Moselstudio
Lad os tale
← Alle brancher

AI for e-commerce og webshops

40-70%af supporthenvendelser en webshop typisk kan løse automatisk

Marginerne i dansk e-commerce er under pres fra alle sider: stigende annoncepriser, fragt der æder dækningsbidraget, og kunder der sammenligner jer med Zalando og Amazon på både pris, levering og service. Samtidig er hverdagen i de fleste webshops stadig dybt manuel — indkøb, produktoprettelse, kundeservice, retur og marketing hviler på få hænder, og listen over det man burde nå, vokser hurtigere end listen over det man når.

AI ændrer regnestykket, fordi netop de opgaver der æder timerne, er dem AI er bedst til: svare på de samme ordre-spørgsmål igen og igen, skrive unik tekst til tusindvis af varer, udfylde attributter i Shopping-feedet, vurdere returer mod et regelsæt og personalisere mails og anbefalinger. Det er ikke fremtidsmusik — det er moden teknologi der i dag kobles direkte på Shopify, WooCommerce og de gængse danske platforme via API.

Vores tilgang er at bygge småt, måle og skalere. Vi starter dér hvor jeres tal siger det bløder mest, sætter en baseline på konverteringsrate, svartid og supporttimer, og udvider først når effekten er dokumenteret. I ejer løsningen og kan selv rette regler, tone og indhold — I skal ikke ringe til et bureau for at ændre en returregel.

Vi har bygget og optimeret webshops fra danske Shopify-butikker til brands i 11 lande — konverteringsoptimering, SEO, 3D-produktvisning og AR. Casene længere nede viser hvordan det ser ud i praksis.

Kender du det her?

Indbakken starter hver morgen med 30 nye "hvor er min pakke?"-mails, og hver eneste kræver et opslag i shoppen og fragtportalen, før I kan svare.

Størstedelen af kataloget kører på leverandørens standardtekst — eller ingen beskrivelse overhovedet — så produkterne er reelt usynlige på Google.

Google Shopping-feedet mangler attributter som farve, materiale og størrelse, så I betaler for dyre klik, mens konkurrenterne rangerer over jer.

Returer og reklamationer håndteres i mail og regneark: 15-20 minutters klikken pr. sag mellem shop, fragtlabel og refusion — og kunderne rykker imens.

Abandoned cart-mailen er stadig standardskabelonen fra dengang shoppen blev sat op — samme mail til alle, uanset hvad de havde i kurven.

I Q4 og på Black Friday drukner supporten præcis når der er mest at tjene — og man kan ikke ansætte sig ud af tre ugers peak.

Løsninger vi bygger til branchen

Gennemtænkte, konkrete løsninger — fra problem til hvordan de bygges og hvad de typisk flytter.

01

AI-kundeservice der kender ordren, fragten og returreglerne

Problemet

Indbakken fyldes med de samme spørgsmål: hvor er min pakke, kan jeg bytte, hvornår kommer varen på lager. Hver mail koster 5-10 minutters opslag og skrivning, og i peak-perioder vokser svartiden til dage — hvilket kunderne kvitterer for på Trustpilot.

Løsningen

En AI-agent på både chat og mail, koblet direkte til jeres shop og fragtleverandør. Den slår den konkrete ordre op, henter track & trace, kender jeres retur- og fragtregler fra jeres egne handelsbetingelser og svarer i jeres tone — ikke i generisk bot-sprog. Kan den ikke løse sagen forsvarligt, samler den hele konteksten og sender den til et menneske med et færdigt svarudkast. I følger med i et simpelt dashboard: hvad kunderne spørger om, hvad der blev svaret, og hvad der blev eskaleret. Mandag morgen er indbakken ikke 80 mails, men de 12 der faktisk kræver et menneske.

