Du öppnar YouTube för ”snabb research” och plötsligt har du 14 flikar, tre halvfärdiga idéer och ingen strukturerad plats att spåra det du hittade. Det värsta är inte sökandet. Det är att du tappar de bra vinklarna eftersom de aldrig fångas upp i ett användbart format.
Om du är content marketer känner du igen det här varje vecka. En YouTube-skapare känner det dagligen. Och en social lead som försöker ligga före trenderna blir snabbt begravd i det. Den här automatiseringen för loggning av YouTube-trender gör röriga sökningar till repeterbara briefs som du kan planera utifrån.
Du skickar ett enkelt chattmeddelande, får tillbaka en AI-trendrapport och loggar de bästa idéerna i Google Sheets så att du faktiskt kan använda dem senare.
Så fungerar automatiseringen
Här är hela workflowet du kommer att sätta upp:
n8n Workflow Template: YouTube + Google Sheets: trendidéer loggade åt dig
flowchart LR
subgraph sg0["When chat message received Flow"]
direction LR
n0@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n1@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n2@{ icon: "mdi:wrench", form: "rounded", label: "Workflow - Youtube Search", pos: "b", h: 48 }
n3@{ icon: "mdi:play-circle", form: "rounded", label: "When chat message received", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "AI Agent - Trend Explorer", pos: "b", h: 48 }
n1 -.-> n4
n0 -.-> n4
n2 -.-> n4
n3 --> n4
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 n3 trigger
class n4 ai
class n0 aiModel
class n2 ai
class n1 ai
Därför spelar det roll: trendresearch faller mellan stolarna
Trendresearch låter enkelt tills du försöker göra det konsekvent. Du söker på YouTube, skummar några toppvideor, läser kommentarer, kollar titlar och försöker sedan komma ihåg varför ett resultat kändes ”lovande”. Senare vill du bygga en contentkalender och allt du har är en webbhistorik och en vag anteckning som ”gör något om AI-workflows”. Det är mentalt dränerande eftersom du byter kontext varannan minut, och kostnaden märks senare som svaga hooks, uttjatade vinklar och panik i sista minuten.
Det adderar snabbt upp. Här är var friktionen staplas på.
- Du hittar intressanta videor, men insikten om ”varför det trendar” blir aldrig nedskriven.
- Idéer hamnar på för många ställen (flikar, anteckningar, DM), så du kan inte bygga momentum vecka för vecka.
- Manuell loggning i ett ark är lätt att hoppa över när du har mycket, vilket gör att ditt spårningssystem faller ihop.
- Teamets research blir repetitiv eftersom ingen ser vad som redan har utforskats.
Det du bygger: YouTube-trendbriefs som auto-loggas till Sheets
Det här workflowet förvandlar en snabb chattfråga till en strukturerad trendbrief och en korrekt formaterad rad i Google Sheets. Det startar när du meddelar workflowet med en ämnesprompt (till exempel ”Vad trendar inom produktivitetsappar?”). En AI-agent startar sedan ett YouTube-sökverktyg för att hämta relevanta, aktuella videor och keywordsignaler. Därefter analyserar OpenAI-chattmodellen det som hittades och förklarar mönstret på klarspråk: vad som får uppmärksamhet, vilka vinklar som är överanvända och var det finns utrymme för en fräsch take. En lättviktsmodul för minne håller tråden sammanhängande, så att följdfrågor bygger vidare på det du redan frågat istället för att börja från noll.
Workflowet börjar med chattintag. Sedan samlar det in YouTube-data i realtid, tolkar den med AI och returnerar en kort rapport du kan agera på. Slutligen kan resultatet loggas till Google Sheets så att din idébacklog blir sökbar och redo för planering.
Det du bygger
| Vad som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du researchar trender tre gånger i veckan och loggar cirka 10 idéer per session. Manuellt kanske du lägger 5 minuter på att hitta varje bra spår och ytterligare 2 minuter på att skriva en användbar anteckning, vilket landar på runt 70 minuter per session (alltså cirka 3,5 timmar i veckan). Med det här workflowet skickar du en prompt, väntar några minuter på rapporten och klistrar in eller loggar de bästa takeaways i ditt Google-ark på cirka 10 minuter. Du behåller signalen och slipper grovjobbet.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- OpenAI för AI-svar med trendanalys.
