Artikler

Sådan gør I webshoppen klar til AI-agenter

Assistenter er begyndt at lægge i kurven på kundens vegne, og det stiller nogle helt andre krav til produktdata, lager og checkout end en kunde der selv kan gætte sig frem.

Hassan Aziz
Partner & Projektleder, Bullmade

AI & automation22. september 202612 min læsning

Sådan gør I webshoppen klar til AI-agenter

Hvor agentic commerce står nu

I september 2026 tilføjede Shopify Meta som AI-kanal, og produkterne blev delt via Shopify Catalog som standard, altså uden at nogen skulle slå det til.

Det er sådan set den korte version af hvor agentic commerce står lige nu. En række platforme åbner for at en assistent kan læse jeres sortiment, sammenligne det med andre og i stigende grad gennemføre købet, uden at kunden rører jeres side. OpenAI, Google, Meta og Shopify arbejder på det fra hver sin ende.

For de fleste danske webshops er det endnu ikke salget der rammer, men datadelingen. Jeres produkter ligger allerede i et katalog en assistent kan slå op i, og I har måske aldrig taget stilling til det.

Jeg vil ikke bruge tid på om det kommer. Det her handler om hvad der skal være i orden i shoppen, før det gør en forskel for jer.

Agenten er en kunde uden tålmodighed

En agent opfører sig ikke som en kunde. Den bliver ikke i tvivl, den bliver ikke fristet, og den læser ikke jeres forsidetekst.

Den stiller et spørgsmål: findes der en sort kontorstol under 4.000 kroner med lændestøtte, som kan leveres inden fredag? Og så går den efter den butik der kan svare på det uden at gætte.

Det betyder tre ting. Den vælger på felter og ikke på følelse, den fravælger hurtigere på manglende data end på en høj pris, og den kommer ikke tilbage for at tjekke om I har opdateret siden i mellemtiden.

Har jeres stol ikke lændestøtte som et felt, men kun som en sætning i beskrivelsen, findes stolen ikke i den sammenligning. Ikke fordi den er for dyr, men fordi den ikke kunne læses.

Vi plejer at sige at en agent er den mest utålmodige kunde I nogensinde får, og at den allerede har kigget på elleve andre butikker mens den ventede på jeres svar.

Produktdata skal være felter og ikke prosa

Produktdata har i mange år været noget der blev fyldt ud så det så pænt ud på sitet. Titel, brødtekst, et par billeder og en kategori, og resten stod i teksten.

Det holder nok ikke ret meget længere. Om produktet kommer med i et svar, afgøres af de strukturerede felter: mål, materiale, farve, vægt, energimærke, kompatibilitet, garanti, leveringstid. De skal stå som data og ikke som prosa.

Begynd med de tyve produkter der tjener mest. Skriv ned hvilke spørgsmål en kunde reelt stiller om dem, og lav et felt for hvert spørgsmål. Spørger kunden om den passer til en 2018-model, skal kompatibilitet være et felt med en liste af modeller, og ikke en sætning midt i afsnit tre.

GMC og de øvrige feeds er et godt sted at starte, men de er sjældent nok, for et feed er et udtræk. Agenten spørger tit om ting feedet aldrig blev bygget til at bære, og derfor er det jeres PIM eller produktdatabase der skal have felterne, og feedet der skal arve dem.

Et praktisk mål: en medarbejder der aldrig har set produktet, skal kunne svare på kundens fem mest almindelige spørgsmål udelukkende ved at kigge i felterne. Kan hun ikke det, kan agenten heller ikke.

Lager og pris skal passe i realtid

Et forkert lagertal er irriterende for et menneske, men det er ødelæggende for en agent.

Et menneske der bestiller en vare som viser sig at være i restordre, brokker sig og venter. En agent der har lovet kunden levering fredag, og hvor varen ikke kommer, bliver ikke brugt igen, hverken til det produkt eller til jeres butik. Modellerne og platformene bag dem holder øje med hvilke butikker der leverer det de lover.

Derfor bliver lagerdisciplin en salgskanal, og det er nyt for de fleste.

I praksis betyder det at lagertrækket skal ske i samme øjeblik ordren lander, og ikke i et natligt job. At reservationer i kurven skal tælle med. Og at leveringstid skal regnes ud fra faktiske forhold hos jer og leverandøren, frem for fra et felt nogen skrev i 2021.

Det samme gælder prisen. Kører I kampagner der ændrer prisen på sitet, men ikke i feedet, sammenligner agenten på et tal der ikke findes når kunden når frem, og det tæller som et brudt løfte.

Checkout uden et menneske

Checkout er bygget til et menneske der kan læse, vælge og trykke, så når der ikke sidder et menneske, falder hele flowet fra hinanden.

Tag de klassiske forhindringer: et pop op-vindue om nyhedsbrev, et samtykkebanner, en leveringsvælger med fjorten muligheder, et felt til rabatkode der åbner et panel. Alt sammen ting et menneske klikker sig forbi uden at tænke, og som for en agent er en blind vej.

Der er to veje frem, og I skal ikke vælge mellem dem endnu.

Den ene er en ren, forudsigelig checkout med færre trin, standardiserede felter og ingen overraskelser mellem kurv og kvittering. Det gavner i øvrigt også mennesker, og I kan begynde på det i morgen.

Den anden er en decideret agent-indgang: et API eller en MCP-server hvor kurv, levering og betaling kan gennemføres uden en browser. Den giver nok først mening når salget gennem kanalen kan måles.

