Handla bortom webbplatsen: Peter Sommer om Shopifys tillväxt, AI-översättning och agentbaserad handel

De flesta handlare betraktar plattformsövergången som ett tekniskt projekt. Peter Sommer ser det som en omställning av affärsmodellen.
Peter Sommer är VD för Dtails, en Shopify Plus-partner som sedan 2016 arbetar uteslutande med e-handel via Shopify. Innan han började på Dtails arbetade han i fyra år som partner inom IBM:s konsultavdelning. Han medverkade i vår serie ”Hello Retail Conversations”, där vi pratar med personer som påverkar hur e-handeln fungerar.
Watch the full conversation with Peter here →
80-20-regeln, men tvärtom
Det ekonomiska argumentet för att byta till Shopify går som en röd tråd genom de kundsamtal som Peter beskriver. När handlarna kommer till oss lägger de 80 % av sin IT-budget på att underhålla sin befintliga plattform och 20 % på att utveckla nya funktioner. Målet är att vända på den fördelningen helt och hållet.
“De vill ha snabbhet. De vill kunna sköta det själva. Och dessutom blir det billigare.”
Peter Sommer
Affärsnyttan handlar inte bara om övergångskostnader. Det handlar om vad som blir möjligt på andra sidan. En plattform som stöds av mer än 3 000 mjukvaruutvecklare som lanserar över 100 nya funktioner var sjätte månad hanterar återkommande affärsproblem genom gemenskapsdriven utveckling. Integrationer, betalningar, AI-funktioner: Dessa utvecklas i takt med att ekosystemet utvecklas.
Peter har inte hittat någon annan mjukvaruplattform som har utvecklats i samma takt och med samma stabilitet under de år han har varit en del av Shopifys partnergemenskap.
“Det blir aldrig tråkigt att vara en del av Shopifys partnergemenskap.”
Peter Sommer
Sammanställer över 100 artiklar två gånger om året
Var sjätte månad firar Shopify det som har hänt och det som är på gång med en partnerfest. För ett konsultföretag som Dtails handlar arbetet inte om att implementera allt. Arbetet handlar om att sålla.
Det som gör denna urvalsprocess trovärdig är att hela Dtails kundorienterade team själva har arbetat på säljsidan. När nya funktioner lanseras kan de snabbt bedöma vad som är relevant för en viss marknad, en viss bransch eller en specifik kundgrupp.
“Vi är mycket stolta över att vi alla har fötts på den andra sidan av bordet. Så när de får nya funktioner kan de ganska snabbt ta reda på vad som är relevant för den här marknaden, vad som är relevant för just den branschen eller kunden.”
Peter Sommer
Det är just den här urvalsprocessen som en partner tillför och som en plattform inte kan åstadkomma på egen hand. Shopifys utvecklingsplan är ambitiös. Dess relevans för en enskild handlare är alltid begränsad. Ett team som har arbetat som handlare vet vilken del som är viktig.
AI-översättning som bevarar tonfallet
Det mest konkreta exemplet som Peter tar upp från sitt senaste kundarbete handlar om internationalisering. En tillverkare av högkvalitativ ljudutrustning hade under 25 års tid byggt upp en samling av produkttexter, blogginlägg, FAQ-artiklar och innehåll för användargemenskapen på engelska. Översättning hade alltid varit en alltför omfattande uppgift och affärsnyttan hade inte motiverat det. Därför förblev allt på engelska.

Den tyske piloten ändrade beräkningen. Frågan var om AI:n kunde behålla tonfallet, inte bara översätta ord.
Tyska språket medför en verklig kulturell spänning: Det formella ”Sie” kontra det familjära ”du”. Varumärket ville inte ta ställning och riskera att stöta bort någon del av sin målgrupp. Dtails strukturerade översättningen så att pronomenet i tredje person användes genomgående. LLM tillämpade detta konsekvent i hela innehållsbiblioteket.
“Inom loppet av en kalendermånad lyckades vi faktiskt översätta allt deras innehåll.”
