Din virksomheds hjemmeside genererer data hver eneste dag. Besøgstal, sidevisninger, afvisningsprocenter, trafikkilder. Men hvis du er ærlig: hvornår fik du sidst omsat de tal til en konkret beslutning om din markedsføring? De fleste kigger på tallene, nikker, og lukker fanen igen. Det behøver ikke være sådan. Nedenfor finder du en konkret metode til at fodre AI med dine webtrafik-data og få handlingsrettede marketingstrategier tilbage. Ikke gætværk, men datadrevet marketing med AI som din analytiske makker. Tilgangen er en del af vores komplette guide til AI i marketing, og her zoomer vi ind på det analytiske ben.
Indholdsfortegnelse
- Problemet: Data uden retning er bare tal
- Trin 1: Klargør dine data til AI
- Trin 2: Stil de rigtige spørgsmål til AI
- Trin 3: Gå fra analyse til handling
- Hvad AI ikke kan (og hvad du skal tjekke)
- Kom fra data til strategi allerede i næste uge
Problemet: Data uden retning er bare tal
De fleste virksomheder har adgang til Google Analytics eller lignende værktøjer. Tallene ligger der. Men at gå fra rå webtrafik-data til en konkret marketingplan kræver normalt en analytiker, en strateg og et par dages arbejde. Heldigvis kan AI strømline denne proces markant. Du kan for eksempel lave en professionel markedsanalyse med AI på under en time.
Tænk på det sådan: Du har et kæmpe Excel-ark med ingredienser, men ingen opskrift. AI kan være den kok, der kigger på ingredienserne og siger: "Med det her kan du lave tre retter. Her er opskrifterne."
Det kræver dog, at du giver AI de rigtige ingredienser i det rigtige format. Ellers får du generiske anbefalinger, som du lige så godt kunne have googlet dig frem til.
Trin 1: Klargør dine data til AI
Før du åbner ChatGPT, Claude eller Gemini, skal du have styr på, hvad du faktisk fodrer den med. Her er minimumskravene:
Eksportér de rigtige rapporter
Gå ind i Google Analytics og træk disse tre rapporter ud som CSV eller PDF:
Rapport 1: Trafikkilder
Navigér til: Rapporter → Acquisition → Traffic acquisition. Sæt perioden til de seneste 90 dage. Eksportér kolonner for kanal, sessioner, afvisningsprocent og konverteringsrate.
Rapport 2: Mest besøgte sider
Navigér til: Rapporter → Engagement → Pages and screens. Eksportér de 20 mest besøgte sider med kolonner for sidevisninger, gennemsnitlig tid på siden og exit-rate.
Rapport 3: Konverteringsflow
Navigér til: Rapporter → Advertising → Conversions (eller Explore → Funnel exploration, hvis du har sat et funnel op). Du vil se, hvilke sider der mister flest besøgende, inden de når din kontaktformular eller dit mål.
Tre rapporter. Ikke tyve. AI arbejder bedst med fokuserede data frem for et datahav uden kontekst.
Sæt tallene i et tekstformat AI kan arbejde med
Vil du uploade en CSV, kan de fleste betalte AI-løsninger (ChatGPT Plus, Claude Pro) håndtere det direkte. Vil du bruge den gratis version, så kopiér de vigtigste tal ind i prompten som en simpel tabel:
Trafikkilder (seneste 90 dage):
- Organisk søgning: 1.240 sessioner, 58% afvisningsprocent, 1,2% konvertering
- Direkte: 430 sessioner, 45% afvisningsprocent, 2,8% konvertering
- Sociale medier: 210 sessioner, 74% afvisningsprocent, 0,3% konvertering
- Betalt søgning: 180 sessioner, 61% afvisningsprocent, 1,9% konvertering
Top 5 sider:
- /om-os: 890 visninger, 2:14 min gennemsnit, 68% exit-rate
- /ydelser: 740 visninger, 1:48 min gennemsnit, 72% exit-rate
- /blog/brancheregler-2023: 620 visninger, 3:41 min gennemsnit, 81% exit-rate
- /kontakt: 310 visninger, 0:58 min gennemsnit, 55% exit-rate
- /blog/prisguide: 280 visninger, 4:02 min gennemsnit, 88% exit-rate
Det tager fem minutter at sætte op og giver AI et langt stærkere grundlag end en løs beskrivelse.
Trin 2: Stil de rigtige spørgsmål til AI
Her sker magien. Og her er det, de fleste går galt i byen. De uploader data og skriver "analysér det her." Det svarer til at sætte en ny medarbejder foran et regneark uden at fortælle, hvad firmaet laver.
Prompt 1: Den overordnede analyse
Brug denne prompt som dit startpunkt:
"Jeg driver en B2B-virksomhed med 14 ansatte, der sælger rådgivning til fødevareindustrien. Herunder er vores Google Analytics-data for de seneste 90 dage [indsæt data som vist ovenfor]. Analysér trafikkilder, de mest besøgte sider og konverteringsraten fra besøg til kontaktformular. Giv mig 5 konkrete anbefalinger til, hvordan vi kan øge antallet af henvendelser via hjemmesiden med fokus på indhold og kanalstrategi. For hver anbefaling: beskriv præcis hvad jeg skal gøre, hvorfor data peger i den retning, og hvad jeg realistisk kan forvente."
Prompt 2: Prioritering efter ressourcer
Når du har fået de fem anbefalinger, følg op med:
"Rangér de 5 anbefalinger efter forventet effekt og hvor hurtigt de kan implementeres. Vi har ikke en marketingafdeling, så alt skal kunne udføres af én person på max 4 timer om ugen. Beskriv for hvert punkt: hvad skal jeg konkret gøre i første uge?"
