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

Google Sheets + Telegram: coe-köp eller vänta-varningar

Rickard Andersson Partner, Nodenordic.se

Att följa COE-priser manuellt låter enkelt. Tills du missar en torsdagsrelease, glömmer vilken kategori som stack iväg och till slut tar ett “köp eller vänta”-beslut baserat på halvt ihågkomna siffror.

Den här automationen för COE-prisaviseringar hjälper bilköpare först och främst, helt ärligt. Men fleet managers och mäklare känner samma stress när tajming påverkar budgetar, godkännanden och leveransplaner.

Du sätter upp ett n8n-flöde som hämtar officiella COE-resultat, loggar dem i Google Sheets, prognostiserar de nästa 6 månaderna med AI och pingar dig i Telegram (och via e-post) när rekommendationen ändras.

Så här fungerar automationen

Här är det kompletta flödet du kommer att sätta upp:

n8n Workflow Template: Google Sheets + Telegram: coe-köp eller vänta-varningar

Därför spelar det roll: beslut om COE-tajming är lätta att göra fel

COE-beslut går sällan fel för att du inte bryr dig. De går fel för att informationen är utspridd och tidsfönstret är snävt. Du kollar resultaten när du kommer ihåg, klistrar in siffror i ett ark “senare”, och när du väl har jämfört kategorier är läget att agera borta. Det jobbiga är den mentala belastningen: “Var förra rundan högre eller lägre?” “Är det här bara brus eller en riktig rörelse?” “Ska jag låsa nu eller vänta två cykler till?” På en månad blir de där små kontrollerna till timmar och velande.

Det drar snabbt iväg. Här är var det oftast faller isär.

  • Du sitter och jonglerar webbläsarflikar, skärmdumpar och gamla kalkylark bara för att återskapa en trendlinje.
  • Manuell kopiering skapar tysta fel, som att blanda ihop kategorier eller missa en tidsstämplad omgång.
  • När du väl upptäcker en riktig förändring reagerar du sent i stället för att planera i tid.
  • De flesta aviseringar är för brusiga, så du slutar lita på dem och går tillbaka till att “kolla när du hinner”.

Det du bygger: en AI-assisterad COE-tracker som säger köp, vänta eller bevaka

Det här flödet hämtar automatiskt Singapores COE-resultat enligt schema, validerar data och lägger till strukturerade, tidsstämplade rader i Google Sheets (och Airtable om du vill ha ett andra lager). När de nya siffrorna är på plats laddar det din historik, räknar fram användbara indikatorer som glidande medelvärden och volatilitet och bygger sedan prompts till en AI-agent som prognostiserar de nästa 6 månaderna. Därefter kör det scenario- och ROI-liknande jämförelser och letar efter meningsfulla svängningar i stället för små veckovisa ryck. När villkoren når dina trösklar skickar det ett tydligt Telegram-meddelande, plus en e-postsammanfattning med en dashboard-liknande brief så att du kan dela den internt utan att skriva om något.

Flödet startar med en schemalagd hämtning av LTA:s COE-resultat och en “försök igen om det strular”-gren så att en dålig request inte sabbar din vecka. Sedan slås indikatorer och ekonomisk kontext ihop i prognosen. Till sist spottar beslutsmotorn ur sig en köp/vänta/bevaka-rekommendation och skickar aviseringar till Telegram och e-post.

Det du bygger

Förväntade resultat

Säg att du följer 5 COE-kategorier per release och gör fyra manuella moment per kategori (kolla, kopiera, klistra in och rimlighetskontroll), på kanske 5 minuter styck. Det blir ungefär 100 minuter per release, och de flesta gör extra kontroller under veckan “för att vara säkra”. Med det här flödet sker veckohämtning och loggning automatiskt, och du lägger bara ett par minuter på att läsa Telegram-aviseringen och snabbt titta i arket. Du får tillbaka ungefär 1–2 timmar per cykel, plus färre felbeslut baserade på gamla siffror.

Innan du börjar

  • n8n-instans (prova n8n Cloud gratis)
  • Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
  • Google Sheets för huvudloggen med COE-historik.
  • Telegram för att få köp/vänta-aviseringar direkt.
  • OpenAI (eller kompatibel) API-nyckel (hämta den i din OpenAI-dashboard eller via en leverantör som OpenRouter).

Kunskapsnivå: Medel. Du kopplar konton, klistrar in API-nycklar och justerar några trösklar, men du bygger inte en app från grunden.

Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuterskonsultation).

Steg för steg

Ett schema triggar körningen. Flödet startar enligt en bestämd rytm (ofta torsdag morgon efter budgivningen), och det finns även en daglig trigger för prognoser för löpande bevakning om du vill.

