Sådan udvider du din webshop til udlandet ved hjælp af data (uden at brænde fingrene)

Her i foråret stillede en kunde med et katalog på en kvart million varer mig et enkelt spørgsmål: hvilket land skal vi udvide til næste gang? For få år siden ville jeg have sat måneder af til den analyse i et tilbud. Efterspørgsel, klikpriser, konkurrentpriser og enhedsøkonomi på tværs af tretten lande betød dengang noget i retning af 400 timers manuelt arbejde, den slags tilbud kunder høfligt takker nej til. Denne gang kørte søgeordsresearchen natten over, mens jeg sov, og til sidst kostede det hele mig én enkelt arbejdsdag.

Analysen er værd at lave af én brutal grund. På dag ét i et nyt land har du ingen SEO-placeringer, ingen brandkendskab, ingen tilbagevendende kunder. Betalt annoncering er den eneste kanal, der bringer købere. Så ét tal afgør i stilhed, om hele manøvren betaler sig: hvad et klik koster på det marked. Vælg et land, fordi det føltes rigtigt på et møde, og du træder ind i en dyr auktion og bløder budget, før du har solgt en eneste vare.

Og klikket er kun den ene halvdel. Selv med billig trafik skal du stadig lukke salget, så prisen på dit produkt i forhold til den lokale konkurrence betyder lige så meget, sammen med konverteringsraten og den gennemsnitlige ordreværdi på markedet. Vestlige markeder har typisk højere priser og højere klikpriser. Østlige markeder ligger lavere på begge. Hvilken kombination der rent faktisk giver overskud, er forskellig fra land til land, og i mine tyve år med PPC har jeg aldrig oplevet, at man kunne aflæse det på kortet.

Den gode nyhed er, at hvert eneste af de tal allerede ligger i data, du kan trække på en dag. Det er, hvad dette blueprint gør. Det starter med dit produktkatalog, den samme Google Merchant Center-fil, du allerede har, og ender med en rangeret tabel over lande: hvor du skal udvide næste gang og hvorfor, bakket op af reel søgeefterspørgsel, reelle klikpriser, reelle konkurrentpriser og et simuleret afkast på annoncekronerne for hvert marked. Nedenfor er hvert trin, med de faktiske tal fra ét natligt gennemløb på en rigtig webshop.

Hvorfor gør alle det så ikke allerede? Fordi den ærlige version før var absurd dyr. Efterspørgsel, priser, konkurrence og enhedsøkonomi på tværs af ti eller femten markeder betød hundredvis af timers manuelt arbejde: at trække søgeordsvolumener land for land, oversætte seeds i hånden og frem for alt at læse de rå søgninger linje for linje for at skille reel efterspørgsel fra støj. Indtil for et par år siden kunne ingen AI læse dem for dig, så det måtte et menneske gøre. Hundredvis af timer, og det ville ingen kunde betale for. Så det blev som regel ikke gjort, og teams valgte deres næste land, fordi nogen talte sproget, eller en distributør ringede. Idéen har altid været sund. Prisen for at udføre den er kollapset. De hundredvis af manuelle timer er i dag ét natligt gennemløb plus én dags arbejde.

De syv trin i overblik

Her er hele forløbet, før vi går i dybden. For hvert trin: hvad du gør, hvad du kigger på, og hvorfor. Hvert trin besvarer ét konkret spørgsmål om et marked og bringer dig én beslutning tættere på den rangerede tabel.

Nu de samme syv trin, ét ad gangen, hvert med den konkrete ting, det producerede i dette gennemløb.

Trin 1 · Shortlist

Trin 1: Shortlist de lande, du rent faktisk kan levere til

Start ikke med potentialet, altså hvilke markeder der er størst, rigest og mest spændende. Det er den forkerte hoveddør. Det største marked er som regel det med den mest brutale auktion, og et marked, du ikke kan levere til, er præcis nul værd, uanset hvor gode tallene ser ud. Det reelle første filter er logistik. Start der, hvor dine fragtfirmaer faktisk når ud, og skriv kun de lande op, hvor du kan stille en pakke på et dørtrin.

