
W skrócie
- Najpierw ustal zadanie: chatbot, który sprzedaje przed zakupem, potrzebuje innych danych niż ten, który obsługuje klientów po zakupie.
- Są trzy drogi: kreator no-code, framework lub API modelu, na którym budujesz sam, albo gotowy agent dla e-commerce.
- Model językowy to jeden z ośmiu elementów – resztę tworzą wyszukiwanie produktów, baza wiedzy, dane zamówień, działania, przekazanie do człowieka, zabezpieczenia i analityka.
- Nasze dane przekładają się na twarde wymagania: dane produktów na poziomie atrybutów, wiele języków, wiadomości głosowe i pamięć rozmowy.
- Przed startem przetestuj chatbota na prawdziwych pytaniach klientów – także na tych, na które powinien odmówić odpowiedzi.
Zacznij od zadania, nie od narzędzia
Zanim wybierzesz framework, ustal, do czego chatbot ma służyć. W sklepie internetowym to dwa bardzo różne zadania:
- Sprzedaż przed zakupem – pomoc w znalezieniu i porównaniu produktów, odpowiedzi o parametry i dopasowanie, dodawanie do koszyka. Do tego potrzebny jest katalog.
- Obsługa po zakupie – status zamówienia, zwroty, faktury, anulowania. Do tego potrzebne są dane zamówień i zasady sklepu.
W prawdziwym ruchu ten podział jest wyraźny. Według naszych statystyk chatbotów AI w sklepie medianowym 74% rozmów na chacie dotyczy etapu przed zakupem, a 66% maili do obsługi – zamówień już złożonych. Chat na stronie to głównie narzędzie sprzedaży, skrzynka obsługi – głównie narzędzie do zamówień. Buduj pod zadanie, które pasuje do kanału, albo od początku zaplanuj oba.
Trzy sposoby na zbudowanie chatbota AI
| Sposób | Co dostajesz | Co nadal budujesz | Potrzebne umiejętności |
|---|---|---|---|
| Kreator chatbotów no-code | Widżet, edytor scenariuszy, często funkcję odpowiedzi AI na podstawie stron lub FAQ | Wyszukiwanie w katalogu wykraczające poza proste dopasowanie, sprawdzanie zamówień, logikę specyficzną dla sklepu – często w ogóle niemożliwe | Na start żadne; niski sufit |
| Framework lub API modelu | Pełną kontrolę: frameworki takie jak Rasa czy Dialogflow albo API modelu językowego z wywoływaniem narzędzi | Wszystko z architektury opisanej niżej – wyszukiwanie, integracje, zabezpieczenia, widżet, analitykę, hosting | Programiści, na stałe |
| Gotowy agent dla e-commerce | Wyszukiwanie w katalogu, integracje z zamówieniami, działania, języki i analitykę zaprojektowane dla sklepów | Bazę wiedzy, ustawienia i integracje specyficzne dla Twojego systemu | Zespół sklepu; programista tylko przy nietypowych systemach |
Dalsza część poradnika opisuje środkową drogę – budowę na własną rękę – bo tam najlepiej widać, ile jest pracy. Ile kosztuje każda z dróg w dłuższym okresie, liczymy w tekście ile kosztuje chatbot AI – własny czy gotowy.
Architektura chatbota dla sklepu
Chatbot, który działa w sklepie internetowym, to system, a nie prompt. Potrzebuje tych elementów:
| Element | Co robi | Na co uważać |
|---|---|---|
| Model językowy | Rozumie pytanie i pisze odpowiedź | Aktualizacje modelu zmieniają jego zachowanie; zaplanuj regularne testy |
| Wyszukiwanie produktów | Znajduje produkty w katalogu po znaczeniu i atrybutach | Harmonogram synchronizacji feedu, atrybuty takie jak rozmiar i kompatybilność, aktualność stanów i cen |
| Baza wiedzy | Zawiera zasady: dostawy, zwroty, płatności, gwarancję | Jedno źródło prawdy, które zespół aktualizuje |
| Dane zamówień | Sprawdza status i szczegóły konkretnego zamówienia | Weryfikacja klienta, zanim cokolwiek pokaże |
| Działania | Dodaje do koszyka, zgłasza anulowanie, oznacza zgłoszenie | Które działania wykonuje sam, a które musi potwierdzić człowiek |
| Przekazanie do człowieka | Przekazuje rozmowę zespołowi | Kontekst idzie razem z rozmową, więc klient nie musi się powtarzać |
| Zabezpieczenia | Pilnuje, żeby odpowiedzi były w zakresie i oparte na Twoich danych | Prompt injection, zmyślone fakty, pytania nie na temat i drażliwe |
| Analityka | Mierzy rozwiązane sprawy, dodania do koszyka i tematy | Licz rozmowy rozwiązane, a nie tylko obsłużone |
O modelu mówią wszyscy, a to na niego poświęcisz najmniej czasu. Większość budowy – i większość utrzymania – to pozostałe siedem elementów.
Jak zbudować chatbota AI dla sklepu – krok po kroku
1. Wczytaj katalog i umożliw jego przeszukiwanie
Zaimportuj feed produktowy i zaindeksuj go tak, żeby chatbot mógł szukać po znaczeniu („coś ciepłego na zimowe wędrówki”) i po atrybutach (rozmiar, kolor, kompatybilność, cena). Samo wyszukiwanie po słowach kluczowych nie radzi sobie z pytaniami, które klienci naprawdę zadają. Ustal, jak często feed ma się synchronizować – AskSpot na przykład synchronizuje katalog raz dziennie – i dopilnuj, żeby stany i ceny w odpowiedziach nigdy nie przeczyły stronie produktu.
