Din WhatsApp-inkorg är där bra support går för att dö. Samma frågor, samma svar, och ändå sitter du och skriver om dem vid midnatt eftersom ingen hittar “rätt” svar.
Den här WhatsApp FAQ-loggning-setupen träffar supportansvariga först, men solofounders och ops-chefer märker det också. Du får konsekventa, varumärkesanpassade svar som hämtas från ditt eget Google-dokument, och varje konversation loggas till Google Sheets så att du äntligen kan se vad kunderna frågar om mest.
Nedan hittar du flödet, vad det automatiserar och vad som förändras när du slutar svara på allt för hand.
Så här fungerar automatiseringen
Hela n8n-workflowen, från trigger till slutligt resultat:
n8n Workflow Template: WhatsApp + Google Sheets: supportsvar loggas
flowchart LR
subgraph sg0["AI Agent Flow"]
direction LR
n0@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", 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/code.svg' width='40' height='40' /></div><br/>cleanAnswer"]
n2["<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/>24-hour window check"]
n3@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If", pos: "b", h: 48 }
n4@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n5["<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/aitransform.svg' width='40' height='40' /></div><br/>Prepare Prompt"]
n6@{ icon: "mdi:database", form: "rounded", label: "Google Sheets", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "Date & Time", pos: "b", h: 48 }
n8@{ icon: "mdi:cog", form: "rounded", label: "company's knowledge", pos: "b", h: 48 }
n9@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n10["<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/webhook.dark.svg' width='40' height='40' /></div><br/>WhapAround - Listeing"]
n11["<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/webhook.dark.svg' width='40' height='40' /></div><br/>WhapAround - Respond Message "]
n12["<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/webhook.dark.svg' width='40' height='40' /></div><br/>WhapAround - Respond Template "]
n3 --> n1
n3 --> n12
n0 --> n7
n7 --> n6
n1 --> n11
n6 --> n2
n9 -.-> n0
n5 --> n0
n8 --> n5
n2 --> n3
n10 --> n8
n4 -.-> n0
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 ai
class n4 aiModel
class n9 ai
class n3 decision
class n6 database
class n10,n11,n12 api
class n1,n2 code
classDef customIcon fill:none,stroke:none
class n1,n2,n5,n10,n11,n12 customIcon
Problemet: WhatsApp-support blir repetitiv (och omöjlig att följa upp)
WhatsApp-support ser enkel ut tills den inte är det. En kund frågar om priser, leverans, återbetalningar, öppettider, bokningsdetaljer eller “kan jag prata med en människa?” och du försöker svara snabbt så att de inte försvinner. Sedan kommer ett till meddelande, och ett till. Plötsligt är dina “snabbsvar” inaktuella, olika kollegor svarar på samma fråga på olika sätt, och du har ingen strukturerad historik över vad som faktiskt frågas. Det värsta är den osynliga kostnaden: du kan inte förbättra det du inte kan mäta.
Det går fort att hamna där. Här är var det fallerar.
- Teamet fortsätter skriva om samma FAQ-svar, vilket i det tysta bränner ett par timmar varje vecka.
- Svaren glider över tid, så priser, policys eller ton blir inkonsekventa mellan olika handläggare.
- Utan en ordentlig logg gissar du vilka problem som driver flest ärenden och återbetalningar.
- När WhatsApps 24-timmarsregel för svar slår till skapar sena svar onödigt fram och tillbaka och missade konverteringar.
Lösningen: AI-svar från Google Docs, loggat till Sheets
Det här flödet gör ditt Google-dokument till en levande supportkunskapsbas och använder den för att svara på WhatsApp-meddelanden automatiskt. När ett nytt WhatsApp-meddelande kommer in via en webhook hämtar flödet senaste innehållet från ditt Google Docs-dokument (så du slipper uppdatera prompts på fem ställen). Det paketerar kunskapen till en tydlig instruktion “svara så här”, skickar kundens fråga till en AI-agent (OpenAI eller Gemini) och genererar ett svar som matchar din dokumentation. Därefter stämplar det meddelandet med aktuellt datum/tid och loggar hela interaktionen till Google Sheets för rapportering. Till sist kontrollerar det 24-timmarsfönstret och skickar antingen ett normalt svar eller ett WhatsApp-mallsvar vid behov.
Flödet börjar med en inkommande WhatsApp-webhook, läser sedan ditt Google-dokument och bygger en prompt till AI:n. Efter att AI:n har skapat ett utkast rensar n8n upp texten, loggar konversationen till Google Sheets och skickar slutmeddelandet via rätt WhatsApp-svarstyp.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du får 20 WhatsApp-frågor per dag och att ungefär hälften är återkommande (öppettider, leverans, återbetalningspolicy). Manuellt tar även “snabba” svar kanske 3 minuter styck när du läser, kopierar, justerar och skickar, så det blir cirka 30 minuter per dag bara på upprepningar. Med det här flödet lägger du ungefär 10 minuter på att uppdatera ditt Google-dokument när något ändras, sedan kör svar och loggning automatiskt i bakgrunden. På en vecka får de flesta team tillbaka flera timmar, och kalkylarket visar exakt vad som ska förbättras härnäst.
