Når I planlægger en ny webshop, tænker de fleste stadig på den samme kunde: et menneske, der scroller på mobilen, kigger på billeder og læser anmeldelser, før der trykkes køb. Den kunde findes stadig. Men i løbet af det seneste år er der dukket en anden type kunde op, og den læser ikke billeder eller stemningsbilleder overhovedet. Den læser data.
Når kunden er en AI-agent, ikke en person
Der er sket noget markant inden for handel det seneste år. ChatGPT, Google og Perplexity har alle rullet funktioner ud, hvor en AI-agent kan søge produkter, sammenligne priser og i visse tilfælde gennemføre et køb på vegne af brugeren. Man taler om agentic commerce, altså handel hvor en AI-agent handler som køberens stedfortræder ud fra et mål frem for et klik.
Shopify har allerede aktiveret det som standard for alle sine forhandlere siden marts 2026 gennem det, der kaldes Storefront MCP og en fælles branchestandard ved navn Universal Commerce Protocol, udviklet sammen med Google. Standarden bakkes op af navne som Amazon, Microsoft, Visa og Mastercard. Det er med andre ord ikke en niche-teknologi længere. Det er infrastruktur, der bliver bygget ind i de platforme, mange danske webshops allerede kører på, uanset om det er Shopify eller et WooCommerce bureau, der driver løsningen bagved.
Hvorfor det betyder noget for jeres produktdata
En AI-agent, der skal vælge mellem ti forskellige webshops, læser ikke jeres flotte lifestylebilleder eller den varme- ⓘ velkomsttekst på forsiden. Den læser strukturerede data: pris, lagerstatus, leveringstid, mål og materiale. Ifølge en analyse fra LLMRecommend.com i starten af 2026 er produkter med fuldstændig schema.org-markup op mod 6,4 gange mere tilbøjelige til at blive udvalgt af AI-agenter, end produkter uden.
Det betyder, at en ny webshop i 2026 ikke kun skal se godt ud for et menneske. Den skal også kunne “læses” korrekt af en maskine, der aldrig ser designet, men udelukkende forholder sig til de data, siden stiller til rådighed.
Det lyder abstrakt, indtil man tænker på det som en telefonsamtale mellem to computere. Et menneske kan gætte sig til, at “en størrelse mindre end normalt” nok betyder noget bestemt for et givent mærke. Det kan en agent ikke. Den har brug for tallet, ikke fornemmelsen.
Mange virksomheder støder først på problemet, når de alligevel er i gang med at bygge en ny hjemmeside eller opgradere webshoppen af andre grunde. Det er faktisk et godt tidspunkt at få ryddet op i produktdata på samme tid, i stedet for at gøre det som en separat opgave senere. Et digitalt marketingbureau med fingeren på pulsen bør i dag kunne rådgive om både klassisk konvertering og maskinlæsbarhed i samme samtale, ikke som to adskilte projekter.
Fra overtalelse til fakta: sådan ændrer det jeres tekster
Traditionel webshop-tekst er bygget til at overtale. Overskrifter, der skaber begejstring. Testimonials, der skaber tillid. Følelsen af, at “nu eller aldrig” haster afgørelsen igennem. En AI-agent er ligeglad med den slags. Den vurderer ud fra konkrete, sammenlignelige facts, og den handler ikke på impuls.
Det ændrer ikke behovet for god tekst til de menneskelige kunder, I stadig har flest af. Men det tilføjer et nyt lag: produktdata skal være komplette, konsistente og maskinlæsbare, uanset hvilken platform der driver løsningen bagved.
| Element | Betydning for AI-agenter |
|---|---|
| Schema.org-markup | Afgør om produktet overhovedet bliver overvejet |
| Præcis lagerstatus | Fravælges ved usikkerhed eller manglende data |
| Leveringstid og returret | Sammenlignes direkte mod konkurrenter |
| Konsistente mål og varianter | Forhindrer fejlkøb, som agenten holdes ansvarlig for |
| Opdaterede priser i feedet | Forkerte priser kan diskvalificere produktet helt |
Hvad skal I gøre ved det nu?
Man behøver ikke bygge om fra bunden for at være med. Det handler i første omgang om at sikre, at det produktfeed, jeres webshop allerede har, er fuldstændigt og opdateret. De fleste platforme understøtter allerede de nødvendige standarder. Problemet ligger typisk i, at ingen har prioriteret at få dem sat korrekt op, fordi det ikke har været en synlig del af salgsprocessen før nu.
Det er også værd at kigge på sin generelle digitale strategi i den sammenhæng, så klassisk konvertering og maskinlæsbarhed tænkes sammen frem for som to adskilte projekter.
Det, der står på spil for jer i 2026
McKinsey har vurderet, at denne kanal kan drive mellem tre og fem billioner dollars i global omsætning frem mod 2030. Det er stort, men det interessante for en dansk webshopejer er noget mere jordnært: konkurrenterne, der får styr på det først, bliver dem, AI-agenterne kan finde og anbefale, mens resten forbliver usynlige i den kanal, uanset hvor gode deres produkter er.
Måling bliver også en anden disciplin
Der er en praktisk konsekvens, mange overser i første omgang. Når en AI-agent researcher produkter på tværs af flere webshops, uden at et menneske klikker sig rundt på siden, opstår der aktivitet, der ikke passer ind i den klassiske trafikanalyse. Besøg uden klik, sammenligninger uden sessionslængde og henvisninger, der ikke ligner noget, Google Analytics har set før.
Det betyder ikke, at de gamle tal bliver ligegyldige. Konvertering, afvisningsprocent og kurvværdi er stadig centrale mål for den menneskelige del af trafikken. Men webshopejere, der udelukkende måler på de klassiske parametre, risikerer at overse en hel kanal, fordi den simpelthen ikke viser sig i de rapporter, de plejer at kigge på.
Hos Medieplan følger vi udviklingen tæt, netop fordi det ikke er et spørgsmål om, hvorvidt AI-drevet handel bliver relevant for danske webshops. Det er et spørgsmål om, hvornår den bliver det for netop jeres branche, og om jeres data er klar, når det sker.
Så inden næste opdatering af webshoppen handler udelukkende om nyt design eller en ny kampagne, kan det være værd at stille et andet spørgsmål: kan en maskine overhovedet forstå, hvad det er, I sælger?
