Forklaringer på sentrale begreper innen AI, søkemotoroptimalisering, produktdata, kundelojalitet, lagerstyring og retail-teknologi.
Optimalisering av innhold slik at det blir sitert og brukt som kilde av AI-drevne søkemotorer som ChatGPT Search, Perplexity og Google AI Overview. AEO fokuserer på strukturert data, FAQ-er, entitetsdefinisjoner og autoritativt innhold som maskiner kan tolke og gjengi direkte.
En spesialisert AI-agent som fungerer som en digital medarbeider med et definert ansvarsområde. I motsetning til generelle chatboter bygger en AI-kollega opp en CV, lærer av tilbakemeldinger og jobber kontinuerlig med sine oppgaver — f.eks. compliance-sjekk, SEO-optimalisering eller innkjøpsforslag.
Klassifiseringsmetode som deler produkter i tre grupper etter omsetningsbidrag: A-varer (typisk 20% av produktene som står for 80% av omsetningen), B-varer (mellomgruppen) og C-varer (mange produkter med lite omsetning). AI-drevet lagerstyring bruker ABC-analyse for å prioritere hvilke produkter som trenger mest oppmerksomhet.
Kundeanskaffelseskost — hva det koster bedriften å skaffe én ny kunde. Beregnes ved å dele totale markedsførings- og salgskostnader på antall nye kunder i en periode. Eksempel: Bruker du 50 000 kr på annonser og får 100 nye kunder, er CAC 500 kr. Lavere CAC betyr mer effektiv markedsføring.
Kundens livstidsverdi — den totale inntekten en bedrift forventer fra én kunde over hele kundeforholdet. Brukes sammen med CAC for å vurdere lønnsomhet: CLV bør være minst 3× CAC for en bærekraftig forretningsmodell.
Publiseringssystem for å opprette, redigere og publisere innhold på nettsider uten å skrive kode. Vanlige eksempler er WordPress, Shopify og Crystallize. AI-kollegaen kan koble seg direkte til CMS-et for å publisere og forbedre artikler.
Automatisert kontroll av produkttekster mot gjeldende regelverk. For næringsmidler og kosttilskudd inkluderer dette Matloven, EU-forordning 432/2012 (helsepåstander), EU 1169/2011 (matinformasjon) og Markedsføringsloven §§ 6-7. AI-assistenten identifiserer ulovlige påstander og foreslår lovlige alternativer.
Konverteringsoptimalisering — systematisk arbeid med å øke andelen besøkende som gjør en ønsket handling (kjøp, registrering, kontakt). CRO handler om å analysere brukeratferd, identifisere friksjonspunkter og forbedre elementer som CTA-knapper, tillitssignaler, sidehastighet og mobil-UX. Mens SEO handler om å få flere besøkende, handler CRO om å få mer ut av de besøkende du allerede har. Typiske CRO-verktøy inkluderer A/B-testing, heatmaps og traktanalyse.
Kostnad per handling — hva det koster å oppnå én bestemt konvertering (kjøp, registrering, nedlasting). Skiller seg fra CAC ved at CPA kan måle enhver handling, mens CAC spesifikt gjelder nye kunder. Eksempel: 10 000 kr i annonsekostnader ÷ 50 kjøp = 200 kr CPA.
Kostnad per klikk — prisen du betaler hver gang noen klikker på annonsen din i Google Ads, Facebook eller lignende. Norsk gjennomsnitt for Google Ads er ca. 5–15 kr, men varierer sterkt etter bransje og konkurranse.
Klikkrate — andelen som klikker på en lenke, annonse eller søkeresultat etter å ha sett den. Beregnes som (klikk ÷ visninger) × 100. En Google Ads-annonse med 1000 visninger og 50 klikk har 5% CTR. Høyere CTR betyr at annonsen eller tittelen treffer godt.
