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

Google Sheets till WordPress, utkast redo att redigera

Rickard Andersson Partner, Nodenordic.se

Innehållsproduktion går sönder på ett tråkigt ställe: efter idén. Du har en lista med ämnen, men att göra varje punkt till ett korrekt formaterat WordPress-utkast innebär researchflikar överallt, rörig copy-paste, saknade bilder och “vi lägger in interna länkar senare” (vilket sällan händer).

Sheets WordPress drafts-automatisering träffar Content managers först, ärligt talat. Men smärtan märks också hos SEO-ansvariga som försöker skala, och hos byråteam som behöver utkast som är konsekventa innan en kund ens ser dem. Resultatet är enkelt: färre manuella steg, snabbare granskningar och utkast som redan ser ut som något du faktiskt skulle publicera.

Det här flödet tar en rad i Google Sheets och gör om den till ett researchat, strukturerat WordPress-utkast med bilder, kategorier, taggar och backuper. Du får se vad som automatiseras, vad du får tillbaka och vad du behöver se upp med när du kör det i större volym.

Så fungerar automatiseringen

Hela n8n-flödet, från trigger till slutresultat:

n8n Workflow Template: Google Sheets till WordPress, utkast redo att redigera

Problemet: att förvandla ämneslistor till publicerbara utkast tar tid

En ämneslista känns som framsteg, tills du ska göra den till riktiga inlägg. Research tar längre tid än du tror eftersom du hoppar mellan Google, konkurrenters inlägg och din egen sajt för att hitta interna länkar som faktiskt passar. Sen skriver du, sen skriver du om, sen letar du bilder, sen kommer du på att du fortfarande behöver kategorier och taggar, sen skapar du ett utkast och på något sätt skapar formateringen ändå fel. Ett inlägg kan vara hanterbart. Tio inlägg i kö blir ett heltidsjobb, och kvaliteten brukar sjunka precis när du försöker “skala”.

Det växer snabbt. Och det värsta är att upprepningen stjäl energin du borde lägga på bättre vinklar, bättre hooks och bättre erbjudanden.

  • Manuell research leder till ytliga inlägg eftersom du slutar när du är trött, inte när ämnet är ordentligt täckt.
  • Interna länkar hoppas över eftersom det är störigt att plocka dem från en sitemap och lätt att skjuta upp.
  • Utkast blir inkonsekventa mellan skribenter, vilket ger längre redaktionella genomgångar och mer fram och tillbaka.
  • Tillgångar sprids över laptops och chattar, så att hitta den “slutliga” versionen senare blir en liten skattjakt.

Lösningen: Google Sheets → researchade WordPress-utkast med backuper

Det här n8n-flödet gör din Google Sheet till en kontrollpanel för innehåll. En schemaläggning (eller en enkel formulärinlämning) plockar upp rader markerade “To Do” och flyttar dem till “In Progress” så att inget processas två gånger. Därifrån hämtar det kandidater för interna länkar från din WordPress-sitemap, kör djupare onlineresearch via Perplexity och använder AI för att skapa en komplett kapitelstruktur innan skrivandet börjar. Vill du ha extra djup triggar en flagga för “deeper research” research och skrivning på underkapitelnivå, så artikeln inte bara blir lång, utan faktiskt komplett. Till sist genereras en utvald bild plus kapitelbilder, allt laddas upp till WordPress, ett utkast skapas med kategorier och taggar, och backuper sparas till Google Drive och Google Docs.

Flödet startar med en ämnesrad i Google Sheets. Därefter sker research och disposition, där interna och externa källor matas in i skrivplanen. Sedan tar WordPress emot ett korrekt formaterat utkast (bilder, taggar och kategorier inkluderade), medan Google Drive behåller en strukturerad backup av texten och bildtillgångarna.

