Produktdata og schema til AI SEO: Sådan gør du din webshop maskinlæsbar

Mange webshops behandler stadig produktsider primært som visuelle salgssider til mennesker.

Det er ikke længere nok.

I AI-søgning skal dine produktsider også være lette at afkode for maskiner. ChatGPT Shopping, Perplexity, Gemini og Google AI Overviews har brug for struktureret, konsistent og detaljeret produktinformation for at forstå, hvornår netop dine produkter er det bedste match til brugerens behov.

Hvis dine produktsider kun består af billeder, pris og korte beskrivelser, giver du AI-systemer et svagt grundlag at arbejde med.

Hvis dine produktdata derimod er klare, crawlbare, strukturerede og konsistente, gør du din webshop langt lettere at forstå, sammenligne og anbefale.

Hvorfor produktdata er blevet en AI SEO-disciplin

Tidligere betragtede mange e-commerce virksomheder produktdata som intern information eller data, der primært skulle bruges til Google Shopping, produktfeeds og webshopadministration.

I dag er produktdata også en AI SEO-disciplin.

Når brugere interagerer med AI-systemer, stiller de ofte langt mere specifikke købsspørgsmål end i klassisk Google-søgning. Kunder søger ud fra behov, præferencer, situationer og begrænsninger, ikke kun ud fra korte søgeord.

Det ændrer kravene til dine produktsider.

Gammel SEO-tankegang:
Hvordan ranker vi på “løbesko herre”?

AI SEO-tankegang:
Hvordan gør vi det tydeligt for både mennesker og AI, hvilken løbesko der passer til hvilken løber, hvilket underlag, hvilket budget og hvilket behov?

Den forskel er afgørende.

AI-systemer skal kunne forstå produktets kontekst. De skal kunne afkode, hvem produktet er til, hvornår det er relevant, hvilke alternativer det konkurrerer med, og hvilke problemer det løser.

Stærke produktfeeds og struktureret schema markup fungerer som en form for oversættelse. De hjælper maskiner med at forstå detaljerne i dit sortiment.

Det løfter ikke kun din AI-synlighed. Det kan også forbedre klassisk SEO, produktforståelse og konvertering. Du kan opskalere indsatsen med en stærk LLM SEO strategi.

Hvad er strukturerede data og schema markup?

Strukturerede data er en metode til at markere information på din hjemmeside, så søgemaskiner og AI-systemer lettere kan forstå, hvad indholdet repræsenterer.

Schema markup er det anerkendte kode-vokabular, der bruges til at beskrive elementer som produkter, tilbud, anmeldelser, virksomheder, artikler, FAQ og breadcrumbs.

Schema erstatter ikke godt indhold.

Det hjælper maskiner med at forstå det indhold, der allerede er synligt på siden. Hvis du er ny til feltet, læs gerne min introduktion til LLM SEO.

For webshops er følgende schema-typer ofte de vigtigste:

• Product
• Offer
• AggregateRating
• Review
• FAQPage
• BreadcrumbList
• Organization
• Article

Det vigtigste princip er simpelt:

Schema skal matche det synlige indhold. Du kan læse mere om dette i guiden der uddyber hvorfor struktureret data i AI SEO ikke er nok alene.

Du bør aldrig implementere falsk eller vildledende schema i håbet om bedre synlighed. Det skaber mistillid og kan skade både SEO og brandtroværdighed.

Product Schema: Det vigtigste schema for webshops

For en e-commerce virksomhed er Product Schema fundamentet.

Det fortæller søgemaskiner og AI-systemer, hvilket produkt der er tale om, hvad det koster, hvem der står bag det, og hvordan det kan købes.

For at gøre din webshop mere maskinlæsbar bør dit Product Schema typisk indeholde:

• name: Produktets præcise navn
• description: En klar og fyldestgørende beskrivelse
• image: URL til produktbilleder i høj kvalitet
• brand: Produktets brand eller producent
• sku: Dit interne varenummer
• gtin eller mpn: Globale stregkoder eller producentens varenummer, hvis relevant
• offers: Pris, valuta, lagerstatus og produkttilstand
• price: Produktets pris
• priceCurrency: Valuta
• availability: Lagerstatus
• itemCondition: Produktets stand
• aggregateRating: Samlet rating, hvis anmeldelser vises på siden
• review: Kundeanmeldelser, hvis de vises på siden
• shippingDetails: Fragtinformation, hvis relevant
• hasMerchantReturnPolicy: Returpolitik, hvis relevant

Ikke alle webshops har brug for samtlige felter.

