Agentic marketing forklaret fra ende til anden

Hvad er agentic marketing helt præcist?

Agentic marketing er når en AI-agent får et mål og selv vælger hvilke skridt der skal til for at nå det. Den henter data, beslutter næste handling og udfører den i dine værktøjer. Du definerer målet, rammerne og hvor den skal spørge om lov, ikke rækkefølgen.

Ordet bliver brugt om alt for meget lige nu. Hver anden uge har jeg en samtale med en kunde der siger de er i gang med agentic marketing, og når vi ser på det, er det en medarbejder der skriver produkttekster i ChatGPT og kopierer dem ind i webshoppen. Det er fin brug af AI. Det er bare ikke en agent.

Forskellen er ikke om der er sprogmodel involveret. Forskellen er om noget eller nogen andre end dig bestemmer rækkefølgen af handlinger. Skriver du en prompt, læser svaret og handler selv, er du stadig den der træffer beslutningen. Det er AI som værktøj. Får systemet adgang til dine data og dine værktøjer og lov til selv at vælge hvad der sker nu, er det en agent.

Hvordan ser den samme opgave ud som regelflow?

Tag en opgave jeg har bygget snesevis af gange gennem årene. En besøgende downloader en guide på hjemmesiden og bliver et lead. Hvad sker der så?

I et klassisk flow har jeg tegnet det hele på forhånd. Fem minutter efter download går der en mail ud med guiden. Tre dage senere kommer mail nummer to med en case. Er mailen åbnet, men ingen klik, venter flowet fire dage og sender en tredje mail. Er der klikket på prisen, får sælgeren en besked i CRM. Er intet sket efter fjorten dage, ryger leadet i en liste der får nyhedsbrevet og ikke andet.

Det virker. Det har virket i tyve år. Men bemærk hvor beslutningerne ligger: hos mig, den dag jeg tegnede flowet. Systemet tjekker bare betingelser af. Downloadede personen guiden om lønsumsafgift, mens de tre foregående sidebesøg handlede om noget helt andet, er flowet ligeglad. Det ved ikke at leadet er en studerende der skriver speciale, eller en økonomichef i en virksomhed med 80 ansatte. Det kender kun de betingelser jeg har stillet op.

Vil jeg have flowet til at tage højde for mere, skal jeg tegne flere grene. Og hver gren skal vedligeholdes. Jeg har overtaget setups hos nye kunder med over 40 aktive flows, hvor ingen kunne forklare hvad halvdelen gjorde, og hvor to af dem sendte den samme mail til de samme mennesker med to dages mellemrum.

Hvordan ser den ud som agentopgave?

Samme situation, men nu giver jeg i stedet en agent et mål: find ud af om dette lead er relevant for os, og tag det næste rigtige skridt. Rammerne er at den må læse sidebesøg, downloads og tidligere mailhistorik, at den må sende mails fra en godkendt skabelonsamling, og at den skal lægge en opgave til en sælger frem for at kontakte nogen direkte hvis virksomheden har over 50 ansatte.

Agenten kigger på adfærden. Den ser at personen har været på tre sider om det samme emne, at firmadomænet matcher en eksisterende kunde, og at der ligger en ubesvaret supporthenvendelse fra samme domæne. Den konkluderer at det her ikke er et nyt lead, men en eksisterende kunde der leder efter noget. I stedet for at starte et salgsflow lægger den en note til kundeansvarlig og sender guiden med en kort mail uden salgsbudskab.

Det skridt havde jeg ikke tegnet. Jeg havde sandsynligvis heller ikke tænkt på det, før en kunde ringede og spurgte hvorfor de fik tilbud på noget de allerede havde købt. Det er forskellen. Agenten vælger handlingen ud fra det den kan se, ikke ud fra det jeg forudså.

Teknologien bag findes og er dokumenteret hos leverandørerne selv. Vil du se hvordan en modelleverandør beskriver det, ligger OpenAI's udviklerdokumentation frit tilgængelig, og den bruger ordet agent om præcis det her: en model der får værktøjer og selv vælger hvornår den bruger dem.

Hvordan adskiller det sig fra den marketing automation du allerede har?

Forskellen er hvem der vælger næste skridt. Marketing automation gør altid det samme når betingelsen er opfyldt, og det er en styrke ved faste opgaver. En agent vurderer situationen og beslutter selv hvad der giver mening. Regelflow til det forudsigelige, agent til det der kræver et skøn.

Jeg møder tit den forventning, at agenter skal afløse det automation-setup man har bygget op over flere år. Det skal de ikke. Et velkomstflow der sender tre mails over ti dage har ingen glæde af, at en model tænker over det hver gang. Den skal bare sende mailen.

Det interessante ligger i de opgaver hvor ingen har kunnet skrive en regel, fordi svaret afhænger af for mange ting på én gang. Der har mange virksomheder i stedet valgt at lade opgaven ligge, eller at lade en medarbejder tage den manuelt hver mandag.

Hvornår er et regelflow det rigtige valg?

