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

Google Sheets + WooCommerce: prova-på-bilder på autopilot

Rickard Andersson Partner, Nodenordic.se

Att lansera nya produkter borde inte innebära att jaga bildlänkar, dubbelkolla produkt-ID:n och ändå missa en galleriuppdatering i värsta möjliga ögonblick. Men det är precis vad som händer när ”kalkylarket är källan till sanningen” och WooCommerce uppdateras för hand.

Den här Sheets WooCommerce-automationen slår först mot e-handelsansvariga, och ärligt talat känner butiksägare och marknadsansvariga av den också. Du får virtuella provbilder som genereras automatiskt och sedan läggs in i rätt produktgalleri utan manuellt merjobb.

Nedan ser du hur arbetsflödet körs, vad det fixar och vad du behöver för att sätta upp det en gång och sedan återanvända vid varje lansering.

Så här fungerar automationen

Hela n8n-arbetsflödet, från trigger till slutresultat:

n8n Workflow Template: Google Sheets + WooCommerce: prova-på-bilder på autopilot

Problemet: provbilder skalar inte med manuella uppdateringar

Om du säljer kläder känner du redan till den här jobbiga kompromissen. Riktiga fotograferingar ser bra ut, men de är långsamma och dyra. AI-genererade provbilder går snabbare, men ”snabbt”-delen försvinner när arbetsflödet blir en röra av flikar: hämta en modellbildlänk, hämta en produktbildlänk, klistra in båda i ett AI-verktyg, vänta, ladda ner, ladda upp någonstans, uppdatera produktgalleriet och sedan uppdatera kalkylarket så att teamet slutar fråga ”är det klart än?”. Missar du ett produkt-ID eller väljer fel rad publicerar du fel bilder på fel produkt. Det är inte bara irriterande. Det kan rasera förtroendet.

Det bygger snabbt på. Och det skapar oftast fel på samma få ställen.

  • Varje SKU blir en flerstegs copy/paste-rutin, vilket gör att lanseringar drar ut från timmar till dagar.
  • Bildlänkar blandas ihop mellan rader, så rätt modell får på sig fel plagg.
  • WooCommerce-gallerier uppdateras inte konsekvent, så kunder ser inaktuella eller ofullständiga bilder.
  • Ingen kan se vad som är ”klart” eftersom kalkylarket inte uppdateras i samma stund som bilden är färdig.

Lösningen: generera provbilder från ett kalkylark och uppdatera sedan WooCommerce

Det här arbetsflödet gör Google Sheets till din kontrollcentral för produktion av provbilder. Du lägger till en rad med en URL till modellbilden, en URL till produktbilden och WooCommerce produkt-ID. Sedan plockar n8n upp alla rader som ännu saknar slutresultat, skickar bilderna till Fal.ai:s Nano Banana-modell och väntar på att AI-jobbet ska bli klart. När resultatet är redo laddar automationen ner den genererade bilden, laddar upp den till en Google Drive-mapp för strukturerad lagring, skriver tillbaka den slutliga bild-URL:en i samma rad i Google Sheets och uppdaterar motsvarande WooCommerce-produkt genom att lägga till bilden i dess galleri. En rad blir en färdig asset och en liveuppdatering av produkten.

Arbetsflödet startar med en manuell körning i n8n, vilket är praktiskt när du vill bearbeta en batch vid begäran. Därifrån loopar det igenom raderna i ditt kalkylark, genererar provbilden och använder en enkel statuskontroll för att vänta tills Fal.ai rapporterar ”COMPLETED”. Till sist skickar det output till Google Drive, uppdaterar kalkylarket och uppdaterar WooCommerce så att din butik visar det nya materialet direkt.

Det här får du: automation vs. resultat

Exempel: så här ser det ut i praktiken

Säg att du lanserar 40 nya toppar och vill ha en provbild per produkt. Manuellt är även en ”snabb” process (hämta länkar, generera, ladda ner, ladda upp, uppdatera WooCommerce, uppdatera arket) cirka 10 minuter per SKU, så du landar på ungefär 6–7 timmar repetitivt arbete. Med det här arbetsflödet lägger du cirka 30 minuter på att förbereda arket, sedan kör du batchen och låter den jobba i bakgrunden medan du gör annat. Du väntar fortfarande på AI-genereringstiden, men du behöver inte sitta vid tangentbordet.

Det här behöver du

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
  • Google Sheets för att lagra input och följa upp resultat.
  • WooCommerce för att uppdatera produktgallerier automatiskt.
  • Fal.ai API-nyckel (hämtas i din fal.ai-dashboard).

Kunskapsnivå: Medel. Du kopplar konton, lägger till autentisering och mappar några fält (ingen kod, men du bör vara bekväm med att klicka runt i n8n).

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

Så fungerar det

Google Sheets startar processen. Du kör arbetsflödet manuellt i n8n, och det läser arket efter rader där cellen ”IMAGE RESULT” är tom.

