Tusen produkter, tusen ulike produktsider; tusen beskrivelser som ikke bare må være grammatisk korrekte, men som også skal selge produktet, hjelpe kunden, gi søkemotorene riktig informasjon – og helst ikke gjenta de samme setningene om og om igjen.
For noen år siden kunne det ta uker eller til og med måneder å fylle en så stor katalog med innhold, men heldigvis er situasjonen en annen i dag. Generativ kunstig intelligens er faktisk i stand til å lage tekster til opptil tusen produkter på én enkelt arbeidsdag, komplett med produktegenskaper og informasjon til produktsiden … Men det er en viktig forskjell mellom «vi har generert tusen tekster» og «tusen brukbare produktsider er ferdige».
AI løser nemlig ikke problemet med produktdata på egen hånd; jobber den med dårlige data, lager den dårlige beskrivelser. Får den samme instruks for hvert produkt, blir resultatet nesten garantert formelpreget – et mønster brukerne lett kjenner igjen. Og hvis nettbutikken ikke har en skikkelig kontrollprosess, kan prisen for farten bli feilaktige tekniske data, overdrevne påstander eller verdiløse SEO-tekster. Og ingen av delene er noe vi ønsker oss!
Nettopp derfor er AI i Sellvios tilnærming ikke bare en tekstrobot, men et automatisert ledd i prosessen for håndtering av produktdata.
AI er rask, men det er ikke derfor den er god
En vanlig misforståelse rundt generering av produktbeskrivelser er å behandle oppgaven som ren tekstforfatting. Ta en nettbutikk med 1000 produkter. For hvert produkt kan det finnes produktnavn, merke, artikkelnummer, EAN-kode, kategori, tekniske parametere, farge, størrelse, materiale, produsentbeskrivelse, PDF-datablad og kanskje også en leverandørnettside. Ut fra dette skal det ikke bare skrives «menneskelig tekst»; informasjonen må først tolkes, struktureres og deretter omformes til innhold som er nyttig fra kundens perspektiv. Det er her generativ AI virkelig er sterk.
McKinsey trakk allerede i sin forskning på det økonomiske potensialet i generativ kunstig intelligens frem produktbeskrivelser som et opplagt bruksområde innen markedsføring og salg. Konsulentselskapet anslår at generativ AI kan skape verdi tilsvarende 5–15 prosent av det totale markedsføringsbudsjettet i form av økt produktivitet i markedsføringsfunksjonene. Og teknologien har siden gått videre fra ren tekstskriving. En McKinsey-analyse fra 2026 beskriver for eksempel en distributør der AI samlet inn og beriket produktdata fra flere interne systemer; å sette sammen en så rik katalog manuelt ville tatt måneder. Det er nettopp i denne retningen innholdshåndteringen i e-handelen utvikler seg.
Hva betyr «unik» produktbeskrivelse i 2026?
Unikhet betyr ikke at AI bruker et annet adjektiv for hvert produkt. En god beskrivelse skal vise hva som skiller produktet fra resten av katalogen, i hvilke brukssituasjoner det kan være et godt valg, og hvilken informasjon kunden kan basere beslutningen sin på. For en joggesko kan for eksempel demping, såleutforming, terreng, fotform eller treningsintensitet vektlegges ulikt. For en drill kan effekt, turtall, chuck, slagfunksjon og typisk bruksområde være det vesentlige. Og for et møbel er det materiale, mål, konstruksjon og plassering som avgjør.
Sellvios Product Description Writer kan derfor også ta utgangspunkt i EAN- eller ISBN-koder og lage beskrivelser med SEO-, GEO- og AEO-perspektiv, tilpasset nettbutikkens tone og den aktuelle kategorien. Funksjonen er utviklet spesielt for kataloger med flere tusen produkter, slik at store ting kan skje – gjerne på få dager!
Med tusen produkter er oppgaven ikke lenger tekstforfatting, men datahåndtering
Med ti produkter kan det fortsatt fungere helt fint at en kollega åpner AI-verktøyet, skriver inn produktnavnet, limer inn spesifikasjonene og flytter den ferdige teksten over i nettbutikken. Det kan ikke bare fungere – det fungerer, for en stor del av nettbutikkene jobber slik den dag i dag. I tusenklassen er denne metoden derimot ikke bærekraftig. Da må selve produktkatalogen ryddes opp i først.