Når opgaven har et kendt input og et kendt output, og du vil have det samme resultat hver gang. Nyhedsbrevsudsendelse hører til her. Listen er trukket, afsenderen er den samme, tidspunktet er fastlagt. Der er ingen beslutning at træffe, og et regelflow koster ingenting at køre.

Samme sag med velkomstflow, kvitteringsmails, påmindelser om udløbne abonnementer og den mail der går ud når en kunde har ligget stille i 90 dage. Logikken er skrevet én gang og virker indtil du ændrer den. Den er til at teste, til at fejlsøge og til at forklare en revisor.

Et regelflow har også den fordel, at du kan se præcis hvorfor en kunde fik en bestemt mail. Det kan du ikke på samme måde med en agent, og det betyder noget når en kunde ringer og spørger hvorfor de er blevet kontaktet. Har du ikke styr på den grundlæggende opsætning endnu, så start der. Jeg har skrevet en gennemgang af marketing automation fra start til færdig opsætning som dækker de flows de fleste mangler, inden agenter overhovedet bliver relevante.

Hvilke opgaver giver bedst mening at give til en agent?

Segmentering er det klareste eksempel. En regel kan dele kunder op efter køb over 5.000 kroner eller postnummer. Den kan ikke se, at en gruppe kunder åbner mails om teknik men ignorerer tilbud, mens en anden gruppe gør det modsatte. En agent kan læse adfærden, foreslå fire grupper og begrunde hvorfor.

Svar på indgående henvendelser er det andet. Når en kunde skriver noget der ikke passer i en skabelon, kan en agent læse spørgsmålet, finde svaret i jeres materiale og lave et udkast. Ikke sende det, lave det. Jeg lader den slags gå gennem et menneske, indtil kvaliteten har været stabil i mindst en måned.

Kampagneanalyse er det tredje. En agent kan kigge på 14 dages annoncedata, finde de tre annoncegrupper der trækker budgettet uden at levere, og skrive en kort begrundelse. Den slags tager en dygtig medarbejder to timer hver uge, og det er to timer der sjældent bliver prioriteret. Vil du regne på om den slags kan betale sig, har jeg lavet en metode til at beregne ROI på en AI agent inden du bruger penge på den.

Hvad gør du med det automation-setup du ikke tør røre?

Du kortlægger det, før du bygger noget nyt ovenpå. Hos en kunde i Sydjylland havde de 43 aktive regler i deres system. De var bygget over fire år af tre forskellige personer, hvoraf to var stoppet. Ingen turde slå noget fra, for man vidste ikke hvad der hang sammen med hvad.

Vi brugte en eftermiddag på at skrive alle 43 ned på et regneark med tre kolonner: hvad udløser den, hvad sender den, hvornår kørte den sidst. 17 af dem havde ikke kørt i over et år. Ni sendte mails der pegede på sider der ikke fandtes mere. Vi slog 22 fra på en uge, og der kom nul klager.

Den øvelse gav to ting. Færre regler at holde styr på, og en liste over de opgaver hvor reglerne havde været for grove hele tiden. Det var den liste vi startede agentarbejdet ud fra, ikke en idé om hvad AI kunne. Oprydning først, agent bagefter.

Få viden du kan bruge i din markedsføring

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvad skal der til teknisk før en agent kan arbejde i din marketing?

Tre ting skal være på plads før en agent kan lave noget som helst nyttigt i din marketing. Data den kan læse uden at gætte, værktøjer den kan handle i gennem et API, og hukommelse så den ved hvad der skete sidste gang. Mangler én af dem, får du en dyr tekstgenerator.

Jeg møder tit den forventning at det svære er selve agenten. Det er det ikke. Selve agenten er i dag en opsætning på nogle timer. Det svære er rørene ind til den og ud fra den.

Hos en typisk SMV med hjemmeside, Google Ads-konto, et CRM og et mailsystem findes alle data allerede. De ligger bare fire forskellige steder, i fire forskellige formater, og ingen af dem taler sammen. Det er der arbejdet ligger.

Hvilke data skal agenten kunne læse?

Agenten skal kunne hente tal og tekst uden at du klipper det ind manuelt. Ellers er du bare blevet dens sekretær.

For en marketingagent betyder det som minimum adgang til trafik og konverteringer fra Google Analytics, annoncedata fra Google Ads, og en liste over hvad du sælger med priser og marginer. Det sidste er det punkt hvor flest falder. En agent der ikke kender din dækningsgrad, kan ikke vurdere om en annoncegruppe med en pris pr. konvertering på 340 kroner er god eller elendig. Den kan kun se at tallet er faldet siden sidste måned, hvilket er omtrent lige så brugbart som en vejrudsigt fra i forgårs.

Hos en kunde brugte vi tre uger på at få marginer pr. produktgruppe ud af deres økonomisystem og ind i et regneark agenten kunne læse. Tre uger på et regneark. Selve agenten tog to dage. Men det var regnearket der gjorde forskellen, for først der kunne den skelne mellem omsætning og indtjening.

