# AI-landskabet og Product Intelligence: Sådan skaber Hello Retail grundlaget for sin personalisering

> Product Intelligence fra Hello Retail er en egenudviklet AI-model, der er udviklet over en periode på fem år og kombinerer tekst- og billeddata for at understøtte personaliserede søgninger og anbefalinger.

**Author:** Rasmus Leth Skjoldan
**Published:** May 21, 2026
**Tags:** product-intelligence, ai, personalization, ecommerce

---

AI har været en del af Hello Retails platform siden virksomhedens grundlæggelse, og i de seneste fem år har et dedikeret internt team udelukkende arbejdet med at udvikle egne AI-modeller. Kernen i dette arbejde er Product Intelligence – en holistisk model, der kombinerer tekst- og billedsignaler for at forstå produkter ud fra et produktfokuseret perspektiv. Den ligger til grund for næsten alle de funktioner, Hello Retail leverer, lige fra rangordnede anbefalinger til personaliserede søgeresultater.

## Hvorfor forbrugernes forventninger bliver ved med at stige

To ord dominerer i øjeblikket enhver diskussion om e-handel: Kunstig intelligens. Det pres, dette skaber for onlineforhandlere, er reelt og målbart. Ifølge <a href="https://www.salesforce.com/resources/research-reports/state-of-the-connected-customer/" rel="nofollow">Salesforces rapport »State of the Connected Customer«</a> siger 88 % af kunderne, at den oplevelse, en virksomhed leverer, er lige så vigtig som dens produkter og tjenester. I takt med at AI-modellerne bliver bedre til at aflæse individuelle præferencer, begynder kunderne at antage, at hver eneste butik, hvert eneste søgeresultat og hver eneste anbefaling allerede ved, hvem de er.

Den praktiske konsekvens er, at personalisering er gået fra at være et konkurrencefordel til at være en grundlæggende forventning. <a href="https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-value-of-getting-personalization-right-or-wrong-is-multiplying" rel="nofollow">En undersøgelse fra McKinsey</a> viste, at 71 % af forbrugerne forventer, at virksomhederne leverer personaliserede interaktioner, og 76 % siger, at de bliver frustrerede, når det ikke sker. For e-handelsudbydere handler spørgsmålet ikke længere så meget om, hvorvidt man skal personalisere, men snarere om, hvor dybt de underliggende modeller rent faktisk forstår produktudbuddet.

## Product Intelligence: Et femårigt udviklingsforløb

Hello Retails svar på denne udfordring tog sin begyndelse længe før generativ AI blev et almindeligt samtaleemne. I løbet af de seneste fem år har et internt team udelukkende fokuseret på at udvikle egne AI-modeller. Det vigtigste resultat af denne vedvarende indsats er Product Intelligence.

Product Intelligence betragter verden gennem et produktperspektiv. I stedet for at anvende én enkelt model på alle signaler trækker den på flere underliggende modeller, der arbejder sammen: Tekstmodeller, der behandler produktbeskrivelser, salgsstekster og attributter, samt billedmodeller, der fortolker visuelle signaler fra produktfotografier. Resultatet er en mere nuanceret og helhedsorienteret fremstilling af hvert enkelt produkt – en fremstilling, som platformen kan analysere i sin sammenhæng og derigennem forstå købsmønstre, naturlige kombinationer og placering i kataloget på måder, som hverken tekst eller billeder alene kan understøtte.

Den lagdelte arkitektur er vigtig, fordi virkelige produktkataloger er uoverskuelige. En titel alene giver ikke et klart billede af, om en løbesko er beregnet til trail eller landevej. Et billede alene formår ikke at formidle, at en jakke er fuldstændig vandtæt. Ved at kombinere forskellige informationskilder skaber Product Intelligence et billede af hvert produkt, der afspejler, hvordan kunderne rent faktisk oplever det – og går dermed ud over den statiske beskrivelse, der blev registreret ved importen.

## Hvad Product Intelligence-løsningen egentlig bygger på

Product Intelligence fungerer som det fælles fundament for stort set alt, hvad Hello Retail leverer.

