GDPR bygger förtroende
GDPR inom e-handeln handlar inte bara om att “göra rätt” juridiskt – det är ett arbetssätt som bygger förtroende gentemot era kunder. När ni har tydliga rutiner för kunddata, anonymisering och samtycke blir kundupplevelsen tryggare och supporten effektivare!
Här får du en praktisk guide som du kan omsätta i ert affärssystem och CRM redan idag.

Vad räknas som kunddata i e-handel?
Kunddata är all information som direkt eller indirekt kan kopplas till en person: kontaktuppgifter, orderhistorik, beteendedata (t.ex. klick och visningar), ärenden i supporten, lojalitetspoäng, returorsaker och preferenser. Poängen med GDPR är inte att sluta samla in data, utan att ha kontroll: Ni ska veta vilken data ni har, var den finns, varför den lagras och hur länge.
Lagringspolicy som tål granskning
En bra lagringspolicy beskriver hur länge olika datatyper sparas och på vilken laglig grund. Utgå från affärsprocesserna och komplettera med krav från bokföring, garanti och reklamation. När syftet upphör ska data raderas eller anonymiseras. Ett enkelt sätt att komma igång är att definiera datatyper, syfte, laglig grund och tidsgräns – och automatisera så mycket som möjligt i ert system.
Exempel på riktlinjer:
- Order- och transaktionsdata: sparas för bokföring/garanti i X år; därefter anonymisering.
- Marknadsföringsdata (nyhetsbrev, sms): kräver aktivt samtycke; raderas/anonymiseras efter inaktivitet.
- Supportärenden: behåll endast så länge ärendet kräver; maska känslig information.
- Spårnings- och beteendedata: minimera, tidsbegränsa och koppla till ett tydligt syfte (t.ex. personalisering).

Samtycke: gör det enkelt och bevisbart
Samtycke ska vara frivilligt, informerat och dokumenterat. Det innebär att förkryssade rutor är en ganska dålig idé. Har ni möjlighet så är det bra att spara bevis på när, hur och till vad kunden gav samtycke – och gör det lika lätt att återkalla som att ge. För vissa processer kan annan laglig grund gälla (t.ex. berättigat intresse eller avtal), men var transparent med hur ni resonerar.
Radering vs. anonymisering – vad är skillnaden?
- Radering tar bort personuppgifter helt.
- Anonymisering tar bort kopplingen till individen men låter er behålla statistik (t.ex. försäljning per kategori).
I praktiken kombineras dessa: radera där syftet upphört, anonymisera där ni behöver historik och analys utan att kunna identifiera personen. Pseudonymisering (ersätta persondata med nycklar) kan vara ett steg på vägen men räknas fortfarande som personuppgift om individen kan återskapas.

Loggning och spårbarhet
För att visa efterlevnad behöver ni spårbarhet. Säkra att systemet loggar: vem som visat/ändrat/exporterat kunddata, när samtycke gavs/återkallades, när radering/anonymisering skedde och vilken policyregel som utlöste det. Loggarna ska vara läsbara för revision men skyddade mot otillbörlig åtkomst.
Den praktiska miniminivån i ert CRM/affärssystem
- Kundöversikt med samtycken: per kanal och syfte, inklusive bevis och historik.
- Policy-motor: tidsstyrd radering/anonymisering per datatyp.
- Åtkomsträttigheter: rollstyrning + tvåfaktor för administratörer.
- Export & dataportabilitet: enkel leverans av kundens data vid begäran.
- Audit trail: oföränderliga loggar för visning, ändring och export.
- Self-service: låt kunden uppdatera preferenser och återkalla samtycken.

Så gör ni – steg för steg
Kartlägg datakällor (webb, OMS, WMS, betalning, support). Definiera lagringspolicy per datatyp och dokumentera laglig grund. Konfigurera automatiska jobb för radering/anonymisering och sätt upp process för registerutdrag och raderingsbegäran. Utbilda teamet (marknad, support, lager) i vad policyn innebär i vardagen. Mät efterlevnad: andel data med giltigt samtycke, antal försenade raderingar, tid till hanterad begäran.
I Nemo CRM finns stöd för att lagra och bevisa samtycken, samt att anonymisera/radera kunddata enligt er policy. Det viktiga är inte verktygets namn – utan att ni får kontroll på kunddata och kan visa hur ni efterlever GDPR, varje dag.

Vill du veta mer?
Vårt fokus ligger på att skapa smarta system som sparar tid och pengar för användaren, genom att eliminera dubbelt arbete och ineffektiv hantering.




