Funkcjonalności premium to wszystko, co wykracza poza standardowy katalog i koszyk: personalizacja, konfigurator produktu, subskrypcje, obsługa B2B, dynamiczne ceny i rekomendacje. Inteligentny asystent AI to warstwa, która część z tych funkcji obsługuje rozmową lub kontekstem — chatbot sprzedażowy, wyszukiwarka semantyczna, generator opisów, rekomendacje i obsługa posprzedażowa. Te dwa pojęcia są często mieszane, a to prowadzi do błędnych wycen i wdrożeń, które nic nie zmieniają w sprzedaży. Poniżej znajdziesz definicje, listę funkcji, które najczęściej się zwracają w MŚP, pięć zastosowań AI z realnym uzasadnieniem oraz architekturę i zasady wyceny — bez ogólników o rewolucji.
Funkcjonalności premium to wszystko, co wykracza poza katalog, koszyk i standardowe płatności. W praktyce sprowadzają się do sześciu obszarów:
Inteligentny asystent AI to warstwa pracująca na danych sklepu: chatbot sprzedażowy, wyszukiwarka semantyczna, generator opisów, rekomendacje i obsługa posprzedażowa. Różnica jest prosta: funkcja premium zmienia proces zakupu, asystent AI zmienia drogę, jaką klient dochodzi do decyzji. Można mieć konfigurator bez AI i chatbota bez konfiguratora. Mieszanie tych pojęć w jednej wycenie kończy się przepłaceniem za jedno i niedoszacowaniem drugiego.
Drugie rozróżnienie to sposób wdrożenia. Gotowa wtyczka daje efekt w dni, własny moduł – w tygodnie. W PrestaShop logikę pisze się w module opartym o hooki i własne tabele (punkt wyjścia: dokumentacja deweloperska), w WooCommerce – we wtyczce korzystającej z hooków i zdarzeń koszyka. Aktualizacja rdzenia to moment, w którym różnica wychodzi: wtyczka albo się zepsuje, albo dostaniesz poprawkę od dostawcy, natomiast kod własny musisz utrzymać sam.
| Kryterium | Gotowa wtyczka | Własny moduł |
|---|---|---|
| Koszt startowy | Zwykle kilka do kilkunastu godzin konfiguracji plus opłata licencyjna | Zwykle 40–160 godzin pracy programisty, bez licencji |
| Elastyczność | Ograniczona do ustawień w panelu i dostępnych hooków | Dowolne reguły, wygląd i integracje (ERP, magazyn, kurierzy) |
| Aktualizacje | Po stronie dostawcy, ale ryzyko konfliktu po aktualizacji PrestaShop lub WooCommerce | Po Twojej stronie – trzeba pilnować zgodności przy każdej aktualizacji |
| Vendor lock-in | Wysoki: logika i dane w formacie dostawcy, migracja kosztowna | Niski: kod i dane zostają na Twoim serwerze |
| Kiedy wybierać | Standardowy scenariusz bez nietypowych reguł cenowych | Nietypowa logika, ceny zależne od wielu warunków lub integracja z systemem zewnętrznym |
Kolejność wdrożeń powinna wynikać z Twojego koszyka i marży, nie z listy funkcji konkurencji. Poniższe widełki wpływu to obserwacja z wdrożeń, nie gwarancja wyniku – u Ciebie może wyjść inaczej i to jest normalne.
Wspólny mianownik każdej z tych funkcji: bez danych wejściowych (historia zamówień, stany, koszt zakupu, jednostki logistyczne) nie da się jej dobrze wdrożyć. Zbierz je przed rozmową z wykonawcą, bo to zwykle wydłuża projekt bardziej niż samo programowanie.
Najczęstszy błąd, jaki widzimy: kopiowanie rozwiązań marketplace’ów bez analizy własnej struktury koszyka. Duży gracz ma wolumen, który pozwala mu dopłacać do darmowej dostawy i zwrotów. Ty przy marży 12% i koszyku 80 zł dołożysz do każdej transakcji. Zanim wdrożysz funkcję, policz: ile kosztuje jej utrzymanie miesięcznie, ile dodatkowych zamówień musi wygenerować, żeby wyjść na zero. Funkcja, która nie zwraca się w 6–9 miesięcy, powinna wypaść z planu na ten rok.
