Din Shopify-katalog växer och plötsligt behöver varje ny produkt sex versioner av samma copy. Titlar glider. Handles blir röriga. Och att översätta från en halvfärdig engelsk beskrivning är så du hamnar i att rätta “små” misstag i veckor.
E-handelschefer känner av det först eftersom produktsidor alltid skulle ha varit klara igår. Marknadsansvariga som driver lanseringar fastnar i godkännanden. Och butiksägare vill bara ha ett vettigt sätt att granska flerspråkiga utkast på ett ställe. Den här Shopify Sheets-automationen för översättning lägger konsekventa ES/DE/EN/FR/IT/PT-utkast i ett kalkylark som du faktiskt kan hantera.
Det här arbetsflödet hämtar dina produkter, analyserar huvudbilden med Gemini, genererar strikt flerspråkig copy och skriver en strukturerad rad per språk i Google Sheets. Du ser exakt var tiden tar vägen, hur outputen ser ut och hur du undviker de vanligaste fallgroparna i uppsättningen.
Så fungerar den här automationen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Shopify + Google Sheets: flerspråkiga utkast
flowchart LR
subgraph sg0["When clicking ‘Execute workflow’ Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Execute workf..", pos: "b", h: 48 }
n1["<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/shopify.svg' width='40' height='40' /></div><br/>Get many products"]
n2@{ icon: "mdi:database", form: "rounded", label: "Append row in sheet", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Analyze image", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n5@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model1", pos: "b", h: 48 }
n6@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n7["<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/>Expand Languages & Sanitize"]
n4 --> n7
n3 --> n4
n1 --> n3
n6 -.-> n4
n5 -.-> n4
n7 --> n2
n0 --> n1
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,n4,n6 ai
class n5 aiModel
class n1 decision
class n2 database
class n7 code
classDef customIcon fill:none,stroke:none
class n1,n7 customIcon
Problemet: flerspråkig produktcopy blir en kalkylarksmardröm
Att översätta produktsidor låter enkelt tills du gör det i skala. En person exporterar produktdata, någon annan hämtar första bilden, en översättare frågar “vad är det här materialet exakt?”, och marknad vill att tonen ska följa varumärkesriktlinjerna. Samtidigt måste handles vara konsekventa mellan språk (och fortfarande URL-säkra), så du kan inte bara klistra in vad översättningsverktyget spottar ur sig. Än värre: om produktbilden är den enda tillförlitliga sanningskällan för detaljer blir texten vag eller fel, eftersom ingen vill gissa.
Det eskalerar snabbt. Här är var det brukar fallera.
- Folk översätter från ofullständig källtext, så alla språk ärver samma saknade detaljer.
- Handles skapas ad hoc, vilket leder till dubbletter, trasiga omdirigeringar och fula URL:er senare.
- Granskning sker via mejltrådar och dokument, så det finns ingen samlad plats att godkänna eller underkänna utkast.
- Team undviker att använda produktbilden som input eftersom “att beskriva det man ser” är långsamt och lätt att få fel.
Lösningen: Shopify + Gemini-utkast, organiserade i Google Sheets
Det här arbetsflödet skapar flerspråkiga produktutkast genom att kombinera två källor du redan litar på: Shopify-metadata och produktens huvudbild. Du startar det manuellt när du är redo att processa en batch. n8n hämtar dina produkter (inklusive images[0].src), skickar primärbilden till Gemini Vision för en kort, objektiv analys och skickar sedan vision-noteringarna plus produktfälten till en Gemini-agent som skriver språk-specifika titlar, beskrivningar och handles. Agenten är begränsad av ett strikt JSON-kontrakt, så du får ingen “extra kommentar” inblandad i din data. Till sist expanderar arbetsflödet JSON:en till sex separata rader och lägger till dem i Google Sheets för granskning och senare publicering.
Arbetsflödet startar med en manuell körning och hämtar sedan många Shopify-produkter på en gång. Gemini läser bilden och producerar verifierbara detaljer (färger, synliga egenskaper, material om det framgår), som copywriting-agenten använder för att ta fram ES/DE/EN/FR/IT/PT-output i ett konsekvent format. Google Sheets blir din granskningskö: en produkt, sex rader, redo för godkännande.
