Shopping ud over hjemmesiden: Peter Sommer om Shopifys vækst, AI-oversættelse og agentbaseret handel

De fleste forhandlere betragter platformsmigrering som et teknisk projekt. Peter Sommer ser det derimod som en omlægning af forretningsmodellen.
Peter Sommer er administrerende direktør for Dtails, en Shopify Plus-partner, der siden 2016 udelukkende har arbejdet med e-handel via Shopify. Inden han kom til Dtails, var han i fire år partner i IBM’s konsulentafdeling. Han deltog i vores serie »Hello Retail Conversations«, hvor vi taler med personer, der er med til at forme, hvordan e-handel fungerer.
Watch the full conversation with Peter here →
80-20-reglen, omvendt
Det økonomiske argument for at skifte til Shopify går igen i alle de kundesamtaler, som Peter beskriver. Forhandlerne bruger i udgangspunktet 80 % af deres IT-budget på at vedligeholde deres nuværende platform og 20 % på at udvikle nye funktioner. Målet er at vende dette forhold fuldstændigt på hovedet.
“De er på udkig efter hurtighed. De er på udkig efter selvbetjening. Og oven i købet får man en lavere pris.”
Peter Sommer
Forretningsargumentet handler ikke kun om omstillingsomkostninger. Det handler om, hvad der bliver muligt på den anden side. En platform, der understøttes af mere end 3.000 softwareudviklere, der lancerer over 100 nye funktioner hvert halve år, løser de tilbagevendende forretningsmæssige udfordringer gennem brugerdrevet udvikling. Integrationer, betalinger, AI-funktioner: Disse udvikler sig i takt med, at økosystemet udvikler sig.
Peter har ikke fundet nogen anden softwareplatform, der har udviklet sig i samme tempo og med samme stabilitet i løbet af de år, han har været en del af Shopify-partnerfællesskabet.
“Det er aldrig kedeligt at være en del af Shopify-partnerfællesskabet.”
Peter Sommer
Udvælgelse af over 100 artikler to gange om året
Hvert halve år markerer Shopify, hvad der er sket, og hvad der er på vej, med en partnerfest. For et konsulentfirma som Dtails består opgaven ikke i at implementere det hele. Opgaven er at udvælge.
Det, der gør denne filtrering troværdig, er, at hele det kundevendte team hos Dtails selv har haft erfaring fra forhandlersiden. Når nye funktioner lanceres, kan de hurtigt vurdere, hvad der er relevant for et bestemt marked, en bestemt branche eller en bestemt kundegruppe.
“Vi er meget stolte af, at vi alle er født på den anden side af bordet. Så når de får nye funktioner, kan de ret hurtigt finde ud af, hvad der er relevant for dette marked, hvad der er relevant for den pågældende branche eller kunde.”
Peter Sommer
Det er netop denne filtrering, som en partner bidrager med, og som en platform alene ikke kan levere. Shopifys udviklingsplan er ambitiøs. Dens relevans for en bestemt forhandler er altid begrænset. Et team, der selv har arbejdet som forhandlere, ved, hvilke aspekter der er vigtige.
AI-oversættelse, der bevarer tonen i teksten
Det mest konkrete eksempel, som Peter fremhæver fra sit seneste arbejde med kunder, er internationalisering. En producent af hi-fi-lydudstyr havde gennem 25 år opbygget en samling af produkttekster, blogindlæg, FAQ-artikler og indhold til brugerfællesskabet på engelsk. Oversættelse havde altid været en for stor opgave, og det havde ikke været økonomisk forsvarligt. Derfor forblev alt på engelsk.

Den tyske pilot ændrede beregningen. Spørgsmålet var, om AI’en kunne bevare tonelejet, ikke blot oversætte ord.
Tysk skaber en reel kulturel spænding: Det formelle »Sie« kontra det uformelle »du«. Mærket ønskede ikke at tage stilling og risikere at fremmedgøre nogen del af sin målgruppe. Dtails strukturerede oversættelsen, så der gennemgående blev brugt et pronomen i tredje person. LLM-modellen anvendte dette konsekvent i hele indholdsbiblioteket.
“Inden for en kalendermåned lykkedes det os faktisk at oversætte alt deres indhold.”
