Productteksten in bulk schrijven met AI: van productdata naar gepubliceerde webshoptekst

Je hebt een webshop met honderden, misschien duizenden producten. De helft van de teksten komt rechtstreeks van je leverancier, de andere helft is ooit half geschreven en nooit meer aangeraakt. Diezelfde fabrikantentekst staat op tientallen andere shops, dus zoekmachines zien geen reden om juist jouw pagina te tonen, en een bezoeker die wel langskomt leest een omschrijving die hem niets nieuws vertelt. Met de hand elke pagina herschrijven is geen optie: één goede producttekst kost al snel een kwartier, en bij vierduizend SKU's praat je over maanden werk.

Deze gids is voor de ondernemer of het e-commerceteam met een grote catalogus op Shopify, WooCommerce of Lightspeed dat unieke, vindbare productteksten wil zonder ze stuk voor stuk te typen. Ik loop de hele pijplijn met je door: van je catalogus exporteren als databron, via een AI die per product schrijft, tot een bulk-import die alleen aanraakt wat je wilt wijzigen. Geen magie, wel een werkbaar proces met de valkuilen erbij.

Wat je nodig hebt

Voor je begint, leg je vijf dingen klaar. Sla je er één over, dan loop je halverwege vast.

• Een webshop met bulk-export en -import. Shopify met een data-app als Matrixify, de ingebouwde CSV-importer van WooCommerce, of de import/export van Lightspeed. Zonder bulk-route blijf je met de hand plakken.
• Schone productdata als bron. Niet je oude teksten, maar de feiten: productnaam, merk, materiaal, maten, belangrijkste specificaties, categorie, doelgroep en je kernzoekwoord. Hoe scherper je die productdata als gestructureerde AI-input op orde brengt, hoe beter de tekst die eruit komt.
• Een AI-laag. Een kant-en-klare webshop-app, een spreadsheet of script dat een taalmodel via een API aanroept, of een agent-route. Welke past, hangt af van je schaal en hoeveel controle je wilt (zie de afweging onderaan).
• Een merkstem-briefing. Toon, gewenste lengte, structuur, en de dingen die je nooit wilt zien: holle superlatieven, garanties, verzonnen claims.
• Een reviewstap. Een mens die steekproeven leest voor er ook maar iets live gaat. Dit is geen formaliteit, het is de stap die over kwaliteit beslist.

De pijplijn in zes stappen

Met een bulk-pipeline voor productteksten exporteer je je catalogus als databron, laat je een AI per SKU een unieke, SEO-rijke tekst schrijven op basis van de feiten, redigeer je steekproefsgewijs, en importeer je alles in één keer terug in je webshop. Zo schrijf je duizend producten in dagen, niet in maanden. Je doorloopt zes stappen.

Stap 1 - Exporteer je productdata als bron, niet je oude tekst

Exporteer je catalogus naar een spreadsheet. In Shopify doe je dat met Matrixify (kies de Products-export en beperk hem tot de kolommen die je nodig hebt, zoals ID, Handle en de attribuut- en SEO-velden); in WooCommerce via Producten en de CSV-export; in Lightspeed via de catalogus-export. Voer de AI vervolgens de feiten (merk, materiaal, maten, specs, doelgroep, kernzoekwoord), niet de bestaande omschrijving. Geef je het oude tekstje mee, dan krijg je een herschreven versie van dezelfde duplicate copy. Geef je de kenmerken mee, dan ontstaat een nieuwe tekst. Houd in elke rij een uniek kenmerk vast (Handle, ID of SKU), want daarop koppel je straks bij de import terug.

Stap 2 - Kies waar de AI draait

Er zijn grofweg drie routes. Een webshop-app (zoals Describely of een ChatGPT-bulk-app uit de Shopify App Store) genereert direct in je shop en vraagt geen techniek. Een spreadsheet of script met een model-API geeft je volledige controle over de prompt en schaalt naar tienduizenden regels. Een agent-route laat een AI-assistent het werk doen: koppel je bijvoorbeeld de Matrixify-connector aan Claude, dan beschrijf je in gewone taal wat er moet gebeuren en regelt de agent de export, het mappen en de import. De afweging tussen deze routes werk ik onderaan uit.

Stap 3 - Schrijf één sterke prompt met merkstem en feiten

De prompt is het eigenlijke product. Stop hierin: de rol en merkstem ("Schrijf als een nuchtere outdoorwinkel die kenners aanspreekt"), de doelgroep, de gewenste structuur (bijvoorbeeld een pakkende openingszin, twee korte alinea's en een bulletlijst met kenmerken), de feiten per product als variabelen, en het kernzoekwoord dat natuurlijk in de tekst moet vallen. Voeg harde regels toe: gebruik uitsluitend de aangeleverde feiten, verzin geen specificaties, geen garanties of superlatieven. Test deze prompt eerst op vijf tot tien producten en schaaf hem bij tot de uitvoer klopt. Dit kwartiertje verdient zich duizend keer terug.

