AI for Shopify-bureauer
Et Shopify-bureau lever af timer, og timerne forsvinder de samme steder hver gang: produktdata der skal renses og beriges ved migreringer, kollektionstekster der aldrig bliver skrevet, Klaviyo-flows der skal kopieres fra klient til klient, og en indbakke fuld af småopgaver der æder retaineren. Samtidig presser platformen selv: Shopify skubber AI ind i admin, klienterne læser om det på LinkedIn, og de begynder at spørge hvorfor bureauet stadig fakturerer copywriter-timer for 200 kategorisider.
AI ændrer regnestykket to steder på én gang. Indad betyder det at det arbejde der før krævede junior-timer i bulk — beskrivelser, tagging, metafelter, oversættelser, alt-tekster — kan køre som pipelines med menneskelig godkendelse i stedet for menneskelig produktion. Udad betyder det at bureauet kan sælge helt nye ydelser: white-label AI-kundeservice, programmatisk SEO og datamigrering som produkt, faktureret månedligt i stedet for pr. time. Det er forskellen på at AI presser jeres timepris — og på at AI bliver jeres næste omsætningslinje.
Vores tilgang er at bygge småt, måle og skalere. Vi starter med én klient og én pipeline — typisk produktdata eller Tier 1-support — sætter kvalitetskriterier og stikprøve-evaluering op fra dag ét, og udvider først til resten af porteføljen når output holder niveau uden babysitting. Alt bygges så jeres team selv kan drive det videre: prompts, tone-profiler og integrationer ligger hos jer, ikke i en black box.
Det her er løsninger vi bygger til branchen — gennemtænkte, konkrete og med ærlige tal. Ingen af dem kræver at I fyrer nogen; alle kræver at I holder op med at bruge dyre hænder på arbejde en pipeline kan lave.
Kender du det her?
En migrering fra Magento, WooCommerce eller DanDomain lander med 8.000 varenumre i en rodet CSV — og teamet bruger ugerne op til go-live på at rense felter, mappe varianter og skrive beskrivelser i hånden.
Retainer-timerne ædes op af småopgaver — banner-skift, tekstrettelser, "kan I lige…"-mails — så der aldrig bliver tid til det CRO- og strategiarbejde klienten faktisk gerne vil betale for.
Kollektions- og kategorisiderne står uden tekst hos stort set alle klienter, fordi ingen har budget til copywriter-timer på 200 sider — og det koster organisk trafik måned efter måned.
Klienternes "hvor er min pakke?"- og "kan jeg bytte?"-henvendelser ender i jeres indbakke, selvom svaret står direkte i Shopify-ordren.
Alle klienter spørger til AI, men bureauet har ikke et produktiseret svar på hylden — og imens pitcher konkurrenter AI-ydelser direkte til jeres portefølje.
Op til Black Friday og peak season skal alle klienters kampagner, landingssider og flows bygges samtidig — og alt hænger på de samme to-tre nøglepersoner.
Løsninger vi bygger til branchen
Gennemtænkte, konkrete løsninger — fra problem til hvordan de bygges og hvad de typisk flytter.
Migrerings- og produktdata-motor til go-lives uden dataslid
Problemet
Replatforming er bureauets bedste projekttype og værste timeforbrug: kildedata fra Magento, WooCommerce eller DanDomain kommer som rodede eksporter med inkonsistente felter, manglende beskrivelser og varianter der ikke passer til Shopifys model. Rensning og berigelse sluger marginen på fastpris-projekter og skubber go-live.
Løsningen
En pipeline der tager klientens rå eksport og gør den Shopify-klar: felter normaliseres og mappes til produkter, varianter, metafields og collections, og AI skriver unikke beskrivelser, SEO-titler og meta-beskrivelser i klientens tone ud fra de tekniske data. Tvivlstilfælde — dubletter, umulige variantkombinationer, manglende data — samles i en review-kø i stedet for at stoppe hele kørslen. Jeres projektleder godkender stikprøver og undtagelser i et simpelt review-UI, og først derefter skubbes data til en staging-butik via Admin API. Samme motor genbruges på tværs af projekter, så hvert nyt migreringstilbud kan prissættes med langt mindre risiko. I praksis bliver datadelen af en migrering et spørgsmål om dage med kontrol — ikke uger med copy-paste.
