Automatisering har længe været en fast del af ecommerce-maskineriet. Men med generativ AI og AI-agenter er det rykket op på et forretningsstrategisk niveau. Når systemerne selv kan forstå kontekst, analysere data og foreslå handlinger, kan langt flere processer automatiseres – fra produktdata og marketing til kundeservice og forretningsanalyse.
Hvis du spørger os i Vertica, så er automatisering en evigt undervurderet disciplin i e-commerce. Ofte er det noget med, at man ansætter 1 eller 2 specialister til at opsætte en række simple workflows, der flytter data fra A til B, så man kan spare tid og penge i nogle af sine mest ressourcekrævende processer.
Det er et nyttigt og nobelt stykke arbejde, der kan spare medarbejderne for at trykke Ctrl+C og Ctrl+V nogle hundrede gange, men det er næppe noget, der får bestyrelsesmedlemmerne til at springe op ad stolene og råbe ”Heureka! Vi kommer til at feje konkurrenterne af banen!”.
Men det burde det måske være. I hvert fald er vi i øjeblikket vidner til automatiseringens store comeback.
Med generativ AI og agentbaserede systemer har automatisering nemlig fået en væsentlig ting, som den ikke havde før: En hjerne. AI’en kan forstå kontekst, analysere mønstre i data og foretage handlinger i situationer, hvor der tidligere skulle et menneske til at fortolke. Derved kan man automatisere langt flere dele af sine processer, end det tidligere har været muligt.
Det betyder, at automatisering ikke længere kun handler om at flytte data mellem systemer. Det kan også bruges til at producere indhold, kategorisere kundespørgsmål, udvikle kampagner fra bunden og opdage mønstre, der kan have direkte indflydelse på jeres vigtigste KPI’er. I et større studie af online retail fandt forskere, at AI-baserede automatiseringer i centrale workflows kunne øge salget med op til 16%.
For mange virksomheder ligger der altså et uanet potentiale her, der bare venter på at blive indfriet.
”Forløs mig!”, skriger det. Potentialet.
Og den øvelse handler både om at få mere ud af de data, det indhold og de processer, man allerede har. Men det handler i særdeleshed også om at turde at gentænke sine processer for bunden med de muligheder, vi har i dag.
Automatisering kan egentlig bruges alle steder, hvor I har et af de ønsker. Men for ikke at skrive 200 sider om emnet, har vi udpeget 4 områder, der er særligt interessante at kigge på.
1: Produktdata og katalog
Produktdata er fundamentet under enhver webshop, men det er også et af de områder, der historisk har krævet mest manuelt arbejde. Beskrivelser skal skrives, specifikationer skal udpensles, attributter mangler, og alt indhold skal tilpasses forskellige markeder og sprog. Det kræver mange medarbejdere med unormalt høj tålmodighed og en tunge, der kronisk ligger lige i munden.
AI gør det muligt at automatisere store dele af det arbejde uden at give slip på kvaliteten. Tværtimod kan kvaliteten måske endda højnes, fordi AI’en ikke kører død i de tusindvis af produktbeskrivelser og -specifikationer, som nogle medarbejdere (naturligt nok) kommer til. Et case-studie, hvor man brugte n8n til at automatisere workflows, reducerede f.eks. eksekveringstiden for en repetitiv opgave fra 185 til 1,23 sekunder, hvilket altså er cirka 150 gange hurtigere.
Et andet eksempel er fra en af vores store B2C-kunder, hvor vi har arbejdet med at generere USP-snippets til deres produktlistesider. Et n8n-flow henter produktdata fra PIM, sender dem gennem en AI-agent og genererer korte beskrivelser, der fremhæver produktets vigtigste egenskaber. Til gavn for både kundernes overblik og produkternes SEO- og GEO-placeringer.
AI’en arbejder samtidigt efter klare regler for længde, formuleringer og compliance, så der ikke opstår uhensigtsmæssige formuleringer eller lige lovligt kreative sandheder om produkterne. Og så gennemtjekkes disse snippets selvfølgelig også jævnligt af medarbejderne, men de sparer et hav af timer ved ikke selv at skulle formulere USP’erne og opsætte dem for hvert eneste produkt i PIM og CMS.
Når et katalog tæller tusindvis af produkter, bliver den slags automatisering hurtigt et aktiv for forretningen. I stedet for at skrive indhold produkt for produkt kan teams arbejde med regler, prompts og kvalitetssikring.
Eksempel: n8n-flow hvor en AI-agent beriger produktdata i PIM med USP-snippets
2. Kundeservice og intelligent assistance
Automatisering i kundeservice har fået et lidt blakket ry pga. dårlige chatbots, der tidligere føltes mere som at snakke med en parkeringsautomat med attitude, end det føltes som egentlig kundeservice.
Men AI har genoplivet chatbots, fordi de faktisk fatter noget nu og ikke bare sender dig videre til en 5 år gammel FAQ.
Når en model kan analysere en henvendelse, forstå intentionen bag spørgsmålet, søge i en database efter lignende sager, og faktisk har adgang til information om den pågældende sag, ja så bliver automatiseringen langt mere brugbar.
Vi er lige nu vidner til automatiserings store comeback!
For flere af vores kunder har vi blandt andet arbejdet med AI-assisteret kundeservice i Zendesk. Vi har både arbejdet med de indbyggede AI-features i Zendesk, men i dette tilfælde er hele setuppet bygget i n8n og blot integreret til Zendesk. Her analyserer systemet indkommende tickets, kategoriserer dem meningsfuldt, hjælper kundeservicemedarbejderne med at prioritere de vigtigste sager, og finder relevant historik fra lignende sager inden for de seneste 6 måneder.
