AI-marketingbureau til webshops: sådan vælger du det rigtige

Et AI-marketingbureau til webshops er et bureau, der driver sit eget lag oven på annonceplatformene, koblet til data om dækningsbidrag, lager, returneringer og kundeværdi. Det optimerer hverken efter billige klik eller efter rapporteret ROAS, men efter profitten på ordren. Du afprøver det ved at spørge, hvor det henter marginedata fra, og hvordan det måler inkrementalitet.

Hvorfor dette spørgsmål har ændret sig de seneste to år

For ikke så længe siden købte du eksekvering af et bureau. Nogen sad i kontoen, tilføjede søgeord, ekskluderede forespørgsler og flyttede bud i hånden. Det arbejde er i dag i vid udstrækning flyttet over i platformenes automatik, og den løser det godt. Både Google og Meta har modeller, der ser signaler, som intet menneske i et regneark nogensinde vil få øje på.

Dermed har spørgsmålet, som en webshopejer skal stille, ændret sig. Ikke om bureauet kan sætte en kampagne op, men hvilke data det sender ind i kampagnen, og hvordan det ved, at det virkede.

Oven i det kom et andet skifte, i synligheden. Ahrefs målte i februar 2026 et fald i klikraten på 58 % ved forespørgsler med AI Overviews, og andelen af søgninger uden klik i USA nåede 58,5 % (oversigt over studier: https://arvow.com/blog/ai-overviews-statistics-2026). Produktdata, indhold og feed er blevet et fælles lag for både organisk og betalt synlighed. De kan ikke længere håndteres som to adskilte opgaver.

Hvad et AI-marketingbureau til webshops gør anderledes end et bureau med AI-værktøjer

Det er to forskellige ting, og i søgeresultaterne flyder de sammen til én. Den første er AI inde i platformen: Smart Bidding, Performance Max, Advantage+. Den er fremragende til det, den gør, nemlig at købe annonceplads i realtid. Men den har én begrænsning, som ikke er en fejl. Den optimerer præcis efter det, du sender ind.

Den anden er et AI-lag oven på platformene. Det konkurrerer ikke med budgivningen, men afgør, hvilket signal der går ind i den. Det ser SKU, indkøbspris, fragt, betalingsgebyrer, returprocent og værdien af den tilbagevendende kunde. Det samme lag holder derefter også øje med produktfeedet, titlerne og kreativerne, for det er der, løftestangen er størst.

Forskellen er målbar, ikke filosofisk. Sender du ordreværdien til platformen, lærer den at finde ordrer. Sender du profitten efter returneringer, lærer den at finde profit. I de fleste webshops, vi har set, er det ikke de samme produkter.

Hvad data siger

Profitoptimering er ikke et bureautrick, det er en officielt understøttet funktion. Google Ads beregner bruttofortjenesten som omsætning minus COGS og kræver attributten cost_of_goods_sold i Merchant Center-feedet (https://support.google.com/google-ads/answer/14943482). Marginrapportering virker kun i kombination med Conversions with Cart Data, altså med overførsel af kurvens indhold på SKU-niveau (https://support.google.com/sa360/answer/13424777). Enten er det koblet på, eller også er det ikke. Det kan du tjekke på ti minutter.

Det andet lag er returneringer. NRF oplyser, at omkring 19,3 % af alle onlineordrer returneres, ved tøj 20 til 40 % (https://nrf.com/research/2025-retail-returns-landscape). Google har conversion adjustments af typen RESTATE og RETRACT med et vindue på 55 dage fra den oprindelige konvertering (https://support.google.com/google-ads/answer/7686447). Uden dem lærer algoritmen af en omsætning, som webshoppen reelt aldrig har haft.

Den tredje ting er måling af bidraget. Det klassiske eBay-eksperiment, publiceret i Econometrica, viste, at ved søgninger med ordet eBay ville omkring 99,5 % af trafikken fra betalte brandannoncer være kommet alligevel. I et nyere datasæt med 225 geotest hos DTC-brands havde brand search en median inkrementel ROAS på 0,70x, altså under rentabilitetsgrænsen (https://searchengineland.com/incrementality-testing-advertising-winners-losers-442852). Google har selv udgivet Meridian og i maj 2026 Meridian GeoX, åbne geoeksperimenter, hvis resultater kalibrerer modellen. Det er en indrømmelse af, at attribution alene ikke rækker til at træffe budgetbeslutninger.

Og den fjerde ting, som overrasker flest. Nielsen tilskrev i en analyse af omkring 500 kampagner kreativet 47 % af annonceringens bidrag til salget, mens targeting stod for 9 % (https://www.marketingcharts.com/advertising-trends-230468). Den største løftestang er altså ikke budgivningen. Det er tempoet, hvormed du kan teste kreativer og produktdata.