Sådan bygges den: Node/TypeScript-pipeline + Claude med struktureret output pr. felt, tone-profil pr. klient som system prompt, og bulk-import via Shopify Admin API (GraphQL) eller Matrixify-kompatible filer. Review-UI som lille Next.js-app med godkend/ret/afvis pr. produkt.
📈 Typisk 60-80% mindre manuel tid på datadelen af en migrering, og produktbeskrivelser til kataloger på 5.000+ varenumre på dage i stedet for måneder.
White-label AI-kundeservice I videresælger til klienterne
Problemet
Klienternes Tier 1-henvendelser — ordrestatus, returregler, leveringstid, "passer størrelsen?" — ender enten hos klienten selv eller i jeres support-indbakke, selvom svaret står i Shopify. Bureauet har samtidig ingen recurring AI-ydelse at sælge, mens efterspørgslen er der.
Løsningen
En chatbot bureauet ejer og videresælger under eget brand: den slår ordrer op live via Shopify Admin API og svarer på status, tracking og retur, og den henter produkt- og politiksvar via RAG over klientens FAQ, handelsbetingelser og produktkatalog. Kan den ikke svare sikkert, eskalerer den til klientens mail med hele samtalen vedhæftet — den gætter aldrig på ordredata. Hver klient får egen tone, egne politikker og eget vidensgrundlag, men motoren er den samme, så onboarding af klient nummer to tager dage, ikke uger. I fakturerer klienten en fast månedlig pris pr. butik, og differencen mellem jeres pris og driftsomkostningen er margin på en ydelse der skalerer uden flere ansatte. En månedlig rapport pr. butik viser løsningsgrad og temaer, så bot-svar løbende kan forbedres — og så I har noget konkret at vise på statusmøderne.
Sådan bygges den: Claude med RAG over klientens FAQ/politikker + live opslag i Shopify Admin API (ordrer, tracking, retur), embeddet som widget i temaet. Multi-tenant admin i Next.js så I selv onboarder nye butikker, med eskalering til mail/helpdesk.
📈 Typisk løses 40-60% af Tier 1-henvendelserne uden menneskelig håndtering — og bureauet får en abonnementsydelse med sund margin pr. butik.
Programmatisk SEO-fabrik til kollektioner og landingssider
Problemet
Organisk trafik er den billigste vækst for klienterne, men tekst til hundredvis af kollektions-, brand- og use case-sider bliver aldrig skrevet — copywriter-timer skalerer ikke, og siderne står tomme eller med to generiske linjer. Konkurrenterne med indhold på kategorisiderne tager placeringerne.
Løsningen
En fabrik der kobler søgeordsdata med klientens produktkatalog: søgeord klynges pr. emne, hver klynge får en side med kurateret produktudvalg, og AI skriver unik, faktabaseret tekst pr. side — købsguide-afsnit, forskelle mellem materialer, størrelsesråd — i klientens tone og uden fyld. Siderne oprettes som kollektioner eller metaobject-drevne landingssider direkte i Shopify, med intern linkstruktur og korrekt meta-data fra start. Alt indhold kører gennem en kvalitetsport: dubletter, tynde sider og påstande uden belæg fanges før publicering, og jeres SEO-ansvarlige godkender i batches. Efter lancering overvåges placeringer, og sider der ikke performer bliver skrevet om eller slået sammen i stedet for at ligge og trække ned. Resultatet er en SEO-leverance bureauet kan sælge som pakke med målbart output — antal sider, dækkede søgeord, trafikudvikling.
Sådan bygges den: Keyword-data (fx Ahrefs/GSC-eksport) + Claude til klyngning og tekst, publicering via Shopify Admin API som collections/metaobjects, og en godkendelses-kø i Next.js. Rank-tracking kobles på så effekten kan dokumenteres pr. klient.
📈 Klienter med tomme kategorisider ser typisk 30-200% organisk trafikvækst over 4-6 måneder — og bureauet kan levere 100+ gennemarbejdede sider på den tid det før tog at skrive ti.