Datan struktureras och mappas. n8n hämtar URL till modellbilden, URL till produktbilden och WooCommerce produkt-ID från varje rad så att nästa steg blir konsekventa.

Fal.ai genererar provbilden. Arbetsflödet skickar en begäran för att skapa bilden, väntar cirka en minut och kontrollerar sedan status tills Fal.ai bekräftar att jobbet är klart. Om den inte är redo väntar det igen.

Resultat går till Drive och WooCommerce. När den är klar laddar n8n ner den genererade bilden, laddar upp den till Google Drive för lagring, skriver tillbaka den slutliga URL:en till Google Sheets och uppdaterar WooCommerce produktgalleri som hör till det produkt-ID:t.

Du kan enkelt ändra prompten och målmappen så att det matchar ditt varumärke och din asset-struktur. Se hela implementeringsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: Konfigurera den manuella triggern

Det här arbetsflödet startas manuellt så att ni kan testa den virtuella provningen vid behov.

  1. Lägg till och behåll noden Manual Start Trigger som startpunkt.
  2. Koppla Manual Start Trigger till Read Sheet Records.

Steg 2: Anslut Google Sheets

Hämta inmatningsrader som behöver en provbild och förbered dem för bearbetning.

  1. Öppna Read Sheet Records och välj ditt kalkylark i Document.
  2. Ställ in Sheet till Foglio1 (gid=0).
  3. Under filter, behåll uppslagskolumnen IMAGE RESULT med uppslagsvärdet = för att hämta rader som saknar resultat.
  4. Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter.
  5. Verifiera att Read Sheet Records skickar output till Batch Items Loop för bearbetning rad för rad.

Tips: Säkerställ att ert ark har kolumnerna IMAGE MODEL, IMAGE PRODUCT och PRODUCT ID så att nedströmsuttryck tolkas korrekt.

Steg 3: Mappa indatafält och loopa objekt

Förbered modellens och produktbildens URL:er för try-on-API:et.

  1. Behåll Batch Items Loop efter Read Sheet Records för att bearbeta en rad i taget.
  2. I Map Input Fields, ställ in model till {{ $json['IMAGE MODEL'] }}.
  3. Ställ in shirt till {{ $json['IMAGE PRODUCT'] }}.
  4. Bekräfta att flödet är Batch Items LoopMap Input FieldsGenerate TryOn Image.

⚠️ Vanlig fallgrop: Om kolumnnamnen i ert ark inte exakt matchar IMAGE MODEL och IMAGE PRODUCT, kommer API-förfrågan att skickas med tomma bild-URL:er.

Steg 4: Sätt upp try-on-API-förfrågan och statusloop

Skicka bilderna till API:et, vänta på att det blir klart och polla förfrågningsstatus tills det är slutfört.

  1. I Generate TryOn Image, ställ in URL till https://queue.fal.run/fal-ai/nano-banana/edit och Method till POST.
  2. Ställ in JSON Body till { "prompt": "make a photo of the model wearing the submitted clothing item and creating the themed background", "image_urls": [ "{{ $json.model }}", "{{ $json.shirt }}" ] }.
  3. Credential Required: Anslut era httpHeaderAuth-uppgifter i Generate TryOn Image, Check Request Status och Fetch Result URL.
  4. I Pause for Completion, behåll Amount inställt på 10 sekunder.
  5. I Check Request Status, ställ in URL till https://queue.fal.run/fal-ai/nano-banana/requests/{{ $('Generate TryOn Image').item.json.request_id }}/status.
  6. Konfigurera Status Completed? så att den kontrollerar att Left Value {{ $json.status }} är lika med COMPLETED.
  7. Säkerställ att Status Completed? går till Fetch Result URL när den är true och tillbaka till Pause for Completion när den är false.

Steg 5: Ladda ner, lagra och uppdatera resultat

Hämta den slutliga bilden, lagra den i Drive, uppdatera arket och synka WooCommerce-produkten.

  1. I Fetch Result URL, ställ in URL till https://queue.fal.run/fal-ai/nano-banana/requests/{{ $json.request_id }}.
  2. I Download Result Image, ställ in URL till {{ $json.images[0].url }}.
  3. I Upload to Drive, ställ in Name till {{ $now.format('yyyyLLddHHmmss') }}-{{ $json.images[0].file_name }} och välj er målmapp.
  4. Credential Required: Anslut era googleDriveOAuth2Api-uppgifter i Upload to Drive.
  5. I Update Sheet Result, ställ in Row till {{ $('Batch Items Loop').item.json.row_number }} och IMAGE RESULT till {{ $('Download Result Image').item.json.images[0].url }}.
  6. Credential Required: Anslut era googleSheetsOAuth2Api-uppgifter i Update Sheet Result.
  7. I Update WooCommerce Product, ställ in Product ID till {{ $('Batch Items Loop').item.json['PRODUCT ID'] }} och bildens src till {{ $('Download Result Image').item.json.images[0].url }}.
  8. Credential Required: Anslut era wooCommerceApi-uppgifter i Update WooCommerce Product.
  9. Verifiera att loopen stängs med Update WooCommerce ProductBatch Items Loop för att bearbeta nästa rad.