Vad du får: automation vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du lägger till 20 nya produkter för ett säsongssläpp och du behöver ES/DE/FR-översättningar (plus en EN-upprensning). Manuellt kan även en “snabb” process landa på cirka 10 minuter per språk och produkt när du räknar in att kopiera detaljer, skriva, formatera och skapa en handle, vilket är ungefär 10 timmars arbete. Med det här arbetsflödet startar du en körning, låter Gemini bearbeta i bakgrunden och granskar sedan i Google Sheets; de flesta team lägger totalt cirka 1–2 timmar på slutredigeringar och godkännanden. Det är en hel dag tillbaka för mer värdeskapande arbete, som att förbättra bildmaterial eller köra annonser.
Det du behöver
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Shopify för att hämta produkter och bild-URL:er
- Google Sheets för att granska utkast och godkänna ändringar
- Gemini API-nyckel (hämta den från Google AI Studio)
Kunskapsnivå: Medel. Du kopplar in inloggningar, väljer en flik i kalkylarket och rimlighetskontrollerar ett par fält som produkt-ID och bild-URL.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Du startar körningen vid begäran. En manuell trigger startar arbetsflödet så att du kan testa säkert och sedan skala upp när du gillar det som hamnar i ditt ark.
Shopify skickar produktbatchen. n8n hämtar många produkter, inklusive nyckelfält som du redan underhåller (ID:n, titlar, beskrivningar) och den primära bild-URL:en på images[0].src.
Gemini gör bilden till förankrade produktanteckningar. Vision-steget analyserar det som syns och levererar en kort beskrivning som ska vara faktabaserad, inte “kreativ”, så att copy inte glider in i påhittade specifikationer.
Copywriter-agenten producerar strikt flerspråkiga utkast. Gemini genererar ES/DE/EN/FR/IT/PT-fält i en låst JSON-struktur, och sedan validerar och expanderar arbetsflödet datan till sex separata objekt och normaliserar handles.
Google Sheets blir din granskningskö. En rad per språk läggs till i din valda flik i arket så att du kan redigera, godkänna och senare publicera tillbaka till Shopify om du lägger till ett uppdateringssteg.
Du kan enkelt ändra språkuppsättningen för att lägga till NL eller ta bort PT beroende på behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Konfigurera den manuella triggern så att ni kan köra arbetsflödet vid behov under testning.
- Lägg till Manual Launch Trigger som startnod (Manual Trigger).
- Lämna standardinställningarna som de är; inga parametrar krävs.
- Anslut Manual Launch Trigger till Retrieve Product List.
Steg 2: anslut Shopify och hämta produkter
Hämta en batch med produkter från Shopify för att mata AI-analysen och copygenereringen.
- Lägg till Retrieve Product List och ställ in Resource på
product. - Ställ in Operation på
getAlloch Authentication påaccessToken. - Ställ in Limit på
2för att bearbeta två produkter per körning. - Autentiseringsuppgifter krävs: Anslut era shopifyAccessTokenApi-autentiseringsuppgifter i Retrieve Product List.
- Säkerställ att utdata ansluts till Image Insight Analysis.
Steg 3: konfigurera bildanalys och AI-copywriting
Analysera produktbilder med Gemini och generera sedan flerspråkig produkttext via AI-orkestreraren.
- I Image Insight Analysis, ställ in Operation på
analyzeoch Resource påimage. - Ställ in Image URLs på
{{ $json.images[0].src }}. - Behåll den angivna Text-prompten oförändrad (den säkerställer neutrala bildbeskrivningar baserade enbart på det som syns).
- Autentiseringsuppgifter krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Image Insight Analysis.
- I Copywriting AI Orchestrator, ställ in Text till den angivna prompten med flera källor och behåll Prompt Type som
definemed hasOutputParser aktiverat. - Verifiera att de inbäddade uttrycken refererar till utdata från Shopify och Gemini, inklusive
{{ $('Retrieve Product List').item.json.images[0].src }}och{{ $json.content.parts[0].text }}. - Öppna Gemini Chat Model och ställ in Temperature på
0.4och Max Output Tokens på4048. - Autentiseringsuppgifter krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Gemini Chat Model.
Autentiseringsuppgifter krävs: Verktyget Parse Structured Output är kopplat till Copywriting AI Orchestrator; om autentiseringsuppgifter behövs, lägg till dem i huvudnoden, inte i parsern.
