# Plantskolan slår teknikjättarna när det gäller personalisering

> En dansk plantskola har byggt in en sökfunktion baserad på när blommorna blommar. De flesta e-handelssajter visar fortfarande samma resultat för alla. Ökningen talar för sig själv.

**Author:** Kasper Refskou Jensen
**Published:** January 19, 2026
**Tags:** Search, Personalization, Product Intelligence

---

# Plantskolan slår teknikjättarna när det gäller personalisering

Din sökfält vet ingenting om dina kunder.

Samtidigt anpassar en dansk plantskola sökresultaten utifrån när blommorna blommar. Medan detaljhandelsjättar värda miljarder dollar visar samma resultat för alla, skräddarsyr Jespers Planteskole varje sökning för att med kirurgisk precision matcha kundens avsikt.

Resultatet, enligt deras egna interna siffror: En ökning med 181 % i direkta konverteringar och 177 % i indirekta konverteringar, vilket tillskrivs personaliseringsfunktionen för sökningar. Dina siffror kommer att se annorlunda ut. Principen är dock densamma.

## Paradoxen med personalisering

De flesta webbplatser för e-handel samlar in enorma mängder produktdata, för att sedan helt ignorera dem. Färg, storlek, material, säsongsvariationer och kompatibilitet – allt detta ligger outnyttjat i databaser medan kunderna hoppar mellan generiska sökresultat.

Jespers Planteskole valde en annan strategi. De tittade på sin produktkatalog och ställde sig en enkel fråga: Vad är det egentligen som är viktigt för den som köper växter?

Svaret var inte särskilt komplicerat. De som köper växter bryr sig om:

- När blommorna blommar
- Lövverkets färg
- Växtens höjd
- Mognadstid för fruktsorter

Därför utformade de sin [sökfunktion](/en/search/) utifrån dessa egenskaper. Inte som filter gömda i sidofält, utan som en intelligent anpassning som lär sig av varje interaktion.

## Hur intelligent sökning egentligen fungerar

En kund söker efter ”lila blommor” och klickar på växter som är över 0,5 meter höga. Systemet registrerar detta. Vid nästa sökning visas naturligtvis fler lila blommor inom det höjdintervallet, utan att kunden behöver tillämpa ett filter på nytt.

Det sofistikerade ligger i det som inte händer. Systemet översvämmar inte kunden med identiska alternativ. Det bibehåller mångfalden samtidigt som det försiktigt styr mot tidigare visade preferenser. Lila dominerar, men komplementfärger dyker upp för att inspirera till ytterligare köp. Resultatet känns mindre som en algoritm och mer som en kunnig butiksinnehavare som kommer ihåg vad du gillade.

Det här är beteendebaserat lärande tillämpat på produktupptäckt. Det är inte ett filtergränssnitt som har klistrats på ett enkelt sökindex.

## De uppgifter du bortser från

Varje e-handelsföretag har motsvarande egenskaper som ligger i träda.

**Modebutiker** håller reda på tygets vikt, skötselråd och säsongskollektioner. Men i sökresultaten behandlas en vinterrock i ull på samma sätt som sommarshorts i linne.

**Elektronikbutikerna** känner till kompatibilitetskrav, strömförbrukning och användningsområden. Ändå måste kunderna manuellt sålla bland alternativ som inte är kompatibla.

**Webbplatser för heminredning** har koll på rumstyper, stilpreferenser och utrymmesbegränsningar. Ändå visar sökresultaten matstolar för någon som letar efter sovrumsmöbler.

Mönstret är detsamma överallt: Det finns omfattande produktdata, men ingen personalisering.

## Varför de flesta försök till personalisering misslyckas

De flesta former av personalisering inom e-handeln känns mekaniska eftersom de fokuserar på tidigare köp istället för på aktuella köpintentioner. Köpte du en bärbar dator förra månaden? Här kommer fler bärbara datorer – i all oändlighet.