Det du behöver
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- WhapAround för att koppla ditt WhatsApp-nummer och webhook.
- Google Docs för din FAQ och företagets kunskapsbas.
- OpenAI API-nyckel eller Gemini API-åtkomst (hämta den i din OpenAI- eller Google AI-konsol)
Kunskapsnivå: Nybörjare. Du klistrar in ett dokument-ID, kopplar konton och mappar några meddelandefält.
Vill du inte sätta upp det här själv? Prata med en automations-expert (gratis 15-minuters konsultation).
Så fungerar det
Ett WhatsApp-meddelande triggar flödet. WhapAround vidarebefordrar den inkommande chatten till n8n via “Incoming WhatsApp Hook”, inklusive vem som skickade den och meddelandetexten.
Ditt Google-dokument hämtas som sanningskälla. n8n hämtar dokumentet du anger (“Retrieve Knowledge Doc”), så att dina policys och FAQ:er ligger på ett ställe och hålls uppdaterade utan att du behöver redigera automatiseringen.
AI:n skapar ett svar med minne när det finns tillgängligt. Flödet sätter ihop en korrekt formaterad prompt, skickar den till AI-agenten (OpenAI eller Gemini) och kan behålla kort chattkontext med en session memory buffer så att svaren känns mindre robotiska i längre konversationer.
Allt loggas och routas sedan via rätt svarmetod. Flödet tidsstämplar med aktuell tid, skriver en rad till Google Sheets, kontrollerar WhatsApps 24-timmarsfönster och skickar antingen ett standardsvar eller ett mallsvar.
Du kan enkelt justera kolumnerna i Google Sheet så att de matchar din rapportering, eller byta AI-motor från OpenAI till Gemini beroende på vad du föredrar. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera webhook-triggern
Sätt upp den inkommande WhatsApp-webhooken som startar arbetsflödet och skickar vidare payloaden för bearbetning.
- Lägg till och öppna Incoming WhatsApp Hook.
- Ställ in HTTP Method på
POST. - Ställ in Path på
30720c7c-18f4-4815-be3b-03343d53ee45. - Ställ in Response Mode på
responseNodeså att svaret hanteras av Send WhatsApp Reply eller Send Template Reply. - Anslut er WhatsApp-leverantör till webhook-URL:en som genereras av Incoming WhatsApp Hook.
⚠️ Vanlig fallgrop: Koden i Assemble Prompt Text och Validate 24h Window refererar till when message received. Om er webhook-nod heter Incoming WhatsApp Hook, uppdatera de referenserna eller byt namn på webhook-noden så att den matchar, för att undvika körningsfel.
Steg 2: anslut Google Docs för kunskapshämtning
Hämta innehållet i er kunskapsbas från ett Google-dokument så att assistenten kan besvara frågor med aktuellt supportmaterial.
- Lägg till och öppna Retrieve Knowledge Doc.
- Ställ in Operation på
get. - Ställ in Document URL på
[YOUR_ID](ersätt med er Google Doc-URL eller ert ID). - Inloggning krävs: Anslut era Google Docs-inloggningsuppgifter.
Steg 3: bygg AI-prompten och konfigurera agenten
Skapa en prompt som kombinerar datum, texten från kunskapsdokumentet och det inkommande WhatsApp-meddelandet, och skicka den sedan till AI-agenten.
- Öppna Assemble Prompt Text och behåll den angivna jsCode för att bygga
finalPrompt. - Verifiera att promptformatet i Assemble Prompt Text matchar den förväntade strukturen i instruktionerna.
- Öppna Support AI Responder och ställ in Text på
{{ $json.finalPrompt }}. - I Support AI Responder, granska System Message för att säkerställa att den matchar er supportton och era policys.
- Öppna Gemini Chat Engine och ställ in Model Name på
models/gemini-2.5-flash-preview-04-17-thinking. - Inloggning krävs: Anslut era Google Gemini-inloggningsuppgifter i Gemini Chat Engine. Det här är språkmodellen som används av Support AI Responder.
- Öppna Session Memory Store och ställ in Session Key på
{{ $('when message received').item.json.contacts[0].wa_id }}och Session ID Type påcustomKey.
Sessionsminne kopplas till Support AI Responder via Session Memory Store. Lägg till eventuella inloggningsuppgifter i den överordnade modellnoden (Gemini Chat Engine), inte i minnes-subnoden.
Steg 4: logga aktivitet och validera 24-timmarsfönstret
Logga interaktioner till ett kalkylark och avgör om meddelandet ligger inom WhatsApps 24-timmars svarsfönster.
- Öppna Current Date Time och behåll standardinställningarna för att fånga tidsstämpeln efter AI-bearbetningen.
- Öppna Log to Spreadsheet och konfigurera mål-kalkylarket och fliken där ni vill lagra konversationsloggar.
