Så expanderar du din webbutik utomlands på data (utan att bränna dig)

I våras ställde en kund med en katalog på en kvarts miljon artiklar en enkel fråga till mig: vilket land ska vi expandera till härnäst? För några år sedan hade jag offererat den analysen i månader. Efterfrågan, klickpriser, konkurrentpriser och enhetsekonomi över tretton länder betydde då någonting i stil med 400 timmars manuellt arbete, den sortens offert kunder artigt tackar nej till. Den här gången körde sökordsresearchen över natten medan jag sov, och min egen tid på det hela stannade vid några fokuserade timmar.

Analysen är värd att göra av ett brutalt skäl. Dag ett i ett nytt land har du ingen SEO-ranking, ingen varumärkeskännedom, inga återkommande kunder. Betald annonsering är den enda kanal som drar in köpare. Så ett tal avgör i tysthet om hela flytten lönar sig: vad ett klick kostar på den marknaden. Välj ett land för att det kändes rätt på ett möte, kliv in i en dyr auktion, och du blöder budget innan du har sålt en enda sak.

Och klicket är bara halva historien. Även med billig trafik måste du fortfarande stänga försäljningen, så priset på din produkt mot den lokala konkurrensen väger precis lika tungt, tillsammans med konverteringsgraden och det genomsnittliga ordervärdet på den marknaden. Västmarknader har oftast högre priser och högre klickkostnader. Östliga marknader ligger lägre på båda. Vilken kombination som faktiskt ger vinst skiljer sig från land till land, och på tjugo år med PPC har jag aldrig sett att det gått att läsa av på kartan.

Den goda nyheten är att vart och ett av de talen redan ligger i data du kan dra på en dag. Det är vad den här blueprinten gör. Den börjar med din produktkatalog, samma Google Merchant Center-fil du redan har, och slutar med en rankad tabell över länder: var du ska expandera härnäst och varför, uppbackad av verklig sökefterfrågan, verkliga klickpriser, verkliga konkurrentpriser och en simulerad avkastning på annonspengarna för varje marknad. Nedan finns varje steg, med de faktiska siffrorna från en körning över natten på en riktig webbutik.

Varför gör inte alla redan detta? För att den ärliga versionen förr var absurt dyr. Efterfrågan, priser, konkurrens och enhetsekonomi över tio eller femton marknader betydde hundratals timmars manuellt arbete: att dra sökordsvolymer land för land, översätta seeds för hand och framför allt att läsa de råa sökfrågorna rad för rad för att skilja verklig efterfrågan från skräp. Fram till för ett par år sedan kunde ingen AI göra den läsningen åt dig, så en människa fick göra den. Hundratals timmar, och det ville ingen kund betala för. Så det gjordes oftast inte, och team valde nästa land för att någon talade språket eller en distributör ringde. Idén har alltid varit sund. Det som kollapsade är kostnaden för att utföra den. De hundratals manuella timmarna är i dag en körning över natten plus en eftermiddag.

De sju stegen i överblick

Här är hela formen innan vi går på djupet. För varje steg: vad du gör, vad du tittar på, och varför. Varje steg besvarar en specifik fråga om en marknad och tar dig ett beslut närmare den rankade tabellen.

Nu samma sju steg, ett i taget, vart och ett med den konkreta sak det producerade i den här körningen.

Steg 1 · Kortlista

Steg 1: Kortlista länderna du faktiskt kan leverera till

Börja inte med vinsten, alltså vilka marknader som är störst, rikast och mest spännande. Det är fel ytterdörr. Den största marknaden är oftast den med den mest brutala auktionen, och en marknad du inte kan leverera till är värd exakt noll, hur bra siffrorna än ser ut. Det verkliga första filtret är logistik. Utgå från dit dina fraktbolag faktiskt når, och lista bara länderna där du kan ställa ett paket på en tröskel.

För den här butiken gav det 13 kandidatländer i Central- och Östeuropa och på Balkan. Hemmamarknaden (Tjeckien) står också på listan, men bara som kalibreringsbaslinje, inte som mål. Håll koll på sista kolumnen. Två länder faller bort redan här, innan ett enda sökord har dragits.

