AI for detail og fysiske butikker
Detailhandlen bliver presset fra to sider på én gang. Kæderne og de internationale webshops kan altid være billigere og hurtigere — og samtidig forventer kunderne at kunne tjekke online om varen er hjemme, før de overhovedet går i byen. For den selvstændige butiksejer betyder det at webshop, Google-profil, nyhedsbrev og sociale medier ligger oven i en drift, der i forvejen kræver at man står på gulvet: varemodtagelse, kundebetjening, optælling, vagtplan.
AI ændrer regnestykket, fordi det netop er det digitale rugbrødsarbejde der kan automatiseres. Produkttekster til hundredvis af varenumre, der før tog uger, kan genereres og godkendes i batches. En kundeservice-assistent kan svare på "har I den i str. 38?" med opslag i det faktiske lager — også søndag aften. Og salgshistorikken i kassesystemet, som de færreste når at kigge i, kan omsættes til konkrete forslag: genbestil det her, sæt det her ned, før det bliver en hyldevarmer.
Det interessante er ikke teknologien, men at butikken og webshoppen endelig kommer til at spille sammen: ét varekatalog, ét lagertal, én kundeklub — i stedet for to verdener der vedligeholdes hver for sig.
Vores tilgang er at bygge småt, måle og skalere. Vi starter med det ene greb der gør mest ondt — typisk varekataloget eller kundehenvendelserne — integreret med det kassesystem og den webshop-platform I allerede har. Når effekten kan måles, bygger vi videre.
Kender du det her?
Kunden ved disken må vente, mens telefonen bliver besvaret med "har I den hjemme?" — eller omvendt. Nogen taber altid i det regnestykke.
Webshoppen og butikkens lager taler ikke sammen: I sælger varer online som lige er gået over disken, eller siger nej til kunder fordi lagertallet ikke er til at stole på.
Nye varer står på hylden i ugevis før de kommer online, fordi produkttekster, billeder og kategorisering skal laves i hånden mellem kundebetjeninger.
Hyldevarmere binder likviditet i baglokalet, mens bestsellere er udsolgt — genbestilling og nedsættelser sker på mavefornemmelse, ikke på salgstal.
Nyhedsbrevet bliver sendt "når der er tid", til hele listen på én gang, og performer derefter — mens kædernes kundeklubber rammer præcist.
Kunder googler jeres egne varer og ender hos konkurrenten, fordi jeres Google-profil og webshop ikke dukker op på lokale søgninger.
Løsninger vi bygger til branchen
Gennemtænkte, konkrete løsninger — fra problem til hvordan de bygges og hvad de typisk flytter.
Kundeservice-assistent der kender lageret i realtid
Problemet
Langt de fleste henvendelser i en butik handler om det samme: er varen hjemme, i hvilken størrelse eller farve, hvad koster den, og hvornår har I åbent. Hver opringning og besked afbryder betjeningen på gulvet — og udenfor åbningstid får kunden slet intet svar og køber et andet sted.
Løsningen
Vi bygger en AI-assistent på webshoppen (og evt. Messenger/Instagram), der svarer ud fra jeres faktiske varekatalog og lagertal — ikke gætterier. Spørger kunden "har I den her sofa i mørkegrøn?", slår assistenten op i beholdningen og svarer med det reelle tal, prisen og butikkens adresse og åbningstider. Kan varen reserveres eller bestilles til click & collect, klarer assistenten det direkte og lægger en plukliste til butikken. Spørgsmål den ikke kan svare sikkert på — reklamationer, specialbestillinger, prutten om prisen — sendes videre til jer med hele samtalen vedhæftet. I hverdagen betyder det, at telefonen ringer mindre, og at de henvendelser der lander hos jer, er dem der faktisk kræver et menneske.
Sådan bygges den: Chat-widget på webshoppen + Claude med RAG over jeres varekatalog, priser og praktiske info, koblet på lagertal fra kassesystem/webshop-platform (Shopify, DanDomain m.fl.) via API. Selvbetjenings-admin så I selv kan rette svar og regler.