En plattform som samler kundedata fra ulike kilder (CRM, POS, e-handel, nyhetsbrev) i én enhetlig kundeprofil. Tradisjonelle CDP-er som Segment og mParticle er dyre og komplekse. Alternativt kan dataplattformer som Snowflake, BigQuery og Databricks brukes for å oppnå lignende resultater med lavere kostnad.
Når kunder slutter å handle hos deg. I retail er churn «stille» — kunden sier aldri opp, de bare forsvinner. Typisk mister norske retailbedrifter 15–20% av kundebasen årlig. AI kan identifisere churn-risiko basert på endringer i kjøpsfrekvens og verdi, og foreslå tiltak før kunden er tapt.
Mønster for å fange opp endringer i kildesystemer (ERP, e-handel, POS) i nær sanntid og strømme dem inn i datavarehuset. Brukes i Datarommet for å holde modellene ferske uten tunge nattjobber, slik at AI-kollegaene jobber på dagsfersk data.
Prosentandelen av brukere som forlater et trinn i en prosess uten å gå videre til neste. I en e-handelstrakt er for eksempel 70% drop-off mellom «Lagt i handlekurv» og «Startet betaling» normalt — men over 80% indikerer problemer med betalingsflyt, uventede kostnader eller mangel på tillit.
Leverandørenes standardiserte forpakningsenhet for distribusjon til butikker. D-pak-størrelsen er ofte dimensjonert for leverandørens logistikk, ikke butikkens faktiske etterspørsel. AI-drevet innkjøp analyserer om D-pak-kvanta matcher salgsmønsteret, og foreslår justeringer for å redusere overbeholdning.
Virtual Assistants' betegnelse for kundens datavarehus (DWH) der rådata samles, modelleres og kvalitetssikres før det brukes av AI-kollegaene. Datarommet kan ligge i kundens egen Snowflake/BigQuery, hostes hos oss eller installeres lokalt — men dataeierskapet ligger alltid hos kunden. Plattformen leser via Secure Views og skriver verdi (segmenter, anbefalinger, KPI-er) tilbake.
Sentralt lager for strukturert forretningsdata fra ulike kildesystemer (ERP, e-handel, POS, CRM, GA4). Et moderne DWH bygges typisk i Snowflake, BigQuery eller Databricks med modelleringsverktøy som dbt. Virtual Assistants etablerer DWH for kunder som mangler det (Spor A) eller legger semantiske lag og merverdi oppå et eksisterende DWH (Spor B).
Verktøy for å bygge, teste og dokumentere datatransformasjoner i et datavarehus med versjonskontroll og SQL. Dataingeniørene i Datarommet bruker dbt for å modellere rådata til forretningsklare datasett — fakta- og dimensjonstabeller, SCD2-historikk og semantiske lag som AI-kollegaene leser fra.
Spesialist som modellerer, transformerer og kvalitetssikrer data i datavarehuset. I Virtual Assistants-modellen bygger dataingeniørene Datarommet, definerer forretningslogikken (kundesegmenter, marginberegning, sesongindeks) og overfører denne logikken til David — AI-dataingeniøren — som kan jobbe videre med kunden.
AI-kollega som bærer logikken fra Virtual Assistants' dataingeniører inn i kundedialogen. David hjelper kunder å bygge, justere og dokumentere modeller i sitt eget Snowflake — fra «vi trenger denne KPI-en» til kjørende SQL/dbt-modell på timer i stedet for uker. Spesielt verdifull der hver kundes Snowflake-oppsett er unikt.
En visuell fremstilling av kundereisen i en nettbutikk — fra produktvisning (view_item), via handlekurv (add_to_cart), til betaling (begin_checkout) og kjøp (purchase). Ved å måle antall brukere i hvert steg kan du identifisere nøyaktig hvor kunder faller av og optimalisere de svakeste leddene.
EU-direktiv som regulerer miljø- og bærekraftspåstander i markedsføring. Krever at påstander som «miljøvennlig», «bærekraftig» og «naturlig» er dokumenterbare og spesifikke. Brudd kan medføre bøter og tilbakekalling. AI-assistenter kan automatisk flagge problematiske påstander i produkttekster.