- Inloggning krävs: Anslut era Google Sheets-inloggningsuppgifter.
- Öppna Validate 24h Window och behåll den angivna jsCode för att beräkna
withinWindowutifrån WhatsApp-tidsstämpeln.
Steg 5: routa svar baserat på 24-timmarsbeslutet
Använd en beslutspunkt för att skicka ett direkt AI-svar inom 24 timmar, eller en mall som fallback utanför fönstret.
- Öppna Decision Gate och bekräfta att villkoret använder
{{ $json.withinWindow }}med den booleska operatorn satt till true. - På “true”-utgången, behåll kopplingen till Polish Reply Text för att rensa AI-utdata.
- På “false”-utgången, behåll kopplingen till Send Template Reply för att skicka ett fallback-svar.
- Öppna Polish Reply Text och behåll den angivna jsCode för att ta bort formatering och oönskade inledningar.
Steg 6: konfigurera WhatsApp-svar
Returnera AI-svaret eller ett mallmeddelande tillbaka till den ursprungliga webhook-förfrågan.
- Öppna Send WhatsApp Reply och formatera svarskroppen så att den matchar er WhatsApp-leverantörs förväntade response-payload.
- Öppna Send Template Reply och konfigurera fallback-payloaden för meddelanden utanför 24-timmarsfönstret.
Steg 7: testa och aktivera
Kör ett fullständigt test för att bekräfta att webhooken, AI-svaret, loggningen och routningen fungerar som förväntat, och aktivera sedan arbetsflödet.
- Klicka på Execute Workflow och skicka ett testmeddelande i WhatsApp till webhook-URL:en från Incoming WhatsApp Hook.
- Verifiera att Retrieve Knowledge Doc returnerar ert dokumentinnehåll och att Assemble Prompt Text outputar
finalPrompt. - Bekräfta att Support AI Responder producerar ett svar och att Polish Reply Text returnerar rensad text.
- Kontrollera att Log to Spreadsheet skriver en ny rad i ert Google Sheet.
- Säkerställ att Decision Gate routar till Send WhatsApp Reply inom 24 timmar och annars till Send Template Reply.
- När ni är nöjda, växla arbetsflödet till Active för produktionsanvändning.
Vanliga fallgropar
- Åtkomst till Google Docs kan misslyckas om dokumentet inte är korrekt delat eller om det kopplade Google-kontot tappar behörigheter. Om flödet plötsligt svarar med “missing context”, kontrollera först Google-anslutningen och dokumentets delningsinställningar.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på tomma svar.
- Utdata från OpenAI eller Gemini kan bli intetsägande med standardprompter. Lägg in din varumärkesröst och regler för “vad som inte ska sägas” tidigt, annars kommer du redigera svar för alltid.
Vanliga frågor
Cirka 15–30 minuter om dina konton är redo.
Nej. Du kommer främst koppla ihop tjänster och mappa meddelandefält. Den enda “tekniska” delen är att klistra in ditt Google Doc-ID och din API-nyckel på rätt ställen.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 $/månad för högre volym. Du behöver också räkna in OpenAI- eller Gemini-API-användning, vilket oftast är litet för korta FAQ-svar.
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.
Ja, och det borde du – helt ärligt. Ett vanligt upplägg är att lägga till en “If”-regel efter AI-svaret som letar efter vissa intents (återbetalning, avboka, juridik, arga meddelanden) och sedan routar chatten till en människa via en Telegram-notis. Du kan också justera steget “Assemble Prompt Text” så att det inkluderar din eskaleringspolicy och öppettider, så att assistenten vet när den ska säga “En kollega svarar i morgon.” Många team anpassar också Google Sheets-loggen för att fånga en kategorikolumn, vilket gör veckorapportering mycket enklare.
Oftast handlar det om behörigheter eller en utgången Google-autentisering. Säkerställ att det kopplade Google-kontot faktiskt kan öppna dokumentet, autentisera sedan Google på nytt i n8n och bekräfta att dokument-ID:t är korrekt. Om dokumentet flyttades mellan Drives eller om delningsinställningarna ändrades kan flödet plötsligt börja hämta tomt innehåll, vilket direkt försämrar AI-svaren.
På self-hosted n8n beror det främst på din server och dina AI-rate limits.
Ofta, ja. n8n är mer bekvämt när du behöver förgrenad logik som “logga det, kontrollera 24-timmarsregeln, välj sedan en svarsväg”, och det är enklare att lägga till minne och egen bearbetning utan att slå i premiumgränser. Self-hosting spelar också roll om du har toppar och inte vill betala per task. Zapier eller Make kan gå snabbare att klicka ihop för ett tvåstegsflöde, men supportautomatisering brukar växa med extra regler över tid. Prata med en automations-expert om du vill ha hjälp att välja.
När det här väl rullar håller dina WhatsApp-svar en jämn nivå och ditt kalkylark blir en enkel dashboard för “toppärenden”. Sätt upp det en gång, och gå vidare till det verkliga jobbet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.