Warto też trzymać się zasady jednej zmiany naraz i pomiaru przez 4–6 tygodni. Dwie funkcje wdrożone w tym samym tygodniu nie powiedzą Ci, która zadziałała. Podstawy techniczne (szybkość działania koszyka, poprawność danych produktowych) opisuje dokumentacja WooCommerce – to warunek, bez którego żadna funkcja premium nie zadziała.
| Funkcja premium | Szacowany wpływ | Czas wdrożenia | Kiedy ma sens i jakich danych wymaga | Kiedy lepiej odpuścić |
|---|---|---|---|---|
| Rekomendacje cross-sell | AOV +3–8%, kliknięcia w rekomendacje 5–15% | 30–60 godz. | Min. 1000–2000 zamówień w historii, kategorie, koszt zakupu każdej pozycji | Katalog poniżej 50 produktów, przewaga koszyków jednopozycyjnych |
| Program lojalnościowy | Wzrost liczby powrotów o 10–25% w segmencie kupujących 2+ razy | 40–80 godz. | Marża min. 30%, produkty zużywalne, częstotliwość ponownych zakupów | Produkty jednorazowe o długim cyklu (meble, AGD), marża poniżej 15% |
| Szybkie zamówienie B2B | Skrócenie składania zamówienia z 20–40 min do 3–5 min | 40–100 godz. | Stali klienci, listy SKU, wielokrotności opakowań, cenniki indywidualne | B2B to mniej niż 10–15% obrotu i brak powtarzalnych zamówień |
| Konfigurator produktu | Konwersja na produkcie z opcjami +10–30% | 60–120 godz. | Min. 3 opcje zależne od siebie, reguły wyceny, tolerancje produkcyjne | Produkt ma 2 warianty i stałą cenę – wystarczą standardowe warianty |
| Subskrypcje | Retencja 60–85% po 3 miesiącach przy produktach zużywalnych | 60–120 godz. | Cykl zużycia poniżej 60 dni, marża pokrywa prowizję i obsługę nieudanych płatności | Produkty drogie lub jednorazowe, brak procesu windykacji nieudanych płatności |
| Płatności odroczone | Konwersja +5–15% przy koszykach 500–5000 zł, prowizja 1,5–4% | 20–40 godz. | Koszyk min. 500 zł, klienci B2B, produkty wymagające namysłu | Koszyk poniżej 150 zł – prowizja zjada marżę |
Chatbot sprzedażowy. Odpowiada na pytania o produkt, dostępność, wysyłkę i zwroty. Typowe wdrożenie: 40–80 godzin. Potrzebuje bazy wiedzy (karty produktów, FAQ, regulamin) oraz fallbacku do człowieka – bot, który nie potrafi przekazać rozmowy konsultantowi w godzinach pracy zespołu, blokuje sprzedaż zamiast ją wspierać. Ceny i stany muszą pochodzić z API sklepu, nie z pamięci modelu. Ryzyko: odpowiedź o terminie wysyłki sprzeczna z tym, co widzi klient w koszyku.
Wyszukiwarka semantyczna. 30–60 godzin. Rozumie intencję i synonimy („obuwie na asfalt” zamiast „buty do biegania”) oraz literówki. Wymaga embeddings i indeksu produktów odświeżanego po każdej zmianie nazwy, ceny i stanu. Przy 20–50 tys. SKU dolicz koszt generowania wektorów i pilnuj spójności indeksu z magazynem. W PrestaShop zwykle oznacza to własny kontroler wyszukiwania, w WooCommerce – podmianę zapytania wyszukiwarki. Ryzyko: indeks starszy niż stany magazynowe.
Generator opisów i treści SEO. 10–20 godzin na integrację. Dane wejściowe: atrybuty produktu, kategoria, grupa docelowa. Przyspiesza pracę, ale wymaga redakcji i kontroli faktów – model potrafi wymyślić parametr techniczny, którego produkt nie ma. Treść generowana masowo bez wartości to dokładnie to, przed czym ostrzega Google w wytycznych dotyczących treści tworzonych dla ludzi.