Men princippet er klart: Jo mere komplet og præcis din strukturerede data er, desto lettere bliver det for systemer at afkode og fremhæve dit produkt korrekt.

Den typiske fejl: Produktsiden er skrevet til mennesker, men uforståelig for maskiner

Mange webshops har produktsider, der ser flotte ud for mennesker, men som er svage for AI-systemer.

Det sker, når vigtige købsinformationer er gemt i billeder, skjulte faner, tunge scripts eller vag marketingtekst.

De mest udbredte problemer er:

• Tynde eller mangelfulde produktbeskrivelser
• Manglende produktattributter som materiale, størrelse, levetid eller kompatibilitet
• Ingen tydelig use case
• Ingen defineret målgruppe
• Manglende eller mangelfuld FAQ
• Fejl i Product Schema
• Fravær af strukturerede data
• Anmeldelser er synlige for brugere, men ikke markeret med strukturerede data
• Vigtig produktinformation indlæses via JavaScript, som bots kan have svært ved at crawle
• Modstridende information mellem produktside, schema og produktfeed
• Dårlig intern linkstruktur mellem produkter, kategorier og guides

En produktside kan altså godt se professionel ud, men stadig være svær for maskiner at forstå.

Det er netop dér, AI SEO bliver relevant. Lær hvordan du optimerer din webshop til AI-søgning, og se detaljerne i min guide til ChatGPT produktanbefalinger for webshops.

Hvad betyder gode produktdata egentlig?

Der er stor forskel på tekniske specifikationer, salgsbeskrivelser og AI-forståelige beskrivelser.

Tekniske specifikationer giver præcise mål og materialer, men mangler ofte kontekst. Salgsbeskrivelser bruger tillægsord som "fantastisk" og "luksuriøs" for at overbevise kunden, hvilket AI-systemer ofte ignorerer.

AI-forståelige beskrivelser kombinerer fakta med use cases.

Tager vi en kontorstol som eksempel, er den tekniske specifikation "sædehøjde 45-55 cm". Salgsbeskrivelsen er "oplev fantastisk komfort hele dagen". Den AI-forståelige beskrivelse fortæller derimod: "Ergonomisk kontorstol designet til hjemmekontoret. Stolen passer til personer op til 190 cm og støtter lænden ved mere end 8 timers dagligt skrivebordsarbejde." Her får AI præcis at vide, hvem stolen er til, og hvilket problem den løser.

Eksempler fra danske webshops

Forskellige brancher kræver forskellig data. For at AI kan anbefale dine varer frem for konkurrenternes, har systemet brug for specifik kontekst.

Køkkenudstyr Når en kunde leder efter en ny stegepande, har AI brug for at kende belægningstype, varmekilder (f.eks. induktion), om den tåler opvaskemaskine, og om den er bedst til lynstegning eller langsom tilberedning.

Cykelshop Sælger du elcykler, er det ikke nok at angive batteriets størrelse. AI-systemet skal vide, om cyklen er bedst til korte byture eller lange pendlerruter, forventet rækkevidde i dansk vintervejr, og om den passer til at have en barnestol monteret.

Møbler For en sofa skal AI ud over dimensioner kende materialets slidstyrke (Martindale), om stoffet er let at rengøre (vigtigt for børnefamilier), sædedybden, og hvor mange personer den reelt har plads til.

Byggemarked Ved salg af maling skal AI have data om rækkeevne pr. liter, tørretid, glans, om den egner sig bedst til vådrum eller stuer, og hvilken type rulle der giver det bedste resultat.

Eksempel: Tynd produktdata vs. AI-klar produktdata

Lad os tage et konkret eksempel med en kaffemaskine, der sælges til små erhverv.

Den tynde produkttekst

Kompakt kaffemaskine i flot design. Perfekt til kontor og hjem.

Hvorfor er den svag? Den mangler kontekst. Den fortæller ikke noget om kapacitet, målgruppe, specifik brug, vedligeholdelse, kaffetype, størrelse på vandtank, kontorstørrelse eller købskriterier.

AI-systemer kan ikke bruge den til at besvare specifikke købsspørgsmål.

Den AI-klare produkttekst

Kompakt fuldautomatisk kaffemaskine til små kontorer med 3-8 medarbejdere. Maskinen passer til virksomheder, der vil have friskbrygget kaffe uden manuel filterhåndtering. Den har 1,8 liter vandtank, justerbar kaffestyrke, automatisk renseprogram og er velegnet til cirka 20-30 kopper om dagen.

