Ekstern CTO - UCP og Deep Research: Sådan ændrer AI måden kunder finder og køber produkter

Forestil dig at en kunde ikke går ind på Google og søger efter “bedste løbesko til brede fødder”. I stedet beder kunden sin AI-assistent om at finde tre gode modeller, sammenligne anmeldelser, kontrollere leveringstiden og vælge den bedste løsning under 1.200 kr.

AI-assistenten researcher markedet. Den sammenholder produkter og kilder. Den stiller måske et opklarende spørgsmål. Og når kunden har valgt, kan den i stigende grad hjælpe videre med kurv, checkout og ordre.

Det er her Deep Research og UCP kommer ind i billedet.

De er ikke det samme. Deep Research handler om at undersøge og vurdere information. UCP handler om at lade AI-agenter og handelssystemer kommunikere gennem et fælles sprog. Men tilsammen viser de, hvor e-handel bevæger sig hen: fra søgning og klik til research og handling i den samme samtale.

For webshop-ejere betyder det, at kampen om kunden ikke længere kun foregår på Google, sociale medier og selve webshoppen. Dine produkter skal også kunne forstås, vurderes og i sidste ende købes af AI-systemer.

Den korte forklaring

Deep Research er en researchfunktion i AI-værktøjer som ChatGPT. Den kan undersøge et komplekst spørgsmål på tværs af websider, filer og andre tilgængelige datakilder og samle resultatet i en struktureret rapport med kilder.

UCP står for Universal Commerce Protocol. Det er en åben standard, som gør det muligt for AI-agenter, virksomheder og betalingsudbydere at udveksle handelsdata og gennemføre dele af kunderejsen uden en specialbygget integration for hver enkelt AI-platform.

Den simple forskel er:

• Deep Research hjælper kunden med at finde ud af hvad der bør købes.
• UCP hjælper systemerne med at forstå hvordan det kan købes.

Det er vigtigt at holde de to ting adskilt. Deep Research er ikke en betalingsløsning. UCP er ikke en søgemaskine. De løser hver sin del af den nye AI-baserede kunderejse.

Hvad er Deep Research?

En almindelig AI-chat giver ofte et hurtigt svar ud fra spørgsmålet og de kilder, den finder med få søgninger. Deep Research er lavet til opgaver, hvor svaret kræver flere trin, flere kilder og en egentlig vurdering.

Ifølge OpenAIs beskrivelse af Deep Research kan funktionen arbejde med offentlige websider, udvalgte websites, uploadede filer og understøttede apps. Brugeren kan se og justere researchplanen, følge arbejdet og bagefter kontrollere rapportens kilder.

Det gør funktionen relevant til spørgsmål som:

• Hvilken elcykel passer bedst til 25 kilometers daglig pendling?
• Hvilket kamera giver mest værdi til produktfotografering under 10.000 kr.?
• Hvilken kaffemaskine er billigst over tre år, når pris, bønneforbrug og vedligeholdelse regnes med?
• Hvilken Shopify-app passer til vores behov, hvis GDPR, integrationer og samlet pris vægtes højest?

Her er kunden ikke bare på jagt efter en produktside. Kunden vil have en begrundet anbefaling.

Deep Research kan læse mange kilder, finde forskelle og samle konklusionen. Det flytter en del af det arbejde, som kunden tidligere selv udførte gennem 20 faner, prissammenligninger, anmeldelser og YouTube-videoer, ind i AI-assistenten.

Hvad betyder det for din webshop?

Din webshop kan godt blive fundet uden at få det klassiske klik fra en søgeresultatside. En AI-assistent kan læse dine produktdata og dit indhold, sammenligne dem med konkurrenternes og bruge oplysningerne som grundlag for sin anbefaling.

Det betyder, at generelle salgstekster bliver mindre værdifulde. Formuleringer som “høj kvalitet”, “fantastisk design” og “det perfekte valg” hjælper hverken kunden eller AI-systemet med at forstå, hvem produktet passer til.

