Kort svar: AI-produkttekster bliver ens, når alle føder modellen det samme: en varetitel og „skriv en sælgende tekst“. Arbejdsgangen, der virker, vender det om: byg først et FAKTAGRUNDLAG pr. produkt (specifikationer, reelle fordele, kundernes egne spørgsmål og formuleringer), skriv én promptskabelon med jeres tone og struktur, kør batchen med bevidst variation – og lad et menneske redigere toppen af sortimentet. Så skriver AI’en 80 % af arbejdet, mens stemmen, fakta og forskellene forbliver JERES – og teksterne læses som butik, ikke som model.
Produkttekster er AI’s mest oplagte opgave i e-handel – hundredvis af varer, samme struktur, aldrig tid nok – og samtidig den opgave, hvor dårlig AI-brug er mest synlig: hele kategorier, der lyder som samme pressemeddelelse, komplet med „perfekt til enhver lejlighed“. Denne guide er arbejdsgangen, der giver skala UDEN ensheden – afprøvet logik, trin for trin.
Sprogmodeller skriver det mest sandsynlige – så uden særlig viden om DIT produkt får du gennemsnittet af internettets produkttekster: flot, flydende og fuldstændig udskiftelig. Og fordi dine konkurrenter bruger samme modeller med samme tynde input, konvergerer alles tekster mod samme midte – præcis som når alle importerer leverandørens feed-tekster råt, bare med pænere sætninger. Konklusionen er ikke „drop AI“, men: forskellen ligger i INPUTTET. Alt det, kun du ved – hvad kunderne faktisk spørger om, hvad varen dårligt tåler, hvad den erstattes med, hvordan I taler – er råstoffet, modellen ikke kan gætte. Arbejdsgangen herunder handler derfor mest om at samle det råstof én gang – og lade modellen gøre det, den ER god til: forme det hurtigt og konsistent.
Saml pr. produkt (eller pr. produktFAMILIE – ofte nok) fem ting i et ark: hårde fakta (mål, materialer, kompatibilitet – fra leverandørdata), den reelle fordel (én sætning: hvad bliver LETTERE for kunden?), kundernes spørgsmål (fra supporten og anmeldelserne – guldminen: „kan den tåle opvaskemaskine?“ er en tekstlinje, der sælger), kundernes egne ord (citater fra anmeldelser giver formuleringer, ingen model opfinder) og afgrænsningen (hvad varen IKKE er til – ærlighed her sparer returer). Det lyder omstændeligt; i praksis er det en time pr. kategori, og arket genbruges til alt: tekster, FAQ, annoncer. Reglen bag: AI må FORME fakta, aldrig OPFINDE dem – så alt, hvad modellen skal påstå, skal stå i grundlaget.
Skriv ÉN skabelon, hele sortimentet kører igennem – med fire faste dele: rollen og målgruppen („du skriver for en dansk webshop, der sælger X til Y; kunderne er …“), strukturen (fx: én fangesætning om fordelen → to korte afsnit → punktliste med fakta → én linje om, hvem varen IKKE passer til), tonen med EKSEMPLER – det vigtigste greb overhovedet: indsæt to-tre af jeres bedste eksisterende tekster som forbillede; „skriv som disse“ slår tyve adjektiver om tone – og forbudslisten: de AI-klichéer, I ikke vil se („perfekt til enhver lejlighed“, „tag din X til næste niveau“, „uanset om du er … eller …“, overdreven brug af „opdag“ og udråbstegn). Test skabelonen på fem meget forskellige varer, justér, og lås den så – skabelonen er jeres stemme på flaske, og den hører hjemme i dokumentationen sammen med resten af standarderne.
Kør batchen kategori for kategori (via chat, et regnearks-flow eller API) – med to variations-greb, så hundrede tekster ikke får samme rytme: slå strukturen en anelse løs („variér åbningen: spørgsmål, situation eller fakta – aldrig samme type to varer i træk“), og kør kategorier i separate sessioner med hver sin vinkel (værktøj: håndværkeren; gårdbutik: måltidet). Derefter MENNESKET – med 80/20-reglen fra feed-guiden: langhalen får en hurtig skimning (fakta-fejl? klichéer, der slap igennem?), mens top-varerne får rigtig redigering – personlig erfaring, en detalje fra kundesamtaler, det skæve ord, ingen model vælger. Redigeringen er ikke pynt: det er den, der gør teksterne til JERES – og det er samtidig kvalitetskontrollen på, at AI’en ikke har digtet en egenskab, varen ikke har. Fang alt i én regel: modellen skriver først, mennesket skriver SIDST.
Søgemaskinerne straffer ikke AI-tekst – de straffer ENS og TOM tekst (hele historien står i Google-retningslinje-artiklen). Så lad SEO-kravene bo i skabelonen: unik titel med varens vigtigste søgeord, svar på de reelle kundespørgsmål (det er også det, AI-søgemaskinerne citerer), og fakta i punktform, der kan læses af både mennesker og maskiner. Mål derefter på adfærd frem for fornemmelse: konvertering og retur-procent på omskrevne varer mod u-omskrevne – forskellen er dit business case for at fortsætte op gennem sortimentet. Og sæt vedligehold i kalenderen: nye varer kører gennem samme arbejdsgang (aldrig udenom – én undtagelse, og ensheden kryber ind igen), og sæsonens topkategorier får et årligt eftersyn. Så bliver AI-tekster ikke et projekt fra 2026, men en muskel, shoppen har – hver dag.
Nej – Google vurderer kvalitet og nytte, ikke tilblivelse. Det, der rammes, er tyndt og ens indhold – uanset om det er skrevet af AI eller mennesker.
Typisk 60-80 % mod håndskrevet: faktagrundlaget og redigeringen koster stadig tid, men selve skrivningen – flaskehalsen – går fra kvarter til sekunder pr. vare.
Der er ikke mærkningspligt for almindelige produkttekster – ansvaret er til gengæld dit: fakta skal være rigtige, og vildledning er forbudt som altid. Redigeringstrinnet er din garanti.