Strukturert data-format (FAQPage schema) som hjelper søkemotorer å forstå spørsmål-og-svar-innhold. Når implementert korrekt, kan FAQ-er vises som rike utdrag (rich snippets) i Google og bli sitert av AI-søkemotorer. Viktig for både SEO og AEO.
Standardiserte hendelser i Google Analytics 4 som sporer nettbutikkaktivitet: view_item (produktvisning), add_to_cart (lagt i kurv), begin_checkout (startet betaling), add_payment_info (betalingsinfo) og purchase (kjøp). Disse må implementeres i nettbutikkens kode eller via Google Tag Manager for at GA4 skal kunne vise kundereisen.
Nyeste versjon av Google Analytics — et gratis verktøy for å måle trafikk, brukeratferd og konverteringer på nettsiden din. GA4 sporer hendelser (events) i stedet for sidevisninger, og gir innsikt i brukerreiser på tvers av enheter. Markedsassistenten bruker GA4-data for å beregne KPI-er som CAC og ROAS.
Villedende markedsføring der produkter fremstilles som mer miljøvennlige enn de er. EU og norske myndigheter strammer inn med krav om dokumenterbare miljøpåstander. AI-compliance-sjekk kan identifisere risikable formuleringer som «100% naturlig» eller «klimanøytral» uten tilstrekkelig dokumentasjon.
Et gratis verktøy fra Google som samler alle sporingstagger (GA4, Meta Pixel, LinkedIn Insight Tag, Google Ads-konverteringer) på ett sted. I stedet for å legge til kode direkte på nettsiden, legger du inn én GTM-kode og styrer alt annet derfra. Gjør det mulig å sette opp og endre sporing uten utviklerhjelp.
Gratis verktøy fra Google som viser hvordan nettsiden din presterer i søkeresultatene. Gir innsikt i hvilke søkeord som gir visninger og klikk, indekseringsstatus, mobilbrukervennlighet og tekniske feil. Markedsassistenten bruker GSC-data til rangerings- og søkesynlighetsrapporter.
Andelen kunder som kjøper igjen innen en definert periode (typisk 12 måneder). En gjenkjøpsrate på 40% betyr at 4 av 10 kunder handler mer enn én gang. For retail er gjenkjøpsrate en av de viktigste lojalitetsindikatorene — og direkte knyttet til lønnsomhet.
To leveransespor for Datarommet. Spor A (Greenfield): Vi etablerer et nytt datavarehus i Snowflake for kunder som ikke har et fra før. Spor B (Brownfield): Vi kobler oss på kundens eksisterende DWH og legger semantiske lag, modeller og AI-bruksmønstre oppå — uten å duplisere data.
Enhver påstand i markedsføring som antyder at et næringsmiddel har helsefremmende effekt. I EU er kun 432 godkjente helsepåstander tillatt (EU-forordning 432/2012). Alle andre er ulovlige. AI-assistenten sjekker produkttekster mot den offisielle listen og flagger ulovlige påstander.
JavaScript Object Notation for Linked Data — et format for å legge til strukturert data på nettsider. Søkemotorer bruker JSON-LD for å forstå innholdet bedre, noe som gir rike utdrag i søkeresultater. Vanlige typer inkluderer Organization, Product, FAQPage, Article og HowTo.
Andelen av besøkende som utfører en ønsket handling — f.eks. kjøp, registrering eller kontaktforespørsel. Beregnes som (antall konverteringer ÷ antall besøkende) × 100. En nettbutikk med 1000 besøkende og 20 kjøp har 2% konverteringsrate. Norsk gjennomsnitt for netthandel er 1,5–3%.
Metoden for å fordele kreditt til de ulike markedsføringskanalene (organisk søk, betalt annonser, sosiale medier, e-post) som bidro til en konvertering. Hjelper deg forstå hvilken kanal som gir best avkastning, slik at du kan fordele budsjettet smartere.
