Gør dig klar til produktopdagelse i AI-alderen.
I løbet af de sidste seks måneder er infrastrukturen til AI-drevet handel (eller “agentic commerce”) blevet opbygget i et bemærkelsesværdigt tempo:
- Google lancerede Shopping i AI Mode og annoncerede Universal Commerce Protocol i januar 2026, udviklet i samarbejde med Shopify, Walmart, Target og Etsy.
- OpenAI lancerede Agentic Commerce Protocol sammen med Stripe i september 2025, hvilket gjorde det muligt at gennemføre køb direkte i ChatGPT.
- Microsoft fulgte efter med Copilot Checkout i januar 2026.
- Shopify positionerer sig som det forbindende lag på tværs af alle platforme.
Efterhånden som udviklingen inden for agentic commerce tager fart, vil annoncører gerne vide: Hvad betyder det for, hvordan mine produkter bliver opdaget?
Hos Shoparize mener vi, at dette er endnu et skridt i den retning, vi allerede har set de seneste år: Kvaliteten af strukturerede data er ved at blive hjørnestenen i produktopdagelse inden for e‑handel. Det kan meget vel blive din konkurrencefordel i en tid med agentic commerce.
I denne artikel forklarer vi præcist, hvordan du kan komme foran som forhandler.
Udvidelse af produktattributter, så de er klar til AI
Traditionel Google Shopping matcher søgetermer med produkter. En søgning efter “blue running shoes” udløser annoncer, der byder på den term. Den forhandler med det højeste bud og den bedste Quality Score vinder auktionen.
AI Mode fungerer anderledes. Kunder, der bruger AI Mode, stiller spørgsmål, der er 2 til 3 gange længere end traditionelle søgeforespørgsler. I stedet for “løbesko” skriver de for eksempel: “Jeg har brug for trådløse hovedtelefoner til under €200 med aktiv støjreduktion til min daglige togtur, som er behagelige nok til at have på i 2 timer og kompatible med både min iPhone og min bærbare computer.”
Bag kulisserne bruger AI Mode semantisk modellering til at matche formålet med søgningen med produktattributter i Shopping Graph. Den fortolker intentionen og matcher den med strukturerede produktdata. En søgning som “lightweight waterproof jacket for cycling in the rain under €150” kræver, at AI’en finder netop disse specifikke attributter i dit feed.
Ingen attribut, ingen match. Intet match, ingen synlighed.
En af de største forbedringer er query fan-out, hvor Gemini automatisk opdeler en enkelt forespørgsel i mikrospørgsmål for at udvide sin forståelse. En søgning efter “best waterproof travel bags for weekend trips” kan for eksempel generere dusinvis af parallelle forespørgsler: vandtætte materialer, taskemål til håndbagage, holdbarhedsvurderinger, lynlåskvalitet og organiseringslommer. Hver mikroforespørgsel rammer forskellige segmenter af Shopping Graph og trækker produkter ind, der matcher flere overlappende signaler.
Derfor er der behov for at udvide de dataattributter, der stilles til rådighed for at optimere til AI‑opdagelse.
Forbedring af "feed-kvalitet" for bedre AI-læsbarhed
Google lancerer dusinvis af nye dataattributter i Merchant Center, der er udviklet til nem opdagelse i den konversationelle commerce-æra. Disse nye attributter rækker ud over traditionelle søgeord og omfatter blandt andet svar på typiske produktspørgsmål samt oplysninger om kompatibelt tilbehør eller alternativer.
I AI-shopping findes der ingen side to med resultater. Derfor fungerer det ret binært: Enten matcher du intentionen, eller også er du usynlig. Manglende eller inkonsistente data kan stille og roligt diskvalificere dig fra hele kategorier af søgninger. De forhandlere, der vinder synlighed i AI Mode, bliver dem, der har:
1. Attributdybde ud over det grundlæggende: Farve og størrelse er ikke nok. Materialesammensætning, anvendelse, kompatibilitet og plejeanvisninger er afgørende – alle de detaljer, en vidende butiksassistent ville kende. Produktbeskrivelsen har fået enorm betydning. Hvor titler er korte og præcise, giver beskrivelsen plads til op til 5.000 tegn med fyldig, søgeordsrig tekst. Googles AI gennemgår dette for at forstå nuancerede funktioner, anvendelser og tekniske specifikationer, der besvarer komplekse spørgsmål fra købere.