- Google Sheets för att lagra trendbriefs och idéhistorik.
- OpenAI API-nyckel (hämta den i OpenAI API-dashboarden)
Kunskapsnivå: Nybörjare. Du importerar workflowet, kopplar konton och redigerar några fält som ditt arknamn och prompts.
Vill du att någon bygger det här åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett chattmeddelande sätter igång det. Du skriver en trendfråga eller en ämnesprompt i den kopplade chattintaget (n8n:s chat trigger). Tänk ”bästa ämnena inom X just nu” eller ”vad trendar kring Y den här veckan”.
YouTube-data hämtas in. AI-agenten anropar ett dedikerat YouTube-sökverktyg som hämtar relevanta videor och nyckelord baserat på din prompt, så att analysen bygger på det som faktiskt syns på plattformen.
AI gör resultaten till en brief. OpenAI-chattmodellen går igenom råfynden och producerar ett strukturerat svar: vad som driver uppmärksamhet, vilka format som poppar och några vinkelförslag du kan använda direkt.
Samtalet håller ihop. Ett kompakt sessionsminne behåller nylig kontext, vilket gör att följdfrågor (”gå djupare på skapare som riktar sig till nybörjare”) inte känns som helt nya sökningar.
Du kan enkelt justera promptformatet så att det matchar din planeringsstil, eller ändra vart resultatet ska skickas så att det passar teamets arbetssätt. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera chattriggern
Konfigurera startpunkten så att samtal kan starta arbetsflödet.
- Lägg till noden Chat Intake Trigger som er workflow-trigger.
- Behåll standardkonfigurationen för options om ni inte behöver anpassade chattinställningar.
- Koppla Chat Intake Trigger till Trend Insight Agent som nästa nod i flödet.
Steg 2: Koppla OpenAI-autentiseringsuppgifter
Ange språkmodellen som agenten använder för svar och resonemang.
- Välj noden OpenAI Conversation Model.
- Autentiseringsuppgift krävs: Anslut era openAiApi-autentiseringsuppgifter.
- Säkerställ att OpenAI Conversation Model är kopplad till Trend Insight Agent som anslutningen ai_languageModel.
Steg 3: Ställ in Trend Insight Agent
Konfigurera AI-agentens instruktioner som styr beteendet för trendanalys.
- Öppna noden Trend Insight Agent.
- Ställ in systemMessage till
=You are an assistant that helps YouTube creators uncover what topics are trending in a given niche over the past two days. 1. Niche Check If the user has not yet specified a niche, respond with a short list of 5 popular niches (e.g. “fitness tips,” “tech reviews,” “kids’ crafts,” etc.) and ask them to choose one. 2. Trend Search Once you know the niche, choose up to three distinct search queries that reflect different angles of that niche. For each query, call the youtube_search tool to retrieve videos published in the last 2 days. 3. Data Handling The tool returns multiple JSON entries, each with fields: "video_id": "...", "view_count": ..., "like_count": ..., "comment_count": ..., "description": "...", "channel_title": "...", "tags": [...], "channel_id": "..." Videos are delimited by ### NEXT VIDEO FOUND: ###. 4. Insight Generation Aggregate results across all queries. Don’t discuss individual videos; instead, synthesize overall patterns: Common themes in titles/descriptions/tags Recurrent content formats or calls-to-action Approximate engagement ranges (views/likes/comments) Provide direct links: Video: https://www.youtube.com/watch?v={video_id} Channel: https://www.youtube.com/channel/{channel_id} 5. Final Output Summarize the top 2–3 trending topics or formats in this niche over the last 48 hours, with engagement snapshots. Explain why these themes are resonating and how the creator might leverage them. Example “Across the three searches, videos focusing on mental triggers in digital marketing accounted for 60–80 K views and 5 K–7 K likes. 3 out of 5 top videos used countdown lists (‘5 mental triggers…’), suggesting viewers favor bite-sized, actionable content.”.
Steg 4: Koppla minne och verktyg
Koppla sessionsminne och YouTube-sökverktyget för att möjliggöra kontextuell analys över flera vändor.
