Dina Telegram-DM:ar är inte bara “meddelanden”. De är lagersaldofrågor, orderförfrågningar, leveransfrågor och det där “har du fortfarande den svarta i läder?” exakt när du inte sitter vid datorn.
Driver du en liten webbshop känner soloprenörer av det här varje dag. En butikschef som sköter support mellan andra uppgifter känner det också. Och byråoperatörer som hanterar kunders butiker? Samma kaos, annan logotyp. Den här automatiseringen för Telegram stock checks svarar på frågor om tillgänglighet och loggar ordrar, så att du slutar översälja och slutar tappa försäljning på grund av långsamma svar.
Du får se vad arbetsflödet gör, vad du behöver och hur delarna hänger ihop i n8n (utan att det här blir en utvecklar-guide).
Så fungerar den här automatiseringen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: Telegram + Google Sheets: lagerkoll och order
flowchart LR
subgraph sg0["When chat message received Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When chat message received", pos: "b", h: 48 }
n1@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n2@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n3@{ icon: "mdi:database", form: "rounded", label: "Place order", pos: "b", h: 48 }
n4@{ icon: "mdi:database", form: "rounded", label: "Update Stock", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "Support Agent", pos: "b", h: 48 }
n6@{ icon: "mdi:database", form: "rounded", label: "GetStock", pos: "b", h: 48 }
n6 -.-> n5
n3 -.-> n5
n4 -.-> n5
n2 -.-> n5
n2 -.-> n0
n1 -.-> n5
n0 --> n5
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 n5 ai
class n1 aiModel
class n2 ai
class n3,n4,n6 database
Varför det här är viktigt: Telegram-DM:ar skapar lagerfel
När kunder köper via chatten blir konversationen själva kassan. Det är smidigt, men det blir snabbt rörigt. Du svarar “ja, den finns i lager”, sedan frågar någon annan om samma vara och du säger ja igen eftersom ditt lagerark inte hann uppdateras. Eller så missar du ett meddelande i två timmar och kunden försvinner. Den verkliga kostnaden är inte bara tid. Det är den mentala belastningen av att ständigt dubbelkolla lagersaldon, leta upp rätt rad i ett kalkylark och försöka minnas vilken “svart läder” som var för iPhone 14 Pro jämfört med en annan modell.
Det går fort att bygga upp. Här är var det brukar fallera.
- Manuell lagerkontroll i Google Sheets gör svaren långsamma, och långsamma svar dödar försäljning i det tysta.
- Orderdetaljer hamnar utspridda i meddelandetrådar, vilket leder till copy-paste-fel i namn, telefonnummer och adresser.
- Lageruppdateringar sker “senare”, så du får översälj eller obekväma följdfrågor när du inser att antalet redan är slut.
- Du kan inte enkelt granska vad som hände eftersom det saknas en enda strukturerad logg över “frågade, svarade, beställde, lager uppdaterat”.
Det du bygger: en Telegram-chattbot som kollar lager och loggar ordrar
Det här arbetsflödet gör Telegram till en enkel frontdesk för försäljning och support i din webbshop. En kund skickar ett meddelande som “Har ni Case ID 1023?” eller “Svart läder till iPhone 14 Pro i lager?” Automatiseringen läser frågan, hämtar matchande produktdata från ditt Google-ark och svarar tydligt direkt i chatten. Om kunden vill köpa kan samma Telegram-konversation samla in orderuppgifter, skriva en ny orderrad i ett “Orders”-ark och sedan minska lagersaldot i ditt “Stock”-ark. Du får snabbare svar, mer strukturerade orderunderlag och ett lager som håller sig korrekt eftersom uppdateringen sker direkt efter köpbekräftelsen.
Flödet startar i Telegram. Därifrån tolkar en AI-agent (med en OpenAI-chattmodell) vad kunden frågar om och avgör om den ska hämta lagerinfo eller lägga en order. Till sist blir Google Sheets din enda källa till sanning för både lageruppföljning och orderhantering, så du slipper jonglera flera system.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du får runt 25 Telegram-meddelanden per dag som i princip är “finns den i lager?” och “kan jag beställa?” Om du lägger bara 2 minuter per meddelande på att öppna Google Sheets, söka, svara och sedan logga ordern senare, blir det cirka 50 minuter per dag. Med det här arbetsflödet får kunden ett direkt svar om lagersaldo och ordrar skrivs automatiskt till arket, så din aktiva tid sjunker till snabba undantag och bekräftelser, kanske 10 minuter totalt. Det är ungefär 40 minuter tillbaka de flesta dagar, och färre lagerhuvudvärkar.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Telegram för att ta emot kundmeddelanden och svara
- Google Sheets för lageruppföljning och orderloggning
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard)
Svårighetsgrad: Nybörjare. Du kopplar ihop konton, väljer rätt kalkylark och justerar en prompt eller två.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett Telegram-meddelande triggar arbetsflödet. En kund frågar om tillgänglighet, pris eller hur man beställer. Det inkommande meddelandet är det som startar allt.