Konkrete oplysninger bliver vigtigere:

• Mål, vægt, materialer og kompatibilitet
• Pris, lagerstatus og leveringstid
• Anvendelsesscenarier og tydelige begrænsninger
• Forskelle mellem varianter og modeller
• Garanti, returvilkår og vedligeholdelse
• Dokumentation, tests og troværdige anmeldelser

En AI kan kun sammenligne de oplysninger, den kan finde og forstå. Hvis dine vigtigste produktfordele kun findes i et billede, en PDF eller inde i et script, kan de være langt sværere at bruge.

Hvad er UCP?

UCP står for Universal Commerce Protocol og blev lanceret som en åben standard for agentbaseret handel. Standarden er udviklet af Google i samarbejde med blandt andre Shopify, Etsy, Wayfair, Target og Walmart.

Formålet er at skabe et fælles sprog mellem:

• AI-assistenter og andre digitale købsflader
• Webshops og deres backend-systemer
• Betalingsudbydere
• Kundens identitet, kurv og ordredata

Den officielle UCP-dokumentation beskriver funktioner til blandt andet produktsøgning, produktopslag, kurv, identitetsknytning, checkout og ordrehåndtering. Standarden er modulær, så en virksomhed ikke behøver understøtte alt fra første dag.

Problemet UCP forsøger at løse er integrationskaos.

Uden en fælles standard skal en webshop i princippet bygge én integration til Google, én til en anden AI-assistent, én til en betalingsagent og så videre. Hver platform kan have sit eget dataformat, sine egne endpoints og sin egen checkoutlogik.

Med UCP kan webshoppen beskrive, hvilke funktioner den understøtter. En AI-agent kan opdage funktionerne og bruge dem, den selv forstår. Google beskriver UCP som et fælles lag for hele handelsrejsen fra opdagelse og overvejelse til køb og ordrehåndtering.

Et praktisk eksempel

En kunde siger til sin AI-assistent:

Find en sort kabinekuffert under 1.500 kr. Den skal veje under 3 kg., kunne leveres inden fredag og have mindst tre års garanti.

En fremtidig AI-baseret købsrejse kan se sådan ud:

1. AI-assistenten researcher produkter og relevante forhandlere.
2. Den sammenligner vægt, pris, levering, garanti og anmeldelser.
3. Kunden vælger et produkt.
4. Assistenten spørger webshoppen om opdateret pris og lagerstatus.
5. Produktet lægges i en kurv.
6. Fragt, rabat og betalingsmuligheder beregnes.
7. Kunden godkender købet i en betroet grænseflade.
8. Webshoppen opretter ordren og håndterer den i sine eksisterende systemer.

UCP standardiserer kommunikationen mellem agenten og webshoppen i de trin, virksomheden vælger at understøtte. Webshoppen beholder sin forretningslogik og er fortsat Merchant of Record. Det vil sige, at det stadig er webshoppen, der ejer ordren og ansvaret for blandt andet betaling, levering, retur og kundeservice.

Fra produktresearch til køb i én samtale

I dag består en normal kunderejse ofte af mange skift:

1. Kunden opdager et behov.
2. Kunden søger på Google.
3. Kunden åbner flere webshops.
4. Kunden læser anmeldelser.
5. Kunden sammenligner pris og levering.
6. Kunden vælger en butik.
7. Kunden gennemfører checkout.

Hvert skift skaber friktion. Faner bliver lukket. Produkter bliver glemt. Kurve bliver forladt.

AI-assistenter kan samle flere af trinene i én dialog. Deep Research kan håndtere den tunge sammenligning. UCP kan give agenten adgang til de handelsfunktioner, der gør anbefalingen handlingsklar.

Det betyder ikke, at alle webshops bliver usynlige, eller at kunder aldrig besøger et website igen. Komplekse produkter, stærke brands, inspiration og visuel merchandising vil fortsat trække kunder ind på selve webshoppen.