Rekomendacje AI. 40–100 godzin. Łączą historię zakupową, podobieństwo produktów i marżę. Marża musi być filtrem, inaczej system poleca najtańsze pozycje. Obsługa posprzedażowa (status zamówienia, zwroty, reklamacje): 60–120 godzin, wyłącznie z bezpiecznym dostępem do danych. Ryzyko: ujawnienie danych innego klienta – wymagaj logowania i tokenów, nie numeru zamówienia jako jedynego zabezpieczenia.
| Zastosowanie | Typowy czas wdrożenia | Potrzebne integracje | Główne ryzyko |
|---|---|---|---|
| Chatbot sprzedażowy | 40–80 godz. | Baza wiedzy, API stanów i cen, przekazanie rozmowy do konsultanta | Odpowiedzi niezgodne ze stanem magazynu i cennikiem |
| Wyszukiwarka semantyczna | 30–60 godz. | Embeddings, indeks produktów, odświeżanie po zmianach | Indeks rozjechany z magazynem, koszt wektoryzacji przy dużym katalogu |
| Generator opisów i SEO | 10–20 godz. | Atrybuty produktu, kategorie, słowa kluczowe, proces redakcji | Wymyślone parametry techniczne, duplikaty treści |
| Rekomendacje AI | 40–100 godz. | Historia zamówień, zdarzenia, koszt zakupu, test A/B | Polecanie pozycji o najniższej marży |
| Obsługa posprzedażowa | 60–120 godz. | Status zamówienia, zwroty, system zgłoszeń, uwierzytelnianie | Dostęp do danych innego klienta, niezgodność z RODO |
Asystent AI to nie „wtyczka, która sama myśli”. To trzy elementy: widget w sklepie, Twoja aplikacja pośrednicząca (backend) i model językowy. Zasada numer jeden: klucz API nie może leżeć w kodzie strony. Zapytanie klienta trafia najpierw do Twojego backendu, dopiero stąd do modelu.
Przepływ danych wygląda tak:
/api/products i /api/stock_availables (klucz webservice włączasz w Zaawansowane → Webservice), w WooCommerce /wp-json/wc/v3/products (klucze w WooCommerce → Ustawienia → Zaawansowane → REST API).RAG i baza wektorowa. Model nie zna Twojego cennika ani stanów magazynowych. Dlatego treść kart produktów zamienia się na embeddingi i trafia do bazy wektorowej (pgvector, Qdrant). Przy pytaniu system wyszukuje 3–5 najbardziej pasujących fragmentów i dokłada je do promptu. To RAG. Indeksowanie odpalaj webhookiem przy zmianie produktu lub cronem co 15–30 minut przez kolejkę zadań (Redis + worker) — nigdy „na żywo” przy każdym zapytaniu, bo zabijesz wydajność sklepu.
Bezpieczeństwo i RODO. Nie wysyłaj do modelu e-maili, adresów i numerów zamówień — podstawiaj ID. Podpisz umowę powierzenia przetwarzania z dostawcą modelu, ustal retencję logów (typowo 30–90 dni) i zapisz to w polityce prywatności.
Chmura czy model lokalny? Chmura (OpenAI, Azure OpenAI) to koszt rzędu 50–500 zł/mc przy małym ruchu, najlepsza jakość i szybki start. Model lokalny (Llama, Mistral na GPU) daje pełną prywatność, ale oznacza sprzęt za 10–25 tys. zł albo wynajem GPU za 500–1500 zł/mc i zwykle słabszą jakość odpowiedzi. Dokumentację integracji znajdziesz w materiałach dla deweloperów PrestaShop i w dokumentacji WooCommerce.
