AI-parathed: tre trin for markedspladssælgere

Søgning var engang det eneste, der stod mellem et produkt og en køber. Det er den i stigende grad ikke. Assistenter, shopping-agenter og generative motorer placerer sig nu foran kataloget, og de besvarer spørgsmål frem for at returnere ti links. Det ændrer, hvad en annonce skal kunne: den skal ikke længere kun overbevise nogen, der allerede kigger på den, den skal være læsbar for et system, der afgør, om den overhovedet skal vises.

Ingen uden for de virksomheder ved præcis, hvordan rangeringen fungerer. Men det, et automatiseret system har brug for, er ikke mystisk, og det er de samme tre ting som en omhyggelig køber har brug for: bevis for at produktet findes, data rene nok til at sammenligne, og kontekst nok til at besvare et spørgsmål om det.

1. Udvid din tilstedeværelse på flere kanaler

Systemer der bygger anbefalinger, læner sig op ad bekræftelse fra flere kilder. Et produkt der optræder på flere betroede markedspladser med de samme identifikatorer og de samme specifikationer hver gang, er lettere at behandle som virkeligt end et, der kun findes ét sted. Tilstedeværelse på tværs af kanaler fungerer som bevis.

Det kommercielle argument løber parallelt og afhænger ikke af nogen antagelse om AI. Sælgere på to eller flere markedspladser havde et gennemsnitligt GMV på 10.073.917 dollars i 2025 mod 575.093 for sælgere på én kanal — en forskel på 17,5 gange. To tredjedele af sælgerne er stadig på én kanal.

Konsistens betyder mere end antal. Samme EAN, samme brandtekst, samme specifikationsværdier overalt. Modstridende data på tværs af markedspladser er værre end én ren annonce, fordi et system der vurderer dit produkt, ikke finder et stabilt svar og ikke har nogen måde at vælge mellem dem på.

2. Standardisér dine data, så en maskine kan læse dem

Det meste produktindhold er skrevet til et menneske, der scroller. Attributter er begravet i prosa, enheder er underforstået, og den samme egenskab hedder tre forskellige ting i samme katalog. Et menneske klarer det. En parser gør ikke.

At gøre et katalog maskinlæsbart er mest af alt utaknemmeligt arbejde:

• Attributter som strukturerede værdier, ikke sætninger. “Fremstillet i børstet rustfrit stål” er en sætning. materiale: rustfrit stål er en værdi, der kan filtreres, sammenlignes og matches.
• Ét vokabular pr. egenskab. Hvis farven er “navy” på én kanal, “marineblå” på en anden og “mørkeblå” på en tredje, kan intet gruppere dem.
• Identifikatorer der ligger fast. Et gyldigt EAN eller GTIN på hver variant, uændret mellem synkroniseringer. Identifikatorer er den måde, et system ved, at to annoncer beskriver ét produkt.
• Eksplicitte enheder og fuldstændighed. Et mål uden enhed er ubrugeligt. En tom påkrævet attribut er et produkt, der ikke kan sammenlignes med sin kategori.

Det er det samme arbejde, markedspladserne allerede kræver. Mirakl-operatører validerer eksporter mod et attributskema pr. kategori, og katalogkvaliteten afgør både hvor hurtigt en annonce publiceres, og hvordan sælgeren scorer. At gøre det ordentligt én gang tjener begge publikummer — hvilket er det nyttige ved netop denne investering.

3. Optimér til generative motorer

Generative Engine Optimisation er den del, der føles ny, og den er mest et skriveproblem frem for et teknisk. En generativ motor samler et svar af kilder, den kan hente og citere. Indhold der er let at løfte ind i et svar, bliver brugt; indhold der kræver fortolkning, gør ikke.

I praksis:

• Skriv konteksten, ikke kun specifikationen. Hvad produktet skal bruges til, hvem det passer til, og hvem det ikke passer til. En specifikationstabel fortæller et system, hvad produktet er; konteksten lader det afgøre, om produktet besvarer et spørgsmål.
• Formulér spørgsmål som spørgsmål. En overskrift formuleret som det spørgsmål, køberen stiller, besvaret umiddelbart nedenunder, kan citeres direkte. FAQ-blokke markeret med FAQPage-schema gør det maskinlæsbart såvel som menneskeligt læsbart.
• Svar først, uddyb bagefter. Læg ud med det direkte svar og udvid derefter. En motor der udtrækker et svar, tager den første klare formulering, den finder.
• Vær konkret nok til at være værd at citere. Præcise tal, navngivne begrænsninger og reelle fejltilstande bliver citeret. Generaliteter gør ikke, for dem har alle konkurrenter allerede skrevet.

Hvor det begynder

Ikke med AI’en. Det begynder med kataloget, fordi alle tre trin afhænger af, at de samme underliggende data er korrekte og konsistente, hvor de end optræder.

Det er argumentet for at holde produktdata ét sted og lade hver kanal modtage den form, den har brug for. Sellintus PIM mapper et Shopify-katalog til hver markedsplads’ taksonomi, transformerer værdier til de muligheder markedspladsen accepterer, og holder identifikatorer stabile ved hver synkronisering. Det leverer også MCP-connectorer, så en assistent der understøtter Model Context Protocol — Claude eller ChatGPT — kan læse og opdatere produktdataene direkte, uden en eksport imellem.

Hvilket er den korteste version af AI-parathed, der findes i dag: hvis en AI-agent allerede kan forespørge dit katalog og få et rent, struktureret og fuldstændigt svar, er størstedelen af arbejdet gjort.