📈 Typisk kan 40-60% af henvendelserne besvares uden menneskelig håndtering, og butikker med click & collect ser typisk flere afhentningsordrer, fordi kunden får svar med det samme.
Varekatalog-motor: fra leverandørfil til færdig webshop-vare
Problemet
En butik med tusindvis af varenumre får typisk kun en rå leverandørfil med varenavn, EAN-nummer og kostpris. At skrive beskrivelser, vælge kategorier og sætte varen ordentligt op online tager så lang tid, at webshoppen konstant halter bagefter hylden — og varer uden tekst bliver aldrig fundet på Google.
Løsningen
Vi bygger en pipeline, hvor nye varer fra leverandørfilen eller kassesystemet automatisk beriges: AI skriver en dansk produktbeskrivelse i jeres tone, udfylder materialer, mål og anvendelse, foreslår kategori og tags og genererer SEO-titel og meta-beskrivelse. I får varerne til gennemsyn i batches — godkend, ret eller afvis — og først derefter publiceres de til webshoppen og jeres Google Shopping-feed. Efterhånden lærer systemet jeres rettelser at kende, så der bliver mindre og mindre at rette. Nye kollektioner og sæsonvarer kan være online samme dag, de står på hylden.
Sådan bygges den: Import fra leverandørfiler/kassesystem + Claude til tekstberigelse og kategorisering, med jeres tone-of-voice som fast systemprompt. Godkendelses-flow i et enkelt admin-panel, publicering via webshop-platformens API og automatisk feed til Google Shopping.
📈 Tiden fra vare på hylden til vare online falder typisk fra uger til under en dag, og butikker med store kataloger sparer typisk 5-10 timer om ugen på varevedligehold.
Genbestillings- og nedsættelses-assistent
Problemet
Salgstallene ligger i kassesystemet, men ingen når at analysere dem i en travl hverdag. Resultatet kender enhver butiksejer: bestsellere der er udsolgt i den bedste uge, og dødvarer der binder likviditet, indtil de ryger på udsalg alt for sent — ofte til en pris, der æder hele avancen.
Løsningen
Vi bygger en assistent, der hver nat trækker salgs- og lagertal fra kassesystemet og beregner salgshastighed pr. varenummer, korrigeret for sæson. Hver mandag morgen får I en prioriteret liste: disse varer bør genbestilles nu (med foreslået antal ud fra leveringstid og genbestillingspunkt), disse varer er på vej til at blive hyldevarmere og bør nedsættes eller flyttes frem, og disse nedsættelser kan I roligt rulle tilbage. I godkender med ét klik — assistenten bestiller aldrig og ændrer aldrig priser på egen hånd. Beslutningerne er stadig jeres, men de træffes på tal i stedet for mavefornemmelse.
Sådan bygges den: Natligt datatræk fra kassesystem/webshop + beregningslag til salgshastighed og genbestillingspunkter, Claude til at prioritere og formulere ugens anbefalinger i klart sprog. Godkendelses-flow med eksport af indkøbsordrer og prisændringer til jeres systemer.
📈 Typisk færre udsolgte bestsellere og hurtigere reaktion på dødvarer — butikker der arbejder datadrevet med sortimentet frigør typisk 10-20% af den kapital, der ellers står bundet i langsomme varer.
Events og workshops der booker og fylder sig selv
Problemet
Workshops, kundeaftener og events er noget af det stærkeste, en fysisk butik har mod webshoppernes priser — men administrationen dræber det: tilmeldinger på telefon og Messenger, betaling over MobilePay-billeder, manuelle huskesedler og halvfyldte hold fordi ingen nåede at minde folk om det.
