Hvad er smart columns i HubSpot Data Studio?

Sådan virker smart columns i HubSpot

Smart columns findes ikke på en record. De findes i Data Studio, som ligger under Data Management i HubSpot, og de virker kun inde i et datasæt. Et datasæt er en samling af data fra op til fem kilder: CRM-objekter som contacts, companies, deals og custom objects, importerede filer fra Google Sheets, CSV eller Airtable, og eksterne forbindelser som Snowflake og Stripe. Én kilde er primærkilden, og de øvrige joines på associations eller en match key, du selv definerer, typisk e-mail eller domæne.

Når datasættet står, tilføjer du kolonnen. Du beskriver i en tekstprompt, hvad du vil have udfyldt, vælger datakilde for netop den kolonne, og vælger outputtype: string, number, boolean eller date. Outputtypen er vigtigere, end den ser ud. Beder du om fritekst, får du 1.400 forskellige formuleringer, som ingen liste kan segmentere på. Beder du om en boolean eller en streng med tre tilladte værdier, får du noget, der kan filtreres. Før du gemmer, kan du se en preview af, hvad agenten rent faktisk returnerer på de første rækker.

Datakilderne er de samme som for resten af data agent. Ifølge HubSpots dokumentation for data agent kan agenten trække på web research, virksomhedens egen hjemmeside, data fra en anden property på recorden og aktiviteter som call transcripts, e-mails, møder og noter. Den samme dokumentation bemærker, at prompts, der beder om LinkedIn-data, bliver filtreret fra og ofte ikke returnerer noget. Regn altså ikke med LinkedIn som kilde, uanset hvor naturligt det virker at bede om det.

Under motoren er det den samme afregningsenhed hele vejen igennem. HubSpots produktkatalog opgør data agent til 10 kreditter for at generere ét svar på én prompt for én record. En kolonne på 1.400 rækker er altså 14.000 kreditter, hver gang den kører. Det tal skiller en smart column fra en beregnet kolonne, og det bør stå i hovedet på dig, allerede når du skriver prompten.

En beregnet kolonne er deterministisk. Den samme formel på de samme tal giver det samme resultat i dag og om et halvt år. En smart column er generativ, og to kørsler på samme række kan give forskellige formuleringer. Det gør kolonnen uegnet til alt, hvor sporbarhed er et krav, og udmærket til alt, hvor du selv kigger resultatet efter, før det bliver brugt til noget.

Smart column, smart property og smart action er tre forskellige ting. En smart property er et felt på recorden, som HubSpot udfylder automatisk efter et skema eller ved oprettelse, og værdien bliver liggende. En smart action er de to workflow-handlinger, der kalder agenten midt i en automatisering. Smart column er den analytiske af de tre: den bor i datasættet, den er beregnet til ét spørgsmål på én datamængde, og den skriver ikke tilbage på contacten af sig selv.

Adgangen følger to forskellige regler, og det er her, de fleste bliver overraskede. Data agent som sådan er ifølge dokumentationen tilgængelig i Marketing Hub, Sales Hub, Service Hub, Data Hub og Content Hub fra Starter og opefter, og i Smart CRM og Revenue Hub fra Professional. Men Data Studio følger kun med Data Hub Professional og Enterprise. Har I Sales Hub Professional uden Data Hub Professional, har I altså agenten, men ikke det sted, smart columns lever.

Når datasættet er publiceret, kan det aktiveres videre i HubSpot og bruges i lister, segmenter, rapporter og workflows. Den del gør arbejdet værd at lave: en kolonne, der bare står i et regneark, flytter ingenting, mens en kolonne, der bliver til et segment, kan styre en kampagne. Vær opmærksom på, at synkronisering af data uden for Data Studio også trækker kreditter, oven i de 10 pr. record pr. prompt.

Adgangen skal slås til, før nogen kan bruge noget af det. En super admin skal aktivere "Give users access to generative AI tools and features" og give agenten lov til at bruge CRM-data, samtaledata og fildata, og adgangen til data agent sættes pr. bruger. Super admins har den som standard. HubSpot skriver i samme artikel, at man skal undgå at lægge følsomme oplysninger i sine datainput til AI-funktioner, prompten inklusive.