Sellvios produkthåndtering støtter masseimport og -eksport via Excel og CSV, kategorier, varianter, etiketter og produktparametere, samt engangs- eller planlagt databasesynkronisering. Dette er viktig fordi grunnlaget for effektiv AI-innholdsproduksjon ikke er en god prompt, men en ryddig produktdatabase. Hvis ett produkt i katalogen er merket «rustfritt stål», et annet «inox» og et tredje bare «metall» for samme materiale, kan du heller ikke forvente et helt enhetlig resultat fra AI-en.
Slik kan arbeidsflyten for 1000 produkter se ut i praksis
Som vi var inne på i forrige avsnitt, starter ikke arbeidet med å trykke på AI-knappen. Først bør du definere, kategori for kategori, hvilke spørsmål en god produktbeskrivelse skal besvare.
I en teknisk nettbutikk trengs for eksempel en annen informasjonsstruktur for et elektroverktøy enn for en pakke skruer, i en motebutikk gjelder ulike hensyn for en sko og en jakke, og i en matbutikk på nett kan presisjon rundt ingredienser, allergener og forpakning være viktigere enn all markedsføringsprosa. Deretter kan datakildene kobles sammen.
Sellvios AI-generering av produktbeskrivelser kan i tillegg til EAN-kode også jobbe ut fra lenker, PDF-er og annet tilgjengelig tekstinnhold. I stedet for at den som driver nettbutikken prøver å formulere den samme informasjonen fra bunnen av, kan AI-en altså omforme produktdataene som allerede finnes, til enhetlig kommersielt innhold. Så kommer genereringen, og deretter det trinnet som aldri skal utelates fra en seriøs AI-prosess: kontrollen.
I Sellvios system er det også forhandleren som godkjenner publiseringen av de genererte produktbeskrivelsene; systemet tar ikke utgangspunkt i at enhver AI-produsert tekst automatisk kan settes live.
Ingen grunn til panikk – du trenger ikke lese alle 1000 tekstene setning for setning
Menneskelig kontroll betyr ikke nødvendigvis at noen leser tusen lange produktbeskrivelser etter hverandre. Langt mer effektiv er risikobasert kontroll; på de første par titalls genererte produktene må struktur, stil og faktapåstander sjekkes svært strengt. Dukker den samme feilen opp gang på gang her, er det ikke hundre produktbeskrivelser som skal rettes én etter én, men genereringsregelen eller kildedataene. Det sier seg selv hvor stor forskjell det utgjør.
Bruker AI-en for eksempel gjennomgående en altfor markedsføringsaktig tone, må stilinstruksen justeres. Feiltolker den en bestemt teknisk parameter, må datafeltet ryddes opp i. Dukker den samme innledningssetningen opp på hvert produkt, må innholdsstrukturen gjøres mer variert. Målet er altså ikke å rette AI-ens feil raskere, men å la færrest mulig feil som senere må rettes, oppstå i det hele tatt.
Hvorfor er «la oss generere alt»-tankegangen farlig for SEO?
Hvis du vil lage store mengder produktbeskrivelser med kunstig intelligens, dukker spørsmålet opp før eller siden: hva sier Google til alt dette? Det korte svaret er at bruk av AI i seg selv ikke utgjør noen SEO-risiko, men det er heller ikke det som egentlig er spørsmålet. Langt viktigere er hvilket formål innholdet lages med, og om det faktisk gir verdi til den som lander på siden.
Heller ikke Googles retningslinjer mot søppelinnhold anser innhold som problematisk fordi kunstig intelligens var med på å lage det. Risikoen begynner der det produseres store mengder sider uten reell merverdi, først og fremst for å kapre organisk trafikk på flest mulig søkefraser. Google kaller dette «scaled content abuse», og blant eksemplene finnes nettopp masseprodusert innhold laget med generativ AI som gir brukeren lite reell informasjon.