Peter Sommer
Det som gjorde denna skala möjlig, påpekar Peter, var Shopifys datamodell. En ren extrahering av produktdata, artiklar, blogginlägg och sidinnehåll. Strukturerad inmatning till översättningslagret. Kvalitetsgranskning. Strukturerad återimport. Det är plattformens arkitektur som gör att denna typ av automatiserat arbetsflöde blir praktiskt genomförbart, inte bara teoretiskt.
När Shopifys inbyggda sökfunktion inte räcker till
Shopify har under de senaste åren avsevärt förbättrat sin sök- och rekommendationsmotor. För många olika handlare räcker det. Peter ser ett tydligt mönster för när det inte längre räcker till.
Två faktorer återkommer hela tiden. Den ena är språket: Att hantera hur kunderna faktiskt formulerar sina sökfrågor, inklusive semantisk avstånd och avsikt, inte bara sökordsmatchning. Den andra är sortimentets storlek: Stora kataloger avslöjar begränsningarna hos en generisk sökmotor tidigare och på ett tydligare sätt.
Affärsnyttan blir ännu tydligare när man tar hänsyn till vad manuell kurering faktiskt kostar. Shopifys inbyggda lösning kräver löpande konfiguration och underhåll. Automatiserade rekommendationer eliminerar en stor del av dessa omkostnader. Frågan blir då: Vad kostar automatiseringen i förhållande till den ökade konverteringsgraden och den personal tid som frigörs?
“Ju större kunderna är, ju bredare deras produktsortiment är och ju längre de har kommit i sin utveckling mot att bli en etablerad e-handlare, desto större behov finns det av verktyg som Hello Retail för att tillgodose kundernas behov.”
Peter Sommer
Berättelsen om skrivaren
Den del av samtalet som Peter återger mest exakt är av personlig karaktär. Han ombads att hjälpa sin svärmor att köpa en skrivare.
Han kände till kriterierna: Trådlös, färglaser, multifunktionsskrivare, dubbelsidig utskrift. Han skrev in sökordet på Google. Resultaten blandade färg- och svartvitskrivare, och han ägnade tid åt sidor som såg trovärdiga ut men visade sig vara felaktiga. Han bytte till en LLM. Han matade in de fyra kriterierna. Han fick fem träffar som stämde. Han begränsade urvalet till två. Sedan gick han tillbaka till Google för att hitta rätt leverantör med rätt garanti och lokala leveransvillkor.

“Jag upptäckte att jag faktiskt fick ett förslag där jag helt enkelt angav fem kriterier. Som svar fick jag en lista med fem skrivare som uppfyllde dessa kriterier.”
Peter Sommer
Det här är den arbetsfördelning som han ser ta form. Stora språkmodeller (LLM) sköter den strukturerade rådgivningsrollen: De tar emot kriterier, matchar dem mot ett produktutbud och begränsar alternativen. Traditionell sökning fungerar bättre när köparen vet vilken specifik produkt det gäller och jämför leverantörer och leveransvillkor.
Konsekvenserna för handlarna är tydliga. De varumärken som i LLM:s rådgivningsfas framstår som väl dokumenterade och trovärdiga alternativ har en annan position än varumärken som helt och hållet är beroende av betald sökning och sökordsrankning för att upptäckas.
Agentbaserad handel är redan igång
Shopify har lanserat det man kallar ”agentisk handel”: En produktkatalog som omfattar alla deltagande butiker och en gemensam varukorg. En kund kan lägga till varor från flera olika butiker och genomföra en enda betalningstransaktion.
Peter drar en parallell till ett varuhus. Man går runt på de olika våningarna, väljer ut det man vill ha från olika försäljare och betalar allt på en gång vid utgången. Den upplevelsen, som alltid har varit självklar inom den fysiska detaljhandeln, är det som Shopify gör strukturellt möjligt i webbutiker.
“De har lanserat en universell kundvagn som möjliggör en helt ny shoppingupplevelse.”
Peter Sommer
Funktionsuppsättningen är för närvarande tillgänglig för handlare som levererar till Nordamerika. Peters samtal om detta handlar främst om kunder för vilka den marknaden är betydande. Men riktlinjen är tydlig oavsett geografiskt läge.
