
Att skriva “ett inlägg” låter som en uppgift tills du försöker publicera på LinkedIn, X och Instagram. Varje plattform vill ha olika längd, rytm, formatering och hashtags. Lägg på research ovanpå och det blir snabbt irriterande: du letar upp några källor, plockar en siffra, öppnar ett dokument och börjar sedan kapa och kapa igen eftersom X är strikt. Samtidigt är din idélista utspridd (anteckningsapp, dokument, Slack-meddelanden), så du tappar tråden och slutar med att posta mer sällan än du tänkt.
Det är inte ett stort misslyckande. Det är en hög småfriktioner som fortsätter stjäla tid.
- Du skriver om samma idé tre gånger, vilket bränner kreativ energi du egentligen behöver till bättre hooks.
- Research sker ad hoc, så inläggen känns tunna eller daterade när du väl publicerar dem.
- Att flytta utkast mellan verktyg skapar formateringsstrul och ibland misstag med “fel version”.
- Det finns ingen tydlig feedbackloop, eftersom dina utkast inte lagras på ett ställe med en repeterbar struktur.
Lösningen: Google Sheets → Tavily-research → ChatGPT-utkast tillbaka till ditt ark
Det här arbetsflödet gör ditt kalkylark till en lättviktig innehållsmotor. Du lägger till en ny rad i Google Sheets med kampanjnamn, innehållsämne och målgrupp. n8n plockar upp det direkt och använder sedan Tavily för att hämta aktuella, relevanta webbinsikter om ämnet så att utkastet har något konkret att säga. Därefter genererar ChatGPT tre separata utkast, var och en anpassad för plattformen du faktiskt postar på: en längre LinkedIn-version med struktur och en uppmaning till handling, ett kort X-utkast som håller sig inom teckengränsen och en Instagram-caption med lättskannad formatering plus bildförslag. Till sist skriver arbetsflödet tillbaka allt i samma Google Sheet och fyller i LinkedIn-, X- och IG-kolumnerna automatiskt.
Arbetsflödet startar med en ny rad i Google Sheets. Sedan samlar Tavily in färsk kontext och n8n sammanfogar den till ett enda researchpaket. ChatGPT producerar plattformsfärdiga utkast, och arket uppdateras så att du kan granska och publicera utan att leta runt i verktyg.
Det du får: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du publicerar tre gånger i veckan på LinkedIn, X och Instagram. Manuellt är en rimlig cykel ungefär 20 minuter research plus cirka 15 minuter per plattform för att skriva och formatera, vilket är runt 1 timme per idé (alltså cirka 3 timmar i veckan). Med det här arbetsflödet lägger du kanske 5 minuter på att lägga till en rad (kampanj, ämne, målgrupp), väntar på genereringen och granskar utkasten i arket. Realistiskt är du nere på cirka 15 minuter per idé, vilket innebär att du får tillbaka ungefär 2 timmar varje vecka.
Det du behöver
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Sheets för att lagra idéer och ta emot utkast
- OpenAI (ChatGPT) för att generera utkast till LinkedIn/X/IG-inlägg
- Tavily API-nyckel (hämta den i din Tavily-dashboard)
Svårighetsgrad: Nybörjare. Du kopplar konton, klistrar in API-nycklar och redigerar några prompter för tonläge.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
En ny rad i Google Sheets sätter igång allt. När du lägger till kampanj, ämne och målgrupp plockar arbetsflödet upp det direkt. Inga knappar att trycka på.
Din rad struktureras och förbereds för research. n8n mappar kolumnerna till konsekventa fält, så att research- och skrivstegen inte blir röriga när någon skriver in lite olika värden.
Tavily hämtar färsk kontext från webben. Det söker efter nya källor relaterade till ditt ämne, delar upp resultaten i användbara delar och aggregerar dem sedan till ett researchpaket som skrivprompterna kan referera till.
ChatGPT genererar tre utkast och arket uppdateras. LinkedIn får ett längre, strukturerat inlägg med en uppmaning till handling, X får en tajt version som håller sig inom teckengränsen och Instagram får lättskannad text plus bildidéer. Allt sparas tillbaka i samma rad så att granskningen går snabbt.
Du kan enkelt justera prompterna för att ändra ton, formatering eller hashtag-stil utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera Google Sheets-triggern
Konfigurera arbetsflödet så att det startar varje gång ert kampanjblad ändras.
- Lägg till och öppna Sheets Change Trigger.
- Välj Google Sheets-dokumentet och kalkylbladet som ska driva nya kampanjer.
- Definiera ändringsvillkoret (t.ex. ny rad eller uppdaterad rad) som passar er kampanjspårning.
- Credential Required: Anslut era Google Sheets-inloggningsuppgifter.
Steg 2: Anslut Google Sheets
Konfigurera uppdateringen tillbaka till ert kampanjblad efter att publiceringen är klar.
- Öppna Modify Campaign Sheet.
- Välj samma Google Sheets-fil som används av Sheets Change Trigger.
- Ställ in den åtgärd ni behöver (t.ex. uppdatera statuskolumner eller skriva in publicerings-URL:er).
- Credential Required: Anslut era Google Sheets-inloggningsuppgifter.