Prompt 3: Grav dybere i et specifikt problem
Hvis AI fx peger på, at dine blogsider har høj exit-rate, kan du zoome ind:
"Du nævnte at vores blogindlæg har 80-88% exit-rate trods lang tid på siden. Det tyder på, at folk læser men ikke handler. Giv mig 3 konkrete CTA-formater jeg kan tilføje til eksisterende blogindlæg, der passer til en B2B-rådgivningsvirksomhed. Vis mig eksempler på den faktiske tekst jeg kan bruge, ikke bare hvad typen hedder."
Se forskellen på de tre prompts? Du eskalerer gradvist fra overblik til handling til specifikt indhold. Det er den struktur, der giver brugbare svar frem for generiske råd. Vil du blive skarpere til den slags briefinger, har vi skrevet mere om det i artiklen om at bruge Claude som strategisk marketingpartner.
Trin 3: Gå fra analyse til handling
Når AI har givet dig sine anbefalinger, er næste skridt at omsætte dem til en faktisk plan. Her er et eksempel på, hvordan det ser ud i praksis. ikke som en abstrakt case, men trin for trin.
Situationen: En salgschef i en industrivirksomhed opdagede via sin AI-analyse, at 40% af trafikken landede på tre gamle blogindlæg om brancheregler. Exit-raten var 83-87%. Ingen af siderne havde en synlig vej til kontaktformularen.
AI's analyse af data:
"De tre blogindlæg tiltrækker besøgende med høj intention. folk der aktivt søger svar på specifikke branchespørgsmål. Den lange tid på siden (3-4 minutter) bekræfter, at indholdet er relevant. Den høje exit-rate skyldes sandsynligvis manglende næste skridt: besøgende får svar og ser ingen grund til at blive. Det er en konverteringslæk, ikke et trafikproblem."
Den konkrete handlingsplan AI leverede:
- Tilføj en kontekstuel CTA midt i hvert blogindlæg. ikke i bunden, men præcis der hvor læseren er mest engageret. Brug formuleringen: "Usikker på om det gælder jeres virksomhed? Vi giver en gratis 20-minutters afklaring."
- Skriv ét nyt blogindlæg, der besvarer det mest søgte opfølgende spørgsmål til hvert af de tre indlæg. (AI identificerede spørgsmålene ved at analysere, hvilke søgetermer der typisk følger de originale emner.)
- Tilføj en intern link-struktur fra de tre indlæg til ydelsessiden med ankertekst, der matcher læserens formodede næste spørgsmål.
Resultatet: Flere henvendelser fra trafik, der allerede eksisterede. Ingen ekstra annoncekroner. Arbejdstid: ca. 3 timer fordelt over to uger.
Det er konverteringsoptimering baseret på data, ikke mavefornemmelse. Du kan også bruge AI-værktøjer til at skrive selve indholdet, når strategien er på plads.
Hvad AI ikke kan (og hvad du skal tjekke)
AI er fremragende til at spotte mønstre i data og foreslå retninger. Men den kender ikke din branche indefra. Den ved ikke, at din største kunde hader nyhedsbreve, eller at jeres sælgere allerede har prøvet LinkedIn-kampagner uden held.
Tre ting du altid skal filtrere AI's output igennem:
1. Branchekontekst AI ikke har adgang til
Hvis AI anbefaler en kanal eller et format, I allerede har testet, så notér det og fortæl AI det i næste prompt. Den kan justere anbefalingerne, når den kender til tidligere erfaringer.
2. Data AI misfortolker
En høj exit-rate på en kontaktformular-side er ikke nødvendigvis dårligt. måske udfylder folk formularen og forlader siden. Tjek altid, om AI's fortolkning af et tal giver mening med din viden om siden.
3. Ressourcer AI ikke kender
AI ved ikke, hvad din hjemmeside teknisk kan håndtere, hvad dit CMS tillader, eller hvem der reelt har tid til at implementere. Beskriv begrænsningerne direkte i prompten. det giver langt mere realistiske anbefalinger.
Behandl AI's output som et kvalificeret oplæg, ikke en færdig plan. Du tager de kloge beslutninger. AI laver det tunge analysearbejde.
Kom fra data til strategi allerede i næste uge
Du behøver ikke vente på en dyr konsulentrapport for at forstå din egen webtrafik. Med tre rapporter og en velskrevet prompt kan du have en AI-baseret marketingstrategi, der bygger på dine egne tal, inden ugen er omme.
Sådan ser din første uge ud i praksis:
- Mandag (30 min): Eksportér de tre rapporter fra Google Analytics. Formatér tallene som en simpel tabel.
- Tirsdag (20 min): Kør prompt 1 i ChatGPT Plus eller Claude Pro. Læs anbefalingerne igennem med din brancheviden som filter.
- Onsdag (20 min): Kør prompt 2 for at få prioriteret listen efter din tidsramme. Vælg ét indsatsområde.
- Torsdag-fredag (2-3 timer): Implementér den første, lavthængende anbefaling. Typisk en CTA på eksisterende sider eller én ny intern link.
Det er en ny arbejdsvane, ikke et stort projekt. Og næste gang du åbner Analytics, vil du ikke lukke fanen igen.
Ofte stillede spørgsmål
Bruno Poulsen er partner i Poulsen & Vinding, et konsulenthus der hjælper danske virksomheder og styrelser med at tage generativ AI i brug i den daglige drift. Han er senior underviser hos Bigum&Co gennem 10+ år og har siden 2023 stået bag AI-implementeringer, foredrag og workshops for blandt andre Lægemiddelstyrelsen, GS1 Danmark, Bornholms Højskole og 30+ bornholmske SMV’er via Business Center Bornholm. Skriver om praktisk anvendelse af AI-værktøjer, prompt engineering og hvordan ledelser kommer i gang mandag morgen kl. 08.00.