Verdien av varer som er bundet i lager og dermed ikke tilgjengelig for andre investeringer. Norske retailbedrifter har typisk 15–25% av omsetningen bundet i varelager. AI-drevet innkjøpsoptimalisering kan redusere kapitalbinding med opptil 25% uten å øke risikoen for tomme hyller.
Nøkkeltall — et målbart resultat som viser om du er på vei mot målet ditt. Markedsavdelingens typiske KPI-er inkluderer CAC (kundeanskaffelseskost), ROAS (annonseavkastning), konverteringsrate og organisk trafikk. AI-kollegaen sporer KPI-ene dine og varsler når de er i fare.
Den mest utbredte metodikken for dimensjonsmodellering i datavarehus, basert på fakta- og dimensjonstabeller (stjerneskjema). Gir forretningsbrukere og AI-kollegaer en intuitiv måte å spørre data på. Datarommet bygges etter Kimball-prinsipper for å gjøre modellene gjenbrukbare på tvers av kontorene.
En annonsemålgruppe i Meta (Facebook/Instagram) som finner nye personer med lignende egenskaper som dine eksisterende kunder eller besøkende. Bygges automatisk basert på GA4-konverteringsdata eller kundelister. Effektivt for å nå nye kunder til lavere kundeanskaffelseskost (CAC).
HTML-elementet som beskriver en sides innhold for søkemotorer. Vises som utdraget under tittelen i søkeresultater. Bør være unik per side, under 160 tegn, og inneholde en handlingsdriver. Dupliserte meta-beskrivelser er en vanlig SEO-feil i store produktkataloger.
Hvor mange ganger lageret «snus» i løpet av et år. Beregnes som (årlig varekostnad ÷ gjennomsnittlig lagerbeholdning). En omsetningshastighet på 6 betyr at lageret byttes ut 6 ganger per år. Høyere hastighet betyr mindre kapitalbinding, men for høy hastighet kan bety tomme hyller.
System for sentralisert håndtering av produktdata — tekster, bilder, attributter og metadata. Vanlige PIM-systemer i Norden inkluderer Omnium, Akeneo, Pimcore og Feed PIM. PIM organiserer data, men vurderer ikke innholdskvalitet, compliance eller SEO — det er AI-kollegaens rolle.
En systematisk gjennomgang av alle nødvendige forutsetninger før en kampanje lanseres. Inkluderer kontroll av sporingskoder (UTM, GA4), landingsside, budsjett, målgruppe og annonsetekst. Markedsassistenten gir en score fra 0–100% basert på hvor mange sjekkpunkter som er bestått.
Annonsering rettet mot personer som allerede har besøkt nettsiden din eller interagert med merkevaren. Fungerer ved å plassere en sporingskode (pixel) som gjenkjenner besøkende, slik at du kan vise relevante annonser til dem etterpå. Gir typisk 2–3× bedre konverteringsrate enn annonser til nye brukere.
Utvidet visning av en nettside i søkeresultater som inkluderer ekstra informasjon som vurderinger, priser, FAQ-er eller bilder. Oppnås gjennom korrekt implementert strukturert data (schema markup). Øker typisk klikkraten (CTR) med 15–30%.
Avkastning på annonsekostnad — hvor mye inntekt du får tilbake for hver krone du bruker på annonser. Beregnes som (annonseinntekt ÷ annonsekostnad). En ROAS på 5× betyr at du tjener 5 kr for hver krone du bruker. Under 1× betyr at du taper penger på annonsene.
Avkastning på investering — forholdet mellom netto gevinst og kostnaden for investeringen. Brukes bredt for å vurdere lønnsomheten av markedsføringstiltak. Beregnes som ((inntekt − kostnad) ÷ kostnad) × 100. En ROI på 200% betyr at du fikk tilbake 3× investeringen.