Hans råd till kunderna stämmer överens med hur han själv går tillväga när det gäller nya kanaler: Förstå vad den är bra för, ta reda på vad dina kunder använder den till, ta steget och dra nytta av fördelarna innan du går vidare till nästa.
Vad som faktiskt förändras
Peters beskrivning av vad handlarna bör göra nu är inte en femårsprognos. Det är en kortsiktig handlingsplan.
Det första steget är att se till att data är redo för användning. Stora språkmodeller (LLM) kan endast ge bra råd om produkter som de förstår. Produktdata som är ofullständiga, inkonsekventa eller strukturerade för äldre metoder för sökordsmatchning kommer inte att fungera bra i ett rådgivningssammanhang. Det är inget nytt problem. Men insatserna har höjts.
Det andra är förtroendet för varumärket. Tiden då man kunde lura Googles algoritm genom att öka nyckelordstätheten är förbi, säger Peter. Det som ersätter detta är verkligt innehåll, en autentisk ton, trovärdiga användaromdömen och gemenskaper som växer fram organiskt kring produkterna.
“Det goda kommer att bli framtidens seger. För om man gör gott, presterar bra och utmärker sig, kommer de förtroendefulla gemenskaperna där ute och de stora förändringarna att bli kända för alla kunder genom AI och rådgivningen.”
Peter Sommer
Det tredje är lojalitet. Kunder som har en relation till ett varumärke behöver inte ”upptäckas på nytt” av en algoritm för att återvända. Denna strukturella fördel blir bara ännu mer värdefull i takt med att upptäcktskanalerna fragmenteras över olika plattformar.

Vad Hello Retail bidrar med här
Peters synpunkt om databeredskap hänger direkt samman med det som Hello Retails ”Product Intelligence” är utformad för att göra.
Beteendelagret – det vill säga vad en kund har tittat på, hur länge hen har varit aktiv på sidan och vad hen sannolikt kommer att behöva härnäst – förvandlar en handlares råa produktkatalog till en fungerande modell av kundens avsikter. Det är just den modellen som gör att automatiserade rekommendationer blir träffsäkra istället för generiska.
Product Intelligence lyfter fram mönster i hela sortimentet som en inköpare som granskar det manuellt skulle missa. För en stor katalog är dessa mönster skillnaden mellan en sökning som hittar det kunden avsåg och en sökning som endast visar det kunden skrev in.
Product Agents utvidgar detta till automatiskt utlösda meddelanden. Prissänkningar på produkter som kunden har tittat på. Påfyllningssignaler baserade på köpfrekvens. Meddelanden om att varor som kunden har sparat åter finns i lager. Varje meddelande bygger på produktinformation och anpassas efter kundens aktuella situation, inte en förutbestämd utskickskalender.
I takt med att den agentbaserade handeln mognar kommer de handlare som framträder på rätt sätt i ett rådgivningssammanhang med stora språkmodeller (LLM) att vara de som har strukturerade, fullständiga och beteendebaserade produktdata. Det är just detta datalager som Product Intelligence bygger upp.
Avslutande reflektion
Peters avslutning är återhållsam. Han har varit i branschen tillräckligt länge för att ha sett hur rösthandel har utropats till nästa stora omvälvning inom detaljhandeln, men har inte gjort ett enda köp via en smart högtalare under alla dessa år.
Hans råd är att inte försöka förutspå hur marknaden kommer att utvecklas om fem eller tio år. Det handlar istället om att tydligt ta nästa steg, och sedan steget därefter, med en klar bild av det värde som finns tillgängligt just nu.
“Jag är mer intresserad av nästa steg och det efterföljande steget. Man måste se på dagens verklighet och sedan dra nytta av det.”
Peter Sommer
Kanalförskjutningen kommer att ske. Takten kommer att vara ojämn, och prognoserna kommer att visa sig felaktiga på sätt som är svåra att förutse. De handlare som är bäst rustade för detta är de som har korrekta produktuppgifter, autentiskt varumärkesinnehåll och lojala kunder som vet vilka de är, oavsett vilken plattform som visar upp dem härnäst.
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 hela samtalet med Peter Sommer på sidan ”Hello Retail Conversations” →


