Du hittar en länk till en ”ny rapport”, öppnar den, inser att det är förra årets uppdatering och tappar sedan bort den riktiga nedladdningen i en labyrint av knappar. Upprepa det på 10 sajter och din ”snabbkoll” äter i det tysta upp halva förmiddagen.
Det är här marknadsanalytiker börjar känna sig fast. Marketing leads som försöker hålla sig uppdaterade känner det också. Samma sak gäller byråägare som bygger insight-paket åt kunder. Sheets OpenAI logging löser den irriterande biten: den hittar nya nedladdningsbara rapporter och loggar dem strukturerat, utan att du behöver vakta flikar.
Nedan ser du exakt vad automationen gör, vad du får ut av den och hur du anpassar den till dina källor och kategorier.
Så fungerar den här automationen
Hela n8n-workflowen, från trigger till slutligt resultat:
n8n Workflow Template: Google Sheets + OpenAI: nya rapporter loggas åt dig
flowchart LR
subgraph sg0["Manual Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule (Daily)", pos: "b", h: 48 }
n2@{ icon: "mdi:play-circle", form: "rounded", label: "Called by Another Workflow", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Read Active Sources", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Loop Over Sources", pos: "b", h: 48 }
n5["<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/httprequest.dark.svg' width='40' height='40' /></div><br/>Fetch Publication Page"]
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/markdown.dark.svg' width='40' height='40' /></div><br/>Convert HTML to Markdown"]
n7@{ icon: "mdi:robot", form: "rounded", label: "AI Report Discovery Agent", pos: "b", h: 48 }
n8@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n9["<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/>Validate & Normalize Output"]
n10@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Valid Report Found?", pos: "b", h: 48 }
n11@{ icon: "mdi:database", form: "rounded", label: "Save Discovered Report", pos: "b", h: 48 }
n12@{ icon: "mdi:database", form: "rounded", label: "Log No Report Found", pos: "b", h: 48 }
n13@{ icon: "mdi:swap-vertical", form: "rounded", label: "Completion Summary", pos: "b", h: 48 }
n14@{ icon: "mdi:brain", form: "rounded", label: "OpenAI GPT-5.1", pos: "b", h: 48 }
n0 --> n3
n14 -.-> n7
n1 --> n3
n4 --> n13
n4 --> n5
n12 --> n4
n3 --> n4
n10 --> n11
n10 --> n12
n5 --> n6
n11 --> n4
n6 --> n7
n8 -.-> n7
n7 --> n9
n2 --> n3
n9 --> n10
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 n0,n1,n2 trigger
class n7,n8 ai
class n14 aiModel
class n10 decision
class n3,n11,n12 database
class n5 api
class n9 code
classDef customIcon fill:none,stroke:none
class n5,n6,n9 customIcon
Problemet: nya rapporter är lätta att missa (och jobbiga att spåra)
De flesta ”rapportsidor” är inte byggda för snabbhet. Nedladdningslänken kan ligga gömd under hero-banners, blandas in i ett nyhetsflöde eller vara märkt med något otydligt som ”resource” eller ”full findings”. När du bevakar flera utgivare, konkurrenter och branschorganisationer hamnar du i samma loop: öppna sajt, skanna, klicka runt, kopiera en titel, klistra in en URL och hoppas att det faktiskt är den senaste filen. Missar du en vecka är du i kapp-läge, vilket är ärligt talat värre än den dagliga kollen, eftersom du inte minns vad du redan har granskat.
Friktionen byggs på. Här är var det faller isär i verkligheten.
- Att manuellt kolla 15–20 publiceringssidor kan sluka cirka 2 timmar, och du kommer ändå inte känna dig säker på att du fångade allt.
- Team kopierar förvånansvärt ofta fel länk, särskilt när sidor innehåller både ”sammanfattningssidor” och faktiska nedladdningar.
- Du kan inte filtrera eller söka i efterhand om titlar och filtyper är inkonsekventa, så ”biblioteket” blir en dumpningsyta.
- När en sajt ändrar layout slutar dina gamla bokmärken och scraping-regler fungera, så processen försämras gradvis.
Lösningen: en AI-agent som hittar de senaste nedladdningsbara rapporterna och loggar dem
Den här workflowen gör rapportbevakning till ett pålitligt dagligt system. Den börjar med ett enkelt Google Sheet som listar dina källor (utgivarnamn, URL och valfri kategori). Enligt schema (eller vid begäran) besöker n8n varje källsida, laddar ner HTML:en och konverterar sidan till korrekt formaterad Markdown så att en AI-modell kan läsa den utan allt navigationsbrus. Därefter analyserar en AI-agent innehållet som en människa skulle göra och hittar den senaste nedladdningsbara rapporten även när länktexten är otydlig. Till sist validerar workflowen vad AI:n hittade, normaliserar datan (absoluta URL:er, filtyp, obligatoriska fält) och skriver strukturerade rader i ditt Sheet ”Discovered Reports”. Om inget giltigt hittas loggar den utfallet i stället för att krascha.