1Kunden spørger i chat eller mail: "Hvor er min pakke?"
2AI slår ordren op i shoppen og henter track & trace
3Kunden får svar i jeres tone med præcis status og næste skridt
4Uløste sager eskaleres til jer med færdigt svarudkast
5Dashboard viser emner, løsningsgrad og tilbagevendende spørgsmål

Sådan bygges den: Claude med RAG over jeres handelsbetingelser, FAQ og fragtregler + live opslag i Shopify/WooCommerce og fragt-API (GLS, PostNord, DAO). Chat-widget og mail-integration med selvbetjenings-dashboard, så I selv retter svar og regler.

📈 Typisk løses 40-70% af henvendelserne uden et menneske, og svartiden falder fra timer eller dage til sekunder — også kl. 21, hvor mange kunder faktisk sidder og handler.

02

Produktdata-motor: beskrivelser, SEO og Shopping-feed i bulk

Problemet

Størstedelen af kataloget har leverandørens standardtekst eller slet ingen beskrivelse. Google kan ikke rangere det, duplikeret indhold trækker ned, og Shopping-feedet mangler de attributter der afgør Quality Score — så I betaler mere pr. klik end nødvendigt.

Løsningen

En pipeline der læser hele kataloget og skriver unik dansk tekst pr. produkt: beskrivelse, metatitel, meta-beskrivelse og alt-tekster — i jeres tone og med de søgeord kunderne faktisk bruger. Samtidig udfyldes de strukturerede attributter (farve, materiale, størrelse, GTIN-validering) som Merchant Center og Google Shopping belønner. I godkender i batches på 100-200 produkter ad gangen i stedet for at skrive fra bunden, og retter I noget, bruges rettelsen som facit fremadrettet. Nye varer får automatisk tekst og attributter, i samme øjeblik de oprettes.

1I peger på kataloget — API, PIM eller CSV
2AI skriver beskrivelse, metatekst og alt-tekster pr. produkt i jeres tone
3Attributter til Shopping-feedet udfyldes og valideres
4I godkender i batches — jeres rettelser bliver systemets facit
5Publiceres til shop og feed; nye varer kører automatisk

Sådan bygges den: Batch-pipeline mod Shopify/WooCommerce-API'et (eller jeres PIM/CSV), Claude med jeres tone-guide som system-prompt, godkendelsesflow før publicering og automatisk kørsel på nyoprettede produkter.

📈 Et katalog på 5.000+ varer går typisk fra måneders skrivearbejde til få ugers godkendelse — og long-tail-produkter der før var usynlige, begynder at trække organisk trafik. Organisk vækst på 30-200% over 4-6 måneder er set i branchen.

03

Personaliserings-lag: anbefalinger og flows der rammer den enkelte

Problemet

I dag får alle kunder den samme forside, de samme "andre købte også"-forslag og den samme abandoned cart-mail fra standardskabelonen. Det koster ordreværdi og gensalg — og jeres email-liste, ofte den billigste kanal I har, yder langt under sit potentiale.

Løsningen

Et personaliserings-lag der bruger adfærds- og købsdata til at vælge de rigtige produkter til den enkelte kunde. On-site anbefalinger der forstår reelle sammenhænge — køber kunden hynder til havestolen, er et overtræk det oplagte næste forslag — og Klaviyo/Mailchimp-flows hvor AI genererer indholdet: tabt kurv, win-back, genkøbs-påmindelser, alt med produkter og tekst tilpasset kundens historik. Segmenterne vedligeholder sig selv, og I skriver ikke længere kampagner fra bunden — I godkender udkast. Effekten måles pr. flow mod jeres egen baseline, så I kan se præcis hvad personaliseringen flytter.

1Kunden browser og handler — adfærd og køb samles med samtykke
2AI matcher kunden med de mest relevante produkter
3Flows genereres: tabt kurv, win-back, genkøb — med personligt indhold
4I godkender, og flowet kører automatisk
5Omsætning pr. flow måles mod baseline

Sådan bygges den: Event-tracking i shoppen + kunde- og ordredata, embeddings over produktkataloget til anbefalinger, Claude til tekstgenerering — integreret med Klaviyo/Mailchimp via API. Personalisering respekterer jeres cookie- og marketing-samtykker.