Wycenę asystenta AI liczy się w godzinach, nie w „pakietach”. Stawka w Polsce to 120–250 zł/h netto — wyższa przy integracjach z ERP i wielojęzyczności, niższa przy prostym widgecie. Trzy realistyczne poziomy:
Do tego dochodzi eksploatacja. Tokeny AI: 50–500 zł/mc przy 1–5 tys. rozmów miesięcznie. Serwer lub VPS pod backend i bazę wektorową: 50–200 zł/mc. Monitoring, aktualizacje promptów i poprawki: 15–30% wartości wdrożenia rocznie. Przy wdrożeniu za 20 000 zł oznacza to 3 000–6 000 zł rocznie — jeśli dostawca tego nie podaje, zapytaj wprost.
Gotowa wtyczka czy własny moduł? Wtyczka to 200–1000 zł/rok i działa od razu, ale rzadko czyta stany magazynowe i ceny w czasie rzeczywistym, a jej wygląd trudno dopasować. Własny moduł to 3 000–15 000 zł jednorazowo — opłaca się, gdy katalog ma ponad 500 SKU, wiele wariantów i specyficzne pytania klientów (kompatybilność, dobór rozmiaru). Przy sklepie z 50 produktami wtyczka zwykle wystarcza.
Ukryte koszty, które pojawiają się w połowie projektu:
Pułapka: oferta „asystent AI od 2 000 zł” prawie zawsze oznacza widget z gotową bazą FAQ, bez połączenia z katalogiem. Sprawdź, czy w zakresie jest indeksowanie produktów i dostęp do stanów magazynowych.
| Poziom wdrożenia | Zakres prac | Godziny | Koszt przy 150 zł/h netto |
|---|---|---|---|
| Prosty chatbot | Widget, baza 30–50 pytań, przekazanie do człowieka | 40–80 h | 6 000–12 000 zł |
| Wyszukiwarka + rekomendacje | Baza wektorowa, indeksowanie katalogu, semantyczne wyniki i podpowiedzi | 80–160 h | 12 000–24 000 zł |
| Zaawansowany asystent | RAG, koszyk, zamówienia, ERP, wielojęzyczność, panel logów | 200–400 h | 30 000–60 000 zł |
Krok 1: audyt danych i pytań. Wyeksportuj 200 ostatnich zapytań z formularza kontaktowego, czatu i skrzynki mailowej. Pogrupuj je w 10–15 intencji i policz, ile razy każda występuje. Równolegle sprawdź kompletność kart: ile produktów ma wymiary, materiał, kompatybilność. Jeśli 40% kart nie ma opisu, żaden model tego nie naprawi — najpierw dane, potem AI.
Krok 2: wybór 1–2 funkcji. Kryterium: częstotliwość pytania × dostępność danych × wpływ na sprzedaż. Przykład: sklep z częściami rowerowymi — 60% pytań brzmi „czy to pasuje do mojego modelu”, a tabela kompatybilności już istnieje. To najlepszy kandydat na start.
Krok 3: zakres i kryteria akceptacji. Zapisz w umowie zdanie typu: „asystent poprawnie odpowiada na 80% z 50 pytań testowych, przy braku danych eskaluje do człowieka”. Rozbij godziny na etapy i rozliczaj płatność etapami — nie z góry za całość.
Krok 4: MVP i test na 50 realnych zapytaniach z Kroku 1. Uruchom na produkcji dla 5–10% ruchu. Zbieraj odpowiedzi, które były błędne lub niepełne — to materiał na poprawki promptu.
Krok 5: integracja z koszykiem, płatnościami i obsługą klienta. Dopiero tutaj asystent przestaje być gadżetem. Ustal, jak trafiają do Ciebie zapytania esklaowane: ticket, e-mail z podsumowaniem rozmowy, zadanie w ERP.
Krok 6: A/B test na 4–8 tygodni. Połowa ruchu z widgetem, połowa bez. Uwaga: przy mniej niż 5 000 sesji miesięcznie test statystycznie nic nie pokaże — wtedy porównuj kohorty kwartalne, nie tygodniowe.
