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

WhatsApp + Google Sheets: rensade beställningar

Rickard Andersson Partner, Nodenordic.se

Dina WhatsApp-beställningar ser förmodligen ut så här: en rörig chatttråd, några röstmeddelanden, någon glömmer adressen och leveransavgiften “gissas” beroende på vem som jobbar.

Restaurangägare märker det när köket börjar förbereda fel rätt. En marknadschef ser det som dåliga recensioner. Och en leveranskoordinator vill bara ha ett korrekt, strukturerat ställe att följa beställningarna på. Den här automatiseringen för WhatsApp-beställningsloggning gör chattar till strukturerade beställningar du kan lita på.

Du får lära dig vad arbetsflödet gör, vad du behöver för att köra det och hur delarna hänger ihop så att du slipper slösa tid på “Vänta, vad beställde de?”

Så här fungerar automatiseringen

Här är hela arbetsflödet du kommer att sätta upp:

n8n Workflow Template: WhatsApp + Google Sheets: rensade beställningar

Varför det här spelar roll: WhatsApp-beställningar blir snabbt röriga

WhatsApp är toppen för enkelhet och katastrof för konsekvens. Kunder beställer i fragment. De ändrar sig mitt i chatten. De skickar en adress utan nummer och försvinner sedan i tio minuter. Under tiden försöker ditt team räkna ut leveransavgifter ur minnet, förmedla beställningen till köket och hålla koll på vad som är betalt, vad som väntar och vad som redan är på väg ut. Ett missat meddelande kan bli en omkörning, en återbetalning eller en arg recension. Ärligt talat är det värsta den mentala belastningen: någon måste “hålla hela beställningen” i huvudet tills den är klar.

Det blir snabbt mycket. Här är var det faller isär i verkligheten.

  • Någon kopierar manuellt en beställning från WhatsApp till en anteckningsapp eller ett kalkylark, och små detaljer försvinner på vägen.
  • Leveransavgifter varierar beroende på vem som räknar, vilket betyder att ni antingen tar för lite betalt eller hamnar i obekväma diskussioner med kunder.
  • Beställningshistoriken blir kvar i chatttrådar, så återkommande kunder får aldrig den “du igen”-upplevelse de borde få.
  • När det blir stressigt hör köket en halvfärdig beställning och börjar laga innan kunden faktiskt har bekräftat.

Vad du bygger: en WhatsApp-assistent som bekräftar och loggar beställningar

Det här arbetsflödet omvandlar WhatsApp-konversationer till bekräftade, strukturerade beställningar och loggar dem i Google Sheets för strukturerad spårning. Det startar när en kund skriver till ditt WhatsApp-nummer (via en WhatsApp-webhook-koppling). Därifrån hanterar en AI-agent som kör på en OpenAI-chattmodell konversationen: den samlar in beställningen, kontrollerar saknade uppgifter som namn och adress och bekräftar den slutliga varukorgen innan något skickas vidare. Därefter beräknar arbetsflödet leveransavstånd via HTTP-förfrågningar (vanligtvis mot en kart- eller distanstjänst), tillämpar dina prisregler och returnerar en tydlig leveransavgift så att ni slipper fram och tillbaka. Till sist sparar det orderdetaljerna i ett kalkylark och kan vidarebefordra den strukturerade beställningen till de system ditt team faktiskt använder (CRM/POS/databas), samtidigt som det behåller minne så att återkommande kunder inte behöver upprepa sig.

Arbetsflödet börjar med en WhatsApp-meddelandetrigger och använder sedan AI för att standardisera beställningen och fylla i luckor. Efter det beräknar det leveransavgifter baserat på avstånd och skriver allt till Google Sheets. Resultatet är en prydlig orderpost som teamet kan lita på.

Det du bygger

Förväntade resultat

Säg att du hanterar 30 leveransbeställningar per dag via WhatsApp. Om varje beställning tar kanske 5 minuter av fram och tillbaka (bekräfta varor, jaga adressen, räkna ut en avgift och sedan skriva in den i ett ark) blir det cirka 2,5 timmar manuellt arbete dagligen. Med det här arbetsflödet blir “mänsklig tid” snabb översyn: du låter assistenten samla in och bekräfta detaljer, och sedan tittar du snabbt i Google Sheet eller din POS-feed. Chatten sker fortfarande, men teamet slutar göra de repetitiva delarna.

Innan du börjar

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för självhostning om du föredrar det (Hostinger fungerar bra)
  • WhatsApp Business API-leverantör för att ta emot meddelanden via webhook.
  • Google Sheets för att lagra strukturerade orderrader.
  • OpenAI API-nyckel (hämta den från din OpenAI-dashboard).

Kunskapsnivå: Medel. Du kopplar upp inloggningar, sätter webhook-URL:er och justerar några affärsregler som leveransprissättning.

Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).

