Hverdagspraksisen kan se omtrent slik ut: grossisten eller produsenten gjør den nye produktlisten tilgjengelig med artikkelnumre, EAN-koder, tekniske data, noen bilder og en ferdig produktbeskrivelse. Nettbutikken importerer dataene, produktene dukker opp i sortimentet, og ved første øyekast kan det virke som om mesteparten av innholdsarbeidet dermed er gjort.
Naturligvis er det ikke bare én forhandler som kan bruke denne datapakken, men «hvem som helst». Det kan lett hende at de samme bildene, dataene og tekstene brukes uendret av ytterligere tjue, femti eller til og med flere hundre nettbutikker. I løpet av kort tid kan det samme produktet dermed vises med nesten identisk beskrivelse i en rekke nettbutikker – til og med side om side i Googles resultatliste.
Med store produktkataloger er dette en helt hverdagslig situasjon. Databladene til flere tusen produkter kan ikke skrives for hånd, ett for ett og i sin helhet, og derfor er bruken av leverandørinnhold i seg selv ikke noe problem. Det viktigere spørsmålet er om vi behandler det som endelig tekst, eller heller som råmateriale som tilpasses våre egne kunders behov og nettbutikkens mål.
Fra et SEO- og salgsperspektiv er det nettopp her de to tilnærmingene skiller lag. Den ene nettbutikken videreformidler rett og slett den samme informasjonen som også finnes andre steder, mens den andre bygger reell merverdi rundt den.
Duplisert tekst gir ingen automatisk Google-straff
Uttrykket «duplicate content-straff» har lenge eksistert blant SEO-rådene, og for nettbutikker dukker det spesielt ofte opp – men virkeligheten er langt mer nyansert.
Ifølge Googles dokumentasjon regnes duplisert innhold ikke som spam i seg selv. På internett finnes det utallige sider som helt eller delvis formidler identisk informasjon, enten det gjelder tekniske data, produktspesifikasjoner, pressemeldinger eller til og med lovtekster. En nettbutikk trenger derfor ikke å frykte straff på grunn av en overtatt produsentbeskrivelse. Problemet er snarere at hvis ti nettbutikker tilbyr det samme produktet med den samme teksten, gir selve innholdet søkemotoren få grunner til å anse akkurat én av sidene som nyttigere enn de andre.
Du bør ikke behandle oppgaven som ren «avduplisering». Poenget er ikke at hver setning skal lyde annerledes, men at produktsiden skal gi mer nyttig informasjon enn konkurrentenes.
Produsenten og kunden ser ikke likt på produktet
Det er ingen dristig påstand at produsentens datablad har som oppgave å formidle presis produktinformasjon; der finner vi ytelsen, målene, materialsammensetningen, kompatibiliteten, artikkelnummeret og alle tekniske data som trengs for å identifisere produktet entydig. Kunden leter imidlertid sjelden etter rene data – han vil mye heller vite om det aktuelle produktet passer til formålet han vil bruke det til.
For en batteridrill er det for eksempel ikke bare det maksimale dreiemomentet som teller, men også om den egner seg til å bore i murvegg, eller heller er beregnet på lettere monteringsarbeid. For joggesko er det heller ikke nødvendigvis navnet på mellomsåleteknologien som hjelper beslutningen, men om skoen anbefales til lengre løpeturer på asfalt, daglig trening eller konkurranser. Slike forklaringer mangler ofte i leverandørmaterialet – og det er nettopp her forhandleren kan tilføre reell verdi.
Faktadataene fra produsenten trenger du selvsagt ikke å omskrive kreativt. En maskin på 1200 watt skal forbli på 1200 watt, og nøyaktigheten i mål, artikkelnumre og kompatibilitetsinformasjon er viktigere enn at hver linje skal være unik.
En omskrevet tekst er ikke nødvendigvis en bedre tekst
I mange nettbutikker betyr «unik produktbeskrivelse» i realiteten bare at leverandørteksten formuleres med andre ord. Av «motor med høy ytelse» blir det «kraftig motor», og av «materiale av ypperste kvalitet» blir det «premium råmateriale». Teksten endres i formen, men kunden får i hovedsak vite det samme som før.
Derfor løser heller ikke masseomskriving med kunstig intelligens problemet i seg selv. Hvis ti tusen produktbeskrivelser lages av det samme råmaterialet og med den samme instruksen, kan det lett bli ti tusen flytende, men likevel intetsigende tekster.
For virkelig nyttig innhold må du først forstå hva kunden lurer på. For en kaffemaskin teller helt andre hensyn enn for en gressklipper, og for et barnesete er det ikke de samme dataene som hjelper beslutningen som for et telefondeksel. Det finnes altså ingen universell mal som fungerer like godt i alle produktkategorier.
