Mindket

每周的 Google Analytics 报告:AI 写好,发到邮件和 Telegram

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,把一个 Google Analytics 属性最近 7 天的数据同一年前的同样几天作比较。OpenAI 模型写出总结和一张表,每周一用邮件发出,并以纯文本发到 Telegram。

每周的 Google Analytics 报告:AI 写好,发到邮件和 Telegram 是一款 n8n 工作流,属于营销类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 只要邮件:删掉两个 Telegram 节点
  • 另一个网站:在两个 Google Analytics 节点里选它的属性

平台

连接 4 个应用

运行方式

触发

每周定时

每周一 7:00 自动开始运行,不需要你填任何东西:

  • 不需要你输入:工作流会读取最近 7 天,以及一年前的同样几天

动作

  1. Google Analytics 按日期返回最近 7 天的八个指标:浏览量、用户数、会话数、每用户会话数、会话时长、购买次数和收入
  2. Assign data 给各列命名,Summarize Data 把它们求和或求平均
  3. 一个 Code 节点算出往回一年的同样日期,第二次 Google Analytics 调用读取它们
  4. OpenAI(gpt-5.6-terra,带一个 Calculator 工具)写出简短总结和一张百分比变化表,格式是 HTML
  5. Send Email 发出这份 HTML,OpenAI(gpt-6-luna)再把它变成发往 Telegram 的一行行纯文本

结果

一封 HTML 邮件,带总结和一张把本周同一年前同一周作比较的表,另外 Telegram 里有一份纯文本副本

集成

开始之前要准备好这些。

Google Analytics

网站分析

返回一个 GA4 属性最近 7 天的数据,以及一年前的同样几天。

需要一个 Google Analytics OAuth2 凭据和一个 GA4 属性

OpenAI

语言模型

写出总结和表格,再写出纯文本版本。

需要一个 OpenAI API 密钥

Email (SMTP)

邮件发送

把 HTML 报告发到你的邮箱。

需要一个能发信的邮箱的 SMTP 信息

Telegram

聊天

接收这份报告的纯文本副本。

需要一个机器人令牌和一个聊天 ID(可选)

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
12 个步骤,按计划启动
AI
2 个步骤调用 AI 模型:Processing for email、Processing for Telegram
登录
需要登录:Google Analytics、Email、Telegram
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 8 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流每周发一份 Google Analytics 报告。每周一 7:00,它读取一个 GA4 属性最近 7 天的数据,以及一年前的同样几天,再把每一组加总。一个 OpenAI 模型写出一段简短总结和一张变化表。报告以 HTML 邮件发出,一份纯文本副本发到 Telegram。干活的是十三个节点,旁边还有一张便签。

适合谁

想每周了解流量和销售情况、又不想打开 Google Analytics 的店主、营销人员和小团队。如果你需要把几个属性放进同一份报告,或者需要图表,就别选它。它只报告一个属性,形式是文字和一张表。

谁在用,怎么用
行业谁在用怎么用例子
电商店主每周一把流量和收入同去年比一比一位店主在周会前读到,会话数涨了,而每单收入却降了。
旅游营销经理把一份流量总结分享给整个团队一位经理把周一的邮件转给预订团队。
代理公司客户经理给客户发固定的每周报告一位经理把邮件地址指向客户的邮箱,自己在手机上读 Telegram 的副本。
出版编辑把浏览量和用户数同去年同一周比较一位编辑看到页面浏览量比去年高,就计划多做同类主题。

你需要懂一点 n8n:导入一个文件,添加最多四个凭据,并选好你的 Google Analytics 属性。

用在哪里

任何能访问 Google、OpenAI、邮件服务器和 Telegram 的 n8n 都能运行它。报告通过邮件送达,如果你保留那条分支,也会出现在 Telegram 聊天里。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 只要邮件:删掉两个 Telegram 节点
  • 另一个网站:在两个 Google Analytics 节点里选它的属性

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。这里要用到四个账号,其中 Telegram 的那个是可选的。

先准备好这些
需要说明
n8nn8n Cloud,或者你自己的服务器
Google Analytics一个 GA4 属性,和一个能读取它的 Google 账号,用于 Google Analytics OAuth2 凭据
OpenAI一个 API 密钥,用于 OpenAI 凭据
邮件一个能发信的邮箱的 SMTP 信息,用于 SMTP 凭据
Telegram一个机器人令牌和你的聊天 ID,用于 Telegram 凭据(可选)
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 Google Analytics: Last 7 days,添加 Google Analytics OAuth2 凭据,并选好你的 GA4 属性。在 Google Analytics: Past 7 days of the previous year 里做同样的事。
  3. 打开 Processing for email 和 Processing for Telegram,添加带你的密钥的 OpenAI 凭据。
  4. 打开 Send Email,添加 SMTP 凭据,把 <YOUR_FROM_EMAIL> 和 <YOUR_TO_EMAIL> 换成真实的地址。
  5. 打开 Telegram,添加 Telegram 凭据,把 <YOUR_TELEGRAM_CHAT_ID> 换成你的聊天 ID。如果你只要邮件,就把这个节点和 Processing for Telegram 删掉。
  6. 点一次 Execute workflow,检查邮件。然后点 Publish,让周一的定时运行起来。