För tydlighets skull fungerar Google Ads utmärkt i båda länderna. Det som saknas är researchen. Keyword Planner stöder varken bosniska eller makedonska, så den returnerar inga sökordsförslag, inga volymer och inga CPC:er för de språken. Du kan inte prissätta en marknad som verktyget inte kan läsa. Så båda åker ur analysen, hur attraktiv deras tillväxt än ser ut (+22 % och +25 %). Tretton planerade, elva som verktyget faktiskt kan researcha.

Så ser en verklig körning ut: datan tar två av dina snyggaste alternativ av bordet, av ett skäl du aldrig hade gissat i förväg.

Steg 2 · Seeds

Steg 2: Förvandla ditt produktfeed till sökords-seeds

Du behöver inte brainstorma sökord. Seedsen kommer direkt från product_type-attributet i ditt Google Merchant Center-feed. Det attributet bär butikens eget kategoriträd, samma struktur som kunderna klickar sig genom på sajten, så det namnger redan varje kategori du säljer, med en frekvensräkning bifogad, och det ligger på din hårddisk. Råmaterialet här var ~252 000 katalogartiklar, med product_type-stigar hopklistrade med et-tecken och snedstreck som riktiga feeds alltid är (“Kyl och frys”, “Leksaker & spel”). Parsern delar dem i enskilda kategorier, släpper generiska toppnivåer (“hem”, “elektronik”, “trädgård”) och behåller bara stigar som klarar en frekvenströskel. En kvarts miljon artiklar kollapsar till en tajt, meningsfull seed-lista:

Och seedsen är precis vad du skulle fråga en marknad om: kategorier, aldrig produktnamn. De tyngsta efter katalogvikt:

För att göra det konkret, säg att butikens feed har en stig som Electronics > Mobile > Phone cases. Parsern slänger “Electronics” som för generiskt, behåller “telefonfodral” som seed och räknar hur många produkter som ligger under det. Här taggar “fodral” 14 411 artiklar, så det är uppenbart en verklig kategori värd att researcha, inte en engångsföreteelse. Produktnamn har oftast noll sökvolym, så de ignoreras; de över 40 000 varumärkena hålls tillbaka som en separat signal. Kategorierna bär researchen, och du la noll minuter på att hitta på dem.

Steg 3 · Översätt

Steg 3: Översätt varje seed till det lokala språket

Det här är steget folk hoppar över, och att hoppa över det förstör i tysthet allt som kommer efter. Researchar du Polen genom att skriva “toys” i sökordsverktyget ger Google dig volymen och CPC:n för det engelska ordet “toys”, så som det söks i Polen, en pytteliten, konstig skiva av expats och turister. Talet ser verkligt ut. Det är verkligt. Det är också värdelöst, och varje beslut efter det är nu byggt på en marknad av ingen.

Så före ett enda API-anrop översätter en LLM hela seed-listan till varje lands modersmål. De 400 kärn-seedsen, utökade med synonymer och stavningsvarianter, blev 488 poster × 12 språk = 5 856 maskinöversättningar redo att köra. Här är ett seed, “leksaker”, som det faktiskt gick ut till varje marknad:

Fråga på zabawki i stället för “toys” och du får den faktiska polska marknaden. Siffrorna flyttar sig en storleksordning, inte ett avrundningsfel. Det enda undantaget är varumärkesnamn; de översätter du aldrig. Hoppa över det här steget och steg 4 till 7 är byggda på sand, och ingen kommer att säga det till dig, för kalkylarket ser fullt rimligt ut hela vägen fram till fel beslut.

