Konkurrentbevakning på Amazon låter enkelt tills du gör det på riktigt. Flikar blir fler, listningar ändras över en natt och din “snabbkoll” blir en timme av copy-paste och att ifrågasätta siffrorna.
E-handelsanalytiker märker det först. En produktchef som försöker försvara positionering gör det också. Till och med en företagare som håller koll på “bästsäljare” fastnar till slut i kalkylbladsstädning. Den här automationen för Amazon Sheets scraping ser till att dina Amazon-listningar för tangentbord flödar in i ett enda välstrukturerat Google Sheet.
Du sätter upp ett n8n-flöde som scrapar Amazons sökresultat med ScrapeGraphAI, formaterar data konsekvent och lägger till den i Google Sheets så att du kan upptäcka förändringar snabbare.
Så fungerar automationen
Här är hela flödet du kommer att sätta upp:
n8n Workflow Template: ScrapeGraphAI till Google Sheets för Amazon-data
flowchart LR
subgraph sg0["Automated Schedule Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Automated Schedule Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:cog", form: "rounded", label: "AI-Powered Amazon Product Sc..", pos: "b", h: 48 }
n2@{ icon: "mdi:database", form: "rounded", label: "Google Sheets Data Storage", pos: "b", h: 48 }
n3["<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/>Data Formatting and Processing"]
n0 --> n1
n3 --> n2
n1 --> n3
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 n2 database
class n3 code
classDef customIcon fill:none,stroke:none
class n3 customIcon
Varför det här spelar roll: Amazon-listningar ändras snabbare än ditt kalkylblad
Amazons söksidor är röriga och förändras hela tiden. Ett tangentbord som låg på sida ett i går kan hamna på sida tre i dag, en titel justeras eller en listnings-URL ändras till en ny variation. När du följer detta manuellt slutar det med stökiga rader, inkonsekventa namn och stressen “loggade jag redan den här?”. Värst är den dolda kostnaden: du slutar lita på arket, så du slutar använda det, och konkurrentbevakning blir en vag magkänsla i stället för en repeterbar rutin.
Det bygger snabbt på. Här är var det brukar fallera.
- Du lägger cirka 30–60 minuter per kontroll bara på att samla listningar och klistra in dem i rätt kolumner.
- Små skillnader i formatering gör sortering och filtrering opålitligt, vilket gör att analysen tar längre tid än den borde.
- URL:er missas eller klistras in fel, så senare kan du inte bekräfta vilken produkt en rad faktiskt avsåg.
- Eftersom arbetet är monotont görs kontroller mer sällan, och du upptäcker konkurrenters drag först efter att de redan fått effekt.
Vad du bygger: Amazon-data för tangentbord in i Google Sheets
Det här flödet körs enligt schema, så det kontrollerar tyst Amazon efter tangentbordslistningar utan att du behöver komma ihåg det. När det startar besöker ScrapeGraphAI din valda Amazon-sök-URL och extraherar de produktdetaljer du bryr dig om via en AI-styrd prompt. n8n tar sedan rådata från scrapingen och rensar upp den i ett Code-steg så att den alltid passar dina kalkylbladskolumner. Till sist lägger flödet till varje produkt som en ny rad i Google Sheets, vilket skapar en enkel “source of truth” som du kan filtrera, sortera och visualisera. Över tid får du en levande datamängd som är enkel att jämföra vecka för vecka.
Flödet börjar med en Scheduled Trigger, sedan extraherar ScrapeGraphAI listningar från din Amazon-resultatsida. Efter en snabb formateringspass får Google Sheets strukturerade rader (titel, url, kategori) som är redo för uppföljning och rapportering.
Det du bygger
| Vad som automatiseras | Vad du uppnår |
|---|---|
|
|
Förväntat resultat
Säg att du följer 40–50 tangentbordslistningar varje vecka. Manuell insamling av titlar, URL:er och en kategorietikett tar kanske 2 minuter per produkt plus städtid, så det landar på runt 2 timmar per vecka när du räknar in att fixa stökiga rader. Med det här flödet är uppsättningen cirka 15 minuter och varje schemalagd körning tar några minuter i bakgrunden medan du gör annat. De flesta veckor blir din “tidsåtgång” en snabb 10-minuters genomgång av arket.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Självhostat alternativ om du föredrar det (Hostinger fungerar bra)
- ScrapeGraphAI för att extrahera Amazons sökresultat.
- Google Sheets för att lagra och granska datamängden.
- ScrapeGraphAI API-nyckel (hämta den i din ScrapeGraphAI-dashboard)
Svårighetsnivå: Nybörjare. Du kopplar konton, klistrar in en API-nyckel och justerar en Amazon-URL.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett schema sätter igång allt. Du väljer hur ofta det ska köras (dagligen, veckovis eller något däremellan) och n8n startar flödet automatiskt.
ScrapeGraphAI hämtar listningarna. Flödet besöker din Amazon-sök-URL för tangentbord och extraherar strukturerade fält från resultatsidan med hjälp av en AI-prompt, vilket gör att det hanterar röriga sidlayouter mer robust än sköra “CSS selector”-scrapers.
Resultaten rensas upp. Ett Code-steg formar om utdata till ett konsekvent format så att Google Sheets får samma kolumnstruktur varje gång (titel, url, kategori som standard).
Google Sheets blir din bas. Flödet lägger till nya rader i ditt målark och ger dig ett revisionsspår över vad som hittades vid varje körning.
Du kan enkelt ändra Amazon-sök-URL:en för att rikta in dig på andra produkter efter behov. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den schemalagda triggern
Ställ in arbetsflödet så att det körs enligt ett schema med triggernoden.
- Lägg till och öppna Scheduled Run Launcher.
- Definiera schemat i Rule baserat på önskad körfrekvens (t.ex. varje timme eller dagligen).