Steg 4: expandera locale-utdata och lägg till i Google Sheets
Transformera den flerspråkiga JSON:en till rader per språk och lägg till resultaten i ett Google Sheet.
- I Expand Locale Entries, klistra in den angivna JS Code för att dela upp
es,de,en,fr,it,pti separata items. - Bekräfta att koden refererar till Shopify-data med
$('Retrieve Product List').first().json.idoch$('Retrieve Product List').first().json.handle. - Anslut Expand Locale Entries till Append Sheet Record.
- I Append Sheet Record, ställ in Operation på
appendoch Authentication påserviceAccount. - Ställ in Document på
[YOUR_ID]och Sheet Name på[YOUR_ID](ersätt med er faktiska fil och flik). - Autentiseringsuppgifter krävs: Anslut era googleApi-autentiseringsuppgifter i Append Sheet Record.
shopify_product_name och shopify_description) kan append-operationen misslyckas eller mappas fel. Säkerställ att kolumnrubriker finns.Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att validera AI-utdata och append till sheet, och aktivera sedan arbetsflödet för produktion.
- Klicka på Execute Workflow i Manual Launch Trigger för att starta en testkörning.
- Bekräfta att Retrieve Product List returnerar produktdata och att Image Insight Analysis ger en kortfattad beskrivning.
- Verifiera att Copywriting AI Orchestrator skapar flerspråkig JSON och att Expand Locale Entries delar upp den i sex items.
- Kontrollera Append Sheet Record för att säkerställa att nya rader läggs till i ert mål-Google Sheet.
- När allt fungerar, växla arbetsflödet till Active för att använda det i produktion.
Vanliga fallgropar
- Shopify-inloggningar kan löpa ut eller sakna läsbehörighet för produkter. Om något skapar fel, kontrollera scopes för din Shopify-app-token och n8n:s credential-test först.
- Om du använder Wait-noder eller extern rendering varierar processtider. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Gemini-output kan fallera i parsern om agenten lägger till extra text utanför JSON:en. Håll kontraktet strikt och bygg in din varumärkesröst i prompten utan att tillåta “hjälpsamma förklaringar”.
Vanliga frågor
Cirka 30 minuter om dina Shopify-, Gemini- och Sheets-konton är redo.
Nej. Du kopplar mest konton och väljer rätt flik i kalkylarket. Den enda “kodliknande” delen är en valfri justering i noden som sanerar handles, och du kan behålla standardinställningen.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in Gemini API-användning, som beror på din modell och bildvolym.
Två alternativ: n8n Cloud (hanterat, enklaste uppsättningen) 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.
Ja. Håll agentens JSON-struktur i linje med de språk du vill ha, och justera sedan koden i “Expand Locale Entries” så att den bara genererar språkobjekten du bryr dig om (till exempel bara en och fr). Vanliga anpassningar är att ändra tonregler i agentens prompt, lägga till en fallback utan bild när images[0].src saknas och skärpa dina slug-regler för handles.
Oftast är det ett access token-problem: tokenen har löpt ut, fel butik eller saknade läsbehörigheter för produkter. Dubbelkolla token-scopes i Shopify och spara sedan om credentials i n8n så att arbetsflödet använder det uppdaterade värdet. Om det bara misslyckas på vissa produkter, inspektera produktpayloaden och bekräfta att images[0].src finns och går att nå.
Många, men det beror på dina körningsbegränsningar och Geminis kapacitet.
För det här användningsfallet är n8n oftast ett bättre val eftersom strikt JSON-parsning, batchbearbetning och anpassad sanering av handles är enklare att kontrollera. Zapier och Make kan göra det, men du hamnar ofta i fler “limsteg” och betalar mer när volymen växer. En annan praktisk punkt: med self-hosting av n8n kan du köra stora katalogjobb utan att sitta och bevaka task counts hela dagen. Nackdelen är att du (eller någon i teamet) äger driftsäkerhet och övervakning. Om du vill ha en second opinion kring plattformsvalet, Prata med en automationsexpert.
När det här väl rullar slutar flerspråkiga utkast vara en brandövning. Du granskar i Sheets, håller handles konsekventa och går vidare till jobbet som faktiskt ökar intäkterna.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.