Lær, hvordan brands bruger AI: Eksempler og strategier

Kunstig intelligens er på rekordtid gået fra vision til virkelighed, og virksomheder tager teknologien i brug som aldrig før. McKinsey vurderer, at 92 % af virksomhederne forventer at øge deres investeringer i AI i løbet af de næste tre år. Samtidig oplever de virksomheder, der allerede bruger AI, mærkbare fordele. Ifølge Goldman Sachs siger 80 % af små virksomheder, at de arbejder mere effektivt med AI, mens næsten halvdelen oplever, at teknologien har styrket deres databaserede beslutninger.

AI er dog ikke en løsning på alt. Teknologien skaber først reel værdi, når den bliver brugt med et klart formål og implementeret korrekt. AI kan ikke erstatte den kreativitet, dømmekraft og intuition, som små virksomheder bygger på. Til gengæld kan den gøre små teams i stand til at udrette mere. En Shopify-undersøgelse fra 2025 viser, at 69 % af virksomhedsejere, der bruger AI-værktøjer, anvender dem til at skabe indhold. AI bliver også brugt til dataanalyse, kundeindsigter (32 %), bedre kundeservice (29 %) og produktudvikling (23 %).

Flere virksomheder oplever, at AI skaber størst værdi, når teknologien understøtter menneskelig kreativitet og kapacitet i stedet for at erstatte den. I denne artikel kigger vi nærmere på, hvordan brands bruger AI, og hvor teknologien skaber de bedste resultater.

Fra dataanalyse til smartere kampagner

Det, der tidligere krævede fokusgrupper, spørgeskemaer og ugevis af analyse, kan nu klares på få minutter med AI. Små virksomheder bruger i stigende grad AI til markedsanalyse, fx til at analysere kundeanmeldelser, samtaler på sociale medier og søgeadfærd. Det gør det lettere at identificere nye behov, før konkurrenterne når at reagere.

Jones Road Beauty bruger værktøjer som OpenAI's Deep Research til at analysere tusindvis af produktanmeldelser, Reddit-tråde og YouTube-kommentarer. På baggrund af analyserne identificerede teamet bag beautybrandet fem kundeprofiler fra virkeligheden, bl.a. travle forældre og personer, der rejser ofte. Indsigterne blev brugt i kampagnen for den tonede fugtighedscreme Just Enough og hjalp teamet med at skærpe budskaberne, vælge de rigtige modeller og forme den kreative retning.

AI til dataanalyse gør ikke kun dataarbejdet hurtigere. Den gør det også lettere for flere medarbejdere at arbejde med data. Wallet- og accessoriesbrandet Ridge bruger AI til at fjerne interne flaskehalse, som tidligere bremsede databaserede beslutninger. "Vi har et datalager og alle de her Shopify-rapporter", fortæller Ridges direktør Sean Frank. "I stedet for at gøre det manuelt kan jeg tage et screenshot, uploade det til ChatGPT, og så laver den analysen for mig. Hele mit team kan arbejde som dataanalytikere." I stedet for at vente i flere timer eller dage på, at en specialist gennemgår tallene, kan alle på teamet få de indsigter, de har brug for, med det samme.

Det er et godt eksempel på, hvordan brands bruger AI til at gøre avanceret dataanalyse tilgængelig for hele organisationen, hvilket tidligere var var forbeholdt større organisationer. Når dataanalyse bliver mere tilgængelig, kan brands handle hurtigere, eksperimentere oftere og bygge kampagner på det, kunderne rent faktisk tænker og gør.

Udvikling af personlige produkter

For små virksomheder med begrænsede udviklingsressourcer kan det være både dyrt og tidskrævende at lancere et nyt produkt, men AI er ved at ændre spillereglerne. Ved at sætte fart på research, indholdsproduktion og brugertests gør AI det muligt for teams at udvikle og lancere nye digitale produkter langt hurtigere end tidligere. I mange tilfælde handler det ikke kun om at forkorte udviklingstiden, men også om at gøre helt nye typer af personlige og adaptive produkter mulige.

Loftie er en wellnessvirksomhed, der udvikler søvnprodukter, og de brugte AI til at udvikle og lancere appen Loftie Rest, som supplerer virksomhedens populære vækkeur. Appen udvidede Lofties forretning og skabte en ny indtægtskilde i form af en abonnementsbaseret forretningsmodel, som i dag har omkring 15.000 medlemmer. "Vi havde ikke lanceret det her produkt uden AI", fortæller stifter og CEO Matthew Hassett. "Det var det første skridt mod den abonnementsapp, vi har i dag."

Rest-appen bygger på personligt tilpasset indhold. Det begynder med Storymaker, som skaber skræddersyede godnathistorier ud fra en kort spørgerunde og justerbare stemmeprofiler ved hjælp af OpenAI og ElevenLabs. Loftie tager personaliseringen et skridt videre med funktionen Night School, som analyserer sammenhængen mellem brugernes Apple Health-data, skærmvaner, alarmindstillinger og deres egen vurdering af søvnkvaliteten. Når værktøjet opdager mønstre som fx at scrolling ved midnat fører til dårligere søvn, foreslår det ændringer i vanerne eller opfordrer brugeren til at blokere forstyrrende apps. "Vi bruger AI til at finde mønstre og komme med forslag, der hjælper dig med at lægge telefonen fra dig om aftenen", fortæller Matthew.