Men ved mere funktionelle køb kan rejsen blive væsentligt kortere. Hvis kunden allerede har forklaret behov, budget, størrelse og leveringskrav til sin assistent, er der mindre grund til at gentage processen på fem forskellige websites.

UCP, ACP og MCP er ikke det samme

Der kommer mange forkortelser på én gang. De tre vigtigste i denne sammenhæng er UCP, ACP og MCP.

UCP – Universal Commerce Protocol

UCP er den åbne handelsstandard, som Google og en række handelspartnere har udviklet. Den dækker funktioner på tværs af handelsrejsen og er designet til at kunne bruges af forskellige AI-platforme og virksomheder.

ACP – Agentic Commerce Protocol

ACP er OpenAIs handelsprotokol til forbindelsen mellem webshops og kunder i ChatGPT. OpenAIs dokumentation beskriver blandt andet strukturerede produktfeeds, lager- og prisdata samt checkoutfunktioner i ChatGPT.

Det praktiske budskab er, at UCP ikke er den eneste standard, du skal kende. Google og OpenAI har hver deres aktuelle handelsinfrastruktur. Udviklingen er stadig ung, og det er for tidligt at antage, at én protokol vinder hele markedet.

MCP – Model Context Protocol

MCP er en mere generel standard, som gør det muligt for AI-systemer at få adgang til værktøjer og datakilder. Den er ikke specifikt lavet til e-handel. UCP kan bruge MCP som en af flere transportformer, men UCP tilfører selve handelssproget: checkout, ordre, betaling og andre commerce-funktioner.

En nem huskeregel er:

• MCP forbinder AI med data og værktøjer.
• UCP forbinder AI med handelsfunktioner på tværs af platforme.
• ACP forbinder handelsdata og checkout med ChatGPTs handelsoplevelser.

Hvad betyder udviklingen for SEO?

Klassisk SEO forsvinder ikke. Men den bliver suppleret af et nyt spørgsmål: Kan en AI forstå, verificere og anbefale mit produkt?

En høj placering på et søgeord er stadig værdifuld. Men AI-assistenten kan bruge flere typer kilder og sammenligne på andre kriterier end den traditionelle søgeresultatside. Det gør datakvalitet og dokumentation vigtigere.

Produktdata bliver en konkurrencefordel

Din produktfeed er ikke længere kun noget, der sendes til Google Shopping eller Meta. Den kan blive infrastrukturen, som gør dine varer tilgængelige i AI-baserede købsoplevelser.

Sørg for at dine data har:

• Stabilt produkt-ID og variant-ID
• Entydigt produktnavn
• Korrekt pris og valuta
• Aktuel lagerstatus
• Variantdata som størrelse, farve og materiale
• Gode billeder med beskrivende alt-tekst
• GTIN, MPN og brand, hvor det findes
• Leveringsinformation og returvilkår

Forkerte eller forældede data bliver ekstra farlige. Hvis en AI anbefaler et produkt til 799 kr., men checkout viser 999 kr., mister kunden tillid til både assistenten og webshoppen.

Kategoritekster alene er ikke nok

Mange webshops har investeret i lange kategoritekster for at ramme søgeord. De kan stadig have værdi, men AI-systemer har også brug for indhold, der hjælper med at træffe en beslutning.

Det kan være:

• Sammenligninger mellem egne modeller
• Købsguides til konkrete behov
• Størrelses- og kompatibilitetsguides
• Forklaringer af materialer og holdbarhed
• FAQ med reelle kundespørgsmål
• Tydelige svar på, hvem produktet ikke passer til

Det sidste punkt bliver ofte glemt. Men en troværdig begrænsning kan gøre anbefalingen stærkere. “Denne model er god til daglig pendling, men ikke til terrænkørsel” er mere brugbar end “den perfekte cykel til alle”.