⚠️ Vanlig fallgrop: Om row_number inte finns i er Google Sheets-output, kommer Update Sheet Result inte att matcha rätt rad för uppdateringar.

Steg 6: Testa och aktivera ert arbetsflöde

Kör ett manuellt test för att bekräfta att arbetsflödet skapar, lagrar och publicerar provbilden korrekt.

  1. Klicka på Execute Workflow och trigga Manual Start Trigger.
  2. Bekräfta att Generate TryOn Image returnerar ett request_id och att Status Completed? till slut går vidare till Fetch Result URL.
  3. Kontrollera att Upload to Drive sparar en fil med det tidsstämplade namnet och att Update Sheet Result skriver URL:en för IMAGE RESULT.
  4. Verifiera att Update WooCommerce Product uppdaterar produktbilden för angivet PRODUCT ID.
  5. När allt fungerar, slå på arbetsflödet till Active för användning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • Google Sheets-behörigheter kan vara knepiga med delade enheter. Om det skapar fel, kontrollera först n8n-inloggningen för Google Sheets och delningsinställningarna för kalkylarket.
  • Om du använder Wait-noder eller extern rendering varierar bearbetningstider. Öka väntetiden om noder längre fram fallerar på tomma svar.
  • WooCommerce REST API-nycklar kan fallera om nyckeln saknar skrivrättigheter eller om butikens URL är lite fel. Dubbelkolla autentiseringen i WooCommerce-noden och bekräfta att nyckeln har läs/skriv-åtkomst.

Vanliga frågor

Hur lång tid tar det att sätta upp den här Sheets WooCommerce-automationen?

Cirka en timme om ditt kalkylark och dina WooCommerce API-nycklar är klara.

Behöver jag kunna koda för att automatisera provbilder med den här Sheets WooCommerce-automationen?

Ingen kod krävs. Du kopplar Google Sheets, Fal.ai och WooCommerce och mappar sedan några fält, som bild-URL:er och produkt-ID:n.

Är n8n gratis att använda för det här arbetsflödet för Sheets WooCommerce-automation?

Ja. n8n har ett gratisalternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med Fal.ai API-kostnader, som beror på hur många bilder du genererar.

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

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

Kan jag anpassa det här arbetsflödet för Sheets WooCommerce-automation för flera modellstilar eller varumärkesprompter?

Ja, och det bör du. Det enklaste stället är HTTP Request-noden ”Generate TryOn Image”, där prompten skickas till Fal.ai; där kan du lägga in varumärkeston, regler för ljussättning eller bakgrunder. Många team lägger till nya kolumner i kalkylarket (som ”STYLE” eller ”CAMPAIGN”) och mappar dem i ”Map Input Fields” så att varje rad styr prompten. Du kan också byta Google Drive-mapp i ”Upload to Drive” för att separera per säsong, kollektion eller kund.

Varför misslyckas min WooCommerce-anslutning i det här arbetsflödet?

Oftast är det ett API-nyckelproblem eller saknade skrivrättigheter. Skapa om WooCommerce Consumer Key/Secret, bekräfta att den är satt till läs/skriv och se till att butikens URL i WooCommerce-noden matchar din live-sajt (inklusive https). Om du använder Cloudflare eller ett säkerhetsplugin kan det också blockera REST-anrop, så kontrollera loggarna där också.

Hur många produkter kan den här Sheets WooCommerce-automationen hantera?

Några hundra produkter per batch är realistiskt, men begränsningen är oftast AI-genereringstiden och dina körningsgränser (eller serverstorlek om du kör själv).

Är den här Sheets WooCommerce-automationen bättre än att använda Zapier eller Make?

Ofta ja, eftersom det här arbetsflödet bygger på loopar, väntelägen och polling tills ett asynkront AI-jobb är klart, och de mönstren blir lätt klumpiga (och dyra) i många no-code-verktyg. n8n gör det också enklare att uppdatera flera system i en körning utan att scenariot blir en skör kedja av zaps. En annan praktisk vinst: om du kör själv betalar du inte per litet delsteg. Zapier eller Make kan fortfarande vara bra för lätta 2-stegsuppgifter, men för provbildsgenerering plus filhantering plus WooCommerce-uppdateringar är n8n oftast det lugnare alternativet. Vill du ha en second opinion på din exakta setup? Prata med en automationsexpert.

När det här väl rullar blir kalkylarket din produktionslina och WooCommerce hålls automatiskt synkat. Det är mycket lanseringskaos som försvinner med en enda uppsättning.

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