Retainer-copilot der triagerer klientmails og udkaster småopgaverne
Problemet
Indbakken styrer dagen: "kan I lige skifte banneret", "vi skal bruge en mail til udsalget", "prisen på SKU 4412 er forkert". Hver henvendelse koster kontekstskift og administration, timerne registreres sjældent retvisende, og retaineren bliver ædt af arbejde ingen husker at fakturere.
Løsningen
En intern copilot der læser bureauets fælles indbakke og gør forarbejdet: hver klientmail klassificeres (tekstrettelse, kampagne, bug, ny opgave), matches til klient og aftale, og får et udkast hæftet på — svarudkast til klienten, færdig kampagnetekst til Klaviyo-flowet, eller en opgavebeskrivelse med estimat til jeres board. Småopgaver der kan løses med tekst er altså 80% færdige når en medarbejder åbner dem; ingen sendes uden menneskelig godkendelse. Opgaver oprettes automatisk i jeres projektværktøj med klient, type og estimat, så tidsregistrering og fakturering følger med i stedet for at fordampe. Ledelsen får et ugentligt overblik: hvilke klienter trækker flest timer, hvilke opgavetyper fylder, og hvor retaineren er ved at løbe over. Det er ikke en chatbot mod kunderne — det er en produktionslinje bag jeres egen indbakke.
Sådan bygges den: IMAP/Gmail-integration + Claude til klassificering og udkast med tone-profil pr. klient, koblet til jeres board (ClickUp/Asana/Trello/Monday via API) og evt. Klaviyo. Dashboard i Next.js med godkend/ret-flow.
📈 Typisk 30-50% hurtigere håndtering af småopgaver og markant færre uregistrerede timer — retaineren dækker igen det den skal.
Flere use cases
Produktbeskrivelser i bulk
Unikke, SEO-optimerede beskrivelser genereret fra tekniske data og metafields — i klientens tone via en fast tone-profil, på dansk eller flere sprog. Kvalitet sikres med stikprøve-evaluering før noget publiceres.
📈 Kataloger med 5.000+ produkter går typisk fra måneders manuelt arbejde til dages pipeline-kørsel med godkendelse.
Bulk-kategorisering og tagging via metafields
AI læser beskrivelser og produktbilleder og tagger efter farve, materiale, anvendelse og sæson — skrevet til metafields så Search & Discovery-filtre og kollektionsregler virker præcist.
📈 Filtrering og automatiske kollektioner bliver retvisende på dage frem for uger — uden en eneste manuel tagging-vagt.
A/B-test-iteration på PDP og forside
Generér 10 varianter af hero-tekst, USP-bullets, CTA-knapper eller produktbeskrivelser på minutter — og lad testværktøjet afgøre hvad der konverterer i klientens niche i stedet for mavefornemmelse.
📈 Typisk 5-15% conversion-lift når kreativ iteration skaleres fra 2 varianter til 10.
Kampagne- og flowtekst til Klaviyo
Udkast til velkomstflows, abandoned cart, win-back og kampagnemails i klientens stemme — klar til opsætning i Klaviyo eller Mailchimp, med emnelinje-varianter til test.
📈 Typisk 5-10× hurtigere produktion af kampagnetekst med fastholdt kvalitet — også når otte klienter skal have Black Friday-flows samtidig.
Oversættelse og lokalisering til Shopify Markets
Hele kataloget oversat til norsk, svensk eller tysk med fagtermer og tone intakt — ikke maskinoversættelsens "träben" — og skrevet direkte ind i Shopifys translations-API pr. marked.
📈 Et nyt marked kan indholdsmæssigt åbnes på uger i stedet for kvartaler — en ydelse bureauet kan prissætte pr. marked.
Alt-tekster og teknisk indholds-SEO i bulk
AI beskriver produktbilleder og genererer alt-tekster, SEO-titler og meta-beskrivelser for hele kataloget — konsistent, søgeordsbevidst og uden keyword stuffing.
📈 Tusindvis af billeder og sider bringes på plads i én kørsel — tilgængelighed og billed-SEO holder ved audits.