COE-resultat hämtas och struktureras. n8n hämtar LTA:s COE-data via HTTP-request, tolkar prisdetaljerna och validerar posterna så att ofullständiga hämtningar inte smutsar ner din historik.

Sheets blir din enda sanningskälla. De senaste resultaten läggs till i Google Sheets, och sedan laddar flödet om din historik för att räkna ut indikatorer som glidande medelvärden, volatilitet och säsongsmönster. Ekonomiska indikatorer hämtas och transformeras också, så att prognoserna inte bygger enbart på COE-data.

AI skapar en prognos och en rekommendation. En AI-agent (med en OpenAI-kompatibel chattmodell) förutspår de nästa 6 månaderna, kör analys med flera scenarier och ger en tydlig köp/vänta/bevaka-signal. Om villkoren passerar dina trösklar skickar Telegram en kort avisering och e-post skickar en mer komplett dashboard-liknande sammanfattning.

Du kan enkelt justera aviseringströsklarna så att de matchar din risknivå utifrån dina behov. Se den fullständiga implementeringsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementation

Steg 1: konfigurera schematriggrarna

Sätt upp de två schematriggrarna som startar den tvåveckovisa skrapningen och den dagliga uppdateringen av prognoser.

  1. Öppna Biweekly COE Schedule Start och ställ in CRON Expression till 0 20 * * 3 för att köra kl. 20:00 varje onsdag.
  2. Öppna Daily Forecast Trigger och ställ in CRON Expression till 0 9 * * * för att köra dagligen kl. 09:00.
  3. Verifiera att Biweekly COE Schedule Start skickar utdata till både Fetch COE Data via Web och Resilient COE Scraper parallellt.
Tips: arbetsflödet stödjer två inläsningsvägar parallellt. Låt båda vara aktiverade så att den resilienta skraparen kan ta över om den direkta HTTP-begäran misslyckas.

Steg 2: anslut Google Sheets och Airtable

Koppla era datamål så att COE-poster lagras för historisk analys.

  1. Öppna Append to Google Sheet och bekräfta att Operation är append och att Sheet Name är COE Historical Data.
  2. Mappa kolumner i Append to Google Sheet med hjälp av de befintliga uttrycken: {{ $json.category }}, {{ $json.timestamp }}, {{ $json.biddingDate }}, {{ $json.biddingRound }}, {{ $json.bidsReceived }}, {{ $json.quotaPremium }}, {{ $json.quotaAvailable }}.
  3. Ställ in Document ID i Append to Google Sheet till {{ $json.spreadsheetId }}.
  4. Öppna Load COE History Rows och ställ in Sheet Name till COE Historical Data och Document ID till {{ $json.spreadsheetId }}.
  5. Öppna Airtable COE Append och ställ in Table till COE Historical Data.

Credential Required: Anslut era googleSheetsOAuth2Api-autentiseringsuppgifter i Append to Google Sheet och Load COE History Rows.

Credential Required: Anslut era Airtable-autentiseringsuppgifter i Airtable COE Append. Den här noden kräver autentiseringsuppgifter men inga är konfigurerade ännu.

Steg 3: konfigurera inläsning och validering av COE-data

Hämta COE-priser från LTA-portalen, parsa HTML:en och validera poster innan lagring.

  1. Öppna Fetch COE Data via Web och ställ in URL till https://onemotoring.lta.gov.sg/content/onemotoring/home/buying/upfront-vehicle-costs/certificate-of-entitlement--coe-.html med Timeout på 30000.
  2. Öppna Resilient COE Scraper för att bekräfta att den inbyggda återförsökslogiken är aktiverad för samma URL.
  3. Öppna Parse COE Price Details för att säkerställa att den parsar table tbody tr och skickar ut fält som category, quotaPremium och biddingRound.
  4. Öppna Validate COE Records och bekräfta villkoren: {{ $json.quotaPremium }} större än 0 och {{ $json.category }} är inte tomt.
  5. Säkerställ att Parse COE Price Details skickar utdata till både Append to Google Sheet och Validate COE Records parallellt, och att Validate COE Records skickar utdata till både Append to Google Sheet och Airtable COE Append parallellt.
Tips: Scrape Retry Handler är en platshållare för felsökning när valideringen misslyckas. Ni kan routa misslyckad validering hit för framtida felhantering.

Steg 4: bygg marknads- och makroindikatorer

Beräkna rullande indikatorer från historiska data och berika med makroekonomiska indikatorer.