Stap 4 - Genereer in batches en houd de structuur vast

Draai de generatie in batches van vijftig tot tweehonderd producten, zodat je per blok kunt controleren en bijsturen. Houd de unieke-id-kolom naast de gegenereerde tekst staan. Laat in dezelfde run niet alleen de omschrijving schrijven, maar ook de meta-titel, meta-omschrijving en alt-teksten voor de afbeeldingen, want dat is precies het werk dat anders blijft liggen. Let op het formaat: het Body HTML-veld van Shopify verwacht HTML, dus laat je AI nette paragraaf- en lijst-tags produceren of vertrouw op de import-app die platte tekst omzet.

Stap 5 - Redigeer: de menselijke laag die het verschil maakt

Neem per batch een steekproef en lees kritisch: kloppen de specificaties (een model verzint soms een materiaal of een maat), past de toon bij je merk, leest het prettig, en lijken de teksten niet als twee druppels water op elkaar? Hetzelfde principe geldt als bij het automatiseren van je contentkalender met AI: de AI versnelt het schrijven, maar de redactieslag bepaalt de kwaliteit. Vind je een terugkerende fout, pas dan de prompt aan en genereer opnieuw, in plaats van elke regel met de hand te repareren.

Stap 6 - Importeer terug in bulk, alleen de kolommen die je wijzigt

Nu komt het terug de shop in. In Shopify importeer je met Matrixify alleen het bestand met ID/Handle, Body HTML en de SEO-velden, zodat prijzen, voorraad en varianten onaangeroerd blijven (een partiële update raakt enkel de kolommen in je bestand). In WooCommerce gebruik je de CSV-importer met de optie om bestaande producten bij te werken; de importer koppelt op id: of SKU, en je zet elke kolom die je niet wilt overschrijven op "niet importeren". In Lightspeed Retail (X-Series) is je kassa de bron van de productomschrijving, dus daar werk je de description-kolom bij via de import in de back office, niet via de eCom-import (die negeert het omschrijvingsveld). Maak in alle gevallen eerst een back-up of test op een staging-omgeving.

Valkuilen

Je herschrijft de leverancierstekst in plaats van de feiten. Dan blijft het dunne, generieke copy, alleen net anders genoeg om niet als kopie te worden herkend. Google zegt zelf hoogwaardige content te belonen, hoe die ook gemaakt is, maar automatisering puur om je ranking te manipuleren blijft een overtreding van het spam-beleid. Het verschil zit in de bron: feiten erin, eigen tekst eruit.

Verzonnen specificaties. Een taalmodel vult graag gaten op met plausibel klinkende onzin: een materiaal, een gewicht, een certificering die er niet is. Vandaar de harde regel in je prompt én de menselijke steekproef. Bij producten waar een verkeerde spec juridisch of veiligheidsmatig telt, controleer je strenger.

Eenheidsworst. Als elke tekst dezelfde zinsbouw en hetzelfde ritme heeft, ziet een bezoeker (en een zoekmachine) dat meteen. Varieer de structuur in je prompt en laat de AI de échte onderscheidende kenmerken per product naar voren halen.

De import overschrijft te veel. Importeer je je hele exportbestand terug, dan duw je ook oude prijzen en voorraadstanden er weer in. Werk altijd met een bestand dat enkel de kolommen bevat die je wilt wijzigen.

Meta-titels en alt-teksten vergeten. De omschrijving is maar de helft. Juist de meta-velden en de alt-teksten bepalen mee hoe vindbaar een pagina is, en ze zijn in dezelfde run bijna gratis meegenomen.

Geen review op schaal. Eén foute prompt die je over vierduizend producten loslaat, levert vierduizend foute pagina's op. De steekproef is geen luxe maar je vangnet.

Kant-en-klaar vs. maatwerk

Welke route past, hangt af van je catalogusgrootte, je technische comfort en hoe vaak je dit gaat herhalen (bij elke nieuwe collectie, of eenmalig).

Voor een paar honderd producten en een eenmalige actie is een app vaak het snelst. De ChatGPT-bulk-app rekent bijvoorbeeld ongeveer 1 dollar per 100 teksten, dus de rekensom is helder. Draai je dit elk seizoen opnieuw, groeit je catalogus hard, of wil je de teksten echt naar je merkstem en je eigen data laten luisteren, dan verdient een eigen pipeline zich snel terug, omdat je de prompt, de regels en de import één keer goed inricht en daarna alleen nog op "uitvoeren" drukt.

Deze pijplijn is bovendien de tekstkant van een grotere beweging. Naast leesbare teksten voor mensen wil je je catalogus ook koopbaar maken voor AI-agentklanten met schone structured data en een productfeed, en je content vindbaar maken in AI-zoekmachines met een werkbaar AEO-stappenplan. Unieke, feitelijke productteksten zijn de basis waarop die twee verder bouwen.

Het knelpunt was nooit de snelheid van typen. Het was de vraag of elke pagina zijn plek verdient: of een bezoeker er iets aan heeft en een zoekmachine een reden ziet om hem te tonen. AI haalt het typewerk weg, niet het oordeel. Bepaal zelf wat een goede tekst is, leg dat vast in een prompt en een review, en een catalogus van een paar duizend producten houdt op een muur te zijn.