For denne webshop gav det 13 kandidatlande i Central- og Østeuropa og på Balkan. Hjemmemarkedet (Tjekkiet) står også på listen, men kun som kalibreringsbaseline, ikke som mål. Hold øje med den sidste kolonne. To lande falder fra allerede her, før et eneste søgeord er trukket.

For en god ordens skyld kører Google Ads fint i begge lande. Det, der mangler, er researchen. Keyword Planner understøtter hverken bosnisk eller makedonsk, så den returnerer ingen søgeordsforslag, ingen volumener og ingen CPC’er for de sprog. Du kan ikke prissætte et marked, værktøjet ikke kan læse. Så begge ryger ud af analysen, uanset hvor attraktiv deres vækst ser ud (+22 % og +25 %). Tretten planlagt, elleve som værktøjet faktisk kan researche.

Sådan ser et rigtigt gennemløb ud: dataene tager de to muligheder, der så bedst ud, af bordet, af en grund, du aldrig ville have gættet på forhånd.

Trin 2 · Seeds

Trin 2: Lav dit produktfeed om til søgeords-seeds

Du behøver ikke brainstorme søgeord. Seedsene kommer direkte fra product_type-attributten i dit Google Merchant Center-feed. Til seeds er product_type den eneste attribut, du har brug for. Til hele gennemløbet er den det ikke: trin 6 vil også have id, title og price for at bygge prisaksen mod konkurrenterne, plus ét tal, feedet slet ikke rummer: salget, altså hvad end der fortæller dig, hvilke produkter der er dine bestsellere.

Den attribut bærer shoppens eget kategoritræ, den samme struktur kunderne klikker sig igennem på sitet, og den er indlejret i op til fem niveauer (Electronics > Mobile > Accessories > Cases > Leather). Tag ikke kun det sidste niveau i en sti, og tag heller ikke kun det første: hak den op i hvert eneste navn, den indeholder. Fjern så dubletterne på tværs af hele feedet, for den samme kategori sidder i snesevis af forskellige stier, og uden den oprydning lander den halvtreds gange i dine seeds. Attributten navngiver altså allerede hver kategori, du sælger, med en frekvenstælling hæftet på, og den ligger på din harddisk.

Råmaterialet her var ~252.000 katalogvarer med product_type-stier klistret sammen med og-tegn og skråstreger, som rigtige feeds nu engang er (»Køleskabe og frysere«, »Legetøj & spil«). Ét kategorinavn rummer derfor ofte to forskellige kategorier på én gang, og dem skal du skille ad: »Køleskabe og frysere« er to seeds, ikke ét. Split på &, på ordet »og«, på skråstreger, kommaer og bindestreger. Og for hvert seed, der kommer ud af opsplitningen, skriver du de synonymer ned, markedet rent faktisk søger med: »fryser« og »dybfryser«, »notebook« og »bærbar«. Præcis de to udvidelser er det, der gør 400 kategorier til de 488 indgange, der går videre til oversættelse.

Parseren splitter dem i enkelte kategorier, dropper generiske topniveauer (»hjem«, »elektronik«, »have«) og beholder kun stier, der kommer over en frekvenstærskel. Den tærskel vælger du ikke som et absolut tal, du vælger den bagfra: sortér kategorierne efter frekvens, og klip der, hvor du står med et par hundrede seeds. Her landede det på 400, og den mindste overlevende kategori taggede stadig 234 varer. Et par hundrede er den rigtige størrelse fra begge sider: går du lavere, bliver kategorierne engangstilfælde uden søgevolumen, går du højere, betaler du for API-kald, der ikke tilføjer noget til beslutningen. En kvart million varer kollapser til en stram, meningsfuld seed-liste:

Og seedsene er præcis det, du ville spørge et marked om: kategorier, aldrig produktnavne. De tungeste målt på katalogvægt:

For at gøre det konkret, lad os sige, at shoppens feed har en sti som Electronics > Mobile > Phone cases. Parseren smider »Electronics« væk som for generisk, beholder »telefoncovers« som seed og tæller, hvor mange produkter der ligger under det. Her tagger »covers« 14.411 varer, så det er tydeligvis en reel kategori, der er værd at researche, ikke et engangstilfælde. Produktnavne har for det meste nul søgevolumen, så de ignoreres; de over 40.000 brands holdes tilbage som et separat signal. Kategorierne bærer researchen, og du har brugt nul minutter på at opfinde dem.

