Nettbutikken din vet kanskje hvilket materiale et plagg er laget av, mens salgsrapporten fortsatt behandler alle plagg likt. Shopify Sidekick kan nå besvare analysespørsmål ved å kombinere støttede metafelter og metaobjekter med salgstall. Det gir nettbutikker en praktisk måte å undersøke sortimentsvalg på, uten å måtte eksportere data til et regneark hver gang et nytt spørsmål dukker opp. Verdien avhenger av datagrunnlaget: Slik ville vi klargjort det, kontrollert svarene og vurdert hvilke funn det er verdt å handle på.
Hva er nytt i analysefunksjonene i Shopify Sidekick?
I oppdateringen fra 17. november opplyser Shopify at Sidekick nå kan bruke butikkens metafelter og metaobjekter til å besvare analysespørsmål. Shopify nevner materiale, leverandør og designeren knyttet til et produkt som eksempler på opplysninger du kan undersøke sammen med salgstall.
Det er ett konkret krav: Sidekick kan bruke metafelter der Filtrer eller grupper data i Analyse er aktivert. Shopify opplyser også at enkelte metafelttyper og rapporter ennå ikke støttes. Kunngjøringen er altså ikke et løfte om at alle egendefinerte felter i butikken kan brukes i rapporter med en gang.
Dette er en nyttig og konkret utvikling innen data og KI, som også står sentralt i Shopifys oversikt over veksttrender innen DTC. For nettbutikker ligger muligheten i å stille kommersielle spørsmål basert på produktegenskapene som betyr noe for virksomheten, fremfor å begrense seg til kategoriene i en standardrapport.
Vårt råd: Start med en innkjøpsbeslutning, ikke en KI-demonstrasjon. En salgsfordeling etter materiale er nyttig hvis den hjelper deg med å vurdere en ny bestilling. Et imponerende svar som ingen kontrollerer eller bruker, blir bare enda en rapport som tar oppmerksomhet.
Metafelter og metaobjekter: Forskjellen du bør kjenne til
Et metafelt lagrer egendefinert informasjon på en ressurs i Shopify. Et produkt kan for eksempel ha et metafelt for materiale eller en referanse til en designer. Med disse feltene kan du registrere informasjon utover Shopifys standardfelter på en strukturert måte.
Et metaobjekt samler beslektet, egendefinert informasjon i en gjenbrukbar oppføring. En designeroppføring kan for eksempel inneholde opplysninger som flere produkter refererer til. Det er noe annet enn å skrive inn designerens navn manuelt i hver enkelt produktbeskrivelse.
For analyse er konsekvent registrering avgjørende. Hvis teamet registrerer samme materiale under flere navn, kan analysen splitte opp det som burde vært én gruppe. Hvis feltet er tomt på eldre produkter, kan resultatene si mer om den nylig oppdaterte delen av produktkatalogen enn om virksomheten som helhet.
Sidekick gjør det enklere å stille spørsmål om disse feltene. Men teamet som har ansvar for sortimentet, må fortsatt definere hva feltene betyr.

Ta utgangspunkt i en konkret beslutning når du bruker Shopify Sidekick
Velg et spørsmål noen har ansvar for å følge opp
Start med noe en bestemt person trenger å ta stilling til. En innkjøper kan undersøke totalt salg fordelt på materialgrupper i forrige kvartal før en ny bestilling vurderes. En sortimentsansvarlig kan undersøke salg per designer før synligheten til ulike kolleksjoner endres.
Skriv ned beslutningen separat fra analysespørsmålet. «Gå gjennom bomullssortimentet før neste innkjøpsordre» gir analysen et formål. «Utforsk de egendefinerte dataene våre» sier ingenting om hva et nyttig svar skal bidra til.
Avgrens det første spørsmålet. Oppgi salgsmålet og tidsperioden, og legg deretter til feltet du vil gruppere etter. Shopifys eget eksempel spør etter totalt salg per materiale i forrige kvartal. Bruk det som en fornuftig mal, ikke som bevis på at alle varianter av spørsmålet vil fungere.
Kontroller feltet før du aktiverer det
Finn den aktuelle metafeltdefinisjonen og sjekk om analyseinnstillingen er tilgjengelig. Hvis den er det, aktiverer du Filtrer eller grupper data i Analyse. Hvis felttypen eller rapporten du ønsker å bruke, ikke støttes, bør du ikke bruke ettermiddagen på å omformulere samme spørsmål. Sjekk de gjeldende begrensningene og bruk en etablert rapporteringsmetode i stedet.