Vad du får: automatisering vs. resultat

Exempel: så här ser det ut

Säg att du publicerar 3 inlägg per vecka. Manuellt tar en cykel med “research + disposition + utkast + bilder + uppladdning + taggar/länkar” ofta runt 4 timmar per inlägg, alltså cirka 12 timmar i veckan. Med det här flödet lägger du in ämnen i en Google Sheet på cirka 10 minuter totalt och låter sedan automatiseringen generera utkast och tillgångar i bakgrunden (ofta runt en timmes processtid som du inte sitter och bevakar). Det är ungefär 10 timmar tillbaka varje vecka, och din redaktör börjar från ett faktiskt utkast i stället för en tom sida.

Det här behöver du

  • n8n-instans (testa n8n Cloud gratis)
  • Self-hosting-alternativ om du föredrar det (Hostinger funkar bra)
  • Google Sheets för att lagra ämnen, flaggor och statusar
  • WordPress som tar emot utkast via REST API
  • OpenAI API-nyckel (hämta den i din OpenAI-dashboard)
  • Perplexity API-nyckel (hämta den i inställningarna för ditt Perplexity-konto)
  • Google Drive + Google Docs för text- och bildbackuper

Kunskapsnivå: Medel. Du kopplar några konton, lägger in API-nycklar och mappar kolumner i Google Sheet mot flödets fält.

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

Så fungerar det

Ett ämne plockas upp från Google Sheets. Triggern kan vara schemalagd eller formulärbaserad, och sedan läser n8n rader markerade “To Do” och uppdaterar status så att kön hålls ren.

Din sajtkontext och research hämtas in. Flödet hämtar din WordPress-sitemap för att samla interna URL:er, sedan hanterar Perplexity onlineresearch medan strukturerad tolkning gör utdata förutsägbar.

AI planerar och skriver artikeln med valfri fördjupad research. Det skapar kapitelstrukturen först och skriver sedan kapitelinnehåll (och underkapitel när flaggan för fördjupad research är aktiverad). Väntnoder hjälper till att undvika rate limit-fel när volymen är hög.

WordPress får ett utkast, och Drive behåller en backup. Bilder genereras och laddas upp, kategorier och taggar tilldelas och det färdiga utkastet skapas i WordPress. Parallellt sparas text och tillgångar i Google Docs och Google Drive, och slutdetaljerna loggas tillbaka till Sheets.

Du kan enkelt justera språk- och djupinställningar så att de matchar din redaktionella process. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementering

Steg 1: Konfigurera triggen Execute Workflow

Konfigurera de tre ingångarna så att arbetsflödet kan triggas av ett överordnat arbetsflöde, enligt schema eller via en formulärinlämning.

  1. Öppna Triggered by Parent Workflow och bekräfta att den är primär trigger för huvudkörningen av publiceringen.
  2. Öppna Scheduled Trigger och definiera det schema ni vill använda för att skapa ämnen via Create Topics Sheet.
  3. Öppna Form Submission Trigger och bekräfta att webhook-URL:en är sparad så att Append Topic Sheet kan samla in formulärbaserade ämnen.
  4. Verifiera att varje triggers utdata är kopplad till rätt första nod: Triggered by Parent WorkflowSet Global Config, Scheduled TriggerCreate Topics Sheet och Form Submission TriggerAppend Topic Sheet.
Tips: Använd Scheduled Trigger för återkommande ämnesgenerering och parent-triggern för fullständiga publiceringskörningar för att undvika duplicerat innehåll.

Steg 2: Anslut Google Sheets och noder för ämnesbearbetning

Koppla Google Sheets för ämnesinmatning, statusspårning och uppdateringar av slutlig bloggutdata.

