Automatisk cross-sell email baseret på koeb
Du udnytter ikke potentialet i cross-selling fordi du ikke har tid til at sende personlige anbefalinger.
En anden udfordring er dokumentation og sporbarhed. Når processerne sker manuelt og spredt over forskellige systemer, bliver det hurtigt svært at se, hvad der skete hvornår og hvorfor. Det skaber problemer ved revision, fejlfinding og onboarding af nye medarbejdere, der skal forstå hvordan tingene hænger sammen.
Resultatet er en organisation der bruger 4 timer om ugen på arbejde, der burde gøres automatisk. Ganges det op over et år, taler vi om 200+ timer — svarende til mere end en måneds fuldtidsarbejde — brugt på at flytte data fra ét sted til et andet.
Vi bygger et flow der analyserer kundens koeb, identificerer relevante produkter med AI, og sender en personlig anbefaling efter X dage.
Flowet er bygget til at håndtere edge cases og undtagelser: tomme felter, duplikater, uventede dataformater og netværksfejl behandles alle kontrolleret, så du aldrig ender med halvfærdige poster i Klaviyo. Fejlhåndteringen er tænkt ind fra starten, ikke tilføjet som eftertanke.
Sådan kører automatiseringen fra trigger til resultat
Triggeren er pålidelig og fejltolerant: hvis Shopify midlertidigt er utilgængeligt, sættes hændelsen i kø og behandles, så snart forbindelsen er genetableret.
Data valideres og renses
Inden data behandles videre, tjekker flowet for duplikater og inkonsistenser. Samme hændelse kan aldrig føre til dobbelt behandling, selv hvis triggeren skulle affyres to gange.
Behandling og transformation
Make.com udfører de nødvendige transformationer og beregninger baseret på de regler I har aftalt under opsætningen. Forretningslogikken er konfigureret én gang og køres konsekvent hver eneste gang.
OpenAI modtager de behandlede data og udfører handlingen: . Alt sker inden for sekunder og skrives direkte ind i systemet med de korrekte felter, kategorier og relationer.
Bekræftelse og log
Flowet holder dig orienteret uden at overdynge dig med notifikationer. Du kan konfigurere nøjagtigt hvilke hændelser der skal generere en besked til dig, og hvilke der blot logges.
Konkrete fordele ved at automatisere denne proces
- Spar 6–8 timer om ugen der tidligere gik til timer på manuel ordrehåndtering
- Frigivet fokus: dit team kan bruge tid på det der kræver menneskelig vurdering — ikke rutinearbejde
- Tilpasningsdygtig: forretningsregler og undtagelseshåndtering kan justeres løbende uden at bygge forfra
- Fuld sporbarhed: komplet log over alle automatiske handlinger til intern revision og fejlfinding
- Enkel opsætning: flowet er live på 1–3 arbejdsdage og kræver ingen teknisk viden at vedligeholde
- Eliminer forsinket eller forkert ordrebehandling — flowet behandler data konsekvent og fejlfrit hver gang
- Shopify
- Make.com
- OpenAI
- Klaviyo
Ofte stillede spørgsmål
Hvad sker der, hvis Shopify eller Make.com er midlertidigt utilgængeligt?
Make.com har indbygget retry-logik: hvis Shopify eller Make.com er utilgængeligt, forsøger flowet igen automatisk med eksponentiel backoff. Data går aldrig tabt — de sættes i kø og behandles, så snart forbindelsen er reetableret. Du modtager en notifikation, hvis der opstår et problem der kræver din opmærksomhed.
Kan vi tilpasse flowet, efterhånden som vores forretning udvikler sig?
Absolut. Make.com-flows er designet til at være fleksible. Efterhånden som jeres processer ændrer sig, kan reglerne justeres, nye trin tilføjes og integrationer udvides. Vi anbefaler en kort gennemgang hvert halvår for at sikre, at flowet stadig afspejler virkeligheden i jeres forretning.