ROI og forventninger
Et typisk Shopify-bureau med 20-50 klienter kan forvente tilbagebetaling af AI-investeringen på 2-4 måneder, primært drevet af produktdata-pipelines og Tier 1-support. LLM-forbruget ligger typisk på 200-800 kr pr. klient pr. måned — mod 5-15 timers manuel tid som pipelines sparer pr. klient. Dertil kommer den anden side af regnestykket: ydelser som white-label kundeservice og programmatisk SEO kan videresælges som abonnement, typisk 1.000-3.000 kr pr. butik pr. måned, hvilket flytter omsætning fra timer til recurring. Spændene er reelle — et bureau med små kataloger og lidt support ligger i bunden, et bureau med migreringstunge projekter og store B2C-klienter i toppen.
Hvor man starter
- Vælg én pilot-klient med stort produktkatalog eller tung Tier 1-support — dér er effekten målbar fra første måned
- Start med produktdata eller kundeservice — begge kan gøres op i timer og tickets, ikke fornemmelser
- Sæt en evaluerings-pipeline op før I ruller ud: kvalitetskriterier og stikprøver, så output godkendes systematisk i stedet for at blive læst sporadisk
- Produktér ydelsen fra start — pakke, pris og margin — så piloten bliver en linje på prislisten og ikke et engangs-eksperiment
Compliance og data
Som bureau er I typisk databehandler for jeres klienters kundedata — og bruger I en LLM på ordre- eller kundedata, bliver udbyderen underdatabehandler. Det kræver databehandleraftaler i begge led og en opdateret underdatabehandler-liste hos klienten. Brug LLM-udbydere med EU-region inference og uden træning på jeres data. For AI-genereret marketing gælder markedsføringsloven som altid: e-mailflows kræver samtykke (§10), og genererede produktpåstande skal kunne dokumenteres — en pipeline skal have en kvalitetsport der fanger vildledende claims før publicering. Endelig: hold jer inden for Shopifys API-vilkår og rate limits når I bulk-skriver data.
Ofte stillede spørgsmål
Skriver AI ikke bare generisk tekst som Google straffer?
Google straffer ikke AI-indhold — Google straffer dårligt indhold, uanset hvem der har skrevet det. Forskellen ligger i inputtet og kvalitetsporten: tekst genereret fra klientens faktiske produktdata, med en tone-profil og en evaluering der kasserer tyndt output, klarer sig som godt indhold, fordi det er godt indhold. Masseproduceret fyld uden fakta og godkendelse er det der bliver straffet — og det bygger vi ikke.
Hvad koster det?
Selve driften er billig: LLM-forbruget ligger typisk på 200-800 kr pr. klient pr. måned afhængigt af volumen. Udviklingen af en pipeline eller et white-label-produkt afhænger af omfang og integrationer — se vores priser på /priser, eller book et kald og få et konkret spænd på jeres første use case. Vi anbefaler altid at starte med én pilot, så investeringen kan måles før den skaleres.
Kan vi sælge det videre til klienterne som vores eget produkt?
Ja — det er ofte hele pointen. Løsninger som AI-kundeservice og programmatisk SEO bygger vi multi-tenant og white-label, så bureauet selv onboarder nye butikker og fakturerer under eget brand. I ejer kunderelationen og marginen; vi bygger motoren og hjælper med driftssikkerheden. For mange bureauer er det den første ydelse i porteføljen der giver recurring omsætning uden flere timer.
Erstatter det vores udviklere og tekstforfattere?
Nej — det flytter deres tid. Udviklerne bygger stadig temaer, apps og integrationer; de slipper bare for at rense CSV-filer. Tekstforfatterne går fra at skrive beskrivelse nummer 3.000 til at definere tone-profiler, godkende batches og skrive det indhold der faktisk kræver et menneske. Bureauer der indfører AI-pipelines flytter typisk timer fra rutine til det strategiske arbejde med højere timepris — det er dér regnestykket bliver interessant.
Hvad med klienternes kundedata og GDPR?
Ordre- og kundedata må gerne behandles af en LLM, men kæden skal være på plads: databehandleraftale mellem klient og bureau, underdatabehandler-aftale med LLM-udbyderen, EU-region for kald og ingen træning på data. Vi designer desuden løsningerne så persondata kun sendes med når det er nødvendigt — en produktbeskrivelses-pipeline behøver fx aldrig se en eneste kunde. Læs også vores guide til GDPR-kompatibel AI.
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.