Datakvalitet er det andet. Hvis din konverteringssporing tæller den samme lead to gange, opdager agenten det ikke. Den regner videre på tallet og bygger en anbefaling ovenpå. Jeg tjekker altid sporingen igennem før jeg kobler noget på, og jeg finder fejl i de fleste konti jeg får ind.

Hvad vil det sige at agenten kan handle i dine værktøjer?

Den skal kunne gøre noget, ikke bare skrive om det. Forskellen mellem et forslag i en chat og en ændring i din annoncekonto er et API.

Google Ads har et. Det samme har de fleste danske CRM-systemer af nyere dato, og alle de store mailplatforme. Dit CMS har det måske. Har du en hjemmeside bygget i WordPress, findes der en indbygget vej ind. Har du en specialbygget løsning fra 2014 som en tidligere leverandør har skruet sammen, findes der sandsynligvis ikke noget.

Det er værd at finde ud af tidligt. Jeg beder altid om en liste over de fem systemer virksomheden bruger mest, og så tjekker vi et for et om der er en dokumenteret vej ind. Det tager en formiddag og sparer en masse skuffelse.

Hvorfor er hukommelse den del alle glemmer?

En agent uden hukommelse starter forfra hver gang. Den foreslår den samme annoncetekst i uge 3 som du afviste i uge 2, og den opdager aldrig at et søgeord har været et problem tre måneder i træk.

Hukommelse behøver ikke være avanceret. Hos de fleste af mine kunder er det en tabel eller et dokument hvor agenten skriver ned hvad den gjorde, hvorfor, og hvad du svarede. Næste kørsel læser den det først. Det lyder banalt, og det er det også, men uden den log får du et system der ikke lærer noget.

Den log har en sidegevinst. Når noget går skævt, kan du se hvornår beslutningen blev truffet og på hvilket grundlag. Uden den står du med et resultat og ingen forklaring.

Vil du vide hvor din virksomhed står rent teknisk, før du går videre, så er det spørgsmålet om AI readiness du skal have fat i. Der ligger en selvstændig gennemgang af det, og den er mere grundig end det jeg kan nå her.

Hvilke marketingopgaver egner sig bedst til en agent lige nu?

De opgaver der egner sig lige nu, er dem der gentages hver uge, har et tydeligt facit og kan rulles tilbage uden skade. Søgeordsovervågning, annonceteksttest, rapportudkast, indholdsbriefs, konkurrentovervågning og oprydning i produktfeeds. Alt sammen arbejde hvor du kan se på resultatet om det er rigtigt eller forkert inden for et minut.

De tre kriterier er ikke tilfældige. Gentagelse betyder at opsætningen tjener sig hjem. Tydeligt facit betyder at du kan kontrollere output uden at grave i råtal. Og muligheden for at rulle tilbage betyder at en fejl koster dig fem minutter, ikke en uge. Falder en opgave igennem på bare ét af de tre, så lad den ligge indtil videre.

• Søgeordsovervågning i Google Ads og Search Console, ugentligt
• Test og variation af annoncetekster
• Rapportudkast til det faste månedsmøde
• Indholdsbriefs til de artikler du alligevel skulle have skrevet
• Konkurrentovervågning på priser, annoncer og nye sider
• Oprydning i produktfeeds til Shopping og Meta

Hvorfor er søgeord og annoncetekster det nemmeste sted at starte?

Fordi begge dele har et facit du kan se med det blotte øje. En søgeterm er enten relevant for din forretning eller også er den ikke. En annoncetekst holder sig inden for tegngrænsen eller gør ikke. Der er ingen fortolkning involveret, og derfor kan du kontrollere tyve forslag på to minutter.

Hos en kunde med en teknisk webshop kørte vi søgetermerne igennem hver mandag morgen. Agenten henter ugens søgetermer, sammenholder dem med den liste over irrelevante ord vi har bygget op, og lægger et forslag til negative søgeord i en delt fil. Jeg bruger fem minutter på at sige ja eller nej. Før brugte den ansvarlige medarbejder cirka en time hver uge på det samme, og indrømmede selv at det blev sprunget over i travle perioder. Det er dér gevinsten ligger. Ikke i at agenten er klogere, men i at den ikke bliver træt af opgaven i uge syv.

Annonceteksterne fungerer efter samme princip. Agenten læser hvilke overskrifter der har klaret sig dårligst de sidste tredive dage, skriver tre nye forslag pr. annoncegruppe og lægger dem til godkendelse. Reglerne for tegngrænser og formater ligger i Googles egen dokumentation til Google Ads, så der er ingen undskyldning for at aflevere noget der ikke kan uploades.

Hvornår giver det mening at lade en agent skrive rapportudkast og indholdsbriefs?

Når formatet er det samme hver gang. En månedsrapport til ledelsen har typisk de samme fem tal, den samme rækkefølge og den samme modtager. Det er skabelonarbejde, og skabelonarbejde er det en agent er bedst til. Jeg lader den hente tallene, skrive udkastet og markere de steder hvor noget afviger mere end ti procent fra måneden før. Så skriver jeg selv forklaringen på afvigelsen, for den findes ikke i data. Den findes i hovedet på den der var med til at træffe beslutningen.