Med konteksten i orden, kommer AI’en også med et forslag til et svar på henvendelsen, som kundeservicemedarbejderen kan rette til og sende afsted. Når sagen er afsluttet, bliver den føjet tilbage til databasen og gør systemet lidt klogere til næste gang.
Hvis din ecommerce-virksomhed har flere hundrede kundeservicehenvendelser om dagen, er det altså muligt at spare ekstremt meget tid her og samtidigt opbygge en intelligent og brugbar vidensbase. Over tid bliver jeres kundeservice dermed både hurtigere, bedre og mere konsistent.
3. Marketing og kampagner
Marketingteams bruger stadig overraskende meget tid på at starte forfra. Nye kampagner begynder ofte med et tomt dokument og en række møder om målgrupper, budskaber og kanaler. Det er en kreativ proces, men også en tidskrævende en. Samtidig stiger tempoet i e-commerce konstant. Nye produkter lanceres hurtigere, kampagner skifter oftere, og forventningen om personaliseret kommunikation vokser.
AI gør det muligt at flytte automatiseringen et skridt tidligere hen i processen. AI kan analysere produktdata, tidligere kampagner, brandguides og virksomhedens tone of voice. Dermed kan den fungere som en digital kampagneassistent, der hjælper med at udvikle det første udkast til jeres næste kampagne.
Hos Vertica har vi for eksempel hjulpet en kunde med at udarbejde et AI-drevet kampagneflow, hvor marketingteamet kan uploade materiale fra leverandører – billeder, pdf’er, produktdata og beskrivelser – og lade en AI-baseret “campaign manager” bearbejde indholdet. Systemet stiller derefter opklarende spørgsmål om målgruppe, timing og budskaber og genererer forslag til kampagner på tværs af alle kanaler. Det kan både fungere som et værktøj i brainstorm-fasen, men også til den konkrete udformning af kampagne-assets.
Marketingteamet tager stadig de endelige beslutninger, men de starter ikke længere fra en blank side. Her er det selvfølgelig en væsentlig overvejelse, at man også skal opretholde det kreative niveau på teamet og selv fortsætte med at udtænke kampagner. Men i en branche, hvor tempoet i kampagner og produktlanceringer konstant stiger, betyder AI-automatisering, at marketingteams kan arbejde mere effektivt, og det giver måske netop plads til mere kreativ tænkning der, hvor det batter mest.
Eksempel: Modellen viser et n8n-flow, hvor en AI Campaign Manager hjælper med at generere marketing-kampagner på tværs af kanaler.
4. Analyse og performance
E-commerce genererer enorme mængder data om trafik, konvertering, lagerstatus og kundeadfærd. Problemet er sjældent mangel på data, men mangel på tid til at analysere dem. Mange organisationer bruger stadig betydelig energi på at samle tal fra forskellige systemer, før de overhovedet kan begynde at forstå, hvad det egentlig er, der sker.
Automatiserede flows kan samle data fra flere systemer og præsentere dem i dashboards, der opdateres løbende. Men det interessante er ikke kun, at rapporterne bliver hurtigere at lave. Det er også, at AI også kan begynde at analysere dem.
Hos en kunde har vi undervist i no/low-code-værktøjer og mulighederne for automatisering. På baggrund af den undervisning har kunden nu selv bygget flows for automatiseret KPI-opsamling og analyse på tværs af forretningen. Her samler automatiserede flows data fra flere platforme og strukturerer dem i dashboards, så organisationen løbende kan følge udviklingen i performance.
Når AI samtidig kan identificere mønstre og afvigelser i data, kan den begynde at pege på problemer eller muligheder, før nogen når at opdage dem i dashboardet. Det kan være fald i konvertering, produkter der pludselig performer bedre end forventet eller kampagner, der mister effekt.
Og netop den salgs indsigter er forskellen på blot at indsamle data og rent faktisk bruge data aktivt i jeres beslutninger.
Automatiseringens store comeback
Hvis du har læst stoisk filosofi, eller blot scrollet igennem et par idealistiske Instagram-profiler, er du nok stødt på udtrykket ”The comeback is greater than the setback”.
Det gælder også for automatisering.
Med AI flytter automatisering sig fra integrationslaget og ind i kerneprocesserne i jeres forretning. Det gælder produktdata, kundeservice, marketing og analyse – men i virkeligheden også en lang række andre områder, hvor der i dag sidder mennesker og løser opgaver, der i bund og grund følger de samme mønstre igen og igen.
Evnen til at forstå kontekst, analysere data og foretage handlinger gør AI-automatisering til et vaskeægte super-tool, der kan optimere store dele af din forretning. Det handler til dels stadig om at spare tid i dine processer, men nu handler det også om decideret konkurrencekraft.
De virksomheder, der lærer at automatisere med AI i de rigtige dele af forretningen, vil kunne arbejde hurtigere, reagere hurtigere og udnytte deres data bedre end konkurrenterne.
Så hvis automatisering tidligere var noget, I satte op for at spare lidt tid i driften, er det måske på tide at kigge på det igen. Med AI i ærmet kan automatisering nemlig noget helt andet, end for bare få år siden.
Spørgsmålet er derfor ikke længere, om AI-automatisering kan gøre en forskel for jeres forretning. Spørgsmålet er bare, hvor I gerne vil starte?
