Veckoprognoser låter enkelt tills du sitter med ett Google-kalkylark på söndag kväll och försöker gissa nästa veckas försäljning och lager med halvkompletta data och en trött hjärna. Det är då misstagen smyger sig in, beställningar fylls på “för säkerhets skull” och matsvinnet sakta ökar.
Den här Sheets Gmail forecast-automationen träffar restaurangoperatörer först, helt ärligt. Men chefer med flera enheter känner av den också, och byråkonsulter som bygger rapportering för kunder i hospitality hamnar i samma “kalkylarkskaos”. Du får en pålitlig veckoprognos, levererad automatiskt till rätt inkorgar.
Nedan ser du exakt vad flödet gör, vad du behöver för att köra det i n8n och hur du kan anpassa det för din meny, dina kategorier och säsongsvariationer.
Så fungerar den här automationen
Här är hela arbetsflödet som du kommer att sätta upp:
n8n Workflow Template: Google Sheets till Gmail, veckoprognoser för försäljning
flowchart LR
subgraph sg0["Scheduled Forecast Kickoff Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Scheduled Forecast Kickoff", pos: "b", h: 48 }
n1@{ icon: "mdi:database", form: "rounded", label: "Retrieve Past Sales Sheet", pos: "b", h: 48 }
n2["<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/>Shape Data for AI"]
n3@{ icon: "mdi:robot", form: "rounded", label: "AI Forecast Generator", pos: "b", h: 48 }
n4@{ icon: "mdi:wrench", form: "rounded", label: "Reasoning Helper Tool", pos: "b", h: 48 }
n5@{ icon: "mdi:brain", form: "rounded", label: "Gemini Chat Model", pos: "b", h: 48 }
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/code.svg' width='40' height='40' /></div><br/>Parse AI Forecast JSON"]
n7@{ icon: "mdi:database", form: "rounded", label: "Append Forecast to Sheet", pos: "b", h: 48 }
n8@{ icon: "mdi:message-outline", form: "rounded", label: "Send Forecast Email", pos: "b", h: 48 }
n5 -.-> n3
n4 -.-> n3
n0 --> n1
n2 --> n3
n3 --> n6
n1 --> n2
n6 --> n7
n7 --> n8
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 trigger
class n3 ai
class n5 aiModel
class n4 ai
class n1,n7 database
class n2,n6 code
classDef customIcon fill:none,stroke:none
class n2,n6 customIcon
Varför det här spelar roll: veckoprognoser ska inte bygga på gissningar
Om din försäljningsprognosprocess är “kopiera förra veckan, justera lite och hoppas”, är du inte ensam. Den verkliga kostnaden är inte bara tiden i Google Sheets. Det är följdeffekterna: överbeställning av ingredienser som går ut, underbeställning som leder till 86:or mitt i service, och de oändliga Slack-meddelandena som frågar “Vad räknar vi med nästa vecka?”. Och så den mentala belastningen. Du kan inte planera kampanjer, bemanning eller inköp när siffrorna kommer sent och känns osäkra.
Det eskalerar snabbt. Här är var det oftast faller isär i verkligheten.
- Någon exporterar eller filtrerar fel datumintervall, så den “historiska trenden” blir tyst fel.
- Menyrätter byter namn eller kategoriseras annorlunda över tid, vilket gör manuella summeringar opålitliga.
- Prognosen ligger i en persons kalkylarksflik, och intressenter ser den inte förrän den redan är inaktuell.
- Lagerplanering blir en vana av säkerhetslager, och svinn blir den dolda kostnadsposten.
Vad du bygger: en veckoprognos som skapar sig själv och mejlar ditt team
Det här n8n-flödet körs enligt ett veckoschema och omvandlar din befintliga historik i Google Sheets till en prognos som går att agera på. Först hämtar det din tidigare försäljning och förbrukning av råvaror från ett strukturerat ark (vecka/datum, menyrätt, såld mängd, intäkt, förbrukat material, lagernivå, kategori). Sedan formar det om datan till ett korrekt formaterat underlag för en AI-prognosagent driven av Google Gemini, som letar efter trender, säsongsvariationer och mönster du lätt missar när du har bråttom. Därefter tolkar flödet AI-utdata till läsbar JSON, lägger till nya prognosrader i ett dedikerat ark “Forecast Output” och mejlar en sammanfattning via Gmail till de som behöver planera inköp och förberedelser.