Indholdsbriefs er samme historie. Agenten samler søgevolumen, de spørgsmål folk stiller, hvad de tre bedst placerede sider dækker, og hvad de ikke dækker. Ud kommer et brief på en side. Det er en opgave der tidligere tog mig fyrre minutter pr. artikel og nu tager omkring ti, hvoraf de ti er de vigtigste. Selve teksten skriver jeg stadig selv, for det er dér erfaringen skal ind.

Produktfeeds hører til i samme kategori, men kræver lidt mere disciplin. Manglende felter, forkerte kategorier og titler uden mærkenavn er nemme at finde og nemme at rette igen hvis agenten tager fejl. Har du ikke styr på hvor dine produktdata kommer fra til at begynde med, så begynd med at tage temperaturen på hvor klar din virksomhed er til AI-agenter, inden du sætter noget til at rette i dem automatisk.

Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvor meget må agenten selv bestemme?

Beslutningsrummet sættes op i tre niveauer. Agenten må foreslå, den må udføre efter din godkendelse, eller den må udføre frit inden for en grænse du selv har skrevet ned. Grænsen skal være et tal, ikke en fornemmelse. Kroner, procent og antal gange om dagen.

Det lyder mere formelt end det er. Jeg plejer at bede kunden om at forestille sig en ny praktikant med forstand på tal. Hvad må hun selv trykke på, hvad skal du se først, og hvad må hun kun komme med et forslag til? Det er nøjagtig den samme samtale.

Det svære er ikke at vælge niveau. Det svære er at vælge det rigtige niveau til den rigtige opgave, og så flytte det når du har set nok kørsler til at vide om agenten rammer plet.

Hvordan sætter du en pengegrænse der holder?

Hos en kunde med et Google Ads-budget på cirka 40.000 kr. om måneden endte vi med tre linjer, som stod skrevet i agentens instruktion, ikke i mit hoved. Agenten må selv flytte budget mellem kampagner op til 500 kr. pr. dag, og højst 15 procent af en enkelt kampagnes dagsbudget. Alt derover bliver til et forslag i Slack med to knapper. Og nye kampagner, nye søgeordsgrupper og alt hvad der rører ved sporing, det må den overhovedet ikke selv.

Grunden til at både et kronebeløb og en procent står der, er at den ene alene ikke duer. Sætter du kun 500 kr., kan agenten halvere en lille kampagne på 600 kr. om dagen uden at overskride noget. Sætter du kun 15 procent, kan den flytte 4.000 kr. på den store kampagne. Med begge dele skal den overholde den strammeste af de to.

Vi kørte det i seks uger. I den periode lavede agenten 34 justeringer, hvoraf 29 lå inden for grænsen og blev udført uden at nogen kiggede på dem først. De fem forslag over grænsen godkendte vi tre af. De to sidste var forkerte, og begge byggede på en uge hvor sporingen havde hakket. Det er kun tal fra én kundes opsætning, men det er tal jeg selv har set, og det er den slags måling der gør det trygt at løsne grænsen bagefter. Vi hævede den til 750 kr. efter de seks uger.

Hvornår skal et svar til kunden forbi et menneske?

Alt førstegangssvar går til godkendelse i starten. Hver eneste. Ikke fordi agenten skriver dårligt, for det gør den sjældent, men fordi den første besked er den eneste chance for at lyde som jer. En kunde der får et lidt for glat svar på sin første henvendelse, skriver ikke tilbage og fortæller dig det. Han skriver bare ikke tilbage.

Hos en B2B-kunde med omkring 20 forespørgsler om ugen kørte vi det sådan i tre uger. Agenten lavede udkast, en medarbejder læste og trykte send. Vi talte hvor mange udkast der gik uændret igennem. Uge et: under halvdelen. Uge tre: lidt over 80 procent. Først der åbnede vi for at rene prisforespørgsler og standardspørgsmål om leveringstid måtte gå direkte ud, mens alt hvad der handlede om reklamationer, aftaler eller noget agenten ikke kunne finde svar på i materialet, stadig skulle forbi et menneske.

Den andel af udkast der går uændret igennem er den bedste indikator jeg kender til om en agent er klar til at få længere snor. Den er nem at tælle, og den lyver ikke.

Hvorfor rammer de fleste forkert to gange?

Mønstret går igen hos næsten alle jeg har hjulpet. Første uge er grænsen alt for løs, fordi det er sjovt og agenten virker skarp. Så laver den en dum fejl, typisk noget der koster nogle hundrede kroner eller sender et sært svar til én kunde, og så bliver alt låst fast så hårdt at agenten reelt kun må foreslå. Derefter gider ingen kigge på forslagene, og hele opsætningen dør stille.

Start stramt, og skriv ned hvornår du løsner. Sæt en dato i kalenderen tre uger frem hvor du kigger på tallene og beslutter om grænsen skal op. Uden den aftale bliver stramt til permanent.

Hvad koster det at komme i gang, og hvad løber i drift?