Hvorfor fungerer den bedre? Den giver maskinerne konkret data: målgruppe, kapacitet, use case, features, vedligeholdelse og forventet dagligt forbrug.

Nu ved systemet langt bedre, hvem produktet skal anbefales til.

De vigtigste produktdatafelter til AI SEO

Målet med AI SEO er ikke at skrive lange produktsider for tekstens skyld.

Målet er at fjerne tvivl.

Sørg for, at disse punkter fremgår tydeligt af produktsiden og dit schema, hvor det er relevant:

• Produktnavn
• Kategori
• Brand
• SKU eller GTIN
• Pris
• Lagerstatus
• Materiale
• Størrelse og mål
• Farve og variant
• Kompatibilitet
• Målgruppe
• Use case
• Fordele
• Begrænsninger
• Vedligeholdelse
• Levetid
• Levering
• Returnering
• Anmeldelser
• FAQ

Jo mere specifik du er omkring produktets ideelle brug, begrænsninger og målgruppe, desto mere brugbar bliver dataen for både mennesker og AI-systemer.

Produktfeeds og Merchant Center: Din data skal være konsistent

Produktfeeds er stadig vigtige for Google Shopping, merchant listings og fremtidens AI-drevne shoppingoplevelser.

I AI SEO er datakonsistens et centralt princip.

Der bør ikke være forskel på det, der står på produktsiden, det der sendes via dit produktfeed, og det der fremgår af dit schema.

Du skal især sikre konsistens på:

• Produkttitler
• Kategorisering
• Pris
• Lagerstatus
• GTIN og SKU
• Beskrivelser
• Brandnavn
• Varianter
• Billeder
• Fragt og retur

Hvis din produktside siger én ting, dit feed siger noget andet, og dit schema viser en tredje pris, skaber du forvirring.

Maskiner foretrækker klare signaler.

Er dine data modstridende, gør du det lettere for AI-systemer at vælge en konkurrent med mere konsistent produktinformation. Hvis du især kigger på OpenAI's satsning, kan du med fordel dykke ned i ChatGPT Shopping for webshops.

Shopify og schema: Hvad skal webshops være opmærksomme på?

Mange Shopify-temaer har Product Schema indbygget som standard.

Det får mange webshopejere til at tro, at de er i mål.

Men standard-schema er ikke nødvendigvis komplet, korrekt eller optimalt udnyttet.

Det skal du holde øje med i Shopify:

• Tema-genereret schema kan mangle specifikke felter som GTIN eller avancerede variantdata
• Third-party apps kan skabe duplikeret eller modstridende schema
• Kundeanmeldelser bliver ikke altid markeret korrekt
• Varianter kan være kodet mangelfuldt
• Lagerstatus kan være uklar for specifikke farver eller størrelser
• Product metafields bliver ikke altid brugt aktivt
• Collection-sider mangler ofte forklarende tekst

Konkrete anbefalinger til Shopify-ejere:

• Brug Shopify Metafields til at opbevare og vise vigtige produktattributter
• Gør produktattributter synlige for brugeren
• Valider dit Product Schema efter temaændringer og app-installationer
• Sørg for, at anmeldelser der vises visuelt, også er markeret korrekt hvor relevant
• Tilføj FAQ til vigtige produkt- og kategoriskabeloner
• Styrk teksten på dine Collection-sider
• Brug interne links mellem produkter, collections og guides

Shopify er et stærkt udgangspunkt, men det skal stadig kvalitetssikres teknisk.

Vil du forstå, hvordan din virksomhed bliver lettere at vælge som kilde i AI-svar? Læs guiden om Google AI Mode og AI Overviews.

Er du i tvivl om, hvilke AI-søgemaskiner din virksomhed bør prioritere først? Læs guiden om ChatGPT, Perplexity, Gemini og Google.

AI-synlighed handler ikke kun om at blive nævnt, men også om at blive forstået korrekt. Læs guiden om brandbeskyttelse i AI-søgning.

FAQ på produktsider: AI-søgning er samtalebaseret

Brugere interagerer i stigende grad med AI-søgemaskiner gennem spørgsmål og naturligt sprog.

Derfor er FAQ på produkt- og kategorisider ikke bare en UX-detalje.

Det er en direkte måde at forbinde dine produkter med de spørgsmål, kunderne faktisk stiller. Læs evt. min artikel om Perplexity Shopping, en platform hvor svar og kildehenvisninger fylder enormt meget.