Flödet startar med en schemalagd kick-off. Google Sheets står för historiken, Gemini skapar prognosen och Gmail levererar resultatet. Prognosen hamnar på två ställen: loggad tillbaka i Sheets för uppföljning, plus ett tydligt veckomejl för snabba beslut.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du gör en veckoprognos för 25 menyrätter och delar den med 6 intressenter. Manuellt är det vanligt att lägga cirka 2 timmar på att ta fram rätt datumintervall, rensa kategorier, uppdatera formler och sedan skriva ett mejl som förklarar vad som ändrats. Med det här flödet kör den veckovisa triggern automatiskt, Gemini genererar prognosen och Gmail skickar sammanfattningen när raderna är loggade. De flesta team får ner den där “prognossessionen” till en snabb 10-minuters genomgång.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Sheets för din historik med försäljning och lagerdata.
- Gmail för att mejla veckoprognoser till intressenter.
- API-uppgifter för Google Gemini (hämtas från Google AI Studio / Google Cloud-konsolen).
Svårighetsnivå: Medel. Du kopplar konton, matchar kolumner i arket och justerar lätt prompts eller dataformatering.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Veckovis schematrigger. Flödet startar automatiskt vid den tid du väljer (till exempel tidigt måndag morgon) så att prognosen kommer innan inköpsbeslut tas.
Hämta historik från Google Sheets. n8n laddar din tidigare veckoförsäljning, intäkt, förbrukade råvaror, lagernivå och kategorifält, där arket används som enda sanningskälla.
Förbered datasetet för AI-prognosen. Flödet formar om rader till ett strukturerat underlag så att AI-agenten kan upptäcka trender utan att förvirras av stökiga kolumner eller inkonsekvent text.
Skapa, tolka och lagra prognosen. Google Gemini tar fram prognostiserad försäljning och rekommenderade lager-/materialbehov, n8n tolkar svaret till korrekt formaterad JSON och lägger sedan till resultaten i ditt ark “Forecast Output”.
Mejla veckosammanfattningen via Gmail. Intressenter får prognosen i inkorgen, så planeringen utgår från en gemensam bild i stället för utspridda meddelanden och skärmdumpar.
Du kan enkelt ändra AI-prompten och mejlsammanfattningen så att de matchar din menystruktur och din rapporteringsstil. Se hela implementationsguiden nedan för alternativ kring anpassning.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera schematriggern
Ställ in arbetsflödet så att det körs enligt ett veckoschema för prognostisering.
- Lägg till och öppna Scheduled Forecast Kickoff.
- Ställ in schemaregeln till veckovis genom att konfigurera Interval med Field =
weeksoch Trigger At Hour =20.
Steg 2: Anslut Google Sheets
Hämta historisk försäljningsdata och förbered målbladet för prognoser.
- Öppna Retrieve Past Sales Sheet och ställ in Document ID till
[YOUR_ID]och Sheet Name tillcurrent data. - Inloggningsuppgifter krävs: Anslut era googleApi-inloggningsuppgifter i Retrieve Past Sales Sheet.
- Öppna Append Forecast to Sheet, ställ in Operation till
append, Document ID till[YOUR_ID]och Sheet Name tillprediction data. - Behåll Columns-mappningen som
autoMapInputDatamed de listade prognosfälten (t.ex.Date,Neapolitan Pizza Sold,Flour (kg)). - Inloggningsuppgifter krävs: Anslut era googleApi-inloggningsuppgifter i Append Forecast to Sheet.
Steg 3: Konfigurera AI-prognostisering
Forma bladdatan och generera en prognos med AI-agenten och Gemini-modellen.
- Öppna Shape Data for AI och behåll JavaScript Code som angivet för att paketera alla rader till en enda payload.
- Öppna AI Forecast Generator och ställ in Text till
={{ $json.data }}. - Bekräfta att AI Forecast Generator innehåller systemmeddelandet och är konfigurerad för Prompt Type =
define. - Öppna Gemini Chat Model och ställ in Model Name till
models/gemini-2.5-pro. - Inloggningsuppgifter krävs: Anslut era googlePalmApi-inloggningsuppgifter i Gemini Chat Model.
- Observera att Reasoning Helper Tool är en AI-verktygs-under-nod som är ansluten till AI Forecast Generator; lägg till inloggningsuppgifter på Gemini Chat Model (överordnad LLM), inte på verktygsnoden.
Steg 4: Konfigurera utdataåtgärder
Tolka AI-resultatet, lägg till det i bladet och mejla prognossammanfattningen.
- Öppna Parse AI Forecast JSON och behåll JavaScript Code som tar bort markdown fences och tolkar JSON.
- Bekräfta att flödet från Parse AI Forecast JSON till Append Forecast to Sheet är anslutet.
