AI i e-handel: Hvad virker i en webshop?

Du hører, at AI kan svare kunder, skrive produkttekster og forudsige salg, og du vil vide, hvad der faktisk virker. Kort svar: AI virker bedst på afgrænsede opgaver, hvor dine data er i orden, og hvor en medarbejder kan kontrollere resultatet. Det virker dårligst, når det skal udfylde huller i data eller handle på egen hånd uden kontrol.

Her gennemgår jeg fire områder, hvor jeg ser AI brugt i webshops, og hvordan du tester det på dine egne data. Shopifys egne værktøjer, Sidekick, Shopify Magic og Claude-connectoren, har jeg beskrevet for sig i Shopify AI.

Kundeservice: Begynd med kendte spørgsmål

Ordrestatus, levering og produktvalg kan være oplagte områder at undersøge. Men systemet skal have adgang til de rigtige oplysninger og kunne sende sagen videre, når grundlaget er utilstrækkeligt.

Start eventuelt med svarforslag til medarbejderen. Det giver mulighed for at se, hvor modellen misforstår spørgsmål, mangler produktviden eller bruger en forkert tone, før svar sendes automatisk.

Afklar især, hvem der må godkende refunderinger, ændre ordrer og love undtagelser fra vilkårene. Et sprogligt overbevisende svar er ikke i sig selv korrekt.

Mål resultatet på rigtige sagstyper: korrekt svar, nødvendig rettelse, eskalering og kundens videre forløb. Antallet af automatisk lukkede sager er ikke nok til at vurdere løsningen.

Produkttekster: Brug fakta som grundlag

AI kan hjælpe med at skrive og variere tekster, hvis produktdata er korrekte. Giv modellen mål, materialer, anvendelse, begrænsninger og den tone, du ønsker.

Behandl det genererede indhold som et udkast. Gennemgå specifikationer, oversættelser og påstande om egenskaber, før teksten offentliggøres. Modellen må ikke udfylde manglende information med sandsynlige gæt.

Et godt testforløb kan omfatte et lille udvalg af forskellige produkter. Sammenlign tidsforbruget inklusive redigering med den nuværende proces. Undersøg også, om teksten faktisk besvarer de spørgsmål, kunderne stiller.

Produktanbefalinger: Relevans før kompleksitet

Begynd med enkle sammenhænge: tilbehør, reservedele eller produkter, der bruges sammen. Kontrollér lager, kompatibilitet og det samlede tilbud, før anbefalingen vises.

På Shopify kan du i appen Search & Discovery selv vælge op til 10 relaterede og 10 komplementære produkter pr. produkt. Automatiske anbefalinger baseret på produktbeskrivelsen kræver ifølge Shopify en engelsksproget butik, og komplementære produkter vises kun, når de er på lager. For en dansk butik er manuelle valg på de vigtigste produkter derfor ofte det sikre udgangspunkt.

En mere avanceret model kræver et brugbart datagrundlag og en testmetode. Et lille sortiment behøver ikke nødvendigvis en personaliseringsplatform. Mål heller ikke kun ordreværdi; rabatter, returvarer og vareforbrug påvirker indtjeningen.

Lager og prognoser

AI kan være en del af et system til at vurdere fremtidig efterspørgsel. Det kræver historik, viden om kampagner og forståelse af leveringstider og udsolgte perioder.

Hvis historiske salgstal indeholder lange perioder uden lager, fortæller de ikke alene, hvor stor efterspørgslen var. Få derfor styr på datagrundlaget, før du bruger prognosen til at bestille varer.

Lad en ansvarlig medarbejder vurdere forslagene, og sammenlign prognose med faktisk salg over tid. Start med et afgrænset produktområde, hvor fejl kan opdages og håndteres.

Indbyggede værktøjer og eksterne løsninger

Undersøg først, hvad du allerede har adgang til. I Shopify er det især:

• Sidekick, assistenten i admin. Shopify oplyser, at Sidekick findes på alle de sprog, Shopify-admin understøtter, og dansk er et af dem. Test selv kvaliteten på dansk.
• Shopify Magic, som Shopify oplyser er gratis på alle abonnementer. Produktbeskrivelser understøtter dansk, mens for eksempel foreslåede svar i Shopify Inbox kun findes på engelsk. Tjek sproget pr. funktion.

Detaljerne og forskellen til Claude-connectoren står i Shopify AI.

Vælg ikke eksterne værktøjer ud fra en funktions- eller prisliste alene. Få vist løsningen på en opgave, der ligner din egen, med dit sortiment og dine undtagelser. En generel demonstration siger mindre end en test med dine data.

Synlighed i AI-søgning

Klare produktdata, dokumenterede oplysninger og indhold, der besvarer kundernes spørgsmål, er et fornuftigt grundlag. Ingen kan love en bestemt placering eller citation i et AI-svar.

Se guiden til Shopify-SEO for arbejdet med søgeintention og teknisk tilgængelighed. Artiklen om UCP og Deep Research beskriver den bredere udvikling i research og handel.

En test, du kan træffe en beslutning ud fra

1. Vælg én opgave og beskriv den nuværende proces.
2. Udpeg en ansvarlig, og fastlæg, hvad et acceptabelt resultat er.
3. Brug et repræsentativt udvalg af produkter eller sager, også de svære.
4. Registrér fejl, rettelser og det samlede tidsforbrug.
5. Medregn abonnement, integration og løbende kontrol.
6. Udvid først brugen, når resultatet er stabilt og kan forklares.

Hvis opgaven kan løses med faste regler, er almindelig automatisering ofte billigere og mere forudsigelig end AI. Jeg hjælper med den afklaring gennem AI og automation. Hvis problemet primært er manglende data mellem systemer, kan en integration være det nødvendige første skridt.