Omkostningen består af fire ting: modelforbrug hver gang agenten kører, integrationsarbejde så den kan læse data og handle i dine værktøjer, opsætningstid til at beskrive opgaven ordentligt, og den løbende kontrol af output. De tre første er engangsposter. Den sidste følger dig, så længe agenten kører.

Det, der overrasker folk mest, er ikke prisen. Det er at prisen ikke står stille. Et SaaS-abonnement koster det samme i februar som i juli. En agent koster det, den bruger, og den bruger mere når der er mere at læse og mere at gøre. Det er hverken godt eller skidt, men det kræver at du sætter et loft, før du sætter den i gang.

Jeg kan ikke give dig et fast kronebeløb her, og jeg vil ikke lade som om jeg kan. Priserne på modelforbrug er faldet flere gange de sidste to år, og din opgave ser ikke ud som min kundes. Derfor skriver jeg i intervaller nedenfor og siger tydeligt hvad der trækker op og ned.

Hvad går pengene til, når du sætter den første agent op?

Opsætningstiden er den post, folk undervurderer mest. Ikke fordi teknikken er svær, men fordi du skal beskrive opgaven så præcist, at en fremmed kunne udføre den. Hos en kunde med en webshop brugte vi omkring seks timer på en agent, der skulle lave ugentligt udkast til annoncetekster. Halvanden time gik til selve opsætningen. De fire og en halv gik til at blive enige om, hvad et godt udkast egentlig er, og hvilke produkter den aldrig må skrive om.

Integrationsarbejdet svinger mest af alt. Har du Google Analytics, Google Ads og et almindeligt CMS, findes forbindelserne allerede, og du er hurtigt videre. Har du et ældre ERP-system uden API, eller data der ligger i regneark på en netværksdrev, er det der budgettet ryger. Jeg har set opgaver, hvor selve agenten var billig, og hvor 80 procent af tiden gik med at få data ud af et system, der ikke var bygget til at dele noget med nogen.

Modelforbruget pr. kørsel er til gengæld typisk den mindste post i starten. En agent, der læser en rapport, tænker over den og skriver tre udkast, ligger i øre og enkelte kroner pr. kørsel hos de fleste udbydere. Det bliver først interessant, når den kører hver time i stedet for hver uge, eller når du beder den læse hele dit produktkatalog hver gang. Se de aktuelle satser direkte hos udbyderen, fx OpenAIs prisoversigt for deres API, i stedet for at stole på et tal du har hørt i en podcast.

Hvordan sætter du et loft, når forbruget er variabelt?

De fleste udbydere lader dig sætte et månedligt maksbeløb på din API-nøgle. Det gør jeg altid som det første, før agenten har kørt en enkelt gang. Vælg et tal du ville kunne se på fakturaen uden at blive sur, typisk noget der svarer til en times konsulenttid. Rammer den loftet i uge to, har du lært noget billigt om, hvor tung opgaven er.

Derudover styrer du forbruget med frekvensen. En agent, der kører én gang om ugen, koster en syvendedel af en der kører dagligt, og i langt de fleste marketingopgaver er ugentligt rigeligt. Jeg starter altid ugentligt og skruer op, hvis nogen efterspørger det. Den anden knap er mængden af data: giv agenten de sidste 30 dages tal fremfor de sidste to år, med mindre opgaven kræver historikken.

Selve beregningen af om det tjener sig hjem, holder jeg ude af denne artikel, fordi den fortjener sin egen plads. Men hvis du vil se hvilke opgaver der realistisk kan flyttes over, og derfor hvor besparelsen kan ligge, har jeg samlet dem i gennemgangen af de tre processer en AI agent kan overtage i dag. Det er den nemmeste vej til et regnestykke der hviler på din egen virkelighed og ikke på et gennemsnit.

Den post, ingen budgetterer med, er kontrollen. Nogen skal læse agentens output igennem, især de første måneder. Hos den kunde jeg nævnte, lå det på omkring 20 minutter om ugen efter de første seks uger. I starten var det nærmere en time. Den tid er ikke spildt, den er en del af prisen, og den skal med i regnestykket på lige fod med forbruget.

Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvordan bygger du din første agent uden at rode hele setuppet sammen?

Start med én opgave, ikke fem. Beskriv den så grundigt som du ville beskrive den til en ny medarbejder på første arbejdsdag. Lad derefter agenten køre parallelt med mennesket i to til fire uger, log hver eneste kørsel, og først når output holder, slipper du tøjlerne.

Den rækkefølge lyder kedelig, og det er den også. Men hver gang jeg har set nogen springe parallelperioden over, ender det med, at agenten kører videre i tre måneder uden at nogen opdager, at tallene i rapporten er gæt. Den kedelige rækkefølge er billigere end oprydningen.

Vælg opgaven efter to kriterier. Den skal gentage sig med fast interval, og du skal selv kunne se med det samme, om resultatet er rigtigt eller forkert. En ugentlig rapport opfylder begge. En kampagnestrategi gør ikke, fordi du først ved om den holder tre måneder senere.

Hvordan beskriver du opgaven, så agenten kan udføre den?