Krok 7: decyzja. Analiza KPI i wybór: skalujemy na cały ruch, zawężamy do jednej funkcji czy wycofujemy. Najczęstsza pułapka: mierzenie liczby rozmów. To metryka próżności — liczy się konwersja i czas obsługi.
| KPI | Co dokładnie mierzyć | Próg decyzji po 4–8 tyg. |
|---|---|---|
| Konwersja | Współczynnik zamówień w grupie z asystentem vs bez | wzrost min. 5% względem grupy kontrolnej |
| Deflection | Udział rozmów zakończonych bez kontaktu z człowiekiem | powyżej 40% dla pytań przedzakupowych |
| Koszt zapytania | Tokeny + serwer / liczba rozmów | poniżej 0,30 zł na rozmowę |
| Trafność | Odsetek odpowiedzi ocenionych jako poprawne | powyżej 80% na próbie 50 pytań |
Projekty AI w sklepach MŚP rzadko umierają z powodu technologii. Umierają przez sześć rzeczy, które da się sprawdzić w kilka dni — przed podpisaniem odbioru.
Generator opisów traktuj jak każdego autora: treść musi być rzetelna i pisana dla ludzi — Google opisuje to w wytycznych o treściach tworzonych dla ludzi.
ROI licz na danych, nie na wrażeniach. Wzór, który wystarczy w MŚP:
ROI = (zysk dodatkowy − koszt wdrożenia i utrzymania) / koszt wdrożenia × 100%
Podstawa to baseline: minimum 4 tygodnie danych sprzed wdrożenia, zebranych w jednym miejscu.
Przykład (liczby przykładowe — podstaw własne). Sklep: 10 000 sesji/mc, konwersja 1,5% → 150 zamówień, AOV 200 zł. Jeśli asystent podniesie konwersję o 0,3 p.p. (do 1,8%), masz 180 zamówień, czyli +30 × 200 zł = 6 000 zł/mc, 72 000 zł/rok. Koszt: 15 000 zł wdrożenia + 800 zł/mc = 9 600 zł/rok. ROI = (72 000 − 15 000 − 9 600) / 15 000 × 100% = 316%. Przy wzroście o 0,1 p.p. zysk to 24 000 zł/rok i wynik wychodzi ujemny. Cała inwestycja stoi więc na jednym założeniu: o ile realnie wzrośnie konwersja. Dlatego testuj 4–8 tygodni z grupą kontrolną (losowy podział ruchu 50/50) i nie zmieniaj w tym czasie kampanii, cen ani kosztów dostawy. Przy małym ruchu porównuj ten sam okres rok do roku — słabsze, ale lepsze niż brak porównania.
Ta lista to ostatnia rzecz do przejścia przed przelewem. Odklikaj każdy punkt i zapisz, kto za niego odpowiada — imię i nazwisko, nie „dział IT”.
Notatki. Zapisz dwie osoby: właściciela danych produktowych oraz osobę odpowiedzialną za pytania, na które asystent nie zna odpowiedzi. Bez tych dwóch nazwisk projekt utknie przy pierwszej zmianie cennika.
Pytania do dostawcy. Czy kod i dokumentacja przechodzą na klienta po zakończeniu umowy? Jaki jest SLA na awarię i czy asystenta można wyłączyć jednym przełącznikiem? Czy są limity tokenów lub zapytań i co się dzieje po ich przekroczeniu — asystent przestaje odpowiadać czy rośnie rachunek?
| Punkt | Co konkretnie sprawdzić |
|---|---|
| Dane produktowe | Imienny właściciel danych; ile produktów ma wypełnione wymagane atrybuty (np. 8 z 12 pól: materiał, wymiary, kompatybilność) |
| Opisy produktów | Jeden szablon, spójna długość, brak kopiowania od producenta bez weryfikacji |
| Stany magazynowe | Jedno źródło prawdy i częstotliwość synchronizacji (np. co 15 minut) |
| Baza wiedzy | Regulamin, dostawa, zwroty, FAQ — kto aktualizuje i jak często (np. raz na kwartał) |
| RODO – podstawa i cel | Czy zapis rozmów jest w ogóle potrzebny; podstawa prawna i cel przetwarzania |
| Retencja i anonimizacja | Okres przechowywania logów (np. 90 dni), usuwanie danych po zamknięciu sprawy |
| Umowa powierzenia | Podpisana przed startem, lista podprocesorów, lokalizacja serwerów |
| Budżet | Wdrożenie + utrzymanie miesięczne + limit zapytań/tokenów i reakcja na jego przekroczenie |
| Kryteria akceptacji | Test 50 pytań, próg halucynacji, czas odpowiedzi (np. poniżej 3 s), test na mobile |
| Kod i dokumentacja | Repozytorium, dokumentacja API i eksport bazy wiedzy po stronie klienta |
| SLA i wsparcie | Czas reakcji i naprawy, kanał zgłoszeń, kto odpowiada w weekend |
| Rollback i szkolenie | Jak wyłączysz asystenta w 15 minut i kto obsłuży rozmowy po wyłączeniu |
Kopiowanie funkcji dużych graczy (Allegro, Amazon, duże sklepy brandowe) bez sprawdzenia własnego koszyka i marży.