Tre ting går typisk galt. Prompten er for løs, så svaret er for løst: "beskriv virksomheden" giver 1.400 ubrugelige afsnit. Kolonnen bliver kørt på hele datasættet i stedet for på et filtreret udsnit, og kreditregningen kommer, før nogen har set på kvaliteten. Og resultatet bliver behandlet som et faktum i stedet for som et forslag, hvorefter en forkert branchekode vandrer videre ud i en kampagne, ingen kan forklare bagefter.

Vi hjælper danske B2B-virksomheder med at afgøre, om en opgave hører hjemme i en smart column, i en smart property eller i en almindelig formel, og med at bygge datasættet så join keys og outputværdier holder. Har I allerede Data Hub Professional, regner vi på kreditforbruget for jeres konkrete rækkeantal, før I trykker på knappen. Har I det ikke, siger vi det ligeud, hvis I kan komme i mål på det abonnement, I allerede betaler for.

Hvad danske B2B-teams bruger smart columns til

Smart columns er stærkest på de opgaver, hvor svaret findes på internettet eller i jeres egne samtaler, men ikke i et felt. Nedenfor er de anvendelser, vi oftest ser holde i praksis hos danske virksomheder, med den opsætning, de kræver.

Kvalificering af en messeliste før import
Kolonnen afgør, om en virksomhed overhovedet ligner jeres ICP, inden den ryger i CRM'et. I lægger listen fra Hannover Messe eller en medlemsliste i et Google Sheet, joiner på domæne og beder agenten svare boolean på et konkret kriterium, for eksempel om virksomheden har egen produktion i Norden. En dansk produktionsvirksomhed med 1.200 navne fra en messe kan på den måde skære ned til de 300, sælgerne skal ringe til, uden at de resterende 900 nogensinde forurener databasen.

Branchesegmentering ud fra hjemmesiden
SIC- og NACE-koder fra et register siger sjældent, hvad en virksomhed reelt sælger i dag. En smart column, der læser virksomhedens forside og svarer med en af fem tilladte kategorier, rammer tættere på virkeligheden. Et dansk SaaS-hus, der sælger både til bygge og til industri, kan dermed dele en fælles liste i to kampagnespor, hvor den registerbaserede kode blandede dem sammen.

Analyse af tabte deals ud fra call transcripts
Kolonnen læser mødereferaterne på lukkede deals og svarer på, hvilken konkurrent der blev nævnt. I bygger et datasæt på deals med closed lost i sidste kvartal, tilføjer kolonnen og kører den på det udsnit. Et dansk konsulenthus med 180 tabte deals på et halvt år får på den måde en fordeling på tværs af konkurrenter, som ingen havde skrevet ned nogen steder, til omkring 1.800 kreditter.

Sammenkobling af CRM og økonomisystem
Datasættet joiner en eksport fra e-conomic eller Business Central med jeres companies, og smart columnen udfylder det, der mangler på begge sider. Typisk er det matchningen, der driller: CVR-nummeret står i økonomisystemet, domænet står i HubSpot, og en kolonne, der udleder det ene fra det andet, lukker hullet. Det er den anvendelse, hvor vi oftest anbefaler at køre på 50 rækker først, fordi et forkert match er dyrere at rydde op i end at lave om.

Kategorisering af supportsager før rapportering
Et datasæt på tickets med en smart column, der klassificerer sagens rodårsag ud fra beskrivelsen, giver den rapport, ticket-kategorierne aldrig kom til at levere. En dansk softwarevirksomhed kan køre den på et kvartals sager, se at 40 procent handler om onboarding, og først derefter beslutte, om det skal være en fast property.

Konkurrent- og teknologikortlægning
Kolonnen svarer på, hvilken platform et emne allerede bruger, ud fra hvad der står på deres hjemmeside og i deres jobopslag. Det er groft, og det rammer ikke alt, men det er nok til at prioritere en liste. Bruger I det til at udpege, hvem der skal have et migrationstilbud, får I et bedre udgangspunkt end en mavefornemmelse, og et dårligere end en rigtig teknografisk datakilde.

Fællesnævneren for alle seks er, at spørgsmålet er afgrænset, svaret er kort, og resultatet skal bruges én gang. Skal svaret derimod stå på recorden permanent og opdatere sig selv, er det en smart property og ikke en smart column, I skal bygge. Skillelinjen afgør samtidig, hvilket abonnement I skal have, og hvad det kommer til at koste.