Steg för steg

Ett kundmeddelande triggar arbetsflödet. WhatsApp skickar inkommande meddelande till n8n via en webhook-liknande setup (ofta implementerad med HTTP-förfrågningar och en leverantörskoppling). Om du också kör flera inkorgar eller varumärken kan routningslogik dela upp trafiken tidigt.

Assistenten gör chatten till orderdata. AI-agenten använder en OpenAI-chattmodell plus ett enkelt minne för att behålla kontext, fråga efter saknade uppgifter och sammanfatta beställningen i ett konsekvent format som driften kan använda.

Leveransavgifter beräknas automatiskt. När en adress har fångats anropar arbetsflödet ett distans-API via HTTP Request och tillämpar sedan din grundavgift och pris per kilometer. Switch/If-noder hanterar specialfall, som “utanför leveranszon” eller “hämtning i stället”.

Allt loggas och vidarebefordras. Den slutliga, bekräftade beställningen skrivs in i Google Sheets och kan även skickas till interna system (CRM/POS/databas) så att köket och leveransteamet ser samma sanning.

Du kan enkelt ändra reglerna för leveransprissättning för att matcha olika områden, krav på minsta ordervärde eller rusningstidsavgifter utifrån dina behov. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.

Felsökningstips

  • WhatsApp API/webhook-inloggningar kan gå ut eller kräva godkända callback-URL:er. Om meddelanden slutar komma, kontrollera leverantörens webhook-loggar och verifiera först endpoint-URL:en i n8n.
  • Om du använder Wait-noder eller externa distansuppslag varierar svarstiderna. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
  • Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera utskrifter för alltid.

Snabba svar

Hur lång tid tar det att sätta upp den här automatiseringen för WhatsApp-beställningsloggning?

Cirka 1–2 timmar om din WhatsApp-leverantör och ditt Google Sheet är redo.

Krävs kodning för den här WhatsApp-beställningsloggningen?

Nej, ingen kodning krävs. Du kommer främst att koppla konton, klistra in API-nycklar och justera prompter och avgiftsregler.

Är n8n gratis att använda för det här arbetsflödet för WhatsApp-beställningsloggning?

Ja. n8n har ett gratis alternativ för självhostning och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-kostnader (ofta bara några dollar i månaden vid små volymer) samt eventuella avgifter från din WhatsApp-leverantör.

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

Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhostning på en VPS. För självhostning är Hostinger VPS prisvärd och hanterar n8n bra. Självhostning ger dig obegränsat antal körningar men kräver grundläggande serveradministration.

Kan jag anpassa det här arbetsflödet för WhatsApp-beställningsloggning för andra användningsfall?

Ja, och det borde du förmodligen. Du kan byta OpenAI Chat Model mot en annan modell genom att ändra chattmodell-noden och sedan justera instruktionerna till AI-agenten så att de matchar din meny och dina policys. Vanliga anpassningar är olika leveranszoner och prissättning, att samla in betalningsmetod direkt och att skriva till en databas i stället för Google Sheets. Du kan också lägga till en överlämningsregel så att VIP-kunder går direkt till en människa.

Varför misslyckas min WhatsApp-anslutning i det här arbetsflödet?

Oftast är det webhook-setupen, inte n8n. Kontrollera att din WhatsApp-leverantör skickar events till rätt URL, att endpointen går att nå från internet och att du inte misslyckas med en signatur-/verifieringskontroll som leverantören kräver. Om det fungerade i går men inte i dag, generera om leverantörstoken och uppdatera inloggningen i n8n. Håll också koll på rate limits när du får en burst av meddelanden vid lunchtid.

Vilken volym kan det här arbetsflödet för WhatsApp-beställningsloggning hantera?

På n8n Cloud Starter kan du räkna med att det bekvämt hanterar en normal meddelandemängd för ett småföretag, och du kan uppgradera planer när volymen växer. Om du självhostar finns ingen körningsgräns (det beror mest på din serverstorlek och dina WhatsApp/OpenAI-rate limits). I praktiken kör de flesta restauranger allt från tiotals till några hundra chattar per dag utan att ändra något och optimerar sedan när de börjar hantera flera enheter.

Är den här automatiseringen för WhatsApp-beställningsloggning bättre än att använda Zapier eller Make?

Ofta, ja. Det här arbetsflödet bygger på logik i flera steg (Switch/If), minne för pågående konversationer och HTTP-förfrågningar för distansberäkning, vilket är där enklare verktyg kan bli klumpiga eller dyra. n8n ger dig också mer kontroll över hur data formas innan den hamnar i Google Sheets, så att ditt kalkylark håller sig strukturerat i stället för “typ användbart”. Zapier eller Make kan fortfarande vara helt okej om du bara vill logga inkommande meddelanden utan AI och utan avgiftsberäkning. Om du är osäker, prata med en automationsexpert så pekar vi dig i rätt riktning.

När det här väl rullar slutar WhatsApp-chatten vara ditt “ordersystem” och blir bara ytterdörren. Arbetsflödet sköter struktureringen så att teamet kan fokusera på att få ut maten snabbt.

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