Vores holdning

Konsensus i branchen lyder, at AI skal holdes i kort snor med manuelle signaler, målgrupper og ekskluderinger, og at styringsmetrikken er ROAS eller CPA. Vi mener det modsatte på begge punkter, og vi har grunde til det.

For det første. Begræns signalerne mindre, ret inputtet mere. Optmyzr analyserede 9 199 konti og 24 702 Performance Max-kampagner. Audience signals bruges af 92 % af annoncørerne, og deres konti klarede sig dårligere på de fleste metrikker, search themes bruges af 71 % med overvejende negativ effekt, og 58 % af annoncørerne fik samme eller bedre resultater helt uden ekskluderinger (https://www.optmyzr.com/blog/performance-max-2025-updates-study-analysis/). Når platformen får et rent signal om profit, har den ikke brug for, at nogen udefra gætter målgruppen for den.

For det andet. Styringsmetrikken skal være profitten på ordren efter returneringer og fragt, ikke omsætningen. I de kataloger, vi har gennemgået, varierede bruttomarginen typisk med en faktor tre mellem kategorierne. Budgettet siver så systematisk over mod produkter med høj omsætning og lav margin, mens rapporten ser flot ud. Det er den eneste grund til, at vores engine findes som et selvstændigt lag oven på Google, Meta og TikTok. Ikke fordi platformene gør noget forkert, men fordi de intet ved om din indkøbspris og dine returneringer, før vi fortæller dem det.

For det tredje. Ikke AI mod menneske, men uafhængig måling oven på platformen. Meta angiver et lift på omkring 46 % ved optimering mod inkrementelle konverteringer, mens det uafhængige datasæt fra Haus med 640 inkrementalitetstest over 18 måneder omvendt viser, at 58 % af brandsene havde højere inkrementelt ROI på manuelle kampagner, og at automatikken overvurderede sit eget bidrag med cirka 12 procentpoint (https://news.marketecture.tv/p/meta-advantage-plus-and-incrementality-findings-from-640-tests-2d1d). Begge tal kan være rigtige, de måler bare forskellige konti. Derfor tror vi ikke på nogen af dem uden en test på dine data.

De tal, vi kan dokumentere det med, er konkrete. Hos webshoppen Zlatá Putna så vi en vækst i omsætningen på 45,8 % og i synligheden på 574 %, hos Jankiv Siblings +583 % engagement, hos Domintell +272 % besøgende. ROAS op til +300 % er den øvre grænse, vi har nået, ikke et gennemsnit og ikke et løfte. Vi nåede den på et katalog med gode marginedata og med plads til at hæve budgettet. På en webshop, hvor marginen ikke ligger i systemet, lover vi ikke et sådant resultat.

Sådan gør du: syv trin og fem spørgsmål

Rækkefølgen af trinene er ikke tilfældig, hvert trin bygger på det foregående.

1. Få COGS ind i feedet. Google tillader udtrykkeligt også et estimat, for eksempel 80 % af prisen, så rapporteringen overhovedet kommer i gang. Præcisionen kan du tilføje senere.

2. Slå overførsel af kurvens indhold til. Uden data på SKU-niveau er marginen ikke målbar.

3. Kobl returneringer på via conversion adjustments. Ved 20 % returneringer er det den billigste rettelse i hele kontoen.

4. Tilføj kundeværdien. Customer lifecycle goals og tilstanden New Customer Value kan lægge ekstra værdi oven i en ny kundes første køb (https://support.google.com/google-ads/answer/12080169).

5. Ryd op i feedet og produktdataene. Titler, attributter, GTIN, billeder. Det samme arbejde løfter også den organiske synlighed.

6. Sæt tempoet op på kreativerne. Hvis Nielsen tilskriver kreativet 47 % af effekten, er antallet af testede varianter pr. måned et reelt KPI.

7. Mål inkrementaliteten. Geo holdout eller user-level holdout, mindst på brand search og på én hovedkanal.

Fem spørgsmål, du bør stille ethvert bureau, os inklusive. Hvor henter I data om min margin fra, og hvad er regnet med i dem? Kan jeg se ind i jeres AI's beslutninger, altså findes der en log over, hvem der ændrede budgettet og hvorfor? Hvem ejer annoncekonti, konverteringsdata og målgrupper, når samarbejdet slutter? Hvordan beviser I, at omsætningen ikke var kommet også uden annoncer? Og hvad koster det hele, specificeret på setup, månedligt honorar og andel af annonceforbruget?

Det femte spørgsmål er en karaktertest. Vi siger prisen på den første konsultation, ikke efter tre mails. Når nogen holder den skjult, er det sjældent fordi den er lav.

Hvornår det ikke gælder

Ved små datamængder er hele denne konstruktion overflødig. Har en webshop i omegnen af nogle få dusin konverteringer om måneden, har modellen ikke noget at lære af, og profitoptimering ender som en mere præcis måling af støj. Så er det bedre at investere i produkt, feed og kreativer og holde annonceringen enkel.