Kundesegmenteringsmetode basert på tre variabler: Recency (tid siden siste kjøp), Frequency (antall kjøp) og Monetary (total omsetning). Gir segmenter som Champions (høy R/F/M), At Risk (lav R, høy F/M) og Hibernating (lav R/F/M). Brukes av lojalitetsassistenten Lone for å foreslå tiltak per segment.
Standardisert vokabular (fra Schema.org) brukt til å beskrive nettsideinnhold for søkemotorer. Vanlige typer for retail inkluderer Product, Organization, FAQPage, Article, BreadcrumbList og HowTo. Implementeres typisk som JSON-LD i HTML-headeren.
Søkemotoroptimalisering — arbeid for å gjøre nettsiden din mer synlig i Google og andre søkemotorer. Inkluderer tekniske forbedringer, innholdsoptimalisering, lenkebygging og brukeropplevelse. Målet er å tiltrekke mer relevant trafikk uten å betale for annonser.
Søkeresultatsiden — det du ser når du gjør et søk i Google. Inneholder organiske resultater, annonser, featured snippets, bilder og kart. Å rangere på første side (topp 10) er avgjørende for synlighet, da bare 1% klikker videre til side 2.
Produkt med lav omsetningshastighet som binder kapital unødvendig lenge. Typisk utgjør slow-movers 30% av lagervarer i retail. AI-analyse identifiserer slow-movers basert på salgshistorikk og foreslår tiltak som nedprising, kampanjer eller omfordeling mellom butikker.
Maskinlesbar informasjon lagt til nettsider for å hjelpe søkemotorer og AI-systemer å forstå innholdet. Implementeres vanligvis med JSON-LD og Schema.org-vokabular. Kritisk for både SEO (rich snippets) og AEO (AI-siteringer).
En databasevisning som gir kontrollert lesetilgang til data uten å eksponere underliggende tabeller. Brukes i Virtual Assistants-arkitekturen for å gi Lone tilgang til kundedata uten at rådata forlater kundens dataplattform. Sikrer at personopplysninger forblir under kundens kontroll.
Et forholdstall som viser hvor mye en periodes salg avviker fra gjennomsnittet. En sesongindeks på 1.5 for desember betyr 50% høyere salg enn gjennomsnittsmåneden. Varg bruker sesongindekser for å beregne optimale innkjøpskvanta per periode.
Skybasert datavarehus-plattform som skiller lagring og prosessering, og er bransjestandard for analytisk arbeid i retail. Brukes i Datarommet for å samle og modellere kundedata, ordrehistorikk og produktkatalog. Hver kunde har sitt eget Snowflake-oppsett, og logikken (modeller, transformasjoner) er ofte unik per virksomhet.
Modelleringsmønster i datavarehus som bevarer historikk når en dimensjon endrer seg — f.eks. når en kunde flytter eller et produkt bytter kategori. Hver endring lagres som en ny rad med gyldighetsperiode. Brukes i Datarommet for at AI-kollegaene skal kunne svare riktig på «hva visste vi om kunden den dagen kjøpet ble gjort».
Merkevarens konsistente stemme og skrivestil på tvers av alle kanaler. AI-assistenter kan trenes på bedriftens tone-of-voice-retningslinjer for å sikre at genererte tekster matcher merkevareidentiteten — selv når tusenvis av produkttekster behandles automatisk.
Sporingskoder som legges til i URL-er for å identifisere hvor trafikken kommer fra. De fem UTM-parameterne er source (kilde), medium (kanal), campaign (kampanje), term (søkeord) og content (variant). Eksempel: ?utm_source=google&utm_medium=cpc&utm_campaign=varkampanje. Nødvendig for å måle kampanjeeffekt i GA4.
Målrettet kampanje for å gjenvinne kunder som har sluttet å handle. Effektive win-back-kampanjer er segmentert etter hvor lenge kunden har vært inaktiv og hva de handlet tidligere. AI identifiserer det optimale tidspunktet og tilbudet for hvert kundesegment.
Test AI-kollegaene våre gratis — produktkatalog, marked, vareflyt eller lojalitet.
Test AI-kollegaene