Peter Sommer
Det, der gjorde denne skala mulig, påpeger Peter, var Shopifys datamodel. Præcis udtrækning af produktdata, artikler, blogindlæg og sideindhold. Struktureret indlæsning til oversættelseslaget. Kvalitetskontrol. Struktureret genimport. Det er platformens arkitektur, der gør denne form for automatiseret arbejdsgang praktisk anvendelig – ikke blot teoretisk.
Når den indbyggede søgefunktion i Shopify ikke er nok
Shopify har forbedret sin søge- og anbefalingsmotor betydeligt i de seneste år. For en lang række forhandlere er den tilstrækkelig. Peter ser et tydeligt mønster for, hvornår den ikke længere er nok.
Der er to faktorer, der går igen. Den ene er sproget: At håndtere den måde, kunderne rent faktisk skriver deres søgeforespørgsler på, herunder semantisk afstand og hensigt, og ikke blot nøgleordsmatchning. Den anden er sortimentets størrelse: Webshop kataloger afslører en generisk søgemaskines begrænsninger tidligere og mere tydeligt.
Forretningsargumentet bliver endnu stærkere, når man tager højde for, hvad manuel kuratering rent faktisk koster. Shopifys standardopsætning kræver løbende konfiguration og vedligeholdelse. Automatiserede anbefalinger eliminerer en stor del af disse omkostninger. Spørgsmålet bliver så: Hvad koster automatiseringen i forhold til stigningen i konverteringerne og den tid, personalet sparer?
“Jo større kunderne er, jo bredere er deres produktsortiment, og jo længere de er kommet i deres udvikling mod at blive en moden e-handelsvirksomhed, desto større er behovet for værktøjer som Hello Retail, der kan imødekomme deres kunders behov.”
Peter Sommer
Historien om printeren
Den del af samtalen, som Peter citerer mest præcist, er af personlig karakter. Han blev bedt om at hjælpe sin svigermor med at købe en printer.
Han kendte kriterierne: Trådløs, farvelaser, multifunktionsprinter, dupleks. Han søgte på Google. Resultaterne blandede farve- og sort-hvid-printere, og han brugte tid på sider, der så troværdige ud, men som viste sig at være forkerte. Han skiftede til en LLM. Han indtastede de fire kriterier. Han fik fem resultater, der matchede. Han indsnævrede det til to. Derefter vendte han tilbage til Google for at finde den rigtige forhandler med den rigtige garanti og lokale leveringsbetingelser.

“Jeg opdagede faktisk, at jeg fik et forslag, hvor jeg blot angav fem kriterier. Som svar fik jeg en liste over fem printere, der opfyldte disse kriterier.”
Peter Sommer
Det er denne arbejdsfordeling, han ser tage form. LLM’er varetager den strukturerede rådgivningsrolle: De indhenter kriterier, sammenligner dem med et produktudbud og indsnævrer valgmulighederne. Traditionel søgning fungerer bedre, når køberen kender det specifikke produkt og sammenligner leverandører og leveringsbetingelser.
Konsekvensen for forhandlerne er retningsbestemt. De mærker, der i LLM-rådgivningsfasen fremstår som veldokumenterede, troværdige valgmuligheder, positioneres anderledes end mærker, der udelukkende er afhængige af betalt søgning og søgeordsplacering for at blive fundet.
Agentbaseret handel er allerede i gang
Shopify har lanceret det, de kalder »agentic commerce«: et produktkatalog, der omfatter alle deltagende forhandlere, samt en fælles indkøbskurv. En kunde kan samle varer fra flere butikker og gennemføre én samlet betaling.
Peter bruger et stormagasin som eksempel. Man går rundt på de forskellige etager, samler det, man vil have, fra forskellige forhandlere, og betaler regningen én gang ved udgangen. Den oplevelse, som altid har været helt normal i den fysiske detailhandel, er netop det, som Shopify gør strukturelt muligt på tværs af webshops.
“De har lanceret en universel indkøbsvogn, der giver mulighed for en helt ny indkøbsoplevelse.”
Peter Sommer
Funktionspakken er i øjeblikket tilgængelig for forhandlere, der leverer til Nordamerika. Peters samtaler om emnet foregår primært med kunder, for hvem dette marked er af stor betydning. Men retningslinjen er klar, uanset geografisk placering.
Hans råd til kunderne stemmer overens med den måde, han griber enhver ny kanal an på: Find ud af, hvad den er god til, find ud af, hvad dine kunder bruger den til, tag springet, og udnyt værdien, før du går videre til den næste.
Hvad ændrer sig egentlig?