Sæt dig ned og skriv instruktionen, som om personen der læser den aldrig har set din virksomhed før. Ikke fordi agenten er dum, men fordi den ikke har siddet med til de møder hvor I blev enige om, at leads fra formularen på prissiden tæller dobbelt, og at juli altid ser forfærdelig ud fordi halvdelen af kunderne holder ferie.

Instruktionen skal indeholde fire ting. Hvad opgaven går ud på. Hvor data kommer fra, helt konkret hvilken konto og hvilken rapport. Hvordan resultatet skal se ud, gerne med et eksempel på et færdigt output fra sidste måned. Og hvad agenten skal gøre, når den ikke kan finde det den leder efter.

Den sidste er den de fleste glemmer. Skriver du ikke, hvad der skal ske ved manglende data, finder agenten på noget. Jeg skriver altid en linje i stil med: mangler tallet, så skriv datamangel i feltet og fortsæt. Den ene sætning har sparet mig for flere pinlige rapporter end noget andet.

Hos en kunde med otte ansatte brugte jeg halvanden time på at skrive instruktionen til deres ugerapport. Første udkast var på fire linjer. Det færdige var på halvanden side, fordi jeg hele tiden opdagede ting jeg selv vidste, men aldrig havde skrevet ned. Det er normalt. Halvanden time er også hele investeringen.

Hvordan ser en parallelperiode ud i virkeligheden?

Samme kunde som ovenfor. Deres marketingansvarlige brugte hver mandag omkring 50 minutter på en rapport over annoncer, trafik og leads fra ugen før. Vi satte agenten til at lave nøjagtig den samme rapport, med de samme tal og den samme opbygning, og lod begge køre i fire uger uden at hun så agentens version før hun var færdig med sin egen.

Første uge var der seks afvigelser. To af dem var agentens fejl, den havde taget et forkert datointerval. Fire af dem var hendes, fordi hun havde kopieret tal fra et gammelt ark. Det var lidt af en øjenåbner for os begge. Anden uge var der to afvigelser, tredje uge én, fjerde uge nul.

Vi førte et simpelt regneark med fem kolonner: dato, hvad afveg, hvem havde ret, hvorfor, og hvad vi rettede i instruktionen. Ti minutter om ugen. Det regneark er hele dokumentationen for, at vi turde overlade opgaven til agenten fra uge fem.

Hun laver stadig rapporten, men hun laver den ikke længere. Hun læser agentens udkast, retter kommentarerne i bunden og sender den videre. Det tager omkring tolv minutter. Over et år er det cirka 33 timer, som hun bruger på noget andet. Det er ikke en revolution, det er en mandag der blev kortere.

Vil du sætte en tidsramme, så regn med at fire uger er minimum for en ugentlig opgave, fordi du skal se fire kørsler. Kører opgaven dagligt, kan du nøjes med to uger. Kører den månedligt, skal du bruge tre måneder, og der vil jeg hellere lade mennesket blive.

Hvad går der galt, og hvordan opdager du det i tide?

Fire fejl går igen. Agenten opfinder tal der ikke står i datakilden, den gentager samme formulering i kundevendt tekst, den handler på data der er en uge gammelt, og den kører i en løkke hvor den udfører samme handling igen og igen. Alle fire kan ses i loggen længe før de bliver dyre.

Den mest ubehagelige af dem er den første. Jeg havde en agent der skrev månedsrapportudkast for en webshop, og i tredje måned stod der at konverteringerne var steget 18 procent. Tallet i Google Analytics var 4 procent. Agenten havde ikke løjet med vilje, den havde fået et hul i datatrækket og udfyldt hullet med noget der lød rimeligt. Havde kunden sendt udkastet videre til sin bestyrelse uden at tjekke, havde det været en dårlig dag for os begge.

Siden har jeg holdt en fast regel: hvis agenten skriver et tal, skal den skrive hvor tallet kommer fra i samme sætning. Kan den ikke pege på kilden, skal den skrive "data mangler" i stedet. Det gør udkastene en smule kedeligere at læse og cirka ti gange mere brugbare.

Gentagelserne er den fejl der glider længst ubemærket forbi. En agent der skriver annoncetekster eller svarudkast falder efter nogle uger ned i tre formuleringer den kan lide, og så kører den dem i ring. Læseren mærker det før du selv gør. Hvis du er usikker på hvad agenten egentlig kan og ikke kan, er det værd at læse forklaringen på hvad en AI-agent er og hvordan den træffer beslutninger, for de fleste af de her fejl følger direkte af hvordan den arbejder.

Hvilke fire ting skal du logge?

Løkken er nemlig den eneste af de fire fejl der koster penge direkte. Jeg havde en overvågningsagent der ikke fik en afslutningsbetingelse med. Den kørte 130 gange på en nat i stedet for én gang, fordi den hver gang vurderede at opgaven ikke var afsluttet. Regningen blev 380 kroner for en opgave der normalt koster fire. Havde jeg kigget på forbrugslinjen morgenen efter, var det fanget i løbet af tolv timer. Jeg opdagede det først tre dage senere.