Steg 4 · Dra efterfrågan

Steg 4: Dra sökefterfrågan för varje marknad

Nu det tunga lyftet, och det första du laddar ner. Du kör varje översatt seed, i varje land, genom Google Ads-endpointen GenerateKeywordIdeas, med länken från varje sökord tillbaka till dess käll-product_type bevarad. Jag har skrivit kod mot Google Ads API i tolv år, och det här är fortfarande den endpoint jag lutar mig mest mot. Den returnerar samma efterfrågedata som Keyword Planner visar, bara i en skala ingen människa skulle klicka sig igenom. Har du ingen åtkomst till Google Ads API? Använd DataForSEO:s API i stället. Det serverar samma sökordsdata, du betalar per request, och priserna är låga nog för att även en körning i den här storleken ska förbli billig. Över de elva researchbara länderna producerade körningen 1 402 486 sökordsidéer. Och fördelningen per marknad är redan i sig ett fynd, för rå efterfrågan följer inte marknaderna du skulle satsa på:

Om efterfrågan var hela historien skulle den här tabellen vara svaret: Polen, Tyskland, Österrike, kör. Det är precis fällan. Tyskland och Österrike sitter överst här, och just därför marscherar en analys som bara tittar på efterfrågan rakt in i den dyraste auktionen i uppsättningen. Marknaderna som faktiskt vinner står längre ner, och stegen med klickpriser och ekonomi är på väg att lyfta dem.

Körningen bokförs seed för seed, land för land: 4 220 seed-land-jobb försökta, 3 619 returnerade data, 601 gav fel. De flesta felen var API-kvotgränser, och kvotfel provar du helt enkelt igen senare tills körningen är komplett. Resten var avbrotten från steg 1 för språk utan stöd, och dem fixar ingen retry. Spara loggen hur som helst; du vill ha bevis på vilka celler som faktiskt har data bakom sig.

Steg 5 · Städa

Steg 5: Städa sökorden, inte seedsen

Ett brett seed släpar in brus, och det självklara draget är att döda det brusiga seedet. Gör det inte. “Fotboll” i Tyskland drar in miljoner Bundesliga-sökningar som inte har något med din butik att göra. Samma seed drar också in “fotbollsskor”, som du i högsta grad vill sälja. Dödar du seedet dödar du dess köpintentions-barn på köpet. Så du filtrerar på sökordsnivå, inte seed-nivå, varje gång.

Här är vad städningen faktiskt tog bort i den här körningen, kategorier utanför segmentet först, sedan rent brus:

Regeln i ett exempel. Seedet “auto-moto” är utmärkt för den här butiken, som säljer tillbehör till bilar. Men på tyska drar det också in “gebrauchtwagen” (begagnade bilar) och “auto kaufen” (köpa bil), värdelöst för en småvaru-webbutik. Du raderar inte seedet. Du raderar de specifika sökorden och behåller “Handyhalter Auto” (mobilhållare för bilen). Över 2 100 skräpsökord borta, de bra orörda.

Och städning är inte bara subtraktion; det är också att tagga signalen du vill ha. För en katalog i fyndsegmentet bor köpintentionen i deal-orden, så 49 770 sökord taggades som fyndavsikt över elva språk:

Det är steget som skiljer en leverans kunden litar på från ett kalkylark de i tysthet ignorerar. Mitt första pass var fullt av Bundesliga, 2026-kalendrar och begagnatbilsannonser. Det krävdes en andra full genomgång över tio språk innan jag hade en kärna värd att lämna över.

Steg 6 · Konkurrensskrapning

Steg 6: Skrapa konkurrenterna och deras priser

Allt hittills mäter efterfrågan. Inget av det säger dig om du kliver in på en marknad och blir tillplattad på pris av en etablerad spelare som varit där i tio år. För det måste du titta på själva slagfältet. Så för de översta 20–30 % mest sålda produkterna per kategori lokaliserar du titeln och skrapar den live resultatsidan per marknad. En POST-request till DataForSEO:s SERP-endpoint returnerar hela sidan som strukturerad JSON, och det kostar omkring 0,0035 $ per fråga, så att kolla 3 000 topprodukter på en marknad går på cirka 10,50 $. Själva anropet, redo att klistra in, ligger i rutan i slutet av artikeln.