  1. Bekräfta att Load COE History Rows skickar utdata till Compute Market Indicators så att historiska rader är tillgängliga för analys.
  2. Öppna Compute Market Indicators för att säkerställa att logiken för rullande MA och volatilitet är intakt.
  3. Ställ in Pull Economic Indicators URL till https://eservices.mas.gov.sg/api/action/datastore/search.json?resource_id=key-economic-indicators med Timeout på 15000.
  4. Öppna Transform Economic Metrics för att bekräfta att den slår ihop BNP-tillväxt och räntor med COE-metrikerna.
  5. Verifiera att Compute Market Indicators skickar utdata till Build AI Forecast Prompt, Combine Economic Data och Pull Economic Indicators parallellt.
⚠️ Vanlig fallgrop: Om MAS API ändrar fältnamn för GDP Growth eller Prime Lending Rate kommer Transform Economic Metrics att returnera nollor. Uppdatera fältnamnen om det händer.

Steg 5: sätt upp AI-prognoser och prompts

Förbered AI-prompts och anslut OpenRouter-modellen för att generera COE-prisprognoser.

  1. Öppna Build Econ AI Prompt och granska innehållet i enhancedPrompt för att säkerställa att den ekonomiska kontexten ingår.
  2. Öppna Build AI Forecast Prompt om ni planerar att använda den tekniska prompten; aktivera noden om den är inaktiverad.
  3. Öppna AI Forecast Agent och ställ in Text till {{ $json.predictionPrompt }}.
  4. Bekräfta att Build Econ AI Prompt skickar utdata till AI Forecast Agent och att Build AI Forecast Prompt skickar utdata till AI Forecast Agent.
  5. Verifiera att AI Forecast Agent skickar utdata till både Create Buy/Wait Guidance och Scenario Projection Analysis parallellt.

Credential Required: Anslut era openRouterApi-autentiseringsuppgifter i OpenRouter Chat Engine. OpenRouter Chat Engine är ansluten som språkmodell för AI Forecast Agent—säkerställ att autentiseringsuppgifterna läggs till i OpenRouter Chat Engine, inte i agent-noden.

Steg 6: konfigurera rekommendationer, larm och dashboards

Generera köp-/vänta-vägledning, dashboards och larm, med flera parallella spår för analys och notifieringar.

  1. Öppna Create Buy/Wait Guidance för att bekräfta att den kombinerar AI-prognoser med beräknade indikatorer från Compute Market Indicators.
  2. Verifiera att Create Buy/Wait Guidance skickar utdata till Assemble HTML Report, Evaluate Buy Signals, Compose Dashboard Brief, Compute ROI Scenarios, Detect Price Swings och Assess Market Volatility parallellt.
  3. Bekräfta att Scenario Projection Analysis skickar utdata till Create Buy/Wait Guidance så att scenariodata berikar rekommendationerna.
  4. Säkerställ att Compute ROI Scenarios skickar utdata till både Render Advanced Dashboard och Suggest Alternate Categories parallellt.
  5. I Evaluate Buy Signals, bekräfta att villkoren matchar: {{ $json.recommendations['Category A'].action }} är lika med BUY NOW ELLER {{ $json.recommendations['Category B'].action }} är lika med BUY NOW.
  6. I Detect Price Swings, verifiera villkoret för larmtröskel {{ Math.abs($json.recommendations['Category A']?.rateOfChange || 0) }} större än 10.
Credential Required: Anslut era Telegram-autentiseringsuppgifter i Send Telegram Notification och Send Urgent Market Alert.

Steg 7: konfigurera e-postutskick och leverans

Skicka HTML-rapporten och den avancerade dashboarden via e-post.

  1. Öppna Assemble HTML Report och bekräfta att den returnerar htmlReport och subject med analysdatumet.
  2. Öppna Render Advanced Dashboard för att bekräfta att den returnerar htmlReport och subject med den omfattande analysen.
  3. Öppna Dispatch Email Summary och ställ in Subject till {{ $json.subject }}, och uppdatera To Email och From Email till er faktiska adress.
  4. Bekräfta att både Assemble HTML Report och Render Advanced Dashboard skickar utdata till Dispatch Email Summary.
Credential Required: Anslut era e-postautentiseringsuppgifter i Dispatch Email Summary (SMTP eller integration med e-posttjänst), eftersom inga är konfigurerade.

Steg 8: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att bekräfta att datainläsning, AI-prognoser och utdata fungerar end-to-end innan aktivering.