- Öppna Send Forecast Email och ställ in Send To till
[YOUR_EMAIL]. - Ställ in Subject till
Next Monday forecastoch Message till=Dear Manager,.
Here is the latest weekly forecast summary.
Forecast Date: {{ $json.Date }}
Sheet Reference: [SHEET_REFERENCE]
Thanks,
Operations Team - Inloggningsuppgifter krävs: Anslut era gmailOAuth2-inloggningsuppgifter i Send Forecast Email.
Steg 5: Testa och aktivera ert arbetsflöde
Kör arbetsflödet från start till mål, verifiera utdata och aktivera det sedan för veckovis prognostisering.
- Klicka på Execute Workflow för att trigga Scheduled Forecast Kickoff manuellt.
- Verifiera att Retrieve Past Sales Sheet returnerar rader och att Shape Data for AI konsoliderar dem till en enda
data-payload. - Bekräfta att AI Forecast Generator producerar en JSON-prognos och att Parse AI Forecast JSON returnerar tolkade fält.
- Kontrollera att Append Forecast to Sheet lägger till en ny rad och att Send Forecast Email levererar sammanfattningen.
- Växla arbetsflödet till Active så att Scheduled Forecast Kickoff körs veckovis klockan
20:00enligt det definierade schemat.
Tips för felsökning
- Google Sheets-inloggningar kan gå ut eller sakna åtkomst till rätt kalkylark. Om körningar börjar fallera, kontrollera Google-anslutningen i n8n och bekräfta att filen är delad med det anslutna kontot.
- Om du ändrar schemat eller lägger till extra bearbetning kan tajmingen förändras. När efterföljande noder fallerar på grund av saknade data beror det oftast på att AI-svaret inte tolkades korrekt eller kom tillbaka i ett annat format än förväntat.
- Geminis utdata är bara så bra som instruktionerna du ger. Standardprompten kan vara för generell, så lägg in dina kategoriregler och namngivningskonventioner tidigt, annars kommer du att sitta och redigera prognoser varje vecka.
Snabba svar
Cirka 30 minuter om dina Sheets och konton är redo.
Nej. Du kopplar främst Google-konton och mappar rätt kolumner i arket. Det finns “kod”-steg i flödet, men du kan oftast använda standardinställningarna som följer med.
Ja. n8n har ett gratisalternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också räkna in kostnader för Google Gemini API-användning, som beror på hur mycket text du skickar och genererar varje vecka.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det bör du sannolikt göra. Den enklaste ändringen är att uppdatera steget “Generate Forecast with AI” (Gemini-chattmodellen inne i AI Agent) så att det fokuserar på dina kategorier, säsongsregler och hur du definierar “rekommenderat lager”. Du kan också justera steget “Shape Data for AI” för att ta med extra kolumner som kampanjer eller helgdagar. Många team justerar dessutom Gmail-mejlets brödtext för att lyfta största ökningar, sannolika låg-lager-artiklar och en kort notis om “vad som förändrats den här veckan”.
Oftast är det behörigheter eller att kalkylarkets ID har ändrats. Återanslut dina Google Sheets-uppgifter i n8n, bekräfta att rätt Google-konto har åtkomst till filen och dubbelkolla vald worksheet/flik. Om det bara fallerar ibland kan även rate limits dyka upp när du hämtar stora intervall.
För ett typiskt restaurangark (tiotals till några hundra rader per vecka) kör det bekvämt på n8n Cloud Starter och skalar bra när historiken växer. Om du kör egen drift är körningsgränser inte begränsningen, utan serverresurserna. Den praktiska flaskhalsen är oftast hur mycket data du matar AI:n med per körning, så överväg att summera äldre historik till veckovisa aggregat.
Ofta, ja. Det här flödet är inte bara “flytta rader och skicka ett mejl”. Du formar om data, genererar en AI-prognos, tolkar strukturerad JSON, lägger till poster och skickar sedan en intressentvänlig sammanfattning. n8n hanterar förgreningar och datamunging utan att det känns som att du slåss med verktyget, och egen drift finns om du inte vill ha körningsbegränsningar. Zapier eller Make kan fortfarande fungera om din variant är väldigt enkel, men så fort du vill ha bättre prompts, valideringar eller rikare formatering är n8n oftast en lugnare plats att bygga på. Om du är osäker, prata med en automationsexpert och få en rak rekommendation.
När det här väl är igång blir din veckoprognos en rutinleverans i stället för en återkommande utryckning. Flödet tar hand om det repetitiva förarbetet så att du kan fatta bättre beslut, snabbare.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.