Før du baserer deg på resultatet, bør du gå gjennom innholdet i feltet:
- Dekning: Er feltet fylt ut for alle produktene som inngår i analysen, også eldre produkter?
- Begrepsbruk: Er samme materiale registrert med ulike stavemåter eller interne forkortelser?
- Betydning: Betyr «leverandør» alltid den samme forretningsrelasjonen, eller brukes det noen ganger om produsenten?
- Ansvar: Hvem oppdaterer feltet når produktinformasjonen endres?
Avklar tvetydigheter før du rydder i dataene i stor skala. Å slå sammen «bomullsblanding» og «bomull» kan gjøre rapporten ryddigere, men samtidig fjerne et skille innkjøperen trenger. Målet er korrekt klassifisering, ikke en kortere liste med verdier.
Kontroller svaret før det tas med i innkjøpsmøtet
Et tydelig formulert svar kan virke mer troverdig enn et uoversiktlig regneark. Nettopp derfor må det første resultatet kontrolleres.
Be Sidekick om fordelingen, og undersøk deretter eventuelle rapporter eller underliggende detaljer som følger med. Bekreft salgsmålet og datointervallet. Sjekk om filtre utelater produkter du forventet å se. Hvis dette ikke kommer tydelig frem, ber du om en avklaring fremfor å anta at systemet har brukt teamets vanlige definisjoner.
Sammenlign svaret med en kjent Shopify-rapport med tilsvarende innstillinger. Et spørsmål om totalt salg bør ikke kontrolleres mot en rapport over nettosalg og avvises som feil fordi summene er ulike. Avklar hva hvert salgsmål inkluderer før du sammenligner resultatene.
Se deretter på produkter du kjenner godt. Havner plagget i materialgruppen du forventer? Hva skjer med produkter som mangler materialverdi? Hvis summen av gruppene ikke stemmer med det sammenlignbare totaltallet, bør du undersøke avviket før du deler en konklusjon.
Vær særlig nøye når du tolker historiske data. Undersøk om fordelingen bruker produktets nåværende egendefinerte verdi eller en verdi som ble lagret da salget fant sted. Kunngjøringen avklarer ikke dette. Hvis produkter har byttet leverandør eller klassifisering, må du kontrollere hvordan rapporteringen fungerer før du bruker resultatet til å vurdere historiske prestasjoner.
Vi ville lagret det godkjente spørsmålet sammen med definisjonen av salgsmålet og notater fra kontrollen. Da får neste person et spørsmål som kan brukes på nytt, i stedet for et skjermbilde uten forklaring av forutsetningene.
En salgsrapport per materiale er et utgangspunkt, ikke en bestillingsliste
Se for deg en klesbutikk som sammenligner salg på tvers av materialgrupper. Sidekick viser en fordeling der bomull ligger øverst. Det er fristende å konkludere med at butikken bør kjøpe inn mer bomull.
Men resultatet viser bare at bomull leder på det valgte salgsmålet. Det kan også ha vært flere bomullsprodukter tilgjengelig, eller de kan ha fått mer eksponering i kampanjer. Et annet materiale kan ha vært utsolgt store deler av perioden. Omsetning alene kan ikke avklare disse forklaringene.
Bruk fordelingen til å finne ut hva du bør undersøke nærmere:
- Sammenlign sortimentet bak hver gruppe. Et bredt utvalg har flere muligheter til å generere salg enn et smalt utvalg.
- Gå gjennom varetilgjengeligheten før du tolker svakt salg som lav etterspørsel.
- Kontroller rabatter og varekostnader før du bruker høyest omsetning som begrunnelse for å øke innkjøpene.
- Undersøk returer der pålitelige data er tilgjengelige. Sterke salgstall kan likevel gi et skuffende økonomisk resultat.
Dette er oppfølgende analyseoppgaver, ikke en påstand om at Sidekick kan besvare alle spørsmålene ved hjelp av feltene som nå støttes. Bruk eksisterende rapporter eller andre systemer når spørsmålet går utover analysefunksjonene som er tilgjengelige.
Den riktige beslutningen kan være å få inn igjen varer i et oversett materiale, fremfor å utvide utvalget av dagens bestselger. Bedre spørsmål kan avdekke den muligheten, men du må fortsatt vurdere grunnlaget selv.

Hvem bør bruke dette, og hvem bør vente?
