Dine produkter kan blive vist forskelligt i fremtidens AI-drevne shoppingmiljøer, og Google har netop rullet værktøjer ud, der gør forskellen målbar. Hvis du fx sælger sko lokalt, kan manglende samtale-attributter betyde, at dine bedst sælgende modeller ikke dukker op i samtaler, hvor købere spørger om ‘komfortable løbesko til brede fødder’. Et eksempel kan være en lille butik i Aarhus, som så taber trafik, fordi produktteksterne ikke taler samme sprog som AI-assistenten.
Her gennemgår jeg, hvordan AI Performance Insights og Conversation Attributes virker, og hvilke konkrete, lave-indsats-tiltag der giver mest effekt for små og mellemstore virksomheder.
AI Performance Insights: Hvad er det?
AI Performance Insights viser, hvordan dine produkter og brands klarer sig i AI-genererede shoppingoplevelser — ikke kun traditionelle klik og visninger. Det betyder, at du får data om, hvilke produkter AI vælger at fremhæve i svar, hvilke beskrivelser der konverterer bedst, og hvilke søgeintentioner dine varer matcher.
Praktisk takeaway: tjek disse indsigter mindst ugentligt for at finde lavthængende forbedringer.
Følgende metrikker er typisk væsentlige at følge:
- Andel af AI-svar hvor dit produkt nævnes
- Antal visninger i AI-genererede resultatsæt
- Performance på segmenter som brand, kategori og prisniveau
Brug disse metrikker til at prioritere hvilke produkter, du først opdaterer i feedet — start med produkter, der allerede har nogen trafik.
Optimer din produktliste med samtale-attributter
Samtale-attributter (Conversation Attributes) lader dig strukturere oplysninger, som AI-assistenter kan bruge direkte i samtaler. I stedet for at vente på, at AI parser lange beskrivelser, kan du levere klare felter som ‘anbefalet brug’, ‘materiale’, ‘størrelsesråd’ og ‘bæredygtighedsinfo’. Vi ser ofte, at virksomheder undervurderer hvor specificeret disse felter skal være.
Begynd med at definere de attributter, der ofte nævnes i kundespørgsmål.
- Identificer 5-8 hyppige kundespørgsmål pr. produktkategori
- Kartografér hvert spørgsmål til et samtale-attributfelt
- Skriv korte, konkrete svar (20–40 ord) til hvert felt
Et konkret SME-eksempel: En independent cykelbutik kan tilføje ‘passer til rytterhøjde’, ‘anbefalet dæktryk’ og ‘egnet terræn’ som samtale-attributter. Det øger chancen for, at AI anbefaler deres cykler til relevante forespørgsler.
Forståelse af AI-drevet shopping
AI kombinerer produktdata med brugerintention og kontekst. Det betyder, at søgeord alene ikke er nok; AI lægger vægt på semantik og brugerens formulerede behov. Mange virksomheder fejler her ved kun at kopiere leverandørtekster ind i feedet i stedet for at formulere svar målrettet kundens spørgsmål.
Praktisk takeaway: skriv produkttekster som korte svar på kundespørgsmål frem for lange salgstekster.
Små ændringer, der virker:
- Omskriv beskrivelser til korte sætninger der starter med ‘Til hvem’ eller ‘Til hvad’ (fx ‘Til løbere med brede fødder’)
- Indsæt nøglefacts først (brug, materiale, størrelse)
- Brug konkrete mål og eksempler fremfor abstrakte superlativer
Resultatet er ofte bedre relevans i AI-svar og øget konvertering uden store marketingbudgetter.
Sådan forbedrer du ‘share of voice’
‘Share of voice’ i et AI-miljø handler om hvor ofte AI vælger dine produkter i forhold til konkurrenternes. For små virksomheder er budgettet måske begrænset, så arbejdet må være strategisk: forbedr feeds, prioriter stjernerne og aktivér relevante attributter først.
Konkrete trin, som vi ser fungerer godt:
- Start med top 20% af produkter, der genererer 80% af omsætningen
- Optimer deres samtale-attributter og korte beskrivelser
- Mål ændring i AI Performance Insights efter 2 uger
Et eksempel: En lille elektronikforretning fokuserede på 15 bedst sælgende høretelefoner, tilføjede ‘støjreduktionstype’ og ‘batteritid’ som attributter og øgede deres fremhævelser i AI-svar med tydelig forbedring inden for tre uger.
Det globale udrulningslandskab
Nogle af de nye funktioner rulles globalt, mens andre først er i udvalgte regioner. Du skal derfor tjekke din Merchant Center-konto for at se, hvilke muligheder der er aktive for din butik. Vi ser ofte, at teknisk implementering bliver udskudt, fordi man antager, at funktionen ikke er tilgængelig — men ofte ligger den skjult under avancerede feed-indstillinger.
Forberedelse før udrulning:
- Gennemgå feedet for ufuldstændige felter
- Lav en prioritetsliste over hvilke produkter der får samtale-attributter først
- Opsæt overvågning i AI Performance Insights og definer KPI’er
Når en funktion bliver tilgængelig, bør du aktivere og teste med en lille produktgruppe før en bred udrulning.
Konklusion: Start konkret og test hurtigt. Prioritér dine bedst performende produkter, skriv korte svar-orienterede beskrivelser og implementér samtale-attributter for at få hurtig effekt. Vi ser ofte, at de virksomheder, der tager disse små, målrettede skridt først, får størst gevinst i synlighed uden store investeringer.
Kilde: Artiklen er baseret på og omskrevet fra den oprindelige artikel.