I praktiken underhåller du en lista över källor i Google Sheets. Workflowen loopar igenom listan en och en, hämtar varje sida med webbläsarliknande headers, använder OpenAI för att extrahera strukturerade fält och sparar sedan antingen en giltig träff eller en post med ”ingen rapport hittad”. Du slutar alltid med ett prydligt kalkylark som du kan filtrera, söka i och dela.
Vad du får: automation vs. resultat
| Vad den här workflowen automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du bevakar 25 källor efter nya rapporter. Manuellt tar även en ”snabb” koll kanske 5 minuter per sajt när du öppnar flikar, skannar, klickar och kopierar detaljer, vilket blir cirka 2 timmar. Med den här workflowen lägger du in de 25 URL:erna en gång i Google Sheets, och sedan gör en daglig schemakörning surfandet och loggningen automatiskt. Din tid sjunker till ungefär 10 minuter för att granska raderna i ”Discovered Reports” och plocka det som är relevant.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Sheets för att lagra källor, träffar och loggar.
- OpenAI för att extrahera titlar, länkar och beskrivningar.
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard).
Svårighetsnivå: Medel. Du kopplar in inloggningar, väljer rätt Sheets/flikar och (valfritt) justerar en AI-prompt och ett valideringssteg.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett dagligt schema (eller manuell körning) sätter igång. Du kan trigga den med den inbyggda dagliga schemaläggningen, köra den manuellt när du testar eller anropa den från en annan workflow när du vill ha ”rapportupptäckt” som en återanvändbar modul.
Google Sheets tillhandahåller källistan. Workflowen läser fliken ”Report Sources” och bearbetar sedan varje rad en i taget. Den batchningen är viktig, eftersom en trasig sajt inte ska krascha hela körningen.
Sidor hämtas, rensas och tolkas. n8n hämtar varje publiceringssida via HTTP, konverterar rå HTML till Markdown och skickar det rensade innehållet till en AI-agent som drivs av en OpenAI-chatmodell. Agenten instrueras att hitta den senaste nedladdningsbara rapporten och returnera strukturerade fält i ett strikt JSON-format.
Bara giltiga träffar sparas. Workflowen normaliserar URL:er (relativa till absoluta), kontrollerar filtyp-signaler (PDF, Excel, Word, PowerPoint) och routar sedan resultatet. Giltiga poster läggs till i ”Discovered Reports” och utfall med ”inget hittat” hamnar i ”Discovery Log”, så att du kan bevaka källor som kan behöva åtgärdas.
Du kan enkelt justera upptäcktsreglerna för att prioritera specifika filtyper eller nyckelord utifrån dina behov. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Konfigurera arbetsflödets startpunkter så att ni kan köra det manuellt, enligt ett schema eller via ett annat arbetsflöde.
- Lägg till och behåll Manual Execution Start för att möjliggöra tester på begäran.
- Konfigurera Daily Schedule Trigger för automatiserade körningar (ställ in önskat intervall i schemaregeln).
- Aktivera Workflow Invocation Trigger med Input Source inställt på
passthroughså att andra arbetsflöden kan anropa detta.
Steg 2: anslut Google Sheets
Anslut kalkylbladet som lagrar källor, upptäckta rapporter och loggar över saknade rapporter.
- Öppna Retrieve Active Sources och välj kalkylbladet med Document ID inställt på
YOUR_SPREADSHEEToch Sheet Name inställt påReport Sources. - Inloggningsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-inloggningsuppgifter i Retrieve Active Sources. - Öppna Store Discovered Report och ställ in Operation till
appendOrUpdate, Document ID tillYOUR_SPREADSHEEToch Sheet Name tillDiscovered Reports. - Inloggningsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-inloggningsuppgifter i Store Discovered Report. - Öppna Record Missing Report och ställ in Operation till
appendOrUpdate, Document ID tillYOUR_SPREADSHEEToch Sheet Name tillDiscovery Log. - Inloggningsuppgifter krävs: Anslut era
googleSheetsOAuth2Api-inloggningsuppgifter i Record Missing Report.
Report Sources, Discovered Reports eller Discovery Log kommer arbetsflödet misslyckas med att läsa eller skriva data.Steg 3: ställ in AI-extraktion
Konfigurera AI-modellen och den strukturerade parsern som identifierar och formaterar rapportdata.
- Öppna OpenAI Chat Model och ställ in Model till
gpt-5.1och Temperature till0.1. - Inloggningsuppgifter krävs: Anslut era
openAiApi-inloggningsuppgifter i OpenAI Chat Model. - Bekräfta att AI Report Finder använder Text inställt på
{{ $json.data }}, Prompt Type inställt pådefineoch att Has Output Parser är aktiverat. - Säkerställ att Structured Response Parser innehåller JSON-schemaexemplet för
source,title,link,file_typeochdescription.
Steg 4: konfigurera bearbetning och routning
Ställ in kedjan för scraping, transformering och validering som förbereder data för lagring.