Trin 3 · Oversæt

Trin 3: Oversæt hvert seed til det lokale sprog

Det her er trinnet, folk springer over, og det ødelægger i stilhed alt, der kommer efter. Researcher du Polen ved at taste »toys« ind i søgeordsværktøjet, giver Google dig volumen og CPC for søgninger på det engelske ord »toys« i Polen: et lillebitte, underligt udsnit af expats og turister. Tallet ser ægte ud. Det er ægte. Det er også værdiløst, og hver beslutning derefter er bygget på et marked, der ikke findes.

Så før et eneste API-kald oversætter en LLM hele seed-listen til hvert lands modersmål. De 400 kerneseeds, udvidet med synonymer og stavevarianter, blev til 488 indgange × 12 sprog = 5.856 maskinoversættelser, klar til brug. Her er ét seed, »legetøj«, som det faktisk gik ud til hvert marked:

Spørg på zabawki i stedet for »toys«, og du får det faktiske polske marked. Tallene flytter sig en størrelsesorden, ikke en afrundingsfejl. Den ene undtagelse er brandnavne; dem oversætter du aldrig. Springer du dette trin over, er trin 4 til 7 bygget på sand, og ingen fortæller dig det, for regnearket ser helt plausibelt ud hele vejen frem til den forkerte beslutning.

Trin 4 · Træk efterspørgsel

Trin 4: Træk søgeefterspørgslen for hvert marked

Nu det tunge løft, og det første, du downloader. Du kører hvert oversat seed i hvert land gennem Google Ads-endpointet GenerateKeywordIdeas og bevarer undervejs linket fra hvert søgeord tilbage til dets kilde-product_type. Jeg har skrevet kode mod Google Ads API i tolv år, og det er stadig det endpoint, jeg læner mig mest op ad. Det returnerer de samme efterspørgselsdata, som Keyword Planner viser, bare i en skala, intet menneske ville klikke sig igennem. Har du ikke adgang til Google Ads API? Så brug DataForSEO API’et i stedet. Det serverer de samme søgeordsdata, du betaler pr. request, og priserne er lave nok til, at selv et gennemløb i denne størrelse forbliver billigt. På tværs af de elleve lande, der kunne researches, producerede gennemløbet 1.402.486 søgeordsidéer. Og fordelingen pr. marked er i sig selv et fund, for den rå efterspørgsel flugter ikke med de markeder, du ville satse på:

Hvis efterspørgsel var hele historien, ville denne tabel være svaret: Polen, Tyskland, Østrig, af sted. Det er præcis fælden. Tyskland og Østrig ligger øverst her, og netop derfor sender en analyse, der kun ser på efterspørgsel, dig direkte ind i den dyreste auktion i sættet. De markeder, der faktisk vinder, står længere nede, og trinnene med klikpriser og økonomi er ved at løfte dem op.

Gennemløbet bogføres seed for seed, land for land: 4.220 seed-land-jobs forsøgt, 3.619 returnerede data, 601 fejlede. De fleste fejl var API-kvotegrænser, og kvotefejl prøver du bare igen senere, indtil gennemløbet er komplet. Resten var afbrydelserne fra trin 1 på grund af manglende sprogunderstøttelse; dem løser det ikke at prøve igen. Gem loggen uanset hvad; du vil have bevis for, hvilke celler der faktisk har data bag sig.