Sådan gør du din webshop klar

Du behøver ikke bygge en komplet UCP-integration i morgen. For de fleste danske webshops vil det være overkill lige nu. Men du bør gøre fundamentet klar, fordi det samme fundament også forbedrer Google Shopping, annoncering, SEO, feeds og kundeoplevelsen i dag.

Trin 1: Få styr på datafundamentet

Start med produktkataloget.

Kontrollér om priser, lager, varianter, produkt-ID’er, billeder og leveringsdata er korrekte på tværs af webshop, ERP, PIM og feeds. Find ud af hvilket system der er den autoritative kilde til hver datatype.

Hvis lagerstatus siger tre forskellige ting i Shopify, lagerstyringen og produktfeedet, er du ikke klar til agentbaseret handel.

Trin 2: Gør produkterne nemme at sammenligne

Læs dine vigtigste produktsider som en køber, der aldrig har set brandet før.

Kan kunden hurtigt finde svar på:

• Hvem er produktet til?
• Hvilket problem løser det?
• Hvad er de vigtigste specifikationer?
• Hvad adskiller det fra de andre modeller?
• Hvad følger med?
• Hvornår kan det leveres?
• Hvordan fungerer retur og garanti?

Hvis svarene ikke er tydelige for et menneske, er de heller ikke pålidelige for en AI.

Trin 3: Gør vigtig information maskinlæsbar

Brug strukturerede felter frem for kun fritekst. Produktets vægt bør ligge i et vægtfelt. Farve bør være en variant eller attribut. Lagerstatus bør komme fra et system med en stabil integration.

Implementér og vedligehold relevante strukturerede data på websitet. Men husk, at schema markup ikke kan redde dårlige eller modstridende produktdata. Det er et præsentationslag, ikke en erstatning for datakvalitet.

Trin 4: Vurder feeds og API’er

Kortlæg hvilke salgskanaler der bruger dine data i dag:

• Google Merchant Center
• Meta
• Prisportaler
• Markedspladser
• Affiliates
• ChatGPT eller andre AI-platforme

Undersøg derefter, om de eksisterende feeds kan genbruges. OpenAI understøtter eksempelvis produktfeeds og kan i godkendte opsætninger arbejde med Google-kompatible produktdata. Det gør en velfungerende feedstrategi mere værdifuld på tværs af kanaler.

Trin 5: Test din synlighed i AI

Stil realistiske spørgsmål til flere AI-assistenter. Brug de spørgsmål, dine kunder faktisk stiller.

Eksempler:

• Hvilken [produkttype] passer til [behov] under [budget]?
• Sammenlign [dit produkt] med [konkurrentens produkt].
• Hvilke danske webshops kan levere [produkt] inden fredag?
• Hvad er ulemperne ved [dit produkt]?

Se ikke kun efter, om dit brand nævnes. Kontrollér også om pris, specifikationer, lager og positionering er korrekte. Forkerte svar viser ofte, hvor dine data eller dit indhold er uklart.

Trin 6: Byg ikke før der er en forretningscase

En direkte protokol- eller checkoutintegration kan blive et større projekt. Den kræver styr på blandt andet sessioner, priser, rabatter, fragt, skat, betaling, fejlscenarier og ordrestatus.

Start først, når mindst ét af disse forhold er opfyldt:

• En vigtig salgskanal kræver integrationen.
• Du har nok volumen til at måle effekten.
• Din platform eller teknologipartner tilbyder en moden standardløsning.
• Du sælger produkter, som passer godt til agentbaseret research og checkout.
• Dine produkt- og ordredata er allerede stabile.

Ellers er pengene ofte bedre brugt på produktdata, feeds og indhold. Det arbejde giver værdi nu og gør den senere integration lettere.

Hvad betyder UCP for Shopify-webshops?