Alternativer, priser og begrænsninger

Alternativerne falder i tre grupper: andre HubSpot-funktioner, der løser det samme billigere, dedikerede berigelsesværktøjer, der løser det bedre, og datawarehouse-platforme, der løser det i en helt anden skala. Priserne nedenfor er hentet på leverandørernes egne sider i september 2026 og i den valuta, de selv oplyser.

Smart property i HubSpot
Det nærmeste alternativ ligger i samme platform. En smart property skriver et blivende felt på contact, company, deal, ticket eller custom object, kan udfylde sig selv dagligt, ugentligt eller månedligt eller ved oprettelse af recorden, og er ifølge HubSpots dokumentation for smart properties tilgængelig fra Starter i Marketing Hub, Sales Hub, Service Hub, Data Hub og Content Hub. Den koster de samme 10 kreditter pr. record pr. kørsel, men kræver ikke Data Hub Professional. Til gengæld kan du ikke lægge valideringsregler eller markering som følsomme data på den.

Beregnet kolonne og calculation property
Skal svaret udledes af tal eller felter, I allerede har, er en formel både gratis og reproducerbar. Dækningsgrad, dage siden sidste aktivitet og deal-værdi pr. medarbejder hører til her. Den kan ikke slå noget op på nettet, og dér stopper sammenligningen. Vi ser ofte smart columns brugt på opgaver, en formel klarer for nul kreditter.

Clay
Clay er et selvstændigt berigelsesværktøj bygget netop om AI-kolonner i et regnearksinterface, og deres Claygent-research er ifølge Clays egen prisside inkluderet i alle planer uden ekstra datakredit. Pr. september 2026 er Free på 500 actions og 100 datakreditter om måneden, Launch starter ved 167 USD pr. måned ved månedlig betaling eller 54 USD pr. måned ved årlig betaling, altså 648 USD om året, og Growth ved 446 USD pr. måned eller 185 USD pr. måned årligt, altså 2.220 USD om året. Styrken er waterfall-berigelse på tværs af deres dataudbydere. Svagheden er, at data skal synkroniseres ind i HubSpot bagefter, og at det er endnu en leverandør og endnu en databehandleraftale.

Salesforce Data 360
I den tunge ende ligger Salesforces dataplatform, hvor AI-forbrug afregnes i Flex Credits. Pr. september 2026 koster de ifølge Salesforces prisside for Data 360 500 USD pr. 100.000 Flex Credits, mens profilbaseret licensering ligger på 240 USD pr. 1.000 profiler om året og 420 USD pr. 1.000 for Enterprise Profiles. Modellen passer, hvis I i forvejen har et warehouse og mange millioner rækker. Til en dansk virksomhed med 20.000 companies er den markant overdimensioneret.

Airtable
Bruger I allerede Airtable som arbejdsdatabase, kan AI-felter dér løse en del af de samme opgaver. Pr. september 2026 koster Team 20 USD pr. bruger om måneden ved årlig betaling og Business 45 USD pr. bruger om måneden ved årlig betaling ifølge Airtables egen prisside. Airtable er billigere at komme i gang med og helt afkoblet fra jeres CRM-segmentering, hvilket betyder manuel eksport, hver gang resultatet skal bruges til noget.

HubSpot vinder ét sted, og det er integrationen. Resultatet lander i det system, hvor listerne, workflowsne og rapporterne i forvejen ligger, under en databehandleraftale I allerede har underskrevet, uden at nogen skal vedligeholde en synkronisering. HubSpot taber på dataadgang og på pris ved volumen. Clay har flere dataudbydere og bedre fallback, når den første kilde ikke svarer, og Airtable er billigere til ad hoc-arbejde. Skal I berige 50.000 kolde emner om måneden, er HubSpot det dyreste sted at gøre det.

Prisen begynder med selve abonnementet. Pr. september 2026 oplyser HubSpots produktside for Data Hub Free til 0 USD, Starter til 10 USD pr. sæde om måneden, Professional til 800 USD om måneden med ét sæde inkluderet og Enterprise til 2.000 USD om måneden med ét sæde inkluderet. HubSpot kører løbende introtilbud under listeprisen på Starter, så den pris, I får tilbudt, kan være lavere. Smart columns kræver Data Studio, og Data Studio kræver Professional eller Enterprise. Springet fra Starter til Professional er altså springet fra 10 USD pr. sæde til 800 USD om måneden.