Sidekick er verdt å teste når de egendefinerte dataene beskriver forskjeller som har kommersiell betydning. Nettbutikker med oppdaterte materialfelter eller konsekvente designerreferanser har et godt utgangspunkt. Fordelen er at du kan stille oppfølgingsspørsmål i Shopify-administrasjonen uten å måtte få bygget en ny rapporteringsflyt for hver idé.
Vent med å bruke svarene som grunnlag for innkjøp hvis feltene er ufullstendige eller tolkes ulikt av forskjellige team. Du kan fortsatt teste funksjonen, men gjør det tydelig at formålet er å kontrollere datagrunnlaget og resultatene. Ikke presenter et foreløpig funn som en ferdig anbefaling.
Behold også etablerte BI-prosesser der de dekker andre behov. En økonomimodell som kombinerer innkjøpskostnader med lagerkostnader, trenger mer enn en salgsfordeling etter produktegenskap. Shopify hevder ikke at kunngjøringen erstatter slike beregninger.
Vi ville ikke kjøpt en ny analyseapp bare for å teste et slikt spørsmål om egendefinerte data som allerede støttes. Test den innebygde funksjonen først. Samtidig ville vi ikke fjernet et rapporteringsverktøy fordi Sidekick ga et godt svar under en demonstrasjon. Vurder hvert verktøy ut fra beslutningene det støtter, og hvor godt du kan etterprøve grunnlaget.
Gjør analysen mulig å gjenta
Velg et felt teamet allerede vedlikeholder, og en avsluttet rapporteringsperiode. Rydd i de relevante verdiene, bekreft at feltet støttes, og still spørsmålet. Be personen som er ansvarlig for den kommersielle beslutningen, om å gjennomgå resultatet sammen med dokumentasjonen fra kontrollen.
Hvis det fungerer, dokumenterer du de godkjente feltverdiene og spørsmålet. Gi noen ansvar for å holde dataene brukbare etter hvert som nye produkter legges til i katalogen. Hvis det ikke fungerer, registrerer du om problemet skyldes manglende funksjonsstøtte eller dårlige kildedata. Det krever ulike tiltak.
Den varige verdien oppstår når en innkjøper kan stille et presist spørsmål neste måned og forstå hvorfor svaret har endret seg. Det er en bedre målestokk enn hvor velformulert det første svaret høres ut.
Dette bør du ta med deg
- Sidekick støtter nå analysespørsmål basert på støttede metafelter og metaobjekter, med begrensninger for felttyper og rapporter.
- Aktiver analyseinnstillingen på støttede metafelter og kontroller verdiene før du stoler på en fordeling.
- Kontroller salgsmålet og grupperingen mot rapporter du kjenner og stoler på.
- Bruk salg fordelt på produktegenskaper til å styre videre undersøkelser, ikke som en automatisk innkjøpsanbefaling.
Kilder
- Analyser metafelter og metaobjekter med Sidekick
- 7 DTC-trender innen netthandel som former veksten i 2026
Vil du ha hjelp med dette?
Vi er Shopify Premier Partner og jobber med dette hver dag: ytelse, konverteringsoptimalisering og utvikling av nettbutikker som lønner seg. Bestill en gratis gjennomgang av nettbutikken, så viser vi deg de tre forbedringene vi ville gjennomført først.
Ofte stilte spørsmål
Kan Shopify Sidekick analysere metafelter og metaobjekter?
Ja. I oppdateringen fra 17. november opplyser Shopify at Sidekick kan bruke støttede metafelter og metaobjekter sammen med salgstall til å besvare analysespørsmål. Enkelte metafelttyper og rapporter støttes ennå ikke.
Hvordan aktiverer jeg metafelter for analyse i Sidekick?
Finn den aktuelle metafeltdefinisjonen og aktiver Filtrer eller grupper data i Analyse der innstillingen er tilgjengelig. Åpne deretter Sidekick i Shopify-administrasjonen og still et konkret spørsmål som bruker feltet.
Kan jeg bruke Sidekick til å rapportere salg per materiale?
Shopify nevner totalt salg per materiale i forrige kvartal som et konkret eksempel. Materialdataene må ligge i et støttet metafelt med analyseinnstillingen aktivert. Kontroller manglende verdier og inkonsekvente materialnavn før du baserer deg på fordelingen.
Hvorfor bør jeg kontrollere et analysesvar fra Sidekick mot en annen rapport?
En fordeling kan være misvisende hvis den bruker et annet salgsmål, uventede filtre eller ufullstendige egendefinerte data. Sammenlign den med en kjent rapport med tilsvarende innstillinger, og undersøk deretter produkter du kjenner godt for å bekrefte at grupperingen er riktig.