- I Iterate Source List, behåll Reset inställt på
falseför att bearbeta alla källrader i batchar. - Konfigurera Request Publication Page med URL inställt på
{{ $json.Source_URL }}och inkludera de tillhandahållna headers, såsomUser-AgentochAccept. - Ställ in Transform HTML to Markdown HTML till
{{ $json.data }}för att konvertera sidinnehållet före AI-extraktion. - Gå igenom Normalize and Validate Data för att säkerställa att valideringslogiken kontrollerar
http-länkar och tilldelar statusar somDiscoveredellerNo Report Found. - I Report Validity Check, behåll boolean-villkoret
{{ $json.isValid }}lika medtrueför att routa giltiga fynd till lagring.
Steg 4: konfigurera utdata-/åtgärdsnoder
Definiera hur upptäckta och saknade rapporter lagras och hur körningen sammanfattas.
- Bekräfta att Store Discovered Report tar emot giltiga utdata från Report Validity Check och skriver dem till bladet
Discovered Reports. - Bekräfta att Record Missing Report tar emot ogiltiga utdata och lägger till dem i bladet
Discovery Log. - I Completion Overview, behåll sourcesChecked inställt på
{{ $items().length }}och completedAt inställt på{{ $now.toISO() }}.
Steg 5: testa och aktivera ert arbetsflöde
Kör ett fullständigt test för att verifiera dataextraktion, validering och lagring innan ni går live.
- Klicka på Execute Workflow från Manual Execution Start för att köra ett testvarv.
- Verifiera att Request Publication Page returnerar HTML och att AI Report Finder producerar strukturerad JSON.
- Bekräfta att rader läggs till eller uppdateras i Store Discovered Report och Record Missing Report baserat på villkoret i Report Validity Check.
- Kontrollera Completion Overview för det totala antalet bearbetade källor och en aktuell ISO-tidsstämpel.
- När ni är nöjda, slå om arbetsflödet till Active så att Daily Schedule Trigger kör det automatiskt.
Vanliga fallgropar
- Google Sheets-inloggningar kan gå ut eller kräva specifika behörigheter. Om saker slutar fungera, kolla n8n-skärmen Credentials och bekräfta att det anslutna Google-kontot fortfarande har åtkomst till kalkylarket.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om nedströms noder fallerar på tomma svar.
- OpenAI-användning kan slå i rate limits när du lägger till många källor samtidigt. Om du ser intermittenta fel, sänk batchstorleken eller lägg in en liten fördröjning och bekräfta att din API-nyckel fortfarande har saldo.
Vanliga frågor
Cirka en timme om ditt Google Sheet är redo och du redan har en OpenAI API-nyckel.
Nej. Du kopplar konton, väljer dina kalkylarksflikar och justerar några fält. Den enda ”tekniska” delen är valfri: att redigera AI-prompten om du vill ha striktare regler.
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 OpenAI API-kostnader, som vanligtvis är några cent per källa beroende på modell och sidstorlek.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och klarar n8n bra. Self-hosting ger obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det är en av de bästa justeringarna du kan göra. Uppdatera prompten i AI-agenten AI Report Finder så att den prioriterar pdf:er och kräver nyckelord som ”benchmark”, ”outlook” eller din konkurrents namn, och skärp sedan reglerna i steget Normalize and Validate Data så att poster som inte matchar markeras som ogiltiga. Du kan också lägga till en kolumn Category i fliken ”Report Sources” och föra över den till ”Discovered Reports” så att filtrering blir smidigt.
Oftast handlar det om en OAuth-session som har gått ut eller att kalkylarket har flyttats till en annan Drive-plats. Återanslut Google Sheets-uppgiften i n8n, öppna sedan den berörda noden och välj kalkylarket igen i dropdown-menyn så att behörigheterna uppdateras. Kontrollera också att dina flikar heter exakt som förväntat (“Report Sources,” “Discovered Reports,” och “Discovery Log”). Om det fortfarande inte fungerar, bekräfta att Google-kontot du kopplade kan redigera filen, inte bara visa den.
Dussintals per dag är normalt, och hundratals är möjligt om du tempoanpassar batcherna och dina API-begränsningar tillåter det.
Oftast, ja, eftersom den här workflowen mår bra av mer kontroll än en enkel tvåstegszap. Du hämtar webbsidor, transformerar HTML till Markdown, anropar en AI-agent, tillämpar ett strukturerat JSON-schema och validerar sedan resultat innan du skriver till Sheets. n8n hanterar den typen av förgrening och logik för ”om det är ogiltigt, logga det ändå” på ett rent sätt. Zapier och Make kan göra delar av det, men så fort du behöver strikt parsning, retries och rikare validering brukar upplägget bli skört och dyrt. Om du är osäker, prata med en automationsexpert så får du en rak rekommendation.
När det här väl rullar slutar ”missade vi något?” vara en daglig oro. Ditt kalkylark hålls uppdaterat, och din hjärna får göra den nyttiga delen: att förstå vad rapporterna faktiskt säger.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.