DA
Forbind din AI-agent

Føj Hello Retail til din AI-assistent

For Hello Retail-kunder: Kopiér adressen, og tilføj den som connector i Claude, ChatGPT eller Codex.

MCP-adresse

https://core.helloretail.com/mcp

Endnu ikke kunde?MCP kræver et Hello Retail-login. Fortæl os, hvad du vil bygge.

Lad os snakke
Lad os snakke

De fleste e-handelsvirksomheder er ikke klar til, at AI skal sælge på deres vegne

Nicklas Beran Bergström·August 27, 2026·6 min read

Hver anden uge sætter vi os sammen med en person uden for Hello Retail til vores serie Conversations: en Shopify-partner, en Klaviyo-Community Champion, en vækstansvarlig eller en af vores egne dataforskere. Forskellige virksomheder, forskellige job.

Derefter kom fire af de sidste syv gæster – helt af sig selv, uden at vi havde bedt dem om det – frem til den samme advarsel.

De fleste mærkers data er ikke i en form, der gør det muligt for en AI at handle på deres vegne. Uanset om det er den AI, som et mærke selv udvikler, eller den AI, som en kunde selv medbringer. Den rådgivning, en køber modtager, før vedkommende køber, flyttes over til en maskine, og de fleste kataloger, indbakker og blogindlæg er ikke klar til at blive læst af en sådan.

Browse all Hello Retail Conversations episodes →

Kundens rådgiver er ikke længere en rigtig person

Peter Sommer ved Hello Retail-samtaler

Peter Sommer, administrerende direktør for Shopify Plus-partneren Dtails, satte det i sammenhæng med, hvem en kunde beder om råd.

»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)

Sådan købte han sin egen printer. Fem kriterier i en LLM, en shortlist tilbage, færdig. Han mener, at forandringen indtræffer før betalingen. Den indtræffer i rådgivningen.

“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)

Det er katalogets størrelse, der gør det her svært. Tyve produkter kan en person huske. Tyve tusind kan man ikke, og en LLM, der skal svare på »hvilken printer opfylder disse fem kriterier«, kan kun arbejde ud fra de produktdata, den får forelagt.

Watch the full conversation with Peter Sommer →

De fleste mærker udnytter ikke de data, de allerede har

Anna Sophie Christensen ved Hello Retail-samtaler

Anna Sophie Christensen, leder af e-mailmarkedsføring og kundefastholdelse hos FABO og tre gange kåret som »Klaviyo Community Champion«, opdagede det samme problem et skridt tidligere, før AI-teknologien overhovedet kom på banen.

“Folk sender beskeder ud til alle abonnenter på én gang uden at differentiere budskabet eller indholdet. Og jeg understreger hele tiden, at vi er nødt til at differentiere, for man har både sine mest loyale kunder, der har købt hos en 20 gange, og man har en potentiel kunde, der tilmeldte sig for en uge siden.” (Anna Sophie Christensen)

De fleste mærker springer personaliseringen over, fordi de underliggende beslutninger aldrig bliver truffet: Hvilket segment, hvilket produkt, hvilket tidspunkt. Derfor bliver de data, som et AI-lag ville have brug for, slet ikke indsamlet i første omgang.

»Allerede nu indsamler I zero-party-data, som I kan bruge til at udforme den overordnede struktur for jeres kommunikation.« (Anna Sophie Christensen)

Problemet med beredskab opstår længe før AI. Det begynder med, at ingen opbygger den struktur, som enhver – menneske eller maskine – har brug for for at kunne handle hensigtsmæssigt på vegne af et brand.

Watch the full conversation with Anna Sophie Christensen →

Personalisering uden at vide, hvem der handler

Sarah Miguel Cournane taler om Product Agents

Sarah Miguel Cournane, der er dataforsker i Hello Retails forsknings- og udviklingsafdeling, siger, at der findes en strukturel løsning, så længe produktdataene kan understøtte den.

“Hvis vi ikke ved, hvem du er, fokuserer vi på det, du interagerer med. Det er nok til at forstå din hensigt.” (Sarah Miguel Cournane)

Identitet har aldrig været den egentlige begrænsning. Man kan handle intelligent på vegne af en kunde, man ikke kender navnet på, så længe kataloget er struktureret godt nok til, at man kan danne sig et overblik over, hvordan produkterne hænger sammen. De fleste kataloger er blot en flad liste over varenumre uden noget, som en AI kan orientere sig efter.

“Vi er gået fra at bruge AI til at understøtte beslutninger til rent faktisk at kontrollere, hvad AI’en leverer til os.” (Sarah Miguel Cournane)

Validering er den del, som mærkerne undervurderer. At lade en generativ model behandle et produktfeed er den nemme del. Derefter skal der være noget, der løbende kontrollerer, at det, der kommer ud, er korrekt, i tråd med mærket og nyttigt – i et omfang, som ingen manuel gennemgangsproces kan følge med.

Watch the full conversation with Sarah Miguel Cournane →

Hvad AI’en rent faktisk belønner

Jennifer Montague ved Hello Retail-samtaler

Jennifer Montague, tidligere seniordirektør for GoToMarket hos Verdane og nu marketingdirektør hos Carivo, anvendte samme tilgang på indhold.

“Brugergenereret indhold (UGC) er guld værd for AI’s synlighed. Det er netop det, folk – og det er netop det, AI’en – gerne vil se: At andre taler om dig. Så man slår virkelig mange fluer med én smæk.” (Jennifer Montague)

AI-systemer belønner det, som rigtige købere belønner: Konkrethed, dokumentation og et synspunkt. De springer det over, som køberne allerede springer over.

“For at skille sig ud skal man være mere autentisk og lyde mere menneskelig. Og for at gøre det skal man have en holdning, man kan stå fast på, og som får en til at skille sig ud fra den ensformige masse.” (Jennifer Montague)

Generisk indhold fejler på to måder. Læserne scroller forbi, og de AI-systemer, der nu står mellem et brand og dets næste kunde, henviser aldrig til det. Det er det samme problem med relevans, blot målt i ord i stedet for produktegenskaber.

Watch the full conversation with Jennifer Montague →

Den røde tråd

Hver for sig handler de fire om forskellige ting: En rådgivende LLM, en e-mail-sekvens, et produktkatalog og et stykke indhold. Sammen udgør de én advarsel, der udtrykkes på fire forskellige måder.

AI-baseret shopping mislykkes ikke, fordi et brand endnu ikke har »indført AI«. Det mislykkes stille og roligt, længere oppe i forløbet, fordi produktstrukturen, kundesignalet og indholdet aldrig blev udformet godt nok til, at noget kunne repræsentere det pågældende brand præcist. AI får blot denne mangel til at træde tydeligere frem, end det ville være tilfældet ved et langsomt fald i den organiske trafik.

Det er værd at tænke over, inden man griber til et værktøj. I alle fire samtaler bestod løsningen i det kedelige strukturelle arbejde: At differentiere målgruppen, kortlægge kataloget og skrive noget, der er konkret nok til at være værd at citere. Så har det, man lægger ovenpå, noget konkret at bygge på.

Flere samtaler

Peter Sommer

CEO · Dtails

Watch the episode →

Anna Sophie Christensen

Head of Email Marketing & Retention · FABO

Watch the episode →

Sarah Miguel Cournane

Data Scientist · Hello Retail

Watch the episode →

Jennifer Montague

VP of Marketing · Carivo

Watch the episode →

Se alle afsnit af »Hello Retail Conversations« →