  1. I Create Topics Sheet, anslut ert kalkylblad som ska ta emot schemalagda ämnen.
  2. I Append Topic Sheet, mappa formulärfält till de kolumner i ämnesarket som ni förväntar er att använda.
  3. I Update Topic Status, Write Final Blog Sheet och Update Blog Status, välj samma kalkylblad och ange rätt flik för statusuppdateringar.
  4. Säkerställ att Iterate Topics är kopplad till Run Sub-Workflow (Configure Required) och därefter tillbaka via Pause Topic Loop för att möjliggöra batchbearbetning.
  5. Inloggningsuppgifter krävs: Anslut era Google Sheets-inloggningsuppgifter i Create Topics Sheet, Append Topic Sheet, Update Topic Status, Write Final Blog Sheet och Update Blog Status.
⚠️ Vanlig fallgrop: Om sheet-ID:t eller fliknamnet är fel kommer Iterate Topics att loopa utan items och arbetsflödet verkar “inte göra något”.

Steg 3: Konfigurera uppslagning av kategorier och taggar

Det här arbetsflödet hämtar kategorier och taggar från er WordPress-webbplats och stämmer av dem mot nytt innehåll.

  1. I Configure Defaults, ange eventuella standardvärden som används för hantering av kategorier eller taggar (lämna standarderna om de redan är konfigurerade).
  2. Konfigurera Fetch Categories API för att anropa er WordPress-endpoint för kategorier, mappa sedan fält med Map Category Fields och aggregera dem med Collect Categories.
  3. Konfigurera Pause Tag Fetch och Fetch Tags API för att hämta befintliga taggar; låt sedan Check Tag Exists routa antingen Map Tag Fields eller Create Tag API.
  4. Säkerställ att flödet Split Tag ListIterate TagsCollect Tag IDsMap Final Tag List går in i Merge Tag Streams.
  5. Inloggningsuppgifter krävs: Lägg till lämplig autentisering (Basic, OAuth eller API-nyckel) i Fetch Categories API, Fetch Tags API och Create Tag API baserat på er WordPress API-konfiguration.

Validate Inputs skickar utdata till både Initial Research Agent och Fetch Post Sitemap parallellt, så säkerställ att båda vägarna är konfigurerade innan ni fortsätter.

Steg 4: Konfigurera AI-kedjor för research och planering

Konfigurera AI-agenterna och planerarna som gör research, skapar disposition och genererar innehåll.

  1. I Initial Research Agent, koppla OpenAI Chat Base som språkmodell och behåll Parse Research Output ansluten som output parser.
  2. I Main Chapter Research Agent och Subchapter Research Agent, bekräfta att OpenAI Chat MainResearch och OpenAI Chat SubResearch är kopplade som deras språkmodeller.
  3. I Outline Planner, koppla OpenAI Chat Planner och behåll Parse Plan Output ansluten som output parser.
  4. I Chapter Writing Chain och Subchapter Writing Chain, bekräfta att OpenAI Chat ChapterWrite och OpenAI Chat SubWrite är kopplade, och att Parse Chapter Output och Parse Subchapter Output förblir anslutna som parsers.
  5. Inloggningsuppgifter krävs: Anslut era OpenAI-inloggningsuppgifter i OpenAI Chat Base, OpenAI Chat Planner, OpenAI Chat MainResearch, OpenAI Chat SubResearch, OpenAI Chat ChapterWrite och OpenAI Chat SubWrite.
  6. Inloggningsuppgifter krävs: Anslut era Perplexity-inloggningsuppgifter i Perplexity Research Tool, Perplexity Main Research och Perplexity Sub Research (dessa är verktyg som används av agenterna).
Tips: Output parsers som Parse Plan Output och Parse Chapter Output ärver inloggningsuppgifter från sina överordnade AI-noder—konfigurera endast inloggningsuppgifter på språkmodellnoderna.

Steg 5: Konfigurera logik för kapitel, underkapitel och loopning

Säkerställ att flöden för kapitel/underkapitel, väntetider och batchiteration fungerar som avsett.