如何使用

之后不用再按任何东西。每周一 7:00,工作流读取两个时间段,报告通过邮件送达,Telegram 里有一份简短的文字副本。任何其他时候,点 Execute workflow 也能发一份。

想要不同的效果,改这里
要改的在哪里改
星期几和几点Schedule Trigger 里的 Trigger at Day 和 Trigger at Hour
报告里的数字两个 Google Analytics 节点里的指标,再改两个 Assign data 和两个 Summarize Data 节点里的名字
邮件的措辞和版式Processing for email 里的提示词
数字格式和货币Processing for email 提示词里的格式行
模型Processing for email 和 Processing for Telegram 里的 Model

示例

一位店主在周一 7:00 打开邮件。最上面是一段三句话的简短总结。下面一张表把最近 7 天同一年前的同样几天放在一起比,每个指标都有一个百分比变化。

Telegram 里是同样的数字,分成一行一行,例如总浏览量、去年的总浏览量和差值。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这个工作流把同样的步骤跑两遍,一遍给本周,一遍给去年,然后把两个结果交给模型。先手动运行一次,再逐个打开方框,看数字是怎么往下传的。

专家:一年前的日期来自一个 Code 节点:它把今天往回拨一年,开始日期再往回拨 7 天。两次 Google Analytics 调用都覆盖 8 个日历日期,因为 Last 7 Days 是从 7 天前一直到今天。

值得细看的地方
节点做什么要知道的
Schedule TriggerSchedule Trigger 1.2,每周,第 1 天的 7 点分钟是 0,时间按工作流的时区
Google Analytics: Last 7 daysGoogle Analytics 2,Report,Get,按日期取八个指标今天只过了一部分,而且 Return All 是关的,所以最多返回 50 行
Assign data 和 Summarize DataSet 3.4 给列改名,再由 Summarize 求和或求平均输出的名字像 sum_Views 和 average_Sessions_per_user
Calculation same period previous yearCode 2 返回往回一年的 startDate 和 endDate第二个 Google Analytics 节点把它们当作自定义范围来读
Processing for emailOpenAI 1.8,Message a model,带一个 Calculator 工具它按节点名字读两份汇总,写出 HTML
Processing for TelegramOpenAI 1.8,Message a model它把那份 HTML 变成一行行的纯文本

注意事项

这两个时间段并不是严格的一一对应,而且报告的好坏取决于你的 GA4 跟踪。

  • 模型:OpenAI 的弃用页面(2026 年 11 月 12 日读取)写着 gpt-4o 和 gpt-4o-mini 将在 2027 年 1 月 14 日停用,替代品是 gpt-6-luna。该模型的页面说,Chat Completions 只有在关闭推理强度时才支持它的函数调用,而这个节点没有这个设置。所以带 Calculator 工具的 Processing for email 用 gpt-5.6-terra,Processing for Telegram 用 gpt-6-luna
  • 平均值:每用户会话数、会话时长和每单收入,是每日数值的平均,不是 Google 按整周算出来的数字
  • 不完整的一天:本周的范围包括今天已过去的部分,而去年的范围是完整的
  • 没有电商事件:属性没有记录这些事件时,购买和收入读出来是零
  • 德语设置:原版是为一个德语网站做的,列名是德语,金额是欧元,数字用德语格式。Mindket 的版本把列名改成了英文。欧元符号和数字格式仍留在提示词里,请按你的市场改掉
  • 空的选择器:作者自己的属性已经没有了,所以请在两个 Google Analytics 节点里选你自己的
  • 无人审阅:邮件发出前没有人先读过它
  • 费用:每次运行调用两次模型,邮件那一次用到 Calculator 时可能更多
  • 你的数据:你的流量和销售数字会发给 OpenAI,再发到你的邮件服务器和 Telegram
  • 凭据:JSON 里没有任何凭据,所以请自己添加这四个凭据

README 和文件

README

每周的 Google Analytics 报告:AI 写好,发到邮件和 Telegram

一个 n8n 工作流,每周发一份 Google Analytics 报告。每周一 7:00,它读取一个 GA4 属性最近 7 天的数据,以及一年前的同样几天,把每一组加总,再请一个 OpenAI 模型写出简短总结和一张变化表。报告以 HTML 邮件发出,一份纯文本副本发到 Telegram。

包里有什么

  • workflow.json:n8n 导出的工作流,十三个干活的节点和一张便签。里面没有任何凭据。
  • README.md:这份设置说明,压缩包里的是英文版。