Jak wykryć: Zestaw listę funkcji, które chcesz wdrożyć, z listą Twoich 20 najlepiej rotujących produktów. Jeśli funkcja nie dotyka żadnego z nich, nie ma podstawy biznesowej.
Jak naprawić: Wybierz maksymalnie dwie funkcje powiązane z najczęściej kupowanymi produktami i uruchom je na próbie 2–4 tygodni, zanim dodasz kolejne.
Chatbot AI odpowiada na pytania o produkt, ale nie ma bazy wiedzy ani fallbacku do człowieka.
Jak wykryć: Zadaj botowi 20 realnych pytań z ostatnich maili i czatu, w tym o dostępność, wymiary, zwroty i terminy dostawy. Policz, ile odpowiedzi było błędnych lub zmyślonych.
Jak naprawić: Zbuduj bazę wiedzy z kart produktów, regulaminu, cennika dostaw i statusów zamówień. Ustaw próg pewności — poniżej niego bot przekazuje rozmowę człowiekowi i zapisuje ją w logu.
Dane osobowe klientów trafiają do promptów bez anonimizacji, bez umowy powierzenia i bez ustalonej retencji.
Jak wykryć: Poproś dostawcę o pokazanie jednego pełnego logu zapytania i odpowiedzi. Sprawdź, czy w treści widnieje imię, e-mail, adres lub numer zamówienia powiązany z osobą.
Jak naprawić: Zanonimizuj dane przed wysłaniem do modelu (identyfikator zamiast danych), podpisz umowę powierzenia przetwarzania i ustal okres retencji logów na piśmie.
Dokładanie kolejnych wtyczek premium bez kontroli wydajności sklepu.
Jak wykryć: Zapisz pomiar Core Web Vitals przed wdrożeniem i 2 tygodnie po nim — osobno dla mobile i desktop. Porównaj też liczbę zapytań do bazy na stronie produktu i kategorii.
Jak naprawić: Ustal budżet wydajności przed startem i sprawdzaj wyniki w Core Web Vitals. Wtyczkę, która nie mieści się w budżecie, zastąp własnym, lżejszym modułem albo odłóż wdrożenie.
Vendor lock-in: dane i logika funkcji siedzą u dostawcy, nie masz eksportu ani kodu.
Jak wykryć: Zadaj trzy pytania: gdzie fizycznie leżą dane, w jakim formacie je wyeksportuję i czy po zakończeniu umowy moduł przestanie działać.
Jak naprawić: Przed podpisaniem umowy ustal format eksportu (CSV, JSON) i zasady przejęcia kodu. Jeśli budujesz własny moduł, zadbaj o dostęp do repozytorium i dokumentacji wdrożeniowej.
Wdrożenie AI lub funkcji premium bez zdefiniowanej metryki sukcesu.
Jak wykryć: Sprawdź, czy przed startem zapisałeś wartość bazową: konwersję, AOV, liczbę kontaktów do obsługi, udział porzuconych koszyków.
Jak naprawić: Dla każdej funkcji wybierz jedną metrykę główną i termin oceny. Jeśli po 4 tygodniach metryka nie ruszyła, wyłącz funkcję zamiast dokładać do niej kolejne usprawnienia.