Loftie kombinerer AI-baserede indsigter med indhold skabt af mennesker i hele appen lige fra undervisningsmoduler til meditationsforløb. AI vurderer, hvad brugeren har brug for, mens mennesker former det endelige indhold. Resultatet er et digitalt produkt, der løbende tilpasser sig den enkelte bruger og samtidig bevarer en tydelig menneskelig tone. Loftie viser samtidig, hvordan brands bruger AI til at udvikle personlige digitale produkter, uden at den menneskelige oplevelse går tabt.

Skalering af annonceproduktion og test

Det er blevet en vigtig del af en stærk strategi for betalt annoncering at kunne skalere produktionen af annonceindhold. For at få succes har brands brug for stadig flere annoncevarianter, ofte flere, end et kreativt team realistisk kan producere på egen hånd.

Ridge bruger AI til at løse den udfordring. Virksomheden har udviklet en tilpasset GPT, som er trænet på deres bedst performende annoncer, og koblet den sammen med automatiseringsværktøjer, der genererer hundredvis af nye annoncevarianter hver dag. "Vi har bygget en fabrik til statiske annoncer", fortæller Sean. "Jeg kan få 500 annoncer om dagen, uden at nogen rører et tastatur."

Materialet bliver lagt i et fælles drev til gennemgang, men det meste bliver aldrig brugt. Og det er helt bevidst. Pointen er at skabe volumen. "Ud af de 500 er 450 forfærdelige", siger Sean. "Men de bedste 10 % ligger et sted mellem fem og syv ud af 10. Dem sætter vi annoncebudget bag." Næste skridt er at udvide processen til video og skabe flere hooks og variationer, som kan testes.

AI erstatter ikke Ridges kreative team. Virksomhedens bedst performende annoncer bliver stadig skabt af designerne, som igen og igen leverer de bedste resultater. AI giver dem flere idéer, flere variationer og flere muligheder for, at platforme som Facebook kan vise den rette annonce til den rette person på det rette tidspunkt.

"Fremtidens annoncering handler om at teste flere idéer", forklarer Sean. "Det, du ser og reagerer på, vil være helt anderledes end det, jeg ser og reagerer på." Ved at kombinere indhold skabt af mennesker med store mængder AI-genererede variationer kan Ridge eksperimentere i en skala, der ikke er mulig manuelt, og løbende forbedre deres betalte annoncering på baggrund af data. Ridges tilgang viser, hvordan brands bruger AI til at producere, teste og optimere annoncer i en skala, der tidligere krævede langt større marketingteams.

Forbedring af kundeservice

Tidlige AI-værktøjer som chatbots og interaktive stemmesvar (IVR) var oplagte til at håndtere gentagne spørgsmål som "Hvor er min ordre?" og "Hvornår har I åbent?". Derfor er kundeservice et af de områder, hvor AI er kommet længst i små virksomheder. Men det er stadig vigtigt at finde en passende balance mellem AI og menneskelig kundeservice. En undersøgelse fra Acquire Intelligence fra 2024 viste, at én dårlig oplevelse med AI i kundeservice ville få 70 % af forbrugerne til at overveje at handle et andet sted.

Hos Loftie besvarer AI-agenter nu mere end halvdelen af alle indgående supportmails. "Det er svært at sikre ensartede svar, når mange forskellige supportmedarbejdere besvarer henvendelser. AI er langt mere konsekvent", fortæller stifter og CEO Matthew Hassett. "Den har besvaret det samme spørgsmål 1.000 gange før." Teamet bruger også AI til at finde mønstre i det, Matthew kalder en "datakirkegård", og omsætte tusindvis af kundehenvendelser til indsigter, der forbedrer både produktet og kundeoplevelsen. "Jeg er ærligt talt overrasket over, at nogle brands stadig tøver med at bruge AI i kundeservice", siger han.

Ridge har oplevet lignende fordele. "Kundeservice er et virkelig oplagt anvendelsesområde for AI", forklarer Sean. "Omkring 60 % af vores henvendelser bliver besvaret af AI." Virksomheden har også oplevet en stigning i kundetilfredsheden på 10-20 % sammenlignet med arbejdsgange, der udelukkende involverer mennesker. "Kunderne kan godt lide at tale med AI", tilføjer han. "Det går hurtigere, det er mere effektivt, og svarene er mere præcise."

Forbedringerne skyldes et skifte fra regelbaserede chatbots til AI-agenter, som kan forstå brugerens hensigt, tage højde for tidligere interaktioner, hente kundedata og udføre enkle opgaver som at behandle refunderinger eller sende erstatningsvarer. Den type funktioner var tidligere forbeholdt store virksomheder, men er i dag tilgængelige gennem værktøjer som Zendesk og HubSpot.

Når AI bliver implementeret med omtanke, og teams ved, hvornår følelsesladede eller komplekse sager skal sendes videre til en medarbejder, kan de håndtere flere henvendelser uden at gå på kompromis med kvaliteten. Rutineopgaver bliver løst hurtigt og ensartet, mens supportmedarbejderne får mere tid til de samtaler, der gør den største forskel.

I takt med at AI udvikler sig, ligger den største mulighed for små virksomheder i at bruge teknologien dér, hvor den styrker medarbejdernes arbejde, og lade mennesker stå for den del af kundeoplevelsen, der er med til at definere brandet.