  1. Bekräfta att Route Deep Research delar upp i Iterate Chapters och Iterate Main Chapters för separat hantering.
  2. Kontrollera Split Subchapter ListIterate SubchaptersSubchapter Research AgentSubchapter Writing ChainPause For SubchapterExtract Chapter ContentAggregate SubchaptersMap Subchapter Output.
  3. Verifiera huvudkapitelflödet: Iterate Main ChaptersMain Chapter Research AgentPause Main ChapterChapter Writing ChainPause Chapter LoopExtract Main Chapter ContentMerge Chapter Batches.
  4. Låt Pause Before Writing, Pause After Research, Pause For Subchapter och Pause Chapter Loop vara aktiverade för att förhindra rate-limits vid körningar med stora volymer.

Steg 6: Konfigurera bilder och hantering av assets

Konfigurera bildgenerering, konvertering, skalning och uppladdningar för utvalda bilder och kapitelbilder.

  1. Bekräfta Generate Chapter Image APISplit Chapter ImageFilter Chapter ImageConvert Image Data.
  2. Convert Image Data skickar utdata till både Scale Chapter Image och Drive Upload Chapter Images parallellt; säkerställ att båda utgångarna är anslutna.
  3. Bekräfta Generate Feature Image APISplit Feature ImageFilter Feature ImageConvert To File.
  4. Convert To File skickar utdata till både Scale Featured Image och Drive Upload Featured Image parallellt.
  5. Säkerställ Scale Chapter ImageUpload Chapter Images APIUpdate Image MetadataCombine Image Paths och Scale Featured ImageCombine Featured StreamsHold Featured Image.
  6. Inloggningsuppgifter krävs: Anslut era Google Drive-inloggningsuppgifter i Create Drive Directory, Drive Upload Chapter Images och Drive Upload Featured Image.
  7. Inloggningsuppgifter krävs: Lägg till lämplig autentisering i Generate Feature Image API, Generate Chapter Image API, Upload Chapter Images API och Update Image Metadata om de endpoints kräver åtkomst.

Steg 7: Sätt ihop artikeln och publicera till WordPress

Konvertera allt genererat innehåll till HTML, lagra dokument och publicera till WordPress med taggar och utvald bild.

  1. Säkerställ att Iterate Article Items matar Assemble Article Text och att Set Markdown ArticleConvert Markdown HTMLSet HTML Article förblir intakt.
  2. Bekräfta att Create DocumentSave Texts Document är ansluten för arkivering.
  3. Verifiera att Merge Tag Streams går in i Publish to WordPress, därefter Hold Featured ImageUpload Featured Image APIUpdate Featured Image MetaAssign Featured ImageSet Post Excerpt.
  4. Säkerställ att Set Post Excerpt går vidare till Write Final Blog SheetUpdate Blog Status för statusuppdateringar.
  5. Inloggningsuppgifter krävs: Anslut era Google Docs-inloggningsuppgifter i Create Document och Save Texts Document.
  6. Inloggningsuppgifter krävs: Anslut era WordPress-inloggningsuppgifter i Publish to WordPress.
  7. Inloggningsuppgifter krävs: Lägg till lämplig autentisering i Upload Featured Image API, Update Featured Image Meta och Assign Featured Image om de riktar sig mot er WordPress REST API.

Steg 8: Konfigurera bundling av utdata och parallell bearbetning

Bunta utdata, bekräfta parallella grenar och säkerställ att arbetsflödet hanterar flera strömmar korrekt.

  1. Verifiera att Prepare Output Bundle är konfigurerad för att skicka vidare förväntade fält för kapitel, taggar och bildgenerering.
  2. Prepare Output Bundle skickar utdata till både Split Chapters List och Split Tag List och Generate Feature Image API parallellt; bekräfta att alla tre anslutningar är aktiva.
  3. Kontrollera att Combine Featured Streams och Combine Image Paths korrekt slår ihop sina respektive grenar innan ni fortsätter.
⚠️ Vanlig fallgrop: Om någon parallell gren är frånkopplad kan Combine Featured Streams eller Combine Image Paths vänta på obestämd tid och stoppa arbetsflödet.

Steg 9: Testa och aktivera ert arbetsflöde

Kör ett end-to-end-test och aktivera först efter att ni har verifierat utdata.