Intelligent personalisering fungerar på ett annat sätt. Den observerar mikrobeteenden under aktiva shoppingtillfällen med hjälp av ”[Product Intelligence](/en/product-intelligence/)”, som tolkar egenskaper snarare än bara klick. Vilka egenskaper väcker uppmärksamhet? Vilka kombinationer intresserar kunden? Hur skiljer sig lyckade köp från övergivna varukorgar?

Jespers Planteskoles strategi är framgångsrik eftersom den anpassar upptäcktsprocessen efter varje enskild kund, inte bara den slutliga rekommendationen.

## Den samlade effekten av smart sökning

Personanpassad sökning skapar en positiv spiral. Bättre resultat ökar engagemanget. Ett högre engagemang genererar mer beteendedata. Mer data förbättrar den framtida personaliseringen.

De siffror som Jespers redovisar för denna cykel är höga eftersom utgångsläget var generiskt. Effektens storlek för en enskild butik beror på skillnaden mellan vad era data redan innehåller och vad er sökfunktion faktiskt använder. För de flesta butiker är den skillnaden så stor att den är pinsam.

## Hur du kan ta reda på om din sökning har samma problem

Tre frågor som varje e-handelsansvarig bör ställa sig:

**1. Vilka produktegenskaper är det egentligen som påverkar köpbesluten inom din produktkategori?**

Det är inte vad du tror som spelar roll. Det som spelar roll är vad kunderna visar genom sitt beteende.

**2. Hur stor del av era produktdata används för att anpassa sökresultaten?**

Om svaret är ”inget” eller ”grundläggande demografiska uppgifter” går du miste om möjligheter till konvertering.

**3. Kan din sökfunktion dra lärdom av beteendet i realtid under en enskild session?**

Rekommendationer efter köpet är användbara. Personalisering under själva besöket, när användaren aktivt utforskar utbudet, är banbrytande.

## Underrättelsefördelen

Jespers Planteskole lyckades inte genom att samla in mer data. De lyckades genom att använda befintlig data på ett smartare sätt. Deras produktkatalog hade redan från början innehållit uppgifter om blomningstider och växthöjder. Genombrottet kom när de kopplade samman den informationen med sökbeteendet.

Det är här de flesta e-handelssajter misslyckas. De optimerar för trafikvolym istället för trafikkvalitet. De mäter klick istället för konverteringar. De behandlar alla besökare på samma sätt istället för att ta hänsyn till varje enskild besökares avsikt.

Intelligent personalisering vänder på strategin. Istället för att visa allt för alla visar den rätt produkter för rätt personer vid rätt tillfälle. Samma logik ligger till grund för [personanpassade rekommendationer](/en/product-recommendations/) på kategori- och produktsidor samt för [automatiska e-postmeddelanden](/en/triggered-emails/) som skickas efter sessionen.

## Din sökfält kostar dig intäkter

Varje generiskt sökresultat är en förlorad möjlighet. Varje irrelevant produkt som visas är ett steg mot att kunden lämnar sin varukorg. Varje kund som inte hittar det hen söker är intäkter som går förlorade.

Plantskolan insåg detta. De förvandlade sökfunktionen från ett nödvändigt ont till en konverteringsmotor.

Dina produktdata ligger där och väntar. Frågan är inte om du har tillräckligt med information för att kunna skräddarsy erbjudanden. Det har du. Frågan är om du kommer att använda den på ett smart sätt eller låta konkurrenter som Jespers Planteskole fortsätta att ta marknadsandelar från dig.

Ibland kommer de bästa lärdomarna från oväntade håll.

*Se hur Hello Retails [sökfunktion](/en/search/) och [produktrekommendationer](/en/product-recommendations/) förvandlar produktattribut till konverteringsmotorer. [Boka en demonstration](/en/demo/).*

---

*This content is from the Hello Retail blog. For the full experience with images and formatting, visit [helloretail.com/sv/blog/2026-01-19-plant-nursery-beats-tech-giants-at-personalization](https://helloretail.com/sv/blog/2026-01-19-plant-nursery-beats-tech-giants-at-personalization)*