- Öppna Compact Session Memory och ställ in sessionKey till
ai-agent-trend-explorer. - Ställ in sessionIdType till
customKeyi Compact Session Memory. - Koppla Compact Session Memory till Trend Insight Agent med anslutningen ai_memory.
- Öppna YouTube Search Tool och ställ in name till
youtube_search. - Ställ in description till
Call this tool to search for trending videos based on a query.. - Aktivera specifyInputSchema och ställ in jsonSchemaExample till
{ "search_term": "some_value" }. - Koppla YouTube Search Tool till Trend Insight Agent med anslutningen ai_tool.
Steg 5: Testa och aktivera ert arbetsflöde
Validera chattflödet från början till slut och aktivera det för verklig användning.
- Klicka på Execute Workflow och initiera en chattsession via Chat Intake Trigger.
- Bekräfta att Trend Insight Agent frågar efter en nisch om ingen anges, och anropar YouTube-sökverktyget när en nisch har angivits.
- Verifiera att svaret innehåller sammanfattade trender samt video-/kanallänkar i slutresultatet.
- När resultaten ser korrekta ut, växla arbetsflödet till Active för produktionsanvändning.
Tips för felsökning
- OpenAI-inloggning kan gå ut eller klistras in fel. Om det skapar fel, kontrollera först credential-valet i OpenAI-noden i n8n och bekräfta sedan att nyckeln är aktiv i din OpenAI-dashboard.
- Om du använder Wait-noder eller är beroende av externa anrop varierar svarstiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att sitta och redigera outputs i all evighet.
Snabba svar
Cirka 30 minuter om dina OpenAI- och Google-konton är redo.
Nej. Du importerar workflowet och kopplar dina konton. Det enda ”bygg”-arbetet är att justera några prompts och var du vill lagra resultaten.
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 med OpenAI API-kostnader, som oftast ligger på några cent per request för den här typen av trendbrief.
Två alternativ: n8n Cloud (hanterad, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det borde du sannolikt göra. Du kan ändra instruktionerna för ”Trend Insight Agent” så att den levererar ett striktare briefformat (hook-idéer, målgrupp, titelvarianter), eller byta logiken i YouTube-sökverktyget för att fokusera på en nischad uppsättning nyckelord. Vanliga justeringar är att logga extra kolumner i Google Sheets (kanalnamn, publiceringsdatum, vinkelpoäng), ändra tonen så den matchar ditt varumärke och routa den slutliga briefen till Telegram för godkännande innan den skrivs till arket.
Oftast beror det på en ogiltig eller utgången API-nyckel i dina n8n-credentials. Uppdatera OpenAI-credentialn och dubbelkolla sedan vald modell i noden för OpenAI-chattmodellen. Om det fortfarande fallerar, kontrollera rate limits eller faktureringsproblem på ditt OpenAI-konto, särskilt om du kör många prompts efter varandra.
På n8n Cloud Starter kan du räkna med tusentals körningar per månad, vilket räcker för de flesta små team som kör en handfull trendprompts per dag. Om du self-hostar finns inget körningstak från n8n, men serverresurser och OpenAI-användning blir den praktiska begränsningen. I en typisk setup är en prompt lika med en körning, så även 20 prompts per dag är fortfarande mycket hanterbart.
Ofta, ja, eftersom det här workflowet behöver en AI-agent, minne och ett ”verktyg” som kan anropas dynamiskt, vilket passar mer naturligt i n8n. Du får också mer kontroll över hur prompten byggs och hur resultaten formas innan de hamnar i Google Sheets. Self-hosting är viktigt om du förväntar dig frekvent användning och inte vill att per-task-prissättning ska smyga upp. Zapier eller Make kan fortfarande fungera om din variant bara är ”YouTube-länk in, sammanfattning ut”, men de blir klumpiga när du vill ha flervändarschatt och iterativ research. Prata med en automationsexpert om du är osäker på vad som passar.
När trendresearch hamnar i ett ark automatiskt blir planeringen lugnare. Workflowet gör att dina idéer inte försvinner, och du får tillbaka tiden till arbetet som faktiskt levereras.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.