Trin 5 · Rens

Trin 5: Rens søgeordene, ikke seedsene

Et bredt seed slæber støj med sig, og det oplagte træk er at fjerne det støjende seed. Lad være. »Fodbold« i Tyskland trækker millioner af Bundesliga-søgninger, der intet har med din shop at gøre. Det samme seed trækker også »fodboldstøvler«, som du i høj grad vil sælge. Fjerner du seedet, fjerner du dets børn med købsintention i samme hug. Så du filtrerer på søgeordsniveau, ikke seed-niveau, hver gang.

Her er, hvad oprydningen faktisk fjernede i dette gennemløb, kategorier uden for segmentet først, derefter ren støj:

Reglen i ét eksempel. Seedet »auto-moto« er glimrende for denne shop, som sælger tilbehør til biler. Men på tysk trækker det også »gebrauchtwagen« (brugte biler) og »auto kaufen« (køb en bil), værdiløst for en småvare-webshop. Du sletter ikke seedet. Du sletter de konkrete søgeord og beholder »Handyhalter Auto« (mobilholder til bilen). Over 2.100 junk-søgeord væk, de gode urørte.

Og oprydning er ikke kun at trække fra; det er også at tagge det signal, du vil have. For et katalog i tilbudssegmentet bor købsintentionen i tilbudsordene, så 49.770 søgeord blev tagget med tilbudsintention på tværs af elleve sprog:

Det er det trin, der afgør, om kunden stoler på leverancen eller bare lader regnearket ligge. Min første gennemgang var fuld af Bundesliga, 2026-kalendere og brugtbilsannoncer. Det krævede endnu en fuld gennemgang på tværs af ti sprog, før jeg havde en kerne, der var værd at aflevere.

Trin 6 · Konkurrent-scrape

Trin 6: Scrape konkurrenterne og deres priser

Alt indtil nu måler efterspørgsel. Intet af det fortæller dig, om du træder ind på et marked og bliver fladmast på pris af en etableret spiller, der har været der i ti år. Det kræver et kig på selve slagmarken. Så for de øverste 20–30 % bedst sælgende produkter pr. kategori lokaliserer du titlen og scraper den live resultatside pr. marked. Definér »bedst sælgende« ud fra omsætningen de seneste tolv måneder, ikke ud fra antal stk.: du vil have priserne på de produkter, der reelt bærer omsætningen, og en rangering efter stk. ville oversvømme listen med billige småting. Feedet rummer ikke det tal, så hent det fra GA4 eller Google Ads’ produktrapport og join på id. Ét POST-request til DataForSEOs SERP-endpoint returnerer hele siden som struktureret JSON, og det koster omkring 0,0035 $ pr. forespørgsel, så et tjek af 3.000 topprodukter på et marked løber op i cirka 10,50 $. Selve kaldet, klar til at kopiere, ligger i downloadpakken sidst i artiklen.

Ét svar, tre ting, én pris: paid-blokken (konkurrenternes annoncetekster, råmateriale til din egen messaging), popular_products (shopping-listings med live-priser, du ikke kan få fra dit eget Merchant Center) og de organiske resultater (markedets reelle spillere, også dem, der ikke annoncerer). Du betaler for et pristjek og går derfra med et bibliotek af konkurrent-copy og et kort over markedet.

Og fordi det hele er scriptet, stopper du ikke ved priserne. Den samme pipeline går videre til de konkurrenter, den lige har fundet, og trækker resten af deres tilbud: leveringspriser og -tider, grænser for fri fragt, betalingsmetoder, efterkrav eller ej. I denne region er det netop efterkrav, der afgør, om der bliver bestilt. Hvis hver lokal shop tilbyder efterkrav, og du ikke gør, er det i checkout, dit billige klik dør. Vi kører det hele gennem DataForSEOs SEO-API’er, så det er én JSON-pipeline fra ende til anden, ingen hjemmelavede scrapere, du skal holde øje med. Og prisen for hele programmet er pointen:

Et fuldt konkurrence-SERP-gennemløb på tværs af tolv lande koster 22–126 $ afhængigt af, hvilken tilstand du vælger. Sammenlign det med et Semrush-abonnement til ~140+ $ om måneden, fast, bare for UI’et. Du kortlægger hver konkurrent på hvert målmarked for mindre end én måned af det værktøj, alle griber til som standard.