Gode produkt-FAQ spørgsmål kan være:

• Hvilken størrelse skal jeg vælge?
• Passer produktet til begyndere eller professionelle?
• Kan produktet bruges udendørs i regnvejr?
• Hvad er forskellen på denne model og den dyrere version?
• Hvor lang tid holder produktet ved dagligt brug?
• Hvad gør jeg, hvis produktet ikke passer?
• Hvordan vedligeholder jeg produktet bedst muligt?

Gør FAQ’en synlig for kunderne.

Marker den med FAQPage schema, hvis det passer til sidens synlige indhold og din tekniske opsætning.

Kategorisider: Fra produktgrid til beslutningsside

Kategorisider må ikke længere bare være en liste af produktbilleder.

De bør fungere som beslutningssider, der hjælper kunden med at vælge rigtigt.

En stærk kategoriside, der performer bedre i AI-søgning og Google AI Overviews for danske virksomheder, bør indeholde:

• En klar beskrivelse af, hvem kategorien henvender sig til
• En kort guide til, hvordan kunden vælger det rigtige produkt
• Forklaring af forskelle mellem produkttyperne
• Vigtige købskriterier
• Interne links til købsguides og blogindlæg
• FAQ relateret til kategorien
• Fremhævede produkter baseret på behov
• Trust-signaler og anmeldelser hvor relevant

Når du bygger kategorisider sådan, hjælper du ChatGPT, Perplexity, Gemini og Google med at forstå sammenhængen mellem dit sortiment og kundens reelle behov.

Sådan tester du om din webshop er maskinlæsbar

Vil du vide, om dine produktdata er klar til AI-søgning?

Følg denne proces:

1. Valider strukturerede data
   Kør dine vigtigste sider gennem Rich Results Test eller Schema Validator.
2. Tjek HTML
   Undersøg om kritisk produktdata faktisk ligger i sidens HTML og ikke kun i komplekse scripts.
3. Sammenlign datakilder
   Krydstjek at produktside, produktfeed og schema siger det samme om pris, lagerstatus, GTIN og varianter.
4. Test med en LLM
   Kopier URL’en til et produkt, indsæt den i ChatGPT, Perplexity eller Gemini, og bed AI’en beskrive produktet.
5. Test kategorier
   Spørg AI’en, hvilke produkter fra din webshop der passer til et specifikt behov.
6. Tjek anmeldelser og FAQ
   Kontroller at anmeldelser og FAQ-sektioner er synlige for brugere og crawlere.
7. Brug SEO-værktøjer
   Crawl siden med et teknisk SEO-værktøj for at finde manglende H-tags, brudte interne links og crawl-problemer.

Gode prompts til din test:

• Hvad kan du udlede om dette produkt udelukkende ud fra indholdet på denne URL?
• Hvem passer dette produkt bedst til?
• Hvilke oplysninger mangler du for at kunne anbefale dette produkt mod en konkurrent?
• Hvordan adskiller dette produkt sig fra alternativer i samme priskategori?

AI tjek af dine produktdata

Brug denne praktiske checkliste til at sikre, at dit fundament er på plads for hvert vigtigt produkt:

• Titel: Er produktnavnet præcist og beskrivende (inkl. brand og model)?
• Målgruppe: Fremgår det tydeligt, hvem produktet er bedst egnet til?
• Pris: Er prisen tydelig og konsistent på tværs af side, feed og schema?
• Lagerstatus: Kan maskiner let afkode, om varen kan leveres her og nu?
• Billeder: Er der højopløselige billeder, der viser produktet i brug?
• Alt-tekst: Har alle billeder beskrivende alt-tekster uden keyword stuffing?
• FAQ: Besvarer I kundernes mest almindelige spørgsmål direkte på siden?
• Levering: Er forventet leveringstid og fragtomkostninger angivet klart?
• Retur: Fremgår jeres returpolitik og betingelser utvetydigt?
• Interne links: Linker I logisk mellem relaterede produkter og guides?

Konklusion: AI anbefaler ikke det, den ikke forstår

AI SEO for webshops starter med klarhed.

Hvis dine produktdata er tynde, dine strukturerede data mangler, og dine kategorisider er vage, giver du AI-systemerne for lidt at arbejde med.

De kan ikke trygt anbefale det, de ikke forstår.

Formålet er ikke at skrive længere sider for længdens skyld.

Målet er at gøre den rigtige, købsbesluttende information synlig, struktureret og troværdig for både mennesker og de algoritmer, der i stigende grad påvirker kunderejsen.

FAQ