Dette er spesielt viktig for nettbutikker fordi det er lett å forveksle unikhet med kvalitet. At 1000 produktbeskrivelser er formulert forskjellig, gir deg ikke automatisk 1000 verdifulle SEO-tekster. Unikhet alene er ikke nok; beskrivelsen må hjelpe kunden med å forstå produktet bedre, sammenligne det med andre alternativer og lettere avgjøre om det faktisk er dette de trenger.
En produktbeskrivelse kan for eksempel være helt unik i den forstand at setningene ikke finnes noe annet sted på nettet, og likevel være nesten verdiløs hvis den gjennom tre avsnitt bare gjentar produktnavnet og noen generelle egenskaper med varierende adjektiver. Kunden blir ikke klokere av det, og fra et søkemotorperspektiv er det heller ikke denne typen merverdi det lønner seg å bygge en langsiktig strategi på.
Det er nettopp derfor vi hevder at automatiseringsprosessen ikke starter med spørsmålet om hvordan alle produktbeskrivelsene kan genereres raskest mulig. Et langt viktigere spørsmål er hvilken faktisk nyttig informasjon vi kan formidle om hvert enkelt produkt, og hvordan det kan bli til en beskrivelse som ikke bare fyller plassen på produktsiden, men reelt støtter kjøpsbeslutningen.
Vi vil ikke lenger bare bli synlige i Google
I 2026 bør innholdsstrategien til nettbutikker også ta høyde for et moment som knapt ble nevnt for noen år siden: AI-basert produktoppdagelse. Stadig oftere starter ikke kundene orienteringen direkte i en søkemotor eller nettbutikk, men spør en kunstig intelligens om hvilket produkt som passer best til behovene deres.
Ifølge Salesforce-undersøkelsen Connected Shoppers fra 2025 bruker 39 prosent av forbrukerne allerede kunstig intelligens til å oppdage produkter, og for generasjon Z er andelen over 50 prosent. McKinseys europeiske analyse fra 2026 peker i samme retning: omtrent halvparten av europeiske forbrukere orienterer seg allerede om produkter eller produktkategorier også ved hjelp av AI, eller sammenligner ulike alternativer.
Denne endringen omskriver også hva en god produktbeskrivelse er. I tradisjonell SEO var det lenge naturlig å tenke først og fremst i søkefraser, for eksempel hvor godt en side traff nøkkelord av typen «vanntette tursko herre». AI-baserte søk formulerer derimot i stadig større grad reelle kjøpssituasjoner og mer sammensatte spørsmål: «Hvilke vanntette tursko bør jeg velge til dagsturer om høsten, hvis det er viktig at de er lette?» For å besvare et slikt spørsmål holder det ikke lenger med noen godt plasserte nøkkelord. AI-systemene trenger entydig, lett tolkbar produktinformasjon som de kan bruke til å utlede hvem produktet kan anbefales til, i hvilke situasjoner det er et godt valg, hvilke fordeler det har, og hvor bruksbegrensningene ligger.
Nettopp derfor bygger heller ikke dagens tilnærming i Sellvios Product Description Writer utelukkende på klassisk SEO-logikk, men tar også hensyn til GEO- og AEO-perspektiver. I tillegg til produktbeskrivelsen kan systemet automatisere utarbeidelsen av meta title og meta description, slik at produktsiden kan bli en informasjonskilde som tolkes konsistent av flere kanaler.
Produktsiden er altså i dag langt mer enn en landingsside optimalisert for Google. Den er en strukturert informasjonsflate som både tradisjonelle søkemotorer og AI-baserte systemer prøver å forstå: hvilket problem produktet løser, hvem det kan være relevant for, og under hvilke forutsetninger det er verdt å vurdere.
Den beste produktbeskrivelsen er ikke nødvendigvis den lengste
AI-ens fremmarsj har en interessant bivirkning; det har blitt veldig lett å produsere for mye tekst. En kabel til 30 euro eller en eske selvborende skruer trenger neppe en avhandling på tusen ord. For en kompleks industrimaskin holder det derimot ikke med tre setninger.