Ett svar, tre saker, ett pris: paid-blocket (konkurrenternas annonstexter, råmaterial för din egen messaging), popular_products (shopping-listningar med live-priser du inte kan få från ditt eget Merchant Center) och de organiska resultaten (marknadens verkliga spelare, även de som inte annonserar). Du betalar för en priskoll och går därifrån med ett bibliotek av konkurrent-copy och en karta över marknaden.

Och eftersom alltihop är skriptat stannar du inte vid priserna. Samma pipeline går vidare till konkurrenterna den just hittade och drar resten av deras erbjudande: leveranspriser och -tider, gränser för fri frakt, betalmetoder, postförskott eller inte. I den här regionen är det sista det som avgör ordrar. Om varje lokal butik erbjuder postförskott och du inte gör det, är det i kassan ditt billiga klick dör. Vi kör allt detta genom DataForSEO:s SEO-API:er, så det är en enda JSON-pipeline från ände till ände, inga hemmabyggda skrapor att passa. Och kostnaden för hela programmet är poängen:

En full konkurrens-SERP-genomgång över tolv länder kostar 22–126 $ beroende på läge. Jämför det med en Semrush-prenumeration på ~140 $+ i månaden, fast, bara för UI:et. Du kartlägger varje konkurrent på varje målmarknad för mindre än en månad av verktyget alla faller tillbaka på.

Steg 7 · Poängsätt

Steg 7: Poängsätt varje marknad och rangordna dem

Nu kollapsar allt till ett tal per land. Från verklig CPC, en försvarbar konverteringsgrad och AOV per marknad simulerar du ROAS för varje marknad, och viktar sedan efterfrågan, priser, logistik, tillväxt och inträdesfriktion till en enda poäng. En rankad tabell. Det du kom för:

Där är den: Slovakien, Polen och Serbien. En liten marknad, en marknad med betalningshuvudvärk och ett icke-EU-land de flesta inte skulle ha föreslagit. Tyskland, landet med mest efterfrågan i hela uppsättningen (348 tusen sökordsidéer), hamnar fyra, nedtryckt av en simulerad ROAS på knappt 1,0. Österrike, det andra standardvalet, kommer femma, under 1,0, vilket betyder att det går med förlust.

De två marknader som ser mest självklara ut är de två som matematiken kastar ut först.

Vad är det som drar ner dem? En medveten, brutal regel som håller tabellen ärlig. När den simulerade ROAS:en faller under den gångbara tröskeln multipliceras poängen med 0,4. Kom ihåg varför. På en färsk marknad är paid din enda kanal. Du har ingen SEO än, inget varumärke, inga återkommande kunder. En marknad där betald annonsering inte lönar sig kan inte vara din ingång, hur stor vinsten än är. Straffet finns just för att hindra kalkylarket från att stämpla en magkänsla.

Så är poängen byggd: nio viktade faktorer

Poängen är inte en enda metrik med krona på. Det är nio komponenter, var och en viktad efter hur mycket den faktiskt flyttar beslutet. ROAS dominerar, för en enorm marknad med brutala CPC:er förlorar varje gång mot en liten marknad med billiga klick. Det är hela lärdomen från rankningen ovan:

Två hårda straff håller den ärlig. ROAS under gångbarhetströskeln multiplicerar poängen med 0,4, som ovan. Och ett land helt utan CPC-data skärs ner till en tredjedel, för du satsar inte på en marknad du inte kan prissätta. Just det andra straffet är skälet till att de två länder som ströks i steg 1 aldrig ens når rankningen: inget språkstöd, ingen sökordsdata, inget pris att modellera, ingen försvarbar satsning.