📈 Typisk 15-30% højere gennemsnitlig ordreværdi fra bedre cross-sell og 30-80% mere email-omsætning, når flows sættes ordentligt op — målt mod jeres egen baseline.

04

Selvbetjent retur og reklamation — uden regneark

Problemet

Returer og reklamationer håndteres i mail og regneark. Hver sag er 15-20 minutters klikken mellem shop, fragtportal og indbakke, kunder der venter ringer og rykker, og reklamationssager kræver jeres vurdering hver eneste gang.

Løsningen

En returportal hvor kunden selv opretter sagen: vælger ordre og årsag og uploader billeder ved reklamation. AI læser sagen, holder den op mod jeres returregler og købelovens reklamationsret, og foreslår afgørelsen — ombytning, refusion eller afvisning med begrundelse. Standard-returer kører helt automatisk: returlabel genereres, og refusionen udløses når pakken scannes retur. Reklamationer lægges i en godkendelses-kø, hvor I afgør sagen med ét klik på baggrund af AI'ens indstilling. Lageret opdateres, bogføringen får besked, og kunden kan følge sin sag undervejs uden at skulle spørge.

1Kunden åbner returportalen og vælger ordre + årsag
2AI vurderer sagen mod jeres regler og reklamationsretten
3Returlabel genereres — reklamationer lægges til jeres godkendelse
4Pakken scannes retur, og refusionen udløses automatisk
5Lager og bogføring opdateres; kunden får besked hele vejen

Sådan bygges den: Next.js-returportal koblet til Shopify/WooCommerce og fragt-API til returlabels, Claude til sagsvurdering med jeres regelsæt som grundlag, godkendelses-kø til reklamationer og automatisk refusion via betalingsgatewayen.

📈 Typisk håndteres 70-90% af standard-returer uden manuel berøring, og sagstiden pr. retur falder fra 15-20 minutter til under 2 — plus markant færre "hvor er min refusion?"-henvendelser i indbakken.

Beviset: cases fra branchen

Flere use cases

Semantisk søgning på sitet

Kunden søger "gave til svigermor der elsker haven" og får relevante produkter — ikke nul resultater. Søgningen forstår mening og synonymer, ikke kun præcise nøgleord.

📈 Søgende kunder konverterer typisk 2-4× højere end browsende — færre nul-resultat-søgninger flytter direkte på omsætningen.

Visuel produktsøgning

Kunden uploader et billede af noget hun har set på Instagram eller Pinterest og finder det nærmeste match i jeres sortiment på sekunder.

📈 Konverteringer fra inspirationsdrevne søgninger — folk køber lettere, når de finder præcis det de "så".

Anmeldelse-syntese på produktsiden

AI kondenserer hundredvis af anmeldelser til en ærlig fordele/ulemper-oversigt pr. produkt — og flagger tilbagevendende kritik videre til indkøb.

📈 Højere tillid og konvertering — og færre returer, fordi forventningerne afstemmes før købet.

Oversættelse og internationalisering

Hele kataloget oversat til nye markeder med lokal tone, valuta- og størrelseskonventioner — ikke ordret maskinoversættelse der skriger "udenlandsk shop".

📈 Nye markeder kan åbnes på uger i stedet for måneder; oversættelsen er sjældent flaskehalsen længere.

AI-produktbilleder og lifestyle-visuals

Packshots omsættes til lifestyle-billeder og kampagne-visuals i jeres stil — sæson efter sæson, uden fotograf og studieleje hver gang.

📈 Kampagne-produktion til en brøkdel af prisen — typisk mest værd for shops med store kataloger og små marketingteams.

Kategoritekster og købsguides (programmatisk SEO)

Unikke tekster til kategorier, brands og købsguides ("bedste X til Y") bygget på jeres faktiske sortiment og lagerstatus — ikke generisk fyldtekst.

📈 Rangerer på købsklare long-tail-søgninger, hvor konkurrencen er markant lavere end på hovedordene.