Peters ramme for, hvad forretningsdrivende bør gøre nu, er ikke en femårsprognose. Det er en række skridt på kort sigt.
Det første skridt er, at dataene skal være klar til brug. Store sprogmodeller (LLM’er) kan kun give gode råd om produkter, de forstår. Produktdata, der er ufuldstændige, inkonsekvente eller struktureret med henblik på ældre søgeordsmatching, vil ikke fungere godt i en rådgivningssammenhæng. Det er ikke noget nyt problem. Men indsatsen er blevet større.
Det andet er tillid til mærket. Tiden, hvor man kunne snyde Googles algoritme ved hjælp af søgeordsdensitet, er forbi, siger Peter. I stedet gælder der nu ægte indhold, en autentisk tone, troværdig brugerfeedback og fællesskaber, der opstår organisk omkring produkterne.
“Det gode vil blive fremtidens sejr. For hvis man gør det gode, klarer sig godt og udmærker sig, vil de tillidsfulde fællesskaber derude og de webshop forandringer, som enhver kunde vil få kendskab til gennem AI og rådgivningen.”
Peter Sommer
Det tredje er loyalitet. Kunder, der har et forhold til et brand, behøver ikke at blive »genopdaget« af en algoritme for at vende tilbage. Denne strukturelle fordel bliver kun endnu mere værdifuld, i takt med at opdagelseskanalerne fragmenteres på tværs af platforme.

Hvad Hello Retail bidrager med her
Peters pointe om dataklarhed hænger direkte sammen med det, som Hello Retails Product Intelligence er udviklet til at gøre.
Adfærdslaget – det vil sige, hvad en kunde har set på, hvor længe vedkommende har været aktiv på siden, og hvad vedkommende sandsynligvis har brug for herefter – forvandler en forhandlers rå produktkatalog til en brugbar model af kundens intentioner. Det er netop denne model, der gør de automatiserede anbefalinger præcise i stedet for generiske.
Product Intelligence afdækker mønstre på tværs af sortimentet, som en merchandiser, der gennemgår det manuelt, ville overse. I et stort katalog udgør disse mønstre forskellen mellem en søgning, der finder det, kunden mente, og en søgning, der kun viser det, kunden skrev.
Product Agents udvider dette til automatisk udløste meddelelser. Prisfald på produkter, der er blevet set. Signaler om genopfyldning baseret på købsfrekvens. Beskeder om, at varer, som en kunde har gemt, igen er på lager. Hver eneste besked bygger på produktinformation og er tilpasset kundens aktuelle situation, ikke en fast udsendelseskalender.
I takt med at agentbaseret handel modnes, vil de forhandlere, der præcist dukker op i en LLM-rådgivningssammenhæng, være dem, der råder over strukturerede, fuldstændige og adfærdsbaserede produktdata. Det er netop det datalag, som Product Intelligence opbygger.
Afsluttende bemærkning
Peters afslutning er velovervejet. Han har været i branchen længe nok til at have oplevet, hvordan stemmehandel blev udråbt som den næste revolution inden for detailhandlen, og han har ikke foretaget et eneste køb via en smart højttaler i årene siden.
Hans råd er ikke at forsøge at forudsige, hvor markedet vil bevæge sig hen om fem eller ti år. Det går i stedet ud på at tage det næste skridt med klarhed, og derefter det næste, med et klart overblik over den værdi, der er tilgængelig lige nu.
“Jeg er mere interesseret i det næste skridt og det skridt, der kommer efter det. Se på virkeligheden i dag, og udnyt så værdien.”
Peter Sommer
Kanalskiftet vil finde sted. Forløbet vil være ujævnt, og prognoserne vil vise sig at være forkerte på måder, der er svære at forudse. De forhandlere, der er bedst rustet til dette, er dem med præcise produktdata, autentisk brandindhold og loyale kunder, der ved, hvem de er, uanset hvilken platform der viser dem næste gang.
Peter Sommer
CEO · Dtails
Peter Sommer is the CEO of Dtails, a Shopify Plus partner working exclusively with Shopify e-handel since 2016. Before Dtails, he spent four years as a Partner in IBM's consulting division. At Dtails, the entire customer-facing team has worked as merchants themselves, which is how they curate Shopify's biannual feature releases into actionable recommendations for each client.
Se hele samtalen med Peter Sommer på siden »Hello Retail Conversations« →