Den största hävstången: priset på ett klick per marknad

Skalar du ner modellen till den enda faktor som flyttar den mest, är det den här. Här är medianen av planner-CPC per marknad från körningen över natten, över 745 712 städade, prissatta sökordsidéer (Google Ads GenerateKeywordIdeas, 28–29 april 2026). Varje siffra är i CZK, kontots egen valuta, så marknaderna jämförs rent. Spridningen är hela skälet att inte välja den självklara marknaden på autopilot:

Läs färgerna före siffrorna. Kartan är sval i öster och söder och hettas upp ju längre västerut du kommer: Serbien och Balkan ligger i mint, Tyskland och Österrike brinner korall, och ett österrikiskt klick kostar 5,1× ett serbiskt, ett tyskt klick 4,5×. Det är före korgstorlek, före konverteringsgrad, före allt du själv kan styra. Den streckade raden är ankaret. De 2,54 CZK är vad hemmakontot verkligen betalar per klick i Tjeckien i dag. Även Polen, regionens största marknad och bara en gräns bort, planerar sitt medianklick till nästan det dubbla. Inte en enda marknad på listan lovar hemmapriser, och de välbekanta västmarknaderna ligger en hel faktor fem över golvet och tar ut den resten av kampanjens livstid. (Albanien är utelämnat ur kartan, för med bara 31 prissatta idéer är dess median inte värd att lita på.)

Varför avgör det här enda talet så mycket? För att i ett nytt land är klicket kostnaden för en kund; du har ingen annan väg in än. Håll allt annat konstant och ändra bara klicket, och klickpriset ensamt svänger din avkastning på annonspengarna med omkring 5×. Samma produkt, samma konverteringsgrad, samma korg. Det enda som rör sig är vad marknaden tar betalt för att du ska synas:

Vid 2 % konverteringsgrad krävs 50 klick för en försäljning. Så en serbisk försäljning kostar 121 CZK i annonser och en österrikisk 620 CZK, för exakt samma produkt. Mot samma korg är det en sund ROAS på 8,3× i Serbien och en förlustbringande 1,6× i Österrike. Inget ändrades utom landets klickpris. Det är hela argumentet i en tabell: efterfrågan som ser billigast ut kan vara den dyraste kunden.

Den ärliga brasklappen är densamma som i callouten. Det här är planner-estimat, och planner-CPC ligger högt. Det verkliga hemmakontot betalade 2,54 CZK per klick över 22,6 miljoner sökfrågor, under till och med den billigaste planner-siffran här. Läs alltså siffrorna som relativt marknadstryck, inte som det bokstavliga pris du kommer att betala. Förhållandena håller; de absoluta siffrorna sjunker när du kalibrerar. Och ett dyrare västklick kan ändå löna sig om dess korg är större, vilket är exakt varför du inte stannar vid klicket.

Den andra halvan: ditt produktpris mot den lokala marknaden

Klicket får besökaren till din sida. Om de köper beror på ditt pris mot den lokala konkurrensen, och den prisnivån svänger mellan marknader ännu hårdare än klicket. Samma motionscykel som håller en hylla på 349 € i Österrike säljs för 151 € i Rumänien. En hushållsfläkt är 126 € i Österrike och 41 € i Ungern. Rankningen hittills prissätter klicket och är blind för varje euro av det här, för den tittar aldrig på vad konkurrensen faktiskt tar.

Så jag körde lagret som modellen hoppar över. För sexton kategorier butiken faktiskt för drog jag konkurrenternas medianpris på varje marknad och satte den bredvid butikens egen median. Medianer på båda sidor, aldrig den enskilt billigaste listningen, för ett enda avvikarpris säger dig ingenting. Källan är Google Shoppings popular_products-karusell, de verkliga listningarna verkliga kunder ser. De elva kategorierna med bred nog täckning för att jämföra över marknader står nedan.

En sak innan du läser den. Butikens egen kolumn kräver ärlig inramning. Det här är en fyndbutik. Katalogen är medvetet byggd av den billiga änden av varje kategori, så dess median landar ofta på halva kategorins typiska marknadspris, ibland lägre. Att jämföra den mot marknadssnittet som om varorna vore likvärdiga skulle smickra varje cell. Läs därför varje cell som utrymme i stället, alltså hur högt den lokala hyllan sitter över butikens fyndgolv. Det utrymmet är cellfärgen: grön är brett (marknaden på 3× golvet eller mer), guld är hyfsat (1,6–3×), korall är trångt (under 1,6×).

Två saker faller ut som klickpris-tabellen aldrig kunde visa dig.