我们相对原来的副本改了什么

  • 列名原来是德语(Aufrufe、Nutzer、Sitzungen 等等)。现在是英文(Views、Users、Sessions、Sessions per user、Session duration、Purchases、Revenue per purchase、Revenue),改在两个 Assign data 节点、两个 Summarize Data 节点和邮件提示词里。第一个 Google Analytics 节点改名为 Google Analytics: Last 7 days。
  • 两个 Google Analytics 节点里的第二个指标和维度原来是空着的,由 n8n 的默认值补上。现在直接写明了 totalUsers 和 date。
  • 邮件提示词原来用 .item 读每份汇总。Mindket 的版本用 .first(),因为每份汇总是由很多行合成的一个条目。提示词里表格的分隔行是三列,而表头有四列,数字示例也和规则互相矛盾,这两处都改正了。
  • 模型换了。Processing for email 从 gpt-4o 换成 gpt-5.6-terra,Processing for Telegram 从 gpt-4o-mini 换成 gpt-6-luna。见“需要知道的”。
  • Google Analytics 属性、两个邮箱地址和 Telegram 聊天 ID 原来是作者自己的。现在是一个空的属性选择器,以及 <YOUR_FROM_EMAIL>、<YOUR_TO_EMAIL> 和 <YOUR_TELEGRAM_CHAT_ID>。
  • 便签重写了,去掉了作者的联系方式。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 Google Analytics 4 属性,和一个能读取它的 Google 账号。
  • 一个 OpenAI API 密钥。
  • 一个能发信的邮箱的 SMTP 信息,以及报告要发往的地址。
  • 可选:一个 Telegram 机器人令牌,和文字副本要发往的聊天 ID。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 Google Analytics: Last 7 days,添加 Google Analytics OAuth2 凭据,并选好你的 GA4 属性。在 Google Analytics: Past 7 days of the previous year 里做同样的事。
  3. 打开 Processing for email 和 Processing for Telegram,添加带你的密钥的 OpenAI 凭据。
  4. 打开 Send Email,添加 SMTP 凭据,把 <YOUR_FROM_EMAIL> 和 <YOUR_TO_EMAIL> 换成真实的地址。
  5. 打开 Telegram,添加 Telegram 凭据,把 <YOUR_TELEGRAM_CHAT_ID> 换成你的聊天 ID。如果你只要邮件,就把这个节点和 Processing for Telegram 删掉。
  6. 点一次 Execute workflow,检查邮件。然后点 Publish,让周一的定时运行起来。

一次运行是怎么走的

  1. Schedule Trigger 在周一 7 点触发。
  2. Google Analytics: Last 7 days 按日期读取八个指标:页面浏览量、总用户数、会话数、每用户会话数、平均会话时长、电商购买次数、平均购买收入和购买收入。
  3. Assign data 给各列起上报告里的名字,Summarize Data 把能加总的求和,其余的求平均。
  4. Calculation same period previous year 算出往回一年的开始和结束日期。
  5. Google Analytics: Past 7 days of the previous year、Assign data1 和 Summarize Data1 对这些日期重复第 2 步和第 3 步。
  6. Processing for email(OpenAI,带一个 Calculator 工具)在提示词里拿到两份汇总,写出总结和表格,格式是 HTML。
  7. Send Email 发出这份 HTML。Processing for Telegram 把它变成一行行的纯文本,Telegram 再把它发出去。

想要不同的效果,改这里

  • 星期几和几点:Schedule Trigger 里的 Trigger at Day 和 Trigger at Hour。
  • 报告里的数字:两个 Google Analytics 节点里的指标,再改两个 Assign data 和两个 Summarize Data 节点里的名字。
  • 邮件的措辞和版式、数字格式和货币:Processing for email 里的提示词。
  • 模型:Processing for email 和 Processing for Telegram 里的 Model。

需要知道的

  • OpenAI 的弃用页面(2026 年 11 月 12 日读取)写着 gpt-4o 和 gpt-4o-mini 将在 2027 年 1 月 14 日停用,替代品是 gpt-6-luna。该模型的页面说,Chat Completions 只有在关闭推理强度时才支持它的函数调用,而 OpenAI 节点没有这个设置。所以带 Calculator 工具的邮件节点用 gpt-5.6-terra。
  • 每用户会话数、会话时长和每单收入是每日数值的平均。Google 对整周的算法会不一样。
  • 本周的范围包括今天已过去的部分,而去年的范围是完整的。
  • 属性没有记录电商事件时,购买和收入读出来是零。
  • 提示词里的欧元符号和德语数字格式来自原版,请按你的市场改掉。
  • 报告发出前没有人先读过它,你的流量数字会发给 OpenAI。
文件
NOTICE.md  675 B
README.md  5 KB
workflow.json  19 KB

3 个文件,共 24 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

营销类的相似商品

查看营销类的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Pixel Art XL

nerijs · 工具包

一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。

新上架

Licon MSR for LTX-2.5

LiconStudio · 工具包

给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。

新上架