En god produktside hjelper snarere med hvem produktet kan anbefales til, hva du bør være oppmerksom på ved valget, hvordan det skiller seg fra lignende alternativer, og om det har begrensninger det er bedre å kjenne til før kjøpet. Det er reell merverdi – ikke en enkel tekstutskifting.
Å håndtere ti tusen produkter er noe helt annet enn hundre
Det er et faktum at det med et mindre sortiment kan være realistisk å redigere databladet til hvert viktig produkt grundig, men med en portefølje på flere titusener trengs det en annen tankegang – for det er ikke rimelig å bruke like mye redaksjonell tid på et tilbehør som knapt selger, som på et produkt som gir betydelig trafikk og omsetning.
Innholdsutviklingen må prioriteres ut fra både forretnings- og SEO-hensyn. Først bør du ta deg av produktene som har betydelig organisk etterspørsel, høy margin, fungerer som inngangsporter til viktige kategorier, eller som allerede rangerer godt i Google med realistisk sjanse til ytterligere forbedring. For den mindre viktige delen av sortimentet kan et godt oppbygd automatisert innhold være tilstrekkelig. Det er ikke nødvendigvis et kvalitetskompromiss, men fornuftig ressursforvaltning.
En produktside blir ikke god av å være lang
Rundt produktbeskrivelser lever fortsatt myten om at det finnes et ideelt antall ord som gjør en produktside «SEO-vennlig». Noen slik generell regel finnes imidlertid ikke – og har egentlig aldri gjort det.
For en enkel HDMI-kabel trengs det ikke tusen ord når den viktige informasjonen kan formidles i noen avsnitt og en godt oppbygd spesifikasjonstabell. For et dyrt, mer komplekst produkt kan det derimot være berettiget å presentere bruken, funksjonene, kompatibiliteten og forskjellene mellom alternativene mer utførlig.
Riktig lengde avhenger altså av hvor mye informasjon som trengs for at kunden skal kunne ta en god beslutning. Hvis en tekst bare er lang for at det skal være mer «SEO-innhold» på siden, belønner leseren det som regel med å lukke siden – folk liker ikke å gå seg vill i en labyrint av unyttig informasjon.
Produktbeskrivelsen er bare én del av produktdataene
En vanlig feil i nettbutikker er å prøve å presse all informasjon inn i løpende tekst, selv om mye data hører hjemme andre steder. EAN, produsentens artikkelnummer, størrelse, farge, materiale, ytelse, lagerstatus eller kompatibilitet er typiske strukturerte produktdata.
Dette er også en hjelp for kunden, for det er mye lettere å sammenligne to produkter ut fra ryddige felt enn å fiske de viktige detaljene ut av en lang beskrivelse. Dessuten kan de samme dataene senere brukes i filtrene, i nettbutikkens eget søk, i produktfeeder og i eksterne salgskanaler.
I en stor katalog bør du ikke behandle innholdsutviklingen som ren tekstforfatting; først må datastrukturen ryddes opp, og først på den bør det tekstlige innholdet bygges.
Her kan AI bli virkelig nyttig
Kunstig intelligens virker som en opplagt løsning for å bearbeide flere tusen leverandørbeskrivelser – men bare hvis vi ikke bruker den til enkel masseproduksjon av tekst.
I Sellvios system kan produktdata for eksempel også genereres med AI basert på EAN, og for bøker finnes det mulighet for ISBN-basert behandling. Innholdet som lages, kan tilpasses nettbutikkens og kategoriens karakter, noe som i en stor katalog er en langt mer brukbar tilnærming enn enkel omskriving.
Nøkkelen er imidlertid ikke selve genereringen, men hvilke data systemet jobber ut fra, hvilke regler det får, og hva vi forventer i den aktuelle kategorien. For en hobbymaskin kan for eksempel bruksituasjonene være viktige, for et interiørprodukt målene, materialet og plasseringsmulighetene, og for klær fasongen, størrelsene og materialets egenskaper. Hvis du definerer dette på forhånd, «skriver AI ikke lenger bare noe om produktet», men jobber etter en etablert redaksjonell logikk. Med et stort produktsortiment utgjør det virkelig en stor forskjell.