Sælger du ét produkt med én margin, tilfører POAS dig ingenting. Hele fordelen opstår af forskellene i kataloget.

Inkrementalitetstest er ikke gratis. Geo holdout betyder, at du slukker for annoncerne i en del af markedet, og ved en sæsonbetonet webshop er en kort test ofte meningsløs. Anbefalingerne spænder fra et par uger til tre eller seks måneder ved længere købscyklusser. Det er den reelle pris for sikkerhed, og den skal siges på forhånd.

Der er også en konflikt, som ikke kan løses i et regneark. Optimering mod kortsigtet profit trækker mod den snævrest mulige målretning, mens Ehrenberg-Bass-skolen viser, at vækst kommer af at nå hele kategorien af købere. For en webshop, der vil fordoble sit brand på to år, støder de to logikker sammen. Vi løser det ved at dele budgettet op og ved at erkende, at den anden del måles dårligere.

Og en erkendt usikkerhed til sidst. Vi ved ikke, hvordan forholdet mellem betalt og organisk synlighed forskyder sig efter den næste bølge af AI-resultater i søgning. Det gælder også, at 70 % af de PPC-ansvarlige, der bruger AI-modeller, melder om problemer med kvaliteten af output (https://www.searchenginejournal.com/ppc-trends-2026-ai-automation-and-the-fight-for-visibility/558870/). Derfor er det hos os et menneske, der godkender budget, brand og lancering af kreativer. Automatikken foreslår, mennesket skriver under.

Hvad du skal tage med

Et AI-bureau kendes ikke på, hvor mange gange det skriver ordet AI. Det kendes på, om det kan vise, hvilke data dets system kører på, hvilke beslutninger det træffer selv, og hvilke et menneske godkender. Alt andet er formuleringer på en hjemmeside.

Vil du vide, om der gemmer sig en forskel mellem omsætning og profit i dit katalog, gennemgår vi det sammen. En uforpligtende konsultation på 30 minutter, hvor vi kigger ind i kontoen, siger hvad der mangler i dataene, og vurderer potentialet. Uden præsentation og uden forpligtelse til at fortsætte.

Ofte stillede spørgsmål

Hvordan kan jeg se, at et bureau reelt bruger AI og ikke bare taler om det?

Spørg om tre konkrete ting: hvilke data systemet ser (SKU, indkøbspris, lager, returneringer, kundeværdi), hvor ofte det træffer beslutninger, og om der findes en beslutningslog, du har adgang til. Et bureau, der kun bruger AI-værktøjer til at skrive tekster, falder på det første spørgsmål. Et svar, der kan efterprøves, tager et minut.

Hvad er POAS, og er det bedre end ROAS?

POAS er afkastet af annonceforbruget beregnet ud fra profit i stedet for omsætning. I en webshop med forskellige marginer er det en bedre styringsmetrik end ROAS, fordi det forhindrer, at budgettet siver over mod produkter med høj omsætning og lav margin. Det erstatter dog hverken blikket på hele P&L eller måling af inkrementalitet.

Hvor mange data kræver en webshop, før profitoptimering giver mening?

I praksis kræver det et stabilt konverteringsvolumen, som modellen kan lære af, og et katalog med forskellige marginer. Ved nogle få dusin konverteringer om måneden eller ved ét enkelt produkt med én margin dækker gevinsten ikke omkostningen til dataarbejdet. Så er det bedre at investere i feed, kreativer og produkt.

Hvordan kan man efterprøve, om annoncerne reelt gav ekstra salg?

Det eneste pålidelige bevis er et eksperiment: geo holdout, user-level holdout eller en marketing mix-model kalibreret med test. Tallene i platformens grænseflade fortæller, hvem der fik krediteret salget, ikke hvad der ville være sket uden annoncer. eBay-eksperimentet viste, at omkring 99,5 % af trafikken fra brandannoncer ville være kommet alligevel.

Hvem skal eje annoncekonti og data, når samarbejdet slutter?

Kunden. Annoncekonti, konverteringsdata, målgrupper og læringshistorik tilhører webshoppen, ikke bureauet. Et skifte til en ny konto betyder tab af den historik, som automatisk budgivning bygger på, og reelt en genstart af performance. Få ejerskabet af kontiene skrevet ind i kontrakten allerede før den første kampagne.

Skal jeg have præcise marginedata for at kunne komme i gang?

Nej. Google tillader selv at starte med et COGS-estimat, for eksempel som en fast procentdel af produktets pris, så rapporteringen kommer i gang. Den rigtige fremgangsmåde er gradvist at præcisere med fragt, betalingsgebyrer, emballage og returprocent. At udskyde projektet, indtil marginen er perfekt, koster mere end at starte med et estimat.