Det vigtige lige nu er bare at I ikke bygger nye forhindringer ind. Hver gang nogen foreslår endnu et lag i checkout, er spørgsmålet om det kan klares uden at nogen skal forstå det.

MCP giver jer kontrol over adgangen

MCP er den protokol der lader en assistent bruge jeres systemer som værktøjer, i stedet for at gætte ud fra jeres HTML. I beskriver hvad der kan slås op og hvad der kan gennemføres, og assistenten holder sig til det.

Forskellen på det og at blive skrabet er kontrol. Ved skrabning tager nogen det de kan se, i den form de kan få det. Med en MCP-server bestemmer I selv hvilke data der er tilgængelige, hvor ofte de kan hentes, og hvad der kræver en aftale.

En fornuftig førsteudgave har tre ting: opslag i sortimentet med de rigtige felter, et ægte svar på lager og leveringstid, og et opslag på ordrestatus for en kunde der kan legitimere sig. Ikke mere end det.

Det lyder større end det er. Har I allerede et ordentligt API, er en MCP-server ovenpå et spørgsmål om dage og ikke måneder. Har I ikke et API, er det dér arbejdet ligger, og det arbejde skulle laves alligevel.

Prisen ved at lukke helt af

Nogle vælger at lukke af. Ingen deling, ingen agenter, ingen data ud af huset. Det er en helt legitim beslutning, og der er brancher hvor den nok er rigtig.

Men prisen skal være kendt. Lukker I af, forsvinder I ikke bare fra de nye kanaler, I forsvinder også fra de sammenligninger kunderne laver før de overhovedet ved hvad de leder efter. Det er den fase hvor det tidligere var kategorisider og anmeldelser der gjorde arbejdet.

Og I lukker ikke for skrabning. I lukker for den kontrollerede adgang og beholder den ukontrollerede.

Vores anbefaling er derfor sjældent at lukke helt. Den er at tage stilling pr. kanal: hvem må hente hvad, hvor ofte, og hvad får vi igen. Nogenlunde som med prissammenligningssites for femten år siden, hvor svaret heller ikke var at trække stikket, men at forhandle vilkårene.

Målingen holder op med at virke

Her bliver det ubehageligt. Når en agent henter et svar, og kunden køber tre dage senere ved at skrive jeres navn i søgefeltet, er der ingen henvisning, ingen UTM og ingen klik at tilskrive.

Den trafik lander som direkte eller som brandsøgning, så jeres dashboard vil vise at brandkendskabet stiger, og at ingen ved hvorfor.

Der findes ikke en færdig løsning på det i dag, men der er tre ting der hjælper.

Mål andelen af spørgsmål hvor I bliver nævnt. Læg en fast liste af femten til tredive spørgsmål jeres kunder reelt stiller, kør dem gennem de assistenter der betyder noget, og notér om I er med. Månedligt. Det er groft, men det er en linje der kan følges.

Hold øje med brandsøgninger i Search Console som en afledt effekt. Stiger de uden at andet ændrer sig, sker der noget i de samtaler I ikke kan se.

Og spørg kunderne. Ét felt i checkout om hvor de hørte om jer, giver mere end tre måneders spekulation.

Fem ting I kan gå i gang med

I skal ikke bygge en agentplatform. I skal gøre fem ting der alligevel skulle gøres.

Ryd op i produktdata på de tyve vigtigste produkter, som felter og ikke prosa. Mål tiden det tager, og gang op.

Få lager og leveringstid til at være sande i realtid. Find ud af hvor forsinkelsen er i dag, og fjern den.

Tag aktivt stilling til delingen i de platforme I allerede bruger. Gå ind i Shopify under salgskanaler, se hvad der er slået til, og beslut det, for standardindstillingen er ikke en beslutning.

Fjern én forhindring i checkout hvert kvartal, og begynd med den flest falder fra på.

Læg den faste spørgsmålsliste, og kør den første måling nu, så I har et udgangspunkt at sammenligne med.

Det er arbejde for et par uger fordelt over et kvartal, og ikke et projekt.

Hvor butikkerne snubler

Vi ser de samme fire fejl.

Den første er at behandle det som et SEO-spørgsmål, når det i praksis er et produktdata- og driftsspørgsmål. Den bedste tekstforfatter i landet kan ikke skrive sig ud af et manglende felt.

Den anden er at bygge en MCP-server før produktdata er i orden, og så har I bygget en pæn dør ind til et rodet lager.

Den tredje er at lade standardindstillingerne bestemme. Vi har set butikker der delte hele sortimentet med en kanal de ikke vidste eksisterede, og butikker der havde lukket alt af uden at kunne svare på hvorfor. Begge dele er samme fejl, nemlig at ingen tog stilling.

Den fjerde er at vente på at det bliver færdigt, for det bliver det ikke. Men de butikker der har rene produktdata og et lagertal der passer, er klar til hver eneste version af det her der kommer, og de sælger i øvrigt også bedre til mennesker imens.

EmneAI & automation

Relaterede artikler om AI & automation

Læs også

01 .dk-domæner skal over til en forhandler: sådan gør I uden at miste mail eller site Web · 17 min 02 Shopping-titler, der matcher det folk søger på: vores metode i fire trin Paid Ads · 12 min 03 Creative targeting: målgruppen ligger i annoncen, ikke i indstillingerne Paid Ads · 13 min