Hos Sellvio handler det ikke bare om en tekstgenerator
Sellvios AI-funksjoner bør du se for deg som en del av en større produktdatahåndteringsprosess. Som kjent kan en nettbutikks data komme fra leverandørimport, et eksternt ERP, manuell innlegging eller andre systemer, og takket være API-koblingene er dette ikke nødvendigvis separate steg. Forhandleren kan bygge sin egen arbeidsflyt; det kan for eksempel komme inn en ny leverandørproduktliste, systemet behandler dataene, kompletterer dem ut fra EAN og andre identifikatorer, og deretter kan det lages produkttekst tilpasset kategorien. Produktene med høy trafikk eller strategisk betydning kan deretter også få en egen redaksjonell kontroll.
Dette er langt mer realistisk enn å skrive unike beskrivelser for hånd til flere tusen produkter. Målet er ikke å erstatte menneskelig arbeid fullstendig, men at den redaksjonelle oppmerksomheten havner der den faktisk skaper merverdi.
Det finnes imidlertid en grense du ikke bør krysse
AI kan bare trygt jobbe med informasjon som har en pålitelig kilde. Tekniske data, kompatibilitet eller sikkerhetsegenskaper skal ikke rett og slett utledes bare fordi de er typiske for lignende produkter.
Dette er spesielt viktig for elektronikk, verktøy, barneprodukter og andre kategorier der en feil opplysning kan få alvorlige konsekvenser. Hvis for eksempel IP-klassifiseringen eller maksimal belastning ikke er oppgitt, bør du ikke fylle dem inn med estimater.
Den genererte tekstens oppgave er ikke å finne opp nye produktegenskaper, men å presentere den tilgjengelige, kontrollerte informasjonen på en forståelig og nyttig måte.
Hva gjør vi med de flere tusen leverandørbeskrivelsene som allerede finnes?
For de fleste nettbutikker er det verken realistisk eller nødvendigvis berettiget å skrive om hele produktkatalogen. Når beslutningen om å utvikle innholdet på produktsidene er tatt, er det langt mer hensiktsmessig å gå frem gradvis og først velge ut sidene som gir organisk trafikk, genererer betydelig omsetning, har høy margin, eller der ytelsen i søket med god sannsynlighet kan forbedres.
De viktigste produktene kan få individuell redigering, for den neste gruppen kan AI-basert innhold utformet per kategori fungere godt, og i den mindre viktige delen av katalogen kan til og med leverandørbeskrivelsen midlertidig bli stående, så lenge dataene er presise og ryddige.
Du trenger ikke å behandle alle produkter med samme vekt – i handelen er jo ikke alle produkter like viktige i utgangspunktet.
Produsentbeskrivelsen trenger du heller ikke nødvendigvis å kaste
Det opprinnelige produsentmaterialet er ofte direkte verdifullt, siden det kan inneholde tekniske detaljer, standarder eller kompatibilitetsinformasjon som heller ikke bør utelates fra dine egne produkttekster. I mange tilfeller er den beste løsningen at de presise produsentdataene beholdes som en tydelig adskilt spesifikasjon, mens en egen, lettere forståelig forklaring ved siden av hjelper kunden med tolkningen.
«80 Nm maksimalt dreiemoment» er for eksempel en viktig og presis teknisk opplysning, men for den som ikke jobber med verktøymaskiner til daglig, sier det mer om han også får vite hvilke oppgaver denne ytelsen er tilstrekkelig for.
De to innholdstypene erstatter altså ikke hverandre, men utfyller hverandre: produsentdataene sikrer presisjonen, mens din egen forklaring hjelper med å forstå hva denne informasjonen betyr i praksis.
Leverandørens data er et godt grunnlag – men ikke stopp der
Hvis vi skal oppsummere det vi har gått gjennom i kapitlene over, kan vi si at produktkataloger er vanskelige å drive effektivt uten leverandørimporter, feeder og sentrale produktdata, og derfor er bruken av slike verktøy helt naturlig. Problemet begynner når de samme dataene samtidig blir hele nettbutikkens innholdsstrategi.
En bedre tilnærming er at nettbutikken ordner, kompletterer og tydeliggjør de sikre faktaene som kommer fra leverandøren. Automatiseringen kan redusere det manuelle arbeidet, og for de viktigere produktene kan også den erfaringen, forklaringen og konteksten komme inn som en enkel produktfeed ikke kan gi.
Sellvios AI-baserte produkthåndtering, EAN-baserte databehandling og API-muligheter kan virkelig hjelpe her. Ikke fordi de «løser SEO» med ett klikk, men fordi de gjør innholdsutviklingen mer håndterbar og mer konsekvent i en katalog med flere tusen produkter.
Målet er til slutt at det ikke bare er prisen som skiller nettbutikken fra konkurrentene, men også hvor mye mer effektivt den hjelper kunden med å ta en god beslutning.