Steg 3: Ställ in sökparametrar och webbsökning
Förbered sökparametrar och hämta stödmaterial till AI-publicerarna.
- Öppna Assign Search Fields och definiera fälten som matar er researchfråga.
- Öppna Web Lookup och konfigurera frågeparametrarna så att de använder fälten från Assign Search Fields.
- Credential Required: Anslut era Tavily-inloggningsuppgifter.
- Säkerställ att Web Lookup skickar utdata till Separate Items och därefter till Combine Results för aggregering.
Steg 4: Ställ in AI-publicerare och språkmodeller
Konfigurera AI-agenterna för varje social kanal och anslut OpenAI-chattmodellerna.
- Öppna LinkedIn Publisher och konfigurera prompts eller instruktioner för generering av LinkedIn-innehåll.
- Öppna X Social Publisher och konfigurera prompts eller instruktioner för generering av innehåll för X.
- Öppna Instagram Publisher och konfigurera prompts eller instruktioner för generering av Instagram-innehåll.
- Säkerställ att LinkedIn GPT Model är ansluten som språkmodell för LinkedIn Publisher — lägg till OpenAI-inloggningsuppgifter i LinkedIn GPT Model, inte i agentnoden.
- Säkerställ att X GPT Model är ansluten som språkmodell för X Social Publisher — lägg till OpenAI-inloggningsuppgifter i X GPT Model, inte i agentnoden.
- Säkerställ att Instagram GPT Model är ansluten som språkmodell för Instagram Publisher — lägg till OpenAI-inloggningsuppgifter i Instagram GPT Model, inte i agentnoden.
- Credential Required: Anslut era OpenAI-inloggningsuppgifter (på LinkedIn GPT Model, X GPT Model och Instagram GPT Model).
Steg 5: Konfigurera publiceringsflödet och uppdateringar
Verifiera ordningen för publicering och slutliga uppdateringar i arket.
- Bekräfta flödesordningen: Combine Results → LinkedIn Publisher → X Social Publisher → Instagram Publisher → Modify Campaign Sheet.
- Säkerställ att Separate Items matar in i Combine Results för att aggregera uppslagsdata innan publicering.
- Justera eventuella mappningar i Modify Campaign Sheet för att skriva tillbaka publiceringsstatus, URL:er eller tidsstämplar.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett fullständigt test för att säkerställa att innehåll genereras, publiceras och loggas korrekt.
- Klicka på Execute Workflow och uppdatera en rad i ert ark för att trigga Sheets Change Trigger.
- Verifiera att Assign Search Fields, Web Lookup, Separate Items och Combine Results slutförs utan fel.
- Bekräfta att utdata går vidare genom LinkedIn Publisher, X Social Publisher och Instagram Publisher i rätt ordning.
- Kontrollera Modify Campaign Sheet för uppdaterade statusvärden eller publiceringslänkar.
- När allt är verifierat, slå på arbetsflödet Active för användning i produktion.
Vanliga fallgropar
- Google Sheets-inloggningar kan löpa ut eller kräva särskilda behörigheter. Om det slutar fungera, kontrollera din Credentials-panel i n8n och bekräfta att det anslutna Google-kontot fortfarande har åtkomst till arket.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om nedströms noder misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in ert varumärkestonläge tidigt, annars kommer du att redigera utdata i all evighet.
Vanliga frågor
Cirka 30 minuter om dina API:er och arket är redo.
Nej. Du kopplar Google Sheets, klistrar in dina API-nycklar och justerar prompterna för tonläge.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 $/månad för högre volymer. Du behöver också räkna in användning av OpenAI- och Tavily-API, vilket vanligtvis landar på några dollar i månaden vid normal publiceringstakt.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärt och klarar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Du justerar systemprompterna i noderna som genererar LinkedIn-, X- och Instagram-utkast så att utdata matchar ert varumärkestonläge och era formateringsregler. Vanliga justeringar är att förbjuda emojis helt, tvinga fram en specifik CTA, ändra antal hashtags och lägga till en “länktplatshållare” så att teamet kommer ihåg att lägga in rätt URL innan publicering.
Oftast är det behörigheter eller utgångna inloggningsuppgifter. Bekräfta att det anslutna Google-kontot fortfarande har redigeringsåtkomst till arket och autentisera sedan om Google Sheets-credential i n8n vid behov. Kontrollera också att kalkylarks-ID och flik/worksheet är korrekta, eftersom en kopia av ett ark ofta ändrar vad arbetsflödet pekar på.
Många, så länge dina API-gränser hänger med.
Ofta, ja, om du bryr dig om kontroll och kostnad. n8n hanterar förgreningar väl (tre olika plattformsutkast), och du kan köra egen drift för obegränsade körningar i stället för att betala mer när volymen växer. Det är också enklare att hålla hela flödet “research → aggregera → generera → skriv tillbaka” på ett ställe utan krångliga speciallösningar. Zapier eller Make kan gå snabbare för enkla tvåstegsautomatiseringar, men det här arbetsflödet tjänar på den extra flexibiliteten. Prata med en automationsexpert om du vill ha hjälp att välja.
När det här väl rullar slutar ditt innehållsflöde att ligga i huvudet. Kalkylarket blir systemet, och du får tillbaka skrivtiden till de delar som faktiskt spelar roll.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.