AI dla firm e-commerce zatrudniających 20–200 osób – od obsługi klienta i zwrotów do prognozowania popytu

Typowa firma e-commerce zatrudniająca kilkadziesiąt osób sprzedaje w kilku kanałach naraz: we własnym sklepie, na Allegro i na innych platformach sprzedażowych. Zamówienia spływają do jednego systemu, np. Base (dawniej BaseLinker), a stamtąd do programu magazynowego i księgowego.

Najbardziej obciążone są zwykle trzy obszary. Obsługa klienta odpowiada setki razy na te same pytania o status przesyłki. Dział zwrotów ręcznie sprawdza zgłoszenia i pilnuje terminów. Osoba od zakupów decyduje o zamówieniach u dostawców na podstawie arkusza i intuicji.

W tych miejscach AI daje najwięcej, bo zadań jest dużo, powtarzają się i łatwo je zmierzyć. Tabela poniżej pokazuje, w jakiej kolejności zwykle warto je wdrażać i czego każde wymaga.

Większość pytań do sklepu dotyczy kilku tematów: gdzie jest paczka, czy produkt jest dostępny, jak oddać towar, kiedy wrócą pieniądze. Chatbot, który zna tylko stronę z najczęstszymi pytaniami, odpowie ogólnikiem i odeśle klienta do konsultanta. Asystent połączony z systemem zamówień poda konkretny status i numer przesyłki.

Policz korzyść na własnych danych. Załóżmy hipotetycznie, że sklep dostaje 1 500 zapytań tygodniowo, a asystent zamyka bez udziału człowieka 40% z nich. Przy 4 minutach pracy konsultanta na sprawę to 600 × 4 = 2 400 minut, czyli 40 godzin tygodniowo.

Asystent musi rozpoznawać, kiedy oddać rozmowę człowiekowi: przy skardze, nietypowej sprawie albo zdenerwowanym kliencie. Od 2 sierpnia 2026 r. musi też informować, że klient rozmawia z AI. Ten sam mechanizm może obsługiwać telefon jako asystent głosowy, czyli voicebot, ale zwykle zaczyna się od czatu i maila.

Reklamacje i zwroty pochłaniają dużo czasu, bo każda sprawa wymaga sprawdzenia zamówienia, zdjęć, terminów i warunków. Do tego dochodzą przepisy: na reklamację konsumenta trzeba odpowiedzieć w 14 dni, inaczej uważa się ją za uznaną. Przy zwrocie sklep ma 14 dni na oddanie pieniędzy od otrzymania oświadczenia klienta.

AI może rozpoznać rodzaj zgłoszenia, poprosić klienta o brakujące zdjęcia lub numer zamówienia, sprawdzić, czy mieści się w terminie, i przygotować projekt odpowiedzi. Pracownik dostaje gotową sprawę i tylko zatwierdza albo zmienia decyzję. System pilnuje też terminów i ostrzega przed sprawami, którym kończy się czas.

Nie oddawaj AI samej decyzji o odrzuceniu reklamacji. Błędna odmowa oznacza spór z klientem, złą opinię na platformie sprzedażowej, a czasem interwencję rzecznika konsumentów lub sprawę w sądzie.

Wystawienie produktu w kilku kanałach to dużo drobnej pracy: opis, parametry, kategoria, tytuł oferty zgodny z zasadami danej platformy. AI może przygotować wersje opisów dla sklepu, Allegro i innych platform na podstawie jednej karty produktu. Może też podpowiadać odpowiedzi na pytania kupujących.

Jest jedno ważne zastrzeżenie. AI potrafi dopisać parametr, którego produkt nie ma, jeśli dane wejściowe są niepełne. Dlatego opisy powinny powstawać wyłącznie na podstawie danych z karty produktu, a wymiary, skład i parametry techniczne trzeba sprawdzić przed publikacją.

Nie używaj AI do tworzenia opinii o produktach. Publikowanie fałszywych opinii klientów jest zakazaną praktyką rynkową. Możesz natomiast używać AI do szkicowania odpowiedzi na prawdziwe opinie, które zatwierdza pracownik.

Nadmiar towaru zamraża gotówkę i kończy się wyprzedażą z niską marżą. Brak bestsellera w szczycie sezonu oznacza utraconą sprzedaż i gorszą pozycję ofert na platformach. Model AI może przewidywać sprzedaż na podstawie historii, sezonowości, zaplanowanych promocji i czasu dostawy od producenta.

Nie zaczynaj od całego asortymentu. W większości sklepów niewielka część produktów odpowiada za dużą część sprzedaży, więc pierwszy model zbuduj dla nich. Pozostałe produkty mogą długo działać na prostych regułach, np. minimalnym stanie magazynowym.

Najwięcej pracy wymagają dane. Potrzebujesz co najmniej roku historii, a przy silnej sezonowości dwóch lat, z oznaczonymi promocjami i okresami braków. Jeśli w danych nie widać, że produkt nie sprzedawał się, bo go nie było, model uzna, że nikt go nie chciał.

Ceny dynamiczne oznaczają automatyczne zmiany cen w zależności od popytu, stanów magazynowych i cen konkurencji. Personalizacja to dobieranie produktów, treści i ofert do konkretnego klienta. Oba zastosowania mogą poprawić marżę i konwersję, ale wymagają dobrych danych i ostrożności prawnej.

Informacja o obniżce wymaga pokazania najniższej ceny z 30 dni przed obniżką, więc system cenowy musi przechowywać historię cen. Jeśli cena jest dopasowywana do konkretnego klienta na podstawie zautomatyzowanych decyzji, sklep musi go o tym poinformować. Przed wdrożeniem warto skonsultować zasady z prawnikiem.

Personalizacja ma sens dopiero wtedy, gdy baza klientów jest uporządkowana, a system mailingowy połączony z danymi o zamówieniach. Bez tego rekomendacje będą przypadkowe, a klient dostanie ofertę na produkt, który właśnie kupił.

W wielu sklepach zarząd dostaje zestawienie sprzedaży z kilkudniowym opóźnieniem, sklejone ręcznie z kilku kanałów. Gdy dane z platform sprzedażowych, magazynu i księgowości trafiają do jednego miejsca, np. do Power BI, zarząd widzi sprzedaż, marżę i zwroty według kanału i kategorii na bieżąco.

AI dokłada możliwość zadawania pytań zwykłym językiem, np. „które kategorie miały najwięcej zwrotów w ostatnim miesiącu?”. Może też przygotować szkic komentarza do wyników. Warunek jest ten sam co wszędzie: dane muszą być spójne, a pojęcia takie jak marża muszą być liczone w jeden sposób.

Bezpieczna kolejność to cztery etapy z oceną efektu po każdym z nich. Najpierw obsługa klienta połączona z systemem zamówień. Potem reklamacje i zwroty, które korzystają z tych samych połączeń, oraz opisy produktów. Następnie prognozowanie popytu dla najważniejszych produktów. Na końcu raporty, ceny i personalizacja.

Na koszt składają się licencje na narzędzia AI, praca nad połączeniem z systemem zamówień, magazynem i platformami sprzedażowymi oraz przygotowanie danych. Do tego dochodzi czas Twojego zespołu na opisanie zasad i testy. Przed każdym etapem zmierz stan obecny, żeby po trzech miesiącach porównać wynik z założeniami.