Produktanbefalinger bruger Product Intelligence til at rangordne produkter for den enkelte kunde ud fra adfærdssignaler, der registreres på tværs af webshoppen – og fremhæver varer, der passer til den enkelte besøgendes specifikke browsing- og købsmønster, baseret på platformens forståelse af både kunden og produktet. Søgefunktionen bygger på det samme grundlag og leverer rangordnede resultater, der er præget af både søgeforespørgslen og kundens adfærd, så to personer, der søger efter »støvler«, kan få væsentligt forskellige resultatsæt afhængigt af, hvad platformen ved om hver af dem.

Dette fælles grundlag er et bevidst arkitektonisk valg. Når anbefalinger og søgninger trækker på det samme produktinformationslag, forbliver personaliseringen sammenhængende på tværs af kontaktpunkter. Den samme forståelse af et produkt afgør, om det vises i et søgeresultat, en anbefalingswidget eller en udløst e-mail. Der er ingen skel, hvor den ene del af platformen har en anden opfattelse af, hvad et produkt er, end den anden.

Product Intelligence står for rangordningen, men forhandlerne bevarer kontrollen over det endelige resultat. De samme modeller, der ligger til grund for søgning og anbefalinger, giver mulighed for manuel indgriben i, hvad der vises: Forhandlerne kan fremhæve bestemte søgeord, fremhæve produkter eller udelukke dem fra resultaterne, så det fortsat er menneskelig vurdering, der bestemmer, hvad kunderne ser.

For hold, der er interesserede i, hvordan modellerne fungerer, offentliggør Hello Retail en oversigt på [helloretail.com/en/product-intelligence/](https://helloretail.com/en/product-intelligence/).

## AI hører hjemme i fundamentet

Der er betydelige forretningsmæssige fordele ved at få dette til at fungere. <a href="https://www.epsilon.com/us/insights/resources/the-power-of-me" rel="nofollow">En undersøgelse fra Epsilon</a> viste, at 80 % af forbrugerne er mere tilbøjelige til at foretage et køb, når mærker tilbyder personaliserede oplevelser – et tal, der understreger den reelle indtægtsmæssige betydning af kvaliteten af de underliggende modeller. AI-modeller, der driver denne personalisering, skal udvikles, testes og finjusteres i forhold til den reelle kompleksitet i produktkataloget, før de kan levere pålidelige resultater i stor skala.

Hello Retail mener, at AI hører hjemme i fundamentet og skal være integreret i kernemodellerne fra starten i stedet for at blive tilføjet som et funktionslag på et senere tidspunkt. Fem års dedikeret arbejde med Product Intelligence afspejler denne holdning. De modeller, der ligger til grund for de personaliserede oplevelser i denne Q4-udgivelse, blev udviklet før den nuværende AI-bølge, hvilket betyder, at de har haft tid til at blive valideret og afprøvet på tværs af tusindvis af produktkataloger og reelle mønstre i forbrugernes adfærd.

For e-handelsteams, der vurderer personaliseringsplatforme, er denne historik værd at lægge vægt på. En platform, hvor AI har været den bærende infrastruktur i fem år, har oplevet fejl – og rettet dem – som et nyere system endnu ikke har stået over for. Den forskel kommer til udtryk i kvaliteten af anbefalingerne, søgerelevansen og konsistensen i brugeroplevelsen på tværs af alle kanaler, hvor en kunde møder produktudbuddet.

Den fulde præsentation af efterårsudgivelsen for 4. kvartal viser, hvordan Product Intelligence i praksis hænger sammen med Retail Media, »Search Word Boosting« og »Recommendations« – de efterfølgende kapitler demonstrerer hver især en specifik funktion, der bygger på dette grundlag.

---

*This content is from the Hello Retail blog. For the full experience with images and formatting, visit [helloretail.com/da/blog/ai-landscape-product-intelligence](https://helloretail.com/da/blog/ai-landscape-product-intelligence)*