AI-agenten tolkar avsikten och kommer ihåg kontext. Med en OpenAI-chattmodell plus enkel minneshantering tar arbetsflödet reda på om kunden vill göra en lagerkontroll, lägga en order eller ställa en följdfråga. Den kan hålla kvar en kort kontexttråd så att du inte behöver behandla varje meddelande som helt nytt.
Google Sheets blir “databasen”. För lagerkontroller söker den i ditt lagerark (till exempel på Case ID eller en annan unik kolumn) och returnerar tillgänglighetsdetaljer som modell, skalnamn och antal i lager. För ordrar skriver den en rad i ditt orderark med kunduppgifter som samlas in i chatten.
Lagersaldot uppdateras efter köpbekräftelse. När en order lagts korrekt uppdaterar arbetsflödet motsvarande lagerrad och minskar antalet. Kunden får en tydlig bekräftelse tillbaka i Telegram, och du får strukturerade rader för leveranshantering.
Du kan enkelt anpassa kolumnerna i Google-arket så att de matchar din produktkatalog utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Tips för felsökning
- Google Sheets-inloggningar kan gå ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera skärmen Credentials i n8n och bekräfta att det anslutna Google-kontot fortfarande har åtkomst till det kalkylarket.
- Om du använder Wait-noder eller externa anrop (som HTTP Request) varierar processtiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du redigera outputs för alltid.
Snabba svar
Cirka 30 minuter om din Telegram- och Google Sheets-setup redan är klar.
Nej. Du kopplar konton och väljer rätt arkflikar i några noder.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad vid högre volymer. Du behöver också räkna in kostnader för OpenAI API, som vanligtvis landar på några cent per dag vid små volymer.
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 dig obegränsat antal körningar men kräver grundläggande serveradministration.
Ja, och det borde du troligen. De flesta byter lageruppslagningen så att den matchar deras egen kolumn för “unik identifierare” (ofta ett produkt-ID) i Google Sheets-noden “Get Stock”, och justerar sedan noden “Place Order” så att den fångar fälten de bryr sig om (namn, telefon, adress, variant). Du kan också justera AI-agentens prompt så att den svarar med din tonalitet och ställer rätt följdfrågor när kundens meddelande är otydligt. Säljer du mer än en produkttyp kan du lägga till en Switch- eller If-villkor så att olika kategorier mappar till olika arkflikar.
Oftast beror det på en bot-token eller en ändrad Telegram-behörighet. Kontrollera Telegram-credentials i n8n igen och bekräfta sedan att boten är tillagd i rätt chatt och kan läsa meddelanden. Om det fungerar i en chatt men inte i en annan är chattypen och botens sekretessinställningar ofta orsaken.
För de flesta små butiker är hundratals chattar per dag realistiskt om ditt Google-ark hålls strukturerat och din n8n-instans är stabil.
Ofta, ja, men det beror på vad du vill uppnå. Det här arbetsflödet bygger på en AI-agent, förgreningslogik (Switch/If) och uppdateringar i flera steg i Google Sheets (läsa, skriva, sedan uppdatera lager). n8n hanterar den typen av “konversation till beslut till databasuppdatering” snyggt, och egen drift betyder att du inte betalar extra varje gång en kund pingar dig. Zapier eller Make kan fortfarande fungera om ditt flöde är enkelt, men de blir snabbt klumpiga när du behöver minne, rikare logik och mer kontroll över hur meddelanden hanteras. Om du är osäker, prata med en automationsexpert och beskriv din säljvolym och hur din katalog är uppbyggd.
När det här väl rullar slutar din Telegram-inkorg att vara en risk. Arbetsflödet tar hand om de repetitiva frågorna och kalkylarksuppdateringarna, och du kan fokusera på leveranser, marknadsföring och att bygga ut sortimentet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.