Trin 7 · Score

Trin 7: Scor hvert marked, og rangér dem

Nu kollapser det hele til ét tal pr. land. Ud fra reel CPC, en forsvarlig konverteringsrate og AOV pr. marked simulerer du ROAS for hvert marked og vægter derefter efterspørgsel, priser, logistik, vækst og indgangsfriktion sammen til én score. Én rangeret tabel. Det, du kom efter:

Der er den: Slovakiet, Polen og Serbien. Et lille marked, et marked med betalingshovedpine og et ikke-EU-land, de færreste ville have foreslået. Tyskland, landet med den næststørste efterspørgsel i hele sættet (348 tusind søgeordsidéer), lander som nummer fire, trukket ned af en simuleret ROAS på knap 1,0. Østrig, det andet oplagte valg, kommer ind som nummer fem, under 1,0, hvilket betyder, at det taber penge.

De to markeder, der ser mest oplagte ud, er de to, regnestykket smider ud først.

Hvad er det, der trækker dem ned? Én bevidst, brutal regel, der holder tabellen ærlig. Når den simulerede ROAS falder under den levedygtige tærskel, ganges scoren med 0,4. Husk hvorfor. På et nyt marked er paid din eneste kanal. Du har ingen SEO endnu, intet brand, ingen tilbagevendende kunder. Et marked, hvor betalt annoncering ikke betaler sig, kan ikke være din indgang, uanset hvor stort potentialet er. Straffen findes netop for at forhindre regnearket i at blåstemple en mavefornemmelse.

Sådan er scoren bygget: ni vægtede faktorer

Scoren er ikke én metric med en krone på. Det er ni komponenter, hver vægtet efter, hvor meget den faktisk flytter beslutningen. ROAS dominerer, for et kæmpe marked med brutale CPC’er taber hver eneste gang til et lille marked med billige klik. Det er hele lektien fra rangeringen ovenfor:

To hårde straffe holder scoren ærlig. ROAS under levedygtighedstærsklen ganger scoren med 0,4, som ovenfor. Og et land helt uden CPC-data skæres ned til en tredjedel, for du satser ikke på et marked, du ikke kan prissætte. Netop den anden straf er grunden til, at de to lande, der røg ud i trin 1, aldrig når rangeringen: ingen sprogunderstøttelse, ingen søgeordsdata, ingen pris at modellere, ingen forsvarlig satsning.

Den største løftestang: prisen på et klik pr. marked

Skræller du modellen ned til den ene faktor, der flytter mest, er det denne. Her er median-planner-CPC pr. marked fra det natlige gennemløb, på tværs af 745.712 rensede, prissatte søgeordsidéer (Google Ads GenerateKeywordIdeas, 28.–29. april 2026). Hvert tal er i CZK, kontoens egen valuta, så markederne kan sammenlignes rent. Spredningen er hele grunden til ikke at vælge det oplagte marked pr. automatik:

Læs farverne før tallene. Kortet er køligt mod øst og syd og varmes op, jo længere vestpå du kommer: Serbien og Balkan ligger i mint, Tyskland og Østrig brænder koral, og et østrigsk klik koster 5,1× et serbisk, et tysk klik 4,5×. Det er før kurvstørrelse, før konverteringsrate, før alt det, du selv kan styre. Den stiplede række er ankeret, men læs den omhyggeligt. De 2,54 CZK er, hvad hjemmekontoen reelt betaler pr. klik i Tjekkiet i dag, mens hvert andet tal på kortet er et planner-estimat, og de er typisk sat for højt. At stille dem side om side er at sammenligne en kvittering med et overslag: derfor havner Serbien optisk under hjemmeankeret (2,42 mod 2,54), selv om det reelle serbiske klik lander langt lavere, når du først har kalibreret. Den ærlige sammenligning er planner mod planner, og der er spredningen selve pointen. Polen er regionens største marked og grænser op til Tjekkiet, og alligevel sætter planneren det polske medianklik til næsten det dobbelte af Serbiens. På de velkendte vestlige markeder når planner-estimatet fem gange det serbiske tal. Og den højere pris betaler du så resten af kampagnens levetid. (Albanien er udeladt af kortet, for med kun 31 prissatte idéer er dets median ikke værd at stole på.)