  1. Kör Triggered by Parent Workflow manuellt med en test-payload för ämne för att validera hela flödet.
  2. Håll koll på att Publish to WordPress slutförs utan fel och bekräfta att Write Final Blog Sheet och Update Blog Status får uppdateringar.
  3. Kontrollera Google Drive för bilder som sparats av Drive Upload Chapter Images och Drive Upload Featured Image, och verifiera dokument som skapats av Create Document och Save Texts Document.
  4. När ni är nöjda, växla arbetsflödet till Active för användning i produktion.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Vanliga fallgropar

  • WordPress Application Passwords kan misslyckas om REST API-åtkomst blockeras av ett säkerhetsplugin. Om utkast slutar skapas, kontrollera först applikationslösenordet för din WordPress-användare och eventuella brandväggsregler.
  • Om du använder väntnoder eller extern rendering varierar processtider. Öka vänttiden om efterföljande noder misslyckas på tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera utdata i all evighet.

Vanliga frågor

Hur lång tid tar det att sätta upp den här Sheets WordPress drafts-automatiseringen?

Cirka 60–90 minuter om dina konton och API-nycklar är klara.

Behöver jag kunna koda för att automatisera Sheets WordPress drafts?

Nej. Du kommer mestadels koppla konton och klistra in API-nycklar i n8n-credentials.

Är n8n gratis att använda för det här Sheets WordPress drafts-flödet?

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 kostnader för OpenAI- och Perplexity-API, som varierar beroende på hur långa dina artiklar är och hur mycket research du aktiverar.

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

Två alternativ: n8n Cloud (hanterat, 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 obegränsade körningar men kräver grundläggande serverhantering.

Kan jag anpassa det här Sheets WordPress drafts-flödet för flerspråkiga inlägg?

Ja, och det är en av de bättre anledningarna att använda det här flödet. Du kan ändra språkinställningen i flödets globala konfiguration (noden “Set Global Config”) så att research, disposition och textproduktion matchar ditt målspråk. Många team justerar också promptnoderna för OpenAI för att styra lokala stavningsregler och ton. Om du publicerar i flera marknader, ha separata Sheet-köer per språk så att redaktörer inte blandar utkast.

Varför misslyckas min WordPress-anslutning i det här flödet?

Oftast beror det på ett ogiltigt eller återkallat Application Password, så generera ett nytt och uppdatera WordPress-credentials i n8n. Det kan också vara ett säkerhetsplugin som blockerar REST API-anrop, eller felaktiga behörigheter för WordPress-användaren du autentiserar med. Om felen bara händer vid bilduppladdning, kontrollera dina uppladdningsgränser för media och om din host blockerar stora requests.

Hur många ämnen klarar den här Sheets WordPress drafts-automatiseringen?

Den klarar mycket, men du behöver styra takten. På n8n Cloud begränsas du av månadskörningar i din plan, medan self-hosting främst begränsas av din server och de API:er du anropar. I praktiken kör de flesta team det som en jämn kö (några inlägg per dag) eftersom research och bildgenerering kan slå i rate limits om du spikar volymen.

Är den här Sheets WordPress drafts-automatiseringen bättre än Zapier eller Make?

För långformat, oftast ja. n8n är mer bekvämt för flersteglogik (kapitelloopar, villkorad fördjupad research, väntan för att respektera rate limits) och du betalar inte extra för varje gren. Det ger också möjligheten att self-hosta, vilket spelar roll när du kör stora köer. Zapier eller Make kan fortfarande fungera för enklare flöden som “ta text, skapa utkast”, och de kan kännas enklare dag ett. Avvägningen är kontroll. Om du vill ha hjälp att välja, prata med en automationsexpert.

Du sätter upp kön en gång, och flödet gör det repetitiva jobbet i bakgrunden. Sedan öppnar du WordPress och möts av ett utkast som faktiskt är värt att redigera.

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