2. Titler og beskrivelser skrevet til forståelse: En titel som “Men’s Waterproof Gore-Tex Hiking Jacket” er mere relevant end blot “Men’s Jacket”. Den gamle SEO-tilgang, hvor man stopper titler med alle tænkelige søgeordsvarianter, modarbejder dig her. AI skal kunne forstå, hvad dit produkt faktisk er og gør. Skriv titler, der beskriver, ikke titler, der forsøger at snyde algoritmer.
3. Konsistente data på tværs af overflader: Struktureret markup skal være konsistent med feedet. Merchant Center, websiteindhold og strukturerede data skal stemme overens. AI krydstjekker kilderne. Uoverensstemmelser forvirrer matchningen. Shopping Graph opdaterer over 2 milliarder listings i timen. Hvis dit feed halter efter dit faktiske lager, skaber du friktion.
4. Billeder i høj kvalitet: Virtuel prøvning (live i Storbritannien) og visuel søgning afhænger af billedkvalitet. Google Lens behandler milliarder af visuelle forespørgsler hver måned. AI “læser” i stigende grad billeder ved hjælp af visionsmodeller, der analyserer farver, teksturer, former og emballage.
Hvad kan forhandlere gøre lige nu?
Der kræves ingen separat integration for AI Mode. Dit nuværende Merchant Center-feed er det, som AI’en bruger. Om og hvordan AI bruger dine feeds, afhænger af de handlinger, du foretager i dag:
1. Gennemgå attribut-fuldstændighed: Træk dit feed. Tjek dækning på materiale, anvendelse, kompatibilitet, vaske-/plejeanvisninger og tekniske specifikationer. Markér huller. Prioritér SKUs med høj margin og høj volumen først. Tænk på de spørgsmål, en butiksassistent ville besvare: “Er dette kompatibelt med X?” “Hvad er forskellen på denne og den anden?” “Vil dette fungere til min situation?” Dit feed bør indeholde de svar.
2. Omskriv titler med fokus på mening: Vælg dine 100 vigtigste SKU’er. Omskriv titler, der lyder som rene søgeordslister, til titler der lyder som produktbeskrivelser. Før: “Men’s Jacket Waterproof Jacket Rain Jacket Cycling” Efter: “Herrecykeljakke, vandtæt. Let, åndbar, med reflekterende detaljer”.
3. Udvid beskrivelser til 5.000 tegn: Placer de vigtigste informationer og søgeord først i de første 150-180 tegn. Brug derefter den resterende plads til at besvare typiske spørgsmål, forklare anvendelsesområder og give tekniske detaljer. Det er her, AI finder den information, der er nødvendig for at matche dit produkt med komplekse søgeforespørgsler.
4. Justér dine datakilder: Lav stikprøver for at sikre, at data i Merchant Center stemmer overens med indholdet på dit website og din strukturerede data. Schema markup på dit site skal afspejle det, der er i dit feed. Uoverensstemmelser skaber usikkerhed for AI-systemer.
5. Opsæt passende opdateringscyklusser: Realtid er ideelt. Hvis det ikke er muligt, så prioriter nøjagtighed i priser og lagerstatus. Intet dræber AI-synlighed hurtigere end at anbefale et udsolgt produkt eller vise en forkert pris.
Bundlinjen
Brands, der behandler produktdata som et strategisk aktiv, vil vinde AI-hyldepladsen. Dit feed er ikke længere bare en datafil, du sender til Google. Det er blevet din butiksfacade i et AI-first discovery-lag, der allerede betjener 75 millioner brugere dagligt.
Vil du tale med vores eksperter i Google Shopping Ads, Merchant Center og datafeeds? Kontakt os i dag for at høre, hvordan Shoparize kan hjælpe dig med at vinde produktopdagelse:https://partner.shoparize.com/en/contact