Løsningen
Vi bygger booking direkte ind i jeres webshop: kunden vælger dato, betaler med det samme, og pladsen trækkes fra i en kalender, der er synkroniseret live — så dobbeltbookinger og udsolgte hold, der stadig sælges, forsvinder. Automatiske bekræftelser og påmindelser før eventet nedbringer no-shows, og efter eventet sendes en opfølgning med relaterede varer eller næste dato. AI-laget ovenpå udnytter dataene: halvfyldte hold udløser et forslag til en målrettet mail til kunder, der har deltaget i lignende events, og populære workshops foreslås gentaget, mens efterspørgslen er der. Den model har vi bygget i praksis — se casen med Smyk & Hyg.
Sådan bygges den: Booking-modul integreret i webshoppen (fx Shopify) med live kalender-sync og betaling ved tilmelding, automatiske mail-flows til bekræftelse/påmindelse/opfølgning, og Claude til udfyldnings-kampagner og eventbeskrivelser.
📈 Typisk markant flere onlinebookinger og færre no-shows — og timerne med manuel tilmeldingsadministration forsvinder stort set.
Beviset: cases fra branchen
Flere use cases
Kundeklub der rammer rigtigt
Segmentér kundeklubben ud fra købshistorik og send målrettede mails: genkøbspåmindelser, nyheder i kundens foretrukne kategori, fødselsdagstilbud — AI skriver udkastene i jeres tone.
📈 Åbnings- og klikrater typisk 2-3× højere end "én mail til hele listen" — og flere genkøb.
Lokal synlighed på autopilot
Google Business-profilen holdes opdateret med åbningstider, nyheder og events, og AI laver udkast til svar på anmeldelser — venlige, konkrete og i jeres stemme.
📈 Bedre placering på "nær mig"-søgninger og flere kunder ind ad døren fra lokal søgning.
Vagtplan efter travlhed
AI analyserer omsætning pr. time fra kassesystemet og foreslår bemanding: hvornår skal der være to på gulvet, og hvornår er én nok.
📈 Lønkronerne placeres i de timer hvor de sælger — typisk mærkbart på månedens største omkostning.
Webshoppen som udstillingsvindue
360-graders og 3D-produktvisning der lader kunden "vende og dreje" varen hjemmefra — særligt stærkt for møbler, brugskunst og andre varer man vil føle på. Se casen med MAGELIG.
📈 Lavere bounce rate og højere konvertering — og kunder der kommer i butikken med beslutningen halvt truffet.
Prisovervågning af konkurrenter
Automatisk overvågning af konkurrenters priser på jeres nøglevarer, med AI-matching af varenumre og en ugentlig oversigt over hvor I ligger skævt.
📈 I ved hvor I skal matche, og hvor jeres rådgivning og service retfærdiggør prisen.
Retur- og reklamations-triage
AI læser indkomne retur- og reklamationshenvendelser, samler ordredata og billeder, kategoriserer sagen og lægger et svarudkast klar — I godkender og sender.
📈 Sagsbehandlingstid typisk halveret, og kunderne får svar samme dag i stedet for i næste uge.
ROI og forventninger
En typisk specialbutik med webshop kan regne med 8-12 timers ugentlig besparelse på varetekster, kundehenvendelser og administration — tid der enten spares væk eller flyttes til gulvet, hvor salget sker. Dertil kommer de sværere målbare, men ofte større gevinster: færre udsolgte bestsellere, hurtigere nedsættelser af dødvarer (typisk 10-20% mindre bundet kapital i langsomme varer) og flere onlineordrer, når lagertal og click & collect er til at stole på. Driftsomkostningen til AI er beskeden — typisk nogle hundrede kroner op til 1.500 kr om måneden i forbrug — så tilbagebetalingstiden på en løsning ligger typisk på 2-5 måneder. Spændet afhænger mest af katalogstørrelse og hvor meget manuel håndtering I har i dag.