ROI og forventninger

For en webshop med 1 mio. kr eller mere i månedlig omsætning er 3-5× ROI på AI-indsatsen inden for 6 måneder et realistisk spænd. De hurtigste gevinster kommer fra kundeservice (sparede timer, hurtigere svartid) og produktdata (mere organisk trafik og billigere klik i Shopping), mens personalisering og retur-automatisering bygger ovenpå over tid. Mindre shops ser længere payback, men samme retning: driftsomkostningen er typisk få hundrede til få tusinde kroner om måneden i AI-forbrug, mod 20-60 sparede arbejdstimer og målbare løft i konvertering og ordreværdi. Det afgørende er at måle mod jeres egen baseline — konverteringsrate, AOV, supporttimer og organisk trafik — så effekten er dokumenteret og ikke bare fornemmet.

Hvor man starter

  • Start hvor det bløder mest: druknende indbakke peger på kundeservice-agenten, tyndt katalog på produktdata-motoren
  • Mål baseline før I går i gang — konverteringsrate, svartid, supporttimer pr. uge og organisk trafik
  • Kør 4-8 ugers pilot på ét område og iterér ugentligt på prompts og regler, før I skalerer til næste
  • Behold mennesker som eskalation — en bot der låser kunden inde, koster mere på Trustpilot end den sparer i support

Compliance og data

GDPR er grundlaget: ordrehistorik og adfærdsdata er persondata, så der skal databehandleraftaler på plads med AI-udbyderen, og vi anbefaler EU-hostet inference uden træning på jeres data. Dertil kommer e-handelsjuraen: forbrugeraftaleloven (14 dages fortrydelsesret) og købelovens 2-årige reklamationsret — en AI der svarer kunder, skal svare korrekt på begge, så vi bygger den på jeres betingelser og gældende regler, ikke på gæt. Personalisering og tracking kræver gyldigt cookie-samtykke, marketing-mails kræver samtykke efter markedsføringsloven, og priskommunikation skal følge Omnibus-reglerne om førpriser. Endelig skal kunden tydeligt kunne se, at de taler med en AI — det er både god skik og et krav under AI-forordningen.

Ofte stillede spørgsmål

Hvad koster det at komme i gang?

Det afhænger af omfanget. En kundeservice-agent eller en produktdata-pipeline er typisk et afgrænset projekt til fast pris, mens et fuldt personaliserings-lag er en større byggeklods. Driften bagefter ligger ofte på få hundrede til få tusinde kroner om måneden i AI-forbrug. Se vores priser — og start hellere med ét område med tydelig ROI end med det hele på én gang.

Mister vi det personlige i kundeservicen?

Det er den reelle risiko, hvis det gøres dårligt. Derfor trænes agenten i jeres tone, den ved hvad den ikke ved, og alt den ikke kan løse ordentligt, ryger til et menneske med fuld kontekst og et svarudkast. De fleste kunder oplever faktisk det modsatte: et præcist svar på 20 sekunder kl. 21 føles mere personligt end "vi vender tilbage inden for 2-3 hverdage".

Vi kører Shopify eller WooCommerce — skal vi skifte platform?

Nej. Alt bygges oven på jeres eksisterende platform via API. Shopify, WooCommerce, Magento og de fleste danske løsninger har de integrationer, der skal bruges. Jeres shop, tema og checkout forbliver præcis som de er.

Kan AI-assistenten finde på forkerte svar om fragt, priser eller retur?

Ikke hvis den bygges rigtigt. Den svarer ud fra jeres egne handelsbetingelser og live-data fra shoppen — den gætter ikke på lagerstatus eller leveringstid, den slår det op. På områder med juridisk kant, som reklamationer og refusioner, foreslår den kun, og I godkender. Alle svar logges, så I kan stikprøvekontrollere kvaliteten løbende.

Kan det holde til Black Friday og Q4-peak?

Det er netop dér, det betaler sig mest. AI-agenten skalerer med trafikken uden vikarer eller overarbejde, og produktdata og feeds er optimeret i god tid før sæsonen. Vi anbefaler at sætte løsningen i drift i månederne op til Q4, så tone og regler er finpudset, når presset rammer.

Relaterede guides