Kan flowet håndtere undtagelser og specielle tilfælde?
Ja. Under opsætningen gennemgår vi de mest almindelige undtagelser i netop din proces og bygger håndtering af dem ind i flowet. Atypiske hændelser der falder uden for de definerede regler, flagges og sendes til manuel behandling i stedet for at blive ignoreret eller behandlet forkert.
Vækstbureauet ApS: Fra manuel rutine til automatisk flow
Vækstbureauet er et digitalt marketingbureau der driver emailkampagner for 12 kunder. Manuelt at sætte segmenter op, skrive subject lines og schedule udsendelser kostede e-mail-strategen 4–6 timer per kampagne — tid der ellers kunne bruges på opgaver der rent faktisk kræver menneskelig vurdering. Problemet var ikke mangel på vilje, men at processen simpelthen ikke var bygget til at køre automatisk.
Efter implementering af automatiseringen ændrede hverdagen sig mærkbart: åbningsraten steg med 18 procentpoint fordi timing og segmentering nu er datadrevet. Det der tidligere krævede opmærksomhed mæltider og aftner er nu et flow der kører i baggrunden — fejlfrit, konsekvent og uden at nogen skal huske at gøre det.
Hvor lang tid tager det at sætte automatiseringen op?
De fleste flows er klar til brug inden for 1–3 arbejdsdage. Vi starter med en kort afklaringssnak om jeres specifikke opsætning og integrationer, derefter bygger og tester vi flowet i et testmiljø før det går live. Komplekse flows med mange forgreninger eller tilpasninger kan tage op til en uge.
Hvad koster det løbende at køre flowet?
Make.com opkræver baseret på antal operationer. For et typisk flow med 500–2.000 kørsler om måneden ligger omtrent 9–29 USD/måned. Hertil kan komme API-omkostninger fra tredjeparts-tjenester — fx OpenAI-kald ved AI-automatiseringer — men disse er typisk forsvindende små sammenlignet med den sparede arbejdstid.
Hvad sker der, hvis et trin i flowet fejler?
Make.com har indbygget retry-logik og fejlhåndtering. Hvis et trin fejler — for eksempel fordi en API er midlertidigt utilgængelig — forsøger flowet automatisk igen. Hvis fejlen vedvarer, sendes en notifikation til dig med detaljer om, hvad der gik galt. Ingen data går tabt; de sættes i kø og behandles når forbindelsen er genetableret.
Inkluder altid et "confidence check" i dine AI-flows: bed modellen rate sin egen sikkerhed (1–10) og sænd resultater med en score under 7 til manuel review. Det forebygger, at usikre AI-svar når frem til kunder eller kollegaer uden at nogen har set dem.
De tre ting der gør email-automatisering vellykket
God email-automatisering starter med god data. Inden vi sætter flowet op, er det værd at rydde op i din kontaktliste: fjern ugyldige adresser, dobbeltindtastninger og kontakter der ikke har givet samtykke. En ren liste sikrer højere leveringsrater og forebygger, at dit afsenderdømme skades af for mange bounces og spam-markeringer.
Tænk også over din segmenteringsønsker på forhånd. Hvilke ejendomsfelter i dit CRM eller email-værktøj skal afgøre, hvem der får hvilke emails? Købshistorik, geografi, kundelivstidsværdi eller engagementsscore? Jo mere præcist du definerer dine segmenter inden opsætningen, desto skarpere kan automatiseringen rettes til dine specifikke målgrupper.
Endelig: sæt forventningerne til frekvens. Overvej hvor mange emails det er rimeligt at sende til et givent segment inden for 30 dage, og byg "suppression"-regler ind fra start. Det beskytter din afsenderom dømme og sikrer, at dine modtagere forbliver engagerede — ikke irriterede.
Har du en lignende opgave?
Beskriv hvad der tager tid i din hverdag, så vurderer vi uforpligtende om vi kan automatisere det for dig.
Send din opgave