Hvorfor fanger fem minutter om dagen det meste?

Fordi du ikke leder efter fejl, du leder efter afvigelser. Antallet af kørsler, forbruget og antallet af handlinger ligger stabilt når alt er som det skal være. Når en af de tre linjer hopper, er der noget galt, og du behøver ikke vide hvad endnu. Du skal bare vide at du skal se nærmere.

Mit eget tjek tager under fem minutter. Jeg åbner loggen, kigger på kørsler i går mod ugegennemsnittet, kigger på forbruget, og læser to tilfældige beslutningsbegrundelser igennem. De to begrundelser er vigtigere end de ser ud, for det er dem der fanger den langsomme kvalitetsglidning som tallene ikke viser.

Hos mine kunder er det som regel ikke selve fejlen der gør skade, men hvor længe den får lov at stå. En opfundet procentsats i et internt udkast er ingenting. Den samme procentsats i en mail til 4.000 abonnenter er noget andet. Derfor holder jeg alt kundevendt bag godkendelse indtil loggen har set ens ud i mindst en måned.

Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvordan måler du om agentic marketing virker?

Du måler på fire ting: hvor meget tid en kørsel sparer, hvor stor en andel af agentens output du godkender uden at rette i det, hvor hurtigt henvendelser bliver besvaret, og om den forretningsmetrik opgaven skulle flytte, flytter sig. Godkendelsesraten er den vigtigste af dem.

Det her handler ikke om at regne på forhånd om en agent kan betale sig. Det handler om at følge den mens den kører, så du kan se forskel på en agent der bliver bedre, og en der stille og roligt bliver dårligere uden at nogen siger noget.

Og det sidste sker. Jeg har set agenter køre i måneder, hvor nogen hver gang rettede i output inden det blev sendt, uden at det stod nogen steder. Alle troede det virkede. Ingen havde talt hvor mange minutter rettelserne kostede.

Hvorfor er godkendelsesraten det bedste tidlige signal?

Fordi den reagerer hurtigst. En forretningsmetrik som omsætning, leads eller konverteringsrate flytter sig langsomt og bliver påvirket af tyve andre ting samtidigt. Sæsonen, priserne, en konkurrent der skruer op for budgettet. Du kan ikke se på omsætningen i juni om din annonceteksteagent gør et godt stykke arbejde.

Godkendelsesraten siger derimod noget med det samme. Den måler hvor stor en andel af agentens output der går videre uden at et menneske retter i det. Ikke hvor mange forslag du siger ja til, men hvor mange du siger ja til uden ændringer. Der er stor forskel.

Hos en kunde i B2B-handel målte vi det på et rapportudkast der blev kørt hver mandag. De første fire uger godkendte marketingansvarlige 3 ud af 12 udkast uden rettelser. Vi læste de ni rettede igennem og fandt at otte af dem manglede den samme ting, nemlig sammenligning med samme måned året før. Det blev skrevet ind i instruktionen. De næste fire uger lå raten på 9 ud af 12. Tidsforbruget pr. rapport faldt fra 40 minutter til omkring 10.

Pointen er ikke tallet. Pointen er at rettelserne fortæller dig hvad instruktionen mangler. En agent med 25 procent godkendelse er ikke en dårlig agent, den er en dårligt beskrevet agent. Og hvis raten falder over tid, er der sket noget: data har ændret sig, en kilde er holdt op med at svare, eller opgaven har udviklet sig væk fra det du oprindeligt bad om.

Hvordan kobler du agenten til et tal i forretningen?

Ved at beslutte det ene tal inden agenten går i luften, og skrive ned hvad det står på den dag. Én metrik pr. agent. Ikke fem.

En agent der overvåger søgeord skal flytte antallet af søgeord i top 10, eller den organiske trafik på et bestemt sæt sider. En agent der laver første svarudkast på indbakken skal flytte svartiden, målt som median og ikke gennemsnit, for gennemsnittet bliver ødelagt af de tre henvendelser der lå i tre dage. En agent der tester annoncetekster skal flytte klikraten eller prisen pr. konvertering i den kampagne den arbejder i.

Kravet til perioden er den kedelige del. Skal du kunne se forskel på annonceniveau, har du typisk brug for 6 til 8 uger og nok volumen til at tallene betyder noget. På SEO er det 3 til 6 måneder. Jeg har oplevet flere gange at en agent blev dømt ude efter tre uger, hvor der aldrig var datagrundlag til at sige noget som helst.

Sammenligningsgrundlaget skal også ligge fast. Enten samme periode sidste år, eller de 90 dage inden agenten startede. Vælg én af dem og bliv ved. Hvis du skifter grundlag undervejs, kan du bevise hvad som helst, og det er præcis derfor ingen tror på rapporten bagefter.

Har du ikke styr på, hvor dine tal kommer fra, bliver hele øvelsen håbefuld. Jeg hjælper med at få opsætningen på plads i arbejdet med data og analyse, så du kan se effekten af én ændring uden at skulle tro på den. Google har en brugbar gennemgang af hvordan konverteringer registreres i Google Analytics-hjælpen, hvis du vil forstå grundlaget selv.