Men hva er så den riktige tilnærmingen? Vi anbefaler som regel å tilpasse lengden på produktbeskrivelsen til hvor kompleks kjøpsbeslutningen er, ikke til en kunstig SEO-regel.
For et enkelt produkt kan det lages en kort og presis presentasjon, et teknisk apparat krever en grundigere forklaring, og for et premiumprodukt kan materialbruk, utforming eller bruksmiljø få større plass. Slik «uniformerer» og «sjabloniserer» ikke automatiseringen produktkatalogen – tvert imot gir den innholdsstrukturen mulighet til å tilpasse seg produktet.
En av AI-ens største fordeler er faktisk konsistens
Fordeler du arbeidet med tusen produktbeskrivelser på flere tekstforfattere, blir stilforskjeller nesten uunngåelige. Én skribent skriver uformelt, en annen formelt, noen skriver utførlig, andre kort – og det kan fort skje at viktige tekniske data mangler på enkelte produkter.
En av de mindre iøynefallende, men forretningsmessig svært viktige fordelene ved en godt innstilt AI-prosess er nettopp at den kan anvende de samme innholdsmessige og stilistiske reglene konsekvent gjennom hele katalogen. Sellvios eget AI-system kan derfor også tilpasse tekstene det lager, til nettbutikkens tone.
Et merke trenger nemlig ikke bare tusen gode produktbeskrivelser, men en enhetlig, sammenhengende katalog som inneholder tusen gode produktbeskrivelser. Det er en betydelig forskjell på de to.
Hvor mye arbeid kan du spare med dette?
Som eksempel pleier vi å si at det tar omtrent sju minutter å skrive en kort produktbeskrivelse manuelt. Dette er bare et anslag som gjelder typisk korte produktbeskrivelser, og det må legges til at sju minutter ikke holder for mange produkter, særlig ikke der det kreves mer sammensatte beskrivelser. Men allerede eksempelet viser hvor stor tidsbesparelse AI gir når det gjelder produktbeskrivelser.
Poenget ligger imidlertid ikke bare i sparte arbeidstimer. Endrer sortimentet i en nettbutikk seg kontinuerlig, dukker problemet opp på nytt med hvert nye produkt. Det samme skjer ved inntreden i et nytt marked, innføring av et nytt språk eller en fullstendig innholdsfornyelse av en gammel produktkatalog. Det er her AI går fra å være et engangs akselerasjonsverktøy til å bli infrastruktur.
I Sellvios system er genereringen av produktbeskrivelser dessuten koblet til det samme AI-økosystemet der også redigering av produktbilder, oversettelse av nettbutikken, SEO/GEO/AEO-innholdsgenerering og intelligent produktsøk er tilgjengelig.
Målet er ikke at AI skal skrive i stedet for oss
Det er verdt å vende tilbake til det opprinnelige spørsmålet: kan 1000 produktbeskrivelser virkelig lages på én enkelt dag? Teknologisk sett ja, men for en profesjonell nettbutikk betyr hastighet i seg selv lite.
Det viktigere spørsmålet er om det på så kort tid kan skapes 1000 enhetlige, informative og søkevennlige produktsider som også er godt tolkbare for AI-systemer, samtidig som innholdskvaliteten forblir under kontroll. Til det holder det ikke lenger å åpne en chatbot og taste inn prompter etter hverandre; det kreves ryddige produktdata, veldefinerte regler på kategorinivå, automatiserbare prosesser og skikkelig kvalitetssikring.
Det er nettopp her det blir viktig hvor tett AI-en er koblet til selve nettbutikkmotoren. I Sellvio er kunstig intelligens ikke et frittstående verktøy du av og til må kopiere data inn i: produktdatahåndtering, import og eksport, katalogen og AI-basert innholdsgenerering er deler av ett og samme e-handelssystem. Og ved større volumer kan AI-funksjonen via API også bygges inn i dine egne arbeidsflyter.
Det er dette som skiller sporadisk AI-bruk fra ekte e-handelsautomatisering. Med den ene lager vi tekster raskere, med den andre omorganiserer vi selve driften av nettbutikken.