Hvorfor afgør det ene tal så meget? Fordi klikket i et nyt land er prisen på en kunde; du har ingen anden vej ind endnu. Hold alt andet konstant, og ændr kun klikprisen. Så varierer dit afkast på annoncekronerne med omkring en faktor fem. Samme produkt, samme konverteringsrate, samme kurv. Det eneste, der flytter sig, er, hvad markedet tager for at lade dig blive set:

Ved en konverteringsrate på 2 % kræver det 50 klik at lave ét salg. Så et serbisk salg koster 121 CZK i annoncer og et østrigsk 620 CZK, for præcis det samme produkt. Med samme kurv er det en sund ROAS på 8,3× i Serbien og en tabsgivende 1,6× i Østrig. Intet ændrede sig, undtagen landets klikpris. Det er hele argumentet i én tabel: når alt andet holdes uændret, afgør klikprisen alene, om det samme produkt tjener penge eller taber dem.

Det ærlige forbehold er det samme som i callouten. Det her er planner-estimater, og planner-CPC er typisk sat for højt. Den reelle hjemmekonto betalte 2,54 CZK pr. klik over 22,6 mio. søgetermer, under selv det billigste planner-tal her. Læs derfor tallene som relativt markedspres, ikke som den bogstavelige pris, du kommer til at betale. De indbyrdes forhold holder stik; de absolutte tal falder, når du kalibrerer. Og et dyrere vestligt klik kan stadig betale sig, hvis det fører til en større ordre, hvilket er præcis grunden til, at du ikke stopper ved klikket.

Den anden halvdel: din produktpris mod det lokale marked

Klikket får den besøgende ind på din side. Om de køber, afhænger af din pris i forhold til den lokale konkurrence, og det prisniveau varierer endnu kraftigere mellem markeder end klikprisen. Den samme motionscykel, der står på hylden til 349 € i Østrig, sælges for 151 € i Rumænien. En ventilator til hjemmet koster 126 € i Østrig og 41 € i Ungarn. Rangeringen indtil nu prissætter klikket og er blind for hver eneste euro af det her, for den kigger aldrig på, hvad konkurrenterne faktisk tager.

Så jeg kørte det lag, modellen springer over. For seksten kategorier, shoppen faktisk fører, trak jeg konkurrenternes medianpris på hvert marked og satte den ved siden af shoppens egen median. Medianer på begge sider, aldrig den enkelte billigste listing, for én outlier-pris fortæller dig ingenting. Kilden er Google Shoppings popular_products-karrusel, de reelle listings, rigtige kunder ser. Nedenfor står de elleve kategorier, hvis dækning er bred nok til at sammenligne på tværs af markeder.

Én ting, før du læser den. Shoppens egen kolonne kræver en ærlig indramning. Det her er en tilbuds-shop. Kataloget er bevidst bygget af den billige ende af hver kategori, så shoppens median lander ofte på halvdelen af kategoriens typiske markedspris, nogle gange lavere. At stille den op mod markedsgennemsnittet, som om varerne var ens, ville få hver eneste celle til at se bedre ud, end den er. Læs derfor hver celle som råderum i stedet, altså hvor højt det lokale prisniveau ligger over shoppens prisbund. Det råderum er cellefarven: grøn er bred (markedet på 3× prisbunden eller mere), guld er anstændig (1,6–3×), koral er stram (under 1,6×).

Prisoversigten her viser dig to ting, klikpris-tabellen aldrig kunne vise dig.

Råderum er kategori × marked, aldrig et fladt »vi er billigere«. Støvsugere og tastaturer kører koral næsten overalt. Selv en tilbuds-shop ligger en hårsbredde fra markedet på elektronik med høj værdi, for der er alles margin allerede barberet tynd. Men motionscykler, terrarier, snekæder og rideudstyr lyser grønt. I de hjørner tager markedet fem til femten gange prisbunden, fordi ingen konkurrerer hårdt på pris. »Vi er den billige mulighed« er sandt pr. celle, ikke pr. land. Og det er cellerne, der fortæller dig, hvilke dele af kataloget du skal føre an med i udvidelsen.