Funkcjonalności premium i inteligentny asystent AI to dwa różne zakupy, które często idą w jednym pakiecie i dlatego bywają mylone. W MŚP sens mają przede wszystkim te funkcje, które dotykają najlepiej rotujących produktów i najczęstszych pytań klientów — reszta to koszt utrzymania bez zwrotu. Asystent AI działa tylko wtedy, gdy ma aktualną bazę wiedzy, dostęp do danych przez API i bezpieczny fallback do człowieka. Zacznij od jednej funkcji, zmierz efekt po 4 tygodniach i dopiero wtedy planuj kolejne.
To funkcje wykraczające poza standardowy katalog, koszyk i checkout: personalizacja produktu, rekomendacje, konfigurator, subskrypcje, obsługa B2B i dynamiczne ceny. Zwykle wymagają dodatkowego modułu lub wtyczki oraz zmian w szablonie. Nie każda z nich zwraca się w małym sklepie — o tym, którą wybrać, decyduje przede wszystkim struktura koszyka i marża na najczęściej kupowanych produktach.
Nie w całości i raczej nie powinien. Asystent dobrze radzi sobie z pytaniami powtarzalnymi: dostępność, wymiary, koszt i termin dostawy, status zamówienia, zasady zwrotu. Sprawy sporne, reklamacje i negocjacje B2B nadal wymagają człowieka. Dlatego każdy wdrożony asystent powinien mieć próg pewności i fallback do konsultanta, a rozmowy powinny być logowane z możliwością przeglądu.
Przykładowe widełki to 20 godzin dla prostych modułów, takich jak rekomendacje cross-sell czy płatności odroczone, i 80–120 godzin dla konfiguratora produktu, obsługi B2B albo asystenta z bazą wektorową. Do tego dochodzi czas po stronie klienta: analiza koszyka, przygotowanie bazy wiedzy, testy akceptacyjne. Realny harmonogram liczy się w tygodniach, nie w dniach.
Jest, jeśli dane osobowe nie trafiają do modelu w formie, która pozwala zidentyfikować osobę, masz podpisaną umowę powierzenia przetwarzania z dostawcą modelu i ustaloną retencję logów. Ryzyko pojawia się wtedy, gdy w promptach ląduje imię, e-mail czy adres, albo gdy logi rozmów trzymane są bezterminowo. Bezpieczniej jest pracować na identyfikatorach zamówienia i przekazywać konkretne dane dopiero po weryfikacji klienta.
Gotowa wtyczka jest szybsza i tańsza na start, ale bywa trudna do dopasowania do niestandardowego procesu i uzależnia Cię od dostawcy. Własny moduł daje pełną kontrolę nad logiką i danymi, ale wymaga budżetu na rozwój i aktualizacje przy zmianach wersji platformy. Praktyczna zasada: jeśli funkcja jest standardowa (np. płatności odroczone), bierz sprawdzoną wtyczkę; jeśli dotyka Twojej przewagi — np. wyceny B2B albo konfiguratora — buduj własny moduł.
Zapisz wartość bazową przed startem: konwersję, AOV, liczbę kontaktów do obsługi lub udział porzuconych koszyków. Uruchom funkcję na części ruchu albo na wybranej grupie produktów i porównaj wyniki po 4 tygodniach. Jeśli metryka nie drgnęła, wyłącz funkcję — kolejne usprawnienia bez zmiany wyniku tylko podnoszą koszt utrzymania.
Szkodzi nie sam sposób powstania treści, a jej jakość i brak wartości dla czytelnika. Google wprost pisze, że liczy się treść tworzona z myślą o ludziach, a nie pod algorytm — sprawdź wytyczne w dokumencie Creating Helpful, Reliable, People-First Content. W praktyce generator opisów przyspiesza pracę, ale wymaga redakcji, weryfikacji parametrów i uzupełnienia o dane, których model nie zna.
Jeśli chcesz sprawdzić, które funkcje premium mają sens w Twoim sklepie i ile realnie zajmie wdrożenie asystenta AI, napisz do nas — przeanalizujemy koszyk, marże i dane, zanim cokolwiek zbudujemy.