Shopify var med til at udvikle UCP. I Shopifys tekniske gennemgang beskriver virksomheden en arkitektur, hvor webshops offentliggør deres understøttede funktioner, mens AI-agenter opdager og forhandler, hvilke funktioner de kan bruge.

Det er positivt for Shopify-webshops, fordi platformen har både produktdata, checkout og ordreflow samlet. Men det betyder ikke, at alle Shopify-butikker automatisk har fuld UCP-checkout på alle AI-platforme.

Tilgængelighed afhænger af marked, kanal, betalingsopsætning, produktkategori og den konkrete implementering. Derfor bør du skelne mellem tre niveauer:

1. Klar til at blive forstået: Produkter og indhold kan findes og sammenlignes.
2. Klar til at blive vist: Feeds leverer aktuelle data til relevante AI- og shoppingflader.
3. Klar til at handle: Agenten kan arbejde med kurv, checkout, betaling og ordrestatus.

De fleste webshops bør fokusere på niveau 1 og 2 først.

Risici du ikke skal ignorere

Agentbaseret handel fjerner friktion, men flytter også kontrol væk fra webshoppen.

Mindre kontrol over præsentationen

Hvis AI-assistenten sammenligner produkterne, bestemmer du ikke hele rækkefølgen, designet eller fortællingen. Brand, produktdata og dokumentation skal kunne stå stærkt uden din normale landingsside.

Risiko for forkerte oplysninger

AI-systemer kan tage fejl. Gamle priser, uklar variantstruktur og modstridende leveringsoplysninger øger risikoen. Derfor skal kunden altid kunne se og godkende de endelige oplysninger før betaling.

Afhængighed af nye platforme

Webshops har allerede oplevet afhængighed af Google, Meta og markedspladser. AI-assistenter kan blive endnu en kanal med egne regler, adgangskrav og ændringer.

Undgå at bygge hele forretningen omkring én protokol eller platform. Bevar direkte kunderelationer, førstepartsdata, email-liste og et stærkt brand.

Kompleksitet efter købet

Købet er kun begyndelsen. Annullering, retur, reklamation, del-levering og ændringer skal stadig fungere. En flot AI-checkout uden et robust ordreflow skaber bare nye supportproblemer.

Min ærlige vurdering

UCP er vigtigt, men det er ikke et signal om, at alle danske webshops skal starte et stort integrationsprojekt nu.

Det vigtige signal er større end selve protokollen: AI bevæger sig fra at anbefale til også at handle. Kundens research, produktvalg og checkout kan i stigende grad ske uden for webshoppen.

Derfor bør du begynde med det arbejde, som er værdifuldt uanset hvilken standard der vinder:

• Rene og aktuelle produktdata
• Stabile feeds
• Gode produktegenskaber og variantdata
• Indhold der hjælper med reelle købsbeslutninger
• Tydelige priser, leveringstider og handelsvilkår
• En robust integration mellem webshop, lager, betaling og ordrebehandling

Når UCP, ACP eller en tredje standard bliver relevant for din vigtigste salgskanal, er du klar til at koble dig på. Hvis du venter med fundamentet, starter du først dér, hvor konkurrenterne allerede er klar til at skalere.

Opsummering

Deep Research og UCP løser to forskellige problemer.

Deep Research hjælper AI-assistenten med at undersøge markedet, sammenligne produkter og give en dokumenteret anbefaling. UCP hjælper AI-agenten og webshoppen med at kommunikere om handelsfunktioner som produktdata, kurv, checkout og ordre.

Tilsammen peger de mod en kunderejse, hvor research og køb samles i én samtale.

Din vigtigste opgave er ikke at jagte hver ny forkortelse. Det er at sikre, at din webshop har de data, det indhold og de integrationer, som gør den forståelig og pålidelig for både mennesker og AI.

Start med produktdata. Gør dine produkter nemme at sammenligne. Test hvad AI-assistenter siger om dem. Og byg først den dybe integration, når der er en konkret kanal og en målbar forretningscase.