Utrymme är kategori × marknad, aldrig ett platt “vi är billigare”. Dammsugare och tangentbord går i korall nästan överallt. Även en fyndbutik ligger en hårsmån från marknaden på elektronik med högt värde, för där är allas marginal redan tunnskavd. Men motionscyklar, terrarier, snökedjor och ridsportutrustning lyser grönt. I de hörnen tar marknaden fem till femton gånger golvet, för ingen konkurrerar hårt på pris där. “Vi är det billiga alternativet” är sant per cell, inte per land. Och det är cellerna som säger dig vilka delar av katalogen du ska leda expansionen med.

Marknaderna med dyra klick är också marknaderna med dyra hyllor. Tyskland och Österrike bär de två dyraste klicken i hela körningen, och det är precis där hyllan sitter högst (Österrikes motionscykel-hylla är 349 €, Rumäniens 151 €). Det är nyansen som klickkostnads-rankningen döljer. Ett dyrt österrikiskt klick kan ändå gå ihop om korgen det köper är värd mer, medan ett billigt polskt klick in på en billig polsk hylla i tysthet kan vara den sämre affären. Klickkostnad och hyllpris är två olika axlar, och du ser fällan först när du plottar båda. Därför viktar poängen ovan priskonkurrens till 15 %, precis efter ROAS.

Och hålen i tabellen är i sig ett fynd. Karuselltäckningen tunnas ut ju längre öster- och söderut du kommer. Tyskland, Österrike och Polen fyller nästan varje cell; Ungern, Slovakien och Rumänien visar redan luckor; och marknaderna med de allra billigaste klicken, Balkan, returnerar nästan ingenting, för Google renderar ingen popular_products-karusell i de länderna. Prislagret förångas exakt där klicket såg billigast ut. För att prissätta de marknaderna lämnar du Google och läser de lokala prisjämförelserna (Ceneje.si, Jeftinije.hr, Pazaruvaj.bg), vilket är en annan eftermiddags arbete.

Bonus: samma data säger dig när du ska lansera

Du betalade för en sökordskörning och den bar i tysthet en andra leverans: tolv månaders sökvolym per sökord, 16,7 miljoner månatliga datapunkter över 1,39 miljoner sökord. Aggregera det och efterfrågekurvan är omisskännlig. En toppmånad bär 40 % mer sökefterfrågan än den lugnaste.

December kröner kurvan, juli bottnar den. Precis vad du skulle vänta dig av en blandvarukatalog. Den enda svängen är din timing-signal för lanseringen. Du öppnar inte en ny marknad in i dess döda månad, och du laddar budgeten före december-upptakten, inte mitt i den. Analysen du körde för att välja var har redan sagt dig när, gratis.

Verkliga siffror, en verklig körning

Varje siffra ovan kom ur en verklig körning. Här är huvudsiffrorna, med två andra gränsöverskridande analyser som måttstock:

Två marknader fick strykas mitt i körningen för att sökordsverktygen inte stöder deras språk. Den sortens begränsning lär du dig bara genom att faktiskt köra grejen. De ~10 timmarna är maskintid. Researchen mal natten igenom över alla länder parallellt medan du sover. Det mänskliga arbetet (forma feedet, kalibrera ekonomin, städa bruset, bygga leveransen) är några fokuserade timmar ovanpå. Jag brukade offerera exakt den här leveransen till ungefär en halv miljon tjeckiska kronor, och pengarna gick aldrig till smart kod. De köpte hundratals timmars handarbete. En människa läste och städade sökfrågor marknad för marknad, ett jobb ingen AI kunde röra för några år sedan. Kunderna sa begripligt nog nej. Nu är det en körning över natten plus en dag av min uppmärksamhet.

(De −86 % är från en annan, långt mer nischad katalog, en B2B-butik med byggprofiler där de flesta sökord från breda seeds verkligen var off-topic. Fyndbutiken ovan tappade bara en ensiffrig procent. Hur aggressiv städningen blir beror helt på hur nischad du är.)

Vad du gör med rankningen

Vanliga frågor