  1. Klicka på Execute Workflow och kontrollera att Resilient COE Scraper och Parse COE Price Details producerar COE-poster.
  2. Verifiera att Append to Google Sheet lägger till rader i COE Historical Data och att Load COE History Rows returnerar historiska data.
  3. Bekräfta att AI Forecast Agent producerar strukturerade prognoser och att Create Buy/Wait Guidance genererar rekommendationer.
  4. Kontrollera att Dispatch Email Summary skickar ett e-postmeddelande som innehåller HTML-rapporten.
  5. Om larm triggas, verifiera att Send Telegram Notification och Send Urgent Market Alert levererar meddelanden till {{ $('Biweekly COE Schedule Start').item.json.telegramChatId }}.
  6. När testet lyckas, växla arbetsflödet till Active för att aktivera produktionsschemaläggning.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Tips för felsökning

  • Google Sheets-inloggningar kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera först n8n-inloggningen som används av “Append to Google Sheet”, och bekräfta sedan att kalkylarket är delat med rätt Google-konto.
  • Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att redigera utdata för alltid.

Nästa steg

Om du gillar mönstret “logga + avisera” och vill ha det i en enklare variant för ren COE-uppföljning, spara Google Sheets + Telegram: COE köp eller vänta-aviseringar som din basmall att klona och justera.

För team som gör marknadsbevakning utanför COE är Bright Data till Telegram, bästa deals flaggas snabbt användbart när du behöver scraping plus “säg till bara när det är värt att titta”.

När ditt beslutsfattande också beror på aktier passar Google Sheets + EODHD: aktiesignaler i en flik bra, eftersom du kan granska COE-signaler och marknadssignaler i samma veckovisa driftmönster.

Behöver du en extra kanal så att brådskande uppdateringar faktiskt syns? Telegram + WhatsApp kryptosignaler, skickas bara när det spelar roll visar hur du kan routa “endast hög prioritet”-meddelanden till flera messengers utan att spamma alla.

Slutligen, om du vill ha en interaktiv bot-upplevelse där du kan “fråga efter senaste siffran”, är Telegram + CoinGecko: live memecoin-priser på beställning en bra referens för att bygga frågor vid begäran vid sidan av schemalagda aviseringar.


Snabb referens:

Snabba svar

Hur lång tid tar det att sätta upp den här automationen för COE-prisaviseringar?

Cirka 45 minuter om ditt Google Sheets och din Telegram-bot är klara.

Krävs det kodning för den här automationen för COE-prisaviseringar?

Nej. Du kopplar främst konton, klistrar in API-nycklar och justerar några trösklar.

Är n8n gratis att använda för det här COE-prisaviseringsflödet?

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 in API-kostnader för en OpenAI-kompatibel tjänst, vilket oftast är några cent per prognoskörning beroende på modell och promptstorlek.

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

Två alternativ: n8n Cloud (hanterad tjänst, 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 obegränsat antal körningar men kräver grundläggande serveradministration.

Kan jag anpassa det här flödet för COE-prisaviseringar för andra användningsfall?

Ja, och det bör du. Vanliga justeringar är att ändra när schemat triggar, byta ut Telegram mot enbart e-post (eller använda båda), och justera den villkorsstyrda logiken för “köpsignal” så att den matchar dina budgetgränser. Om du vill ha andra datakällor, byt ut HTTP-requesten “Fetch COE Data via Web” och behåll resten av pipelinen. Du kan också byta AI-modell genom att uppdatera konfigurationen för chattmodell/agent utan att bygga om flödet.

Varför misslyckas min Telegram-anslutning i det här flödet?

Oftast beror det på en felaktig bot-token eller att boten aldrig lades till i chatten du försöker skicka till. Generera token igen i BotFather vid behov och uppdatera sedan Telegram-inloggningen i n8n. Dubbelkolla också chat-ID:t, eftersom det är förvånansvärt vanligt att man kopierar fel. Om du skickar många aviseringar samtidigt kan Telegram hastighetsbegränsa dig, så batcha meddelanden eller skärp dina villkor.

Vilken volym klarar det här flödet för COE-prisaviseringar?

För COE-uppföljning är volymen liten (en handfull kategorier per körning), så det kommer att rulla utan problem även på mindre planer.

Är den här automationen för COE-prisaviseringar bättre än att använda Zapier eller Make?

Ofta, ja, eftersom det här flödet blandar scraping, validering, beräkningar, villkorsgrenar och AI-prognoser. n8n hanterar den typen av “stökig mitt”-logik utan att bli en dyr kedja av premiumsteg, och du kan self-hosta om du vill ha obegränsade körningar. Zapier eller Make kan fortfarande fungera om du bara behöver en enkel avisering när ett värde ändras, och du varken prognostiserar eller gör scenarioanalys. Den verkliga frågan är hur mycket beslutslogik du vill automatisera kontra göra manuellt. Prata med en automationsexpert om du är osäker på vad som passar.

När det här väl rullar slutar COE-uppföljning vara ett måste och blir i stället ett tyst system i bakgrunden. Du får signalen när det spelar roll, och ditt kalkylark håller sig strukturerat utan att du behöver vakta det.

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

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!