Hvor man starter
- Start hvor det gør mest ondt: typisk varekataloget eller kundehenvendelserne — begge kan måles fra dag ét
- Byg på det kassesystem og den webshop-platform I allerede har — skift aldrig system for at få AI
- Lad AI lave forslag og kladder, mens I godkender — særligt ved priser, genbestilling og kundesvar
- Mål før og efter: svartid, andel selvbetjente henvendelser, tid fra hylde til online, lageromsætningshastighed
Compliance og data
Kundeklub og købshistorik er persondata, så GDPR gælder fuldt ud: klart samtykke, databehandleraftaler og EU-region for AI-kald når kundedata indgår. Markedsføringslovens §10 kræver forudgående samtykke til mails og SMS — segmentering ændrer ikke på det, så samtykkerne skal være på plads før kundeklubben automatiseres. Sælger I online, skal chatbotten svare korrekt om 14 dages fortrydelsesret og reklamationsret efter forbrugeraftaleloven og købeloven — vi lægger reglerne ind som faste svar, ikke noget AI improviserer. Og arbejder I med automatiske nedsættelser, skal førpriser følge prismærkningsreglerne (Omnibus-direktivet): førprisen skal være den laveste pris de seneste 30 dage — det bygger vi ind i nedsættelses-flowet, så I ikke kan komme galt afsted.
Ofte stillede spørgsmål
Hvad koster det?
Det afhænger af løsningen — en kundeservice-assistent er mindre end en fuld varekatalog-motor. Selve AI-forbruget er beskedent (typisk nogle hundrede kroner til 1.500 kr om måneden), og udviklingen prissættes som et projekt med fast ramme. Se /priser for de konkrete spænd, eller tag et kald med os — så får I et tal, ikke et "det kommer an på".
Mister vi det personlige? Det er jo hele grunden til, at folk kommer i butikken.
Tværtimod — det er pointen. AI tager de rutineprægede spørgsmål ("har I åbent søndag?", "er den hjemme i medium?"), som i dag afbryder jer midt i en betjening. Det frigør tid ved disken, hvor det personlige faktisk foregår. Og alt kundevendt indhold skrives i jeres tone og godkendes af jer, indtil I stoler på det.
Vi kører et bestemt kassesystem og en bestemt webshop-platform — skal vi skifte?
Nej. Vi bygger ovenpå det, I har — Shopify, DanDomain, WooCommerce og de gængse kassesystemer har API'er eller eksportmuligheder, vi kan koble os på. Har jeres system ingen API, finder vi en pragmatisk vej med fil-eksport. At skifte platform for at få AI er næsten altid den forkerte rækkefølge.
Kan AI'en finde på at love kunder noget, vi ikke kan holde — forkerte priser eller varer, vi ikke har?
Ikke hvis den er bygget rigtigt. Assistenten svarer kun ud fra jeres faktiske varekatalog og lagertal (RAG — den slår op i jeres data, den digter ikke), og priser og lagerstatus hentes live, ikke fra hukommelsen. Alt den ikke kan svare sikkert på, sender den videre til jer i stedet for at gætte. Vi tester netop de grænsetilfælde, før noget går live.
Vores produktdata er noget rod — halvdelen af varerne mangler tekst og billeder. Kan det overhovedet lade sig gøre?
Ja — det er faktisk det mest almindelige startpunkt. Varekatalog-motoren er bygget til netop den situation: den tager de rå stamdata fra leverandørfiler og kassesystemet og beriger dem med beskrivelser, kategorier og SEO-felter, som I godkender i batches. Rodede data er ikke en blokering, det er opgaven.
Relaterede guides
Sådan implementerer du en AI-chatbot i kundeservice (uden at den bliver pinlig)
Komplet guide til at bygge en kundeservice-bot der faktisk hjælper kunderne — fra valg af model til go-live og monitorering. Skrevet for danske virksomheder.
Sådan bygger du et RAG-system fra bunden — komplet teknisk guide
Detaljeret teknisk guide til at bygge Retrieval-Augmented Generation: arkitektur, valg af komponenter, chunking-strategier, evaluation, og almindelige fælder.
GDPR-kompatibel AI i danske SMB'er — det du faktisk skal have styr på
Praktisk guide til at implementere AI i en dansk virksomhed uden at krænke GDPR. EU AI Act, databehandleraftaler, EU-regioner, anonymisering — det hele her.