- Låt Flowpast Branding ligga kvar som en visuell notering; ingen konfiguration krävs.
Steg 2: anslut Google Sheets
Förbered kalkylbladets mål för att lagra skrapad produktdata.
- Öppna Append to Google Spreadsheet.
- Autentisering krävs: Anslut era googleSheetsOAuth2Api-uppgifter.
- Ställ in Operation på
append. - Ställ in Sheet Name på
Sheet1. - Ställ in Document ID till er Google Sheets-URL i
Document ID(för närvarande tom). - Bekräfta att Columns är mappade med
title,urlochcategoryvia Auto-Map Input Data.
Steg 3: konfigurera AI-extraktion av Amazon-produkter
Konfigurera AI-skraparen för att hämta produktdata från Amazons sökresultat.
- Öppna AI Amazon Product Extractor.
- Autentisering krävs: Anslut era scrapegraphAIApi-uppgifter.
- Ställ in Website URL till
https://www.amazon.com/s?k=keyboard&crid=2FI5OSSH1T0Q8&sprefix=keyboar%2Caps%2C191&ref=nb_sb_ss_p13n-pd-dpltr-ranker_ci_hl-bn-left_1_7. - Ställ in User Prompt till
Extract all the products from this site. Use the following schema for response { "title": "Logitech MX Keys Advanced Wireless Illuminated Keyboard", "url": "https://www.amazon.com/dp/B07S92QBCX", "category": "Electronics" }. - Verifiera nodernas kopplingsordning: Scheduled Run Launcher → AI Amazon Product Extractor.
result.products-array, justera prompten för att förtydliga den förväntade strukturen.Steg 4: konfigurera utdata-/åtgärdsnoder
Bearbeta den extraherade datan till en strukturerad array och append:a den till Google Sheets.
- Öppna Format & Process Results och bekräfta att JavaScript-logiken mappar
title,urlochcategoryfråninputData.result.products. - Säkerställ att exekveringsflödet är AI Amazon Product Extractor → Format & Process Results → Append to Google Spreadsheet.
- Kör ett manuellt test för att verifiera att varje utdataobjekt matchar kolumn-ID:n i Google Sheets.
inputData.result.products är undefined kommer kodenoden att misslyckas. Validera skraparens utdata innan ni kör stora scheman.Steg 5: testa och aktivera ert arbetsflöde
Bekräfta att arbetsflödet körs från ände till ände och aktivera det sedan för schemalagd drift.
- Klicka på Execute Workflow för att köra ett manuellt test från Scheduled Run Launcher.
- Kontrollera att AI Amazon Product Extractor returnerar produkter och att Format & Process Results matar ut strukturerade objekt.
- Verifiera att rader append:as i Append to Google Spreadsheet med
title,urlochcategory. - När allt är bekräftat, växla arbetsflödet till Active för produktionsbruk.
Felsökningstips
- ScrapeGraphAI-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först din ScrapeGraphAI-dashboard och API-nyckeln som är sparad i n8n Credentials.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om efterföljande noder fallerar på grund av tomma svar.
- OAuth-behörigheter i Google Sheets orsakar tysta fel oftare än man tror. Anslut Google-kontot igen, bekräfta åtkomst till rätt kalkylark och säkerställ att bladnamnet matchar exakt.
Snabba svar
Cirka 10–15 minuter om du redan har dina ScrapeGraphAI- och Google-inloggningar redo.
Nej. Du kan använda flödet som det är och bara justera Amazon-URL:en och de fält du vill ha.
Ja. n8n har ett gratis självhostat alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in ScrapeGraphAI API-användning baserat på hur ofta du kör scrapern.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhosting på en VPS. För självhosting är Hostinger VPS prisvärd och hanterar n8n bra. Självhosting ger dig obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det är hela poängen. Ändra Amazon-sök-URL:en i noden AI Amazon Product Extractor för att rikta in dig på en annan sökning (varumärken, layouter, “mekaniskt tangentbord” och så vidare). Om du vill ha fler kolumner, som pris, betyg eller antal recensioner, uppdaterar du extraktionsprompten i ScrapeGraphAI-steget och justerar sedan koden i Format & Process Results så att arket tar emot de nya fälten. Många team byter också Google Sheets från “append” till ett upsert-liknande upplägg så att upprepade körningar uppdaterar samma produkt i stället för att skapa dubbletter.
Oftast handlar det om en ogiltig eller utgången API-nyckel. Skapa en ny nyckel i ScrapeGraphAI, uppdatera sedan inloggningen i n8n och kör ett manuellt test. Om det fortfarande misslyckas, kontrollera att din n8n-instans tillåter community-noder och att ScrapeGraphAI-noden är installerad och aktiverad.
Det beror främst på din ScrapeGraphAI-plan och hur många resultat du försöker extrahera per körning; för många upplägg är ett par dussin listningar per schemalagd körning en realistisk startnivå.
Ofta, ja. Scraping plus formatering kräver vanligtvis mer kontroll än ett enkelt “trigger → action”-recept, och n8n gör det enklare att forma data innan den hamnar i ditt ark. Du får också möjligheten att självhosta för obegränsade körningar, vilket spelar roll när du kör detta dagligen. En annan praktisk fördel är community-noder (som ScrapeGraphAI) som kanske inte finns på andra plattformar. Zapier eller Make kan fortfarande fungera för lättare bevakning, men om du vill ha repeterbara research-körningar med strukturerade rader brukar n8n vara det lugnare valet. Prata med en automationsexpert om du är osäker på vad som passar.
När detta väl rullar hålls ditt kalkylblad uppdaterat utan att du behöver vaka över det. Flödet tar hand om repetitiva moment, och du kan lägga tiden på att faktiskt tolka marknaden.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.