Konversationsanalyse er kommet for at blive
Conversational analytics er her. Google Analytics, Looker Studio og Amplitude har alle foretaget det samme væddemål de seneste måneder: at fremtidens analyse ligner en samtale mere end et dashboard. Den barrière, der holdt 75 % af forretningsbrugere væk fra jeres BI-investering, er i princippet væk.
Det spørgsmål, der er værd at dvæle ved, handler ikke om, hvilket værktøj I skal vælge. Det handler om, hvorvidt jeres data er pålidelig nok til at stole på, når alle begynder at stille spørgsmål på én gang.
Hvorfor 75 % aldrig brugte de dashboards, du betalte for
Statiske dashboards blev bygget til en anden tid. Dengang datavarehuse var dyre og analytikere var en knap ressource, gav det mening at forebygge et diagram til ethvert tænkeligt spørgsmål. Den model skalerede aldrig ud over analytikerne selv. Løftet om selvbetjening døde i kløften mellem „dataen findes“ og „jeg kan stille et nyttigt spørgsmål til den.“
Naturligt-sprog-interfaces er blevet boltet på BI-værktøjer i et årti. De virkede for det meste ikke. De spørgsmål, brugerne stillede, var tvetydige, joins var forkerte, og metrikker matchede ikke definitionerne i bestyrelsesdækket. Tilliden fordampede. Det, der er anderledes nu, er kombinationen af store sprogmodeller, der kan tolke vage, forretningsprægede spørgsmål, og datalag, der er modne nok til at holde dem hhoneste. Det meste af tiden.
Tre platforme, én fælles afhængighed: jeres definitioner
Landskabet har konsolideret sig omkring tre indgangspunkter, hver med forskellige afvejninger.
GA4 Analytics Advisor er det, de fleste organisationer allerede har. Det er indbygget i Google Analytics 4 uden ekstra omkostninger og besvarer spørgsmål i naturligt sprog om jeres web- og appdata på sekunder. Begrænsningen er, at „engagement,“ „konvertering“ og „session“ betyder det, Google siger, de betyder. Jeres organisations mere præcise definition – den, der stemmer overens med bestyrelsen – har ingen plads. Det tunge arbejde med at definere metrikker er rykket opstrøms og, i dette tilfælde, ud af rækkevidde.
Conversational Analytics i Looker, generelt tilgængeligt siden april 2026, tager den modsatte tilgang. Chat-interfacet drives af Gemini, men den øverste partner er Lookers semantiske lag: jeres virksomheds egne definitioner af, hvad „aktiv kunde“ eller „månedlig tilbagevendende omsætning“ reelt betyder. Når modellen er forankret i de definitioner, svarer den mere pålideligt. Et spørgsmål som „hvad er vores churn rate pr. akvisitionskanal for mobilbrugere sidste måned“ kan trække fra produkt-, marketing- og økonomidata på én gang. Afvejningen er, at nogen skal bygge og vedligeholde de definitioner. Det arbejde forsvinder ikke. Det rykker opstrøms ind i datafundamentet.
Amplitudes AI Agents, lanceret i februar 2026, gik endnu længere. I stedet for at vente på et spørgsmål overvåger Amplitudes Global Agent dashboards, undersøger anomalier og afdækker hypoteser om, hvad der driver ændringer i jeres funnels. Det opererer inde i Slack og forbinder til Notion, Figma og GitHub, hvilket betyder, at analysen kommer derhen, hvor jeres team allerede arbejder. En tidlig kunde formulerede det enkelt: „Jeg går ind til hvert mandagsmøde og føler mig som den klogeste i lokalet uden at have gjort noget.“ Ifølge Amplitudes egne tal står AI-agenter nu for omkring en fjerdedel af alle forespørgsler på platformen – for en funktion, der ikke fandtes for få måneder siden.
Samme spørgsmål. Forskellen er, hvem der ejer definitionerne.
Marketingchefen, der ikke kunne få et svar fra sit dashboard uden tre dages ventetid, kan nu skrive: „sammenlíg konverteringsrate for forårskampagnen med sidste år, fordelt på nordisk land, for brugere der så både e-mailen og displayannoncen.“ Hun får et diagram. Hun følger op, graver dybere, og samtalen bliver analysen.
I Looker, hvis hendes organisation har gjort det opstrøms arbejde, betyder „konverteringsrate“ præcis det, virksomheden er blevet enig om. I GA4 Analytics Advisor betyder det, hvad Google har besluttet. Samme spørgsmål. Samme flydende interface. Helt forskellig pålidelighed afhængigt af, om I kontrollerer definitionerne. Og den forskel er usynlig, indtil svaret modsiger noget fra økonomiafdelingen.
Vinderne gjorde det før værktøjet kom
De virksomheder, der får mest værdi ud af conversational analytics lige nu, er ikke dem med de nyeste værktøjer. Det er dem, der har brugt de seneste år på at blive enige om, hvad deres metrikker betyder, og sørget for, at de definitioner lever et sted, systemet kan finde dem. Værktøjer forstærker det, der ligger under. Gode datafundamenter bliver mere nyttige. Dårlige producerer selvsikre svar, der stille og roligt modsiger hinanden på tværs af organisationen. Lektionen fra et årti med selvbetjenings-BI gælder her med endnu større kraft. Interfaceproblemet er løst. Fundamentproblemet er det ikke.
Start med en afgrænsningsøvelse – ikke en værktøjsbeslutning
Det rigtige første skridt er et kort, levende referencedokument, der navngiver tre ting: hvilke spørgsmål jeres conversational analytics-setup kan besvare pålideligt på egen hånd, hvilke spørgsmål der kræver et dashboard-tjek, før I handler på svaret, og hvilke metrikker og dimensioner i jeres data der er trusted – og hvilke der stadig mangler governance-arbejde, før de kan bruges i et chat-interface.
Det virker uanset om I starter fra GA4, Looker, Amplitude eller en helt anden analyseplatform.
Hos Dear Future er den afgrænsningsøvelse sådan, vi åbner ethvert conversational analytics-engagement. På tværs af vores arbejde med detail-, telco- og produktionskunder dukker det samme mønster op: de spørgsmål, der ser nemmest ud at besvare, er som regel dem med de mest skrøbelige definitioner under overfladen. For GA4-brugere tydeliggør dokumentet, hvad platformen kan inden for Googles definitioner, og hvor jeres eget governance-arbejde skal starte. For Looker-købere bliver det fundamentet for investeringen i det semantiske lag. Dokumentet er kort. Den klarhed, det skaber, er det ikke.