Svartid er den mest undervurderede af de fire. Den er nem at måle, den er svær at pynte på, og den hænger direkte sammen med hvor mange henvendelser der bliver til noget. Hos en håndværkervirksomhed faldt medianen fra knap fem timer til 35 minutter, da et udkast lå klar i indbakken. Ingen af dem klikkede send uden at læse det først.

Hvem i virksomheden skal eje agenterne?

Ejerskabet ligger hos den person der kan svare på hvorfor agenten gjorde som den gjorde. Hos de fleste virksomheder med 5 til 50 ansatte er det marketingansvarlige eller direktøren selv. Ledelsen godkender rammerne for hvad agenten må i kundevendte kanaler. Teknikken kan sagtens ligge eksternt, ansvaret kan ikke.

Jeg oplever tit at spørgsmålet først dukker op når noget er gået skævt. Agenten har sendt et annonceudkast videre med en formulering der ikke holder, og så står tre personer og kigger på hinanden. Den der byggede den, den der godkendte den, og den der ejer kanalen. Hvis de tre roller ikke er skrevet ned et sted, bliver svaret altid at det var systemet.

Derfor deler jeg ejerskabet op i tre, og jeg skriver navne ud for dem. Ikke afdelinger, navne.

Hvem ejer prompten og rammerne?

Prompten er agentens arbejdsbeskrivelse, og den skal ejes af den der kender opgaven fagligt. Ikke den der kan teknikken. Hos en af mine kunder, en produktionsvirksomhed med 22 ansatte, prøvede vi først at lade deres it-leverandør eje prompten, fordi de havde bygget integrationerne. Det holdt i seks uger. Leverandøren kunne ikke vurdere om agentens forslag til annoncetekster ramte den rigtige tone over for indkøbere i byggebranchen, og hver eneste rettelse gik gennem en supportmail.

Vi flyttede prompten over til deres marketingansvarlige, som hverken kan Python eller API'er, men som kan skrive dansk og kender kunderne. Hun redigerer nu selv teksten i agentens instruks når noget skal justeres. Gennemløbstiden på en rettelse gik fra fire dage til en halv time. Teknikken blev liggende hos leverandøren, hvor den hører hjemme.

Rammerne er noget andet end prompten. Rammerne er hvad agenten aldrig må, uanset hvor godt den argumenterer for det. Hæve et budget over et bestemt beløb. Skrive om priser. Nævne navngivne konkurrenter. Sende noget ud uden et menneske har set det. Dem ejer ledelsen, og de bør ligge i et dokument uden for agenten, så de ikke kan blive redigeret væk ved et uheld i en prompt.

Hvad sker der når den ene der forstår agenten holder ferie?

Det er det scenarie der rammer flest. I en virksomhed med 5 til 50 ansatte er der sjældent to der forstår opsætningen, og den ene tager tre uger i juli. Jeg har set en agent køre videre hele sommeren og producere rapportudkast som ingen åbnede, fordi modtageren var den samme person der var væk. Ingen skade sket, men heller ingen værdi i tolv kørsler.

Det farligere tilfælde er den agent der har lov at handle. Hvis den justerer budgetter eller pauser annoncer, og ingen kigger med, kan tre uger nå at gøre ondt. Derfor beder jeg altid om et navn på en stedfortræder, og om at agenten skrues et niveau ned i beslutningsrum når ejeren er væk. Foreslå i stedet for udføre. Det tager to minutter at skifte, og det er den billigste forsikring jeg kender.

Dokumentationen behøver ikke være stor. En side med hvad agenten gør, hvilke systemer den rører ved, hvem der kan slukke den, og hvordan man slukker den. Jeg har skrevet den slags sider på tyve minutter sammen med kunder, og de er blevet brugt hver gang nogen var syg. Hvis du vil se hvordan jeg griber den type opsætning an, ligger det under min rådgivning om AI i markedsføring.

Hvem giver direktøren modspil på beslutningen?

Beslutningen om hvor meget en agent må i kundevendte kanaler er en ledelsesbeslutning, ikke en marketingbeslutning. Den handler om omdømme og om hvad virksomheden står inde for. I virksomheder med en rigtig bestyrelse bliver den slags vendt over et bord. Uden bestyrelse sidder direktøren alene med den, og så bliver svaret enten for forsigtigt eller for hurtigt.

Nogle af de direktører jeg arbejder med bruger boardpanel.dk til det. De opretter selv en konto og får adgang til et AI-bestyrelsespanel med fem faste rådgivere, blandt andre en CMO og en Djævlens Advokat, der stiller de ubehagelige spørgsmål til netop den type beslutning. Det koster 499 kr. om måneden og erstatter ikke en bestyrelse, men det giver modspil klokken 22 en søndag, hvor alternativet var ingenting.

Skal vi tage en snak?

Tag en uforpligtende snak om hvor du står. Du går fra samtalen med mindst tre konkrete ting du kan gøre.

Ofte stillede spørgsmål

Relaterede artikler