Oven på abonnementet ligger kreditterne. HubSpots produkt- og servicekatalog opgør de inkluderede kreditter pr. måned til 500 på Starter, 3.000 på Professional og 5.000 på Enterprise for de almindelige hubs, og til 500, 5.000 og 10.000 for Data Hub og Customer Platform. Data agent trækker 10 kreditter for ét svar på én prompt for én record. Ubrugte kreditter bortfalder ved månedens udgang og overføres ikke, og overforbrug afregnes ifølge HubSpots dokumentation om kreditter og fakturering til 0,010 USD pr. kredit i intervaller af 10.

Regnestykket er let at lave og ubehageligt at se på. En smart column på 3.000 rækker er 30.000 kreditter. Med 5.000 inkluderede kreditter på Data Hub Professional betyder det 25.000 kreditter i overforbrug, altså cirka 250 USD, for én kolonne, der kører én gang. To kolonner på samme datasæt fordobler tallet. Funktionen bliver ikke dårligere af det, men datasættet skal filtreres, før kolonnen tilføjes, og de første 20 rækker skal gennemgås i hånden.

Erfaringerne fra markedet peger samme vej. HubSpot-partneren Impulse Creative regnede i juni 2025 offentligt på, hvad et enkelt AI-felt på 50.000 kontakter koster: 500.000 kreditter, svarende til omkring 5.000 USD, og fem felter på samme database omkring 25.000 USD. I HubSpots eget community beskriver en bruger samtidig, at den samme smart property, der fungerer fint på et lille udsnit, falder i kvalitet, når den køres på 1.000 til 2.000 virksomheder. Kombinationen af de to er kernen i problemet: prisen stiger lineært med antallet af rækker, mens træfsikkerheden falder.

De hårde grænser er til at overskue. Et datasæt kan trække på op til fem kilder. Smart columns er generative, så to kørsler kan give forskellige svar på samme række, og der findes ingen versionshistorik, der kan forklare, hvorfor en værdi ændrede sig. Prompts om LinkedIn filtreres fra. Og adgangen til generative AI-funktioner skal være slået til på kontoen, før kolonnen overhovedet kan oprettes.

For danske virksomheder er datalokationen det spørgsmål, der oftest kommer først. HubSpot tilbyder ifølge HubSpots FAQ om cloud-infrastruktur og datahosting hosting i EU med data i Tyskland, ved siden af USA, Canada og Australien, og konti med Starter, Professional eller Enterprise kan skifte datacenter. Samme artikel oplyser dog, at analysedata overføres til USA, at apps fra marketplace kan behandle data uden for regionen, og at underdatabehandlere kan ligge andre steder. Ingen af delene diskvalificerer HubSpot, men de skal stå i jeres fortegnelse over behandlingsaktiviteter.

GDPR-vinklen er mere konkret, end den lyder. En smart column, der laver web research på navngivne personer, er behandling af personoplysninger, og formålet skal kunne skrives ned, før kolonnen køres. På virksomhedsniveau er det som regel ukompliceret, fordi domæne og branche ikke er personoplysninger. HubSpot skriver selv, at man ikke bør lægge følsomme oplysninger i sine prompts, og det gælder også de prompts, der refererer til en property med fritekst fra en kundesamtale. Danske registerdata som CVR er ikke en kilde, agenten selv kan slå op i, så skal I bruge dem, skal de ind i datasættet som en fil.

Der skal også bruges arbejdstid ud over at slå funktionen til. Join keys skal være rene, før datasættet giver mening, og domænefeltet i HubSpot er sjældent rent i en database, der har kørt i fem år. Prompten skal skrives med tilladte outputværdier, ellers kan resultatet ikke segmenteres. Og nogen skal gennemgå de første 20 svar manuelt og vurdere, om de er rigtige, før de resterende 2.980 rækker køres.

Det kan ikke betale sig i tre situationer. Under et par hundrede rækker er det hurtigere at slå op i hånden, end det er at bygge datasættet. Findes svaret struktureret et sted i forvejen, i CVR-registret, i e-conomic eller i jeres eget ERP, er en import både billigere og rigtigere end en generativ gætning. Og har I ikke Data Hub Professional, er 800 USD om måneden en høj adgangsbillet til en funktion, I i mange tilfælde kan erstatte med en smart property på det abonnement, I allerede betaler for. Vi hjælper med at regne på netop den afvejning, når vi arbejder med HubSpot-opsætninger for danske B2B-virksomheder.