Markederne med de dyre klik er også markederne med de høje hyldepriser. Tyskland og Østrig har de to dyreste klik i hele gennemløbet, og det er præcis der, prisniveauet ligger højest (i Østrig koster en motionscykel på hylden 349 €, i Rumænien 151 €). Det er den nuance, klikpris-rangeringen skjuler. Et dyrt østrigsk klik kan stadig hænge sammen, hvis den ordre, det bringer ind, er mere værd, mens et billigt polsk klik ind på et lavt polsk prisniveau i det stille kan være den dårligere handel. Klikpris og hyldepris er to forskellige akser, og du ser først fælden, når du plotter begge. Derfor vægter scoren ovenfor priskonkurrence med 15 %, lige efter ROAS.

Og hullerne i tabellen er i sig selv et fund. Karruseldækningen tynder ud, jo længere mod øst og syd du kommer. Tyskland, Østrig og Polen udfylder næsten hver celle; Ungarn, Slovakiet og Rumænien viser allerede huller; og markederne med de allerbilligste klik, Balkan, returnerer næsten ingenting, fordi Google ikke viser en popular_products-karrusel i de lande. Prislaget fordamper præcis der, hvor klikket så billigst ud. For at prissætte de markeder forlader du Google og læser de lokale prissammenligninger (Ceneje.si, Jeftinije.hr, Pazaruvaj.bg), hvilket er en anden eftermiddags arbejde.

Bonus: de samme data fortæller dig, hvornår du skal lancere

Du betalte for ét søgeordstræk, og det gav i stilhed en leverance nummer to med i købet: tolv måneders søgevolumen pr. søgeord, 16,7 millioner månedlige datapunkter på tværs af 1,39 millioner søgeord. Aggregér det, og efterspørgselskurven er ikke til at tage fejl af. I den travleste måned ligger søgeefterspørgslen 40 % højere end i den stilleste.

December topper kurven, juli bunder den. Præcis hvad du ville forvente for et bredt varekatalog. Det ene udsving er dit timing-signal for lanceringen. Du lancerer ikke på et nyt marked i dets døde måned, og du skruer op for forbruget før december-optakten, ikke midt i den. Du kørte den analyse for at afgøre, hvor du skulle udvide. Den svarede også på hvornår, uden ekstra omkostninger.

Rigtige tal, ét rigtigt gennemløb

Hvert tal ovenfor kom ud af ét rigtigt gennemløb. Her er hovedtallene, med to andre cross-border-analyser som målestok:

To markeder måtte droppes midt i gennemløbet, fordi søgeordsværktøjerne ikke understøtter deres sprog. Den slags begrænsning lærer man kun ved faktisk at køre tingen. De ~10 timer er maskintid. Researchen maler natten igennem på tværs af alle lande parallelt, mens du sover. Det menneskelige arbejde (forme feedet, kalibrere økonomien, rense støjen, bygge leverancen) tager én dag mere. Jeg plejede at prissætte præcis denne leverance til omkring en halv million tjekkiske kroner, og pengene gik aldrig til smart kode. De købte hundredvis af timers håndarbejde. Et menneske var nødt til at læse og rense søgninger marked for marked, et job, ingen AI kunne røre for få år siden. Kunderne sagde forståeligt nok nej tak. Nu er det ét natligt gennemløb plus én dag af min tid.

(De −86 % er fra et andet og langt mere nichepræget katalog, en B2B-shop med byggeprofiler, hvor de fleste søgeord fra brede seeds reelt var off-topic. I tilbuds-shoppen ovenfor blev kun en encifret procentdel sorteret fra. Hvor aggressiv oprydningen bliver, afhænger helt af, hvor niche du er.)

Hvad du skal bruge rangeringen til

Ofte stillede spørgsmål