2. Napisz bazę wiedzy
Koszty i czas dostawy, zwroty, metody płatności, gwarancja, sklepy stacjonarne. Pisz wpisy prostym językiem, który AI może zacytować, po jednym temacie na wpis. Co w niej umieścić i jak ją aktualizować, opisujemy w poradniku o bazie wiedzy chatbota.
3. Napisz instrukcje
Instrukcje systemowe określają zakres (w czym chatbot pomaga), ton (jak mówi w imieniu Twojej marki) i odmowy (czego nigdy nie robi – nie zgaduje dopasowania, nie obiecuje rabatów, nie udziela porad medycznych ani prawnych). Pisz je konkretnie i testuj każdą zmianę, bo drobne różnice w sformułowaniach zmieniają zachowanie.
4. Podłącz dane zamówień – za weryfikacją
Połącz chatbota z platformą sklepu lub systemem zamówień przez API, żeby na pytanie „gdzie jest moje zamówienie?” odpowiadał prawdziwym statusem i numerem przesyłki. Nigdy nie pokazuj szczegółów zamówienia bez weryfikacji klienta – na przykład numerem zamówienia i adresem e-mail, na który zostało złożone. Więcej w tekście jak AI odpowiada na „gdzie jest moje zamówienie?”.
5. Dodaj działania
Dzięki wywoływaniu narzędzi model może uruchamiać zdefiniowane przez Ciebie funkcje: pokazywać karty produktów, dodawać produkt do koszyka, zgłaszać anulowanie, oznaczać zgłoszenia. Zacznij od działań o niskim ryzyku i zdecyduj, które wymagają potwierdzenia przez człowieka.
6. Bądź tam, gdzie są klienci
Chat na stronie sklepu to dopiero początek. Maile do obsługi, wiadomości z marketplace’ów i aplikacja zakupowa to osobne integracje – każda z własnym API, formatami i dziwactwami.
7. Dodaj zabezpieczenia
Opieraj każdą odpowiedź na swoich danych, odmawiaj tam, gdzie dane jej nie potwierdzają, i chroń się przed prompt injection – próbami nakłonienia chatbota, żeby zignorował instrukcje, ujawnił je albo zaoferował coś, czego nie powinien. Zobacz jak zapobiegać halucynacjom AI w e-commerce.
8. Dodaj przekazanie do człowieka i logi
Sprawy, które wymagają człowieka, przekazuj zespołowi z podsumowaniem, a każdą rozmowę zapisuj razem z jej wynikiem. Bez logów nie zobaczysz, co nie działa; bez przekazania każdy błąd ląduje na kliencie.
Z czym chatbot musi sobie poradzić – według naszych danych
Przeanalizowaliśmy 205 731 rozmów, które w ciągu miesiąca obsłużyli agenci AskSpot w europejskich sklepach internetowych. Każdy wniosek to konkretne wymaganie dla kogoś, kto buduje chatbota dla sklepu:
36%
rozmów dotyczy kompatybilności w sklepie z najwyższym udziałem takich pytań
Dane wewnętrzne AskSpot
61%
rozmów przychodzi poza godzinami pracy w sklepie medianowym
Dane wewnętrzne AskSpot
8,3
wiadomości na rozmowę w sklepie medianowym
Dane wewnętrzne AskSpot
| Co widzimy | Czego potrzebuje Twój chatbot |
|---|---|
| Pytania o kompatybilność i dopasowanie to 5% rozmów w sklepie medianowym, ale nawet 36% w sklepach z częściami samochodowymi i motocyklowymi | Danych produktów na poziomie atrybutów – rozmiarów, modeli, roczników – a nie tylko nazw i opisów |
| 61% rozmów przychodzi poza godzinami 9:00–17:00 od poniedziałku do piątku | Umiejętności samodzielnego rozwiązywania spraw, bo o tej porze często nie ma komu ich przekazać |
| Rozmowy przychodzą ze sklepów w 21 krajach | Odpowiedzi w języku klienta, z tego samego katalogu |
| Mniej więcej co 35. rozmowa zawiera wiadomość głosową | Obsługi głosu, a nie tylko tekstu |
| Rozmowa liczy 8,3 wiadomości – to około czterech pytań klienta | Pamięci rozmowy, żeby „a w niebieskim?” wciąż dotyczyło tego samego produktu |
Tak to wygląda, gdy wszystkie elementy działają razem – pytanie o dopasowanie na poziomie atrybutów, odpowiedź z katalogu i działanie na koniec:
Zobacz wszystkie osiem elementów w akcji na swoim sklepie
Umów krótkie demo – pokażemy, jak AskSpot odpowiada na pytania na podstawie Twojego katalogu i zamówień, zanim zdecydujesz się cokolwiek budować.
Jak przetestować chatbota przed startem
- Zbuduj zestaw testowy z prawdziwych pytań – z logów chatu, skrzynki obsługi i pytań pod produktami – a nie z pytań wymyślonych przez zespół.
- Zapytaj o to, na co nie powinien odpowiadać: o dopasowanie, którego dane nie potwierdzają, o nieistniejący rabat, o kwestię medyczną lub prawną, o zignorowanie instrukcji.
- Testuj języki, literówki i głos, a nie tylko poprawnie napisane pytania.
- Sprawdzaj każdą odpowiedź ze źródłem – cena, stan i zasady muszą zgadzać się ze stroną produktu i bazą wiedzy.
- Zacznij w trybie roboczym albo na ograniczonym ruchu, żeby zespół sprawdzał odpowiedzi, zanim klienci zaczną na nich polegać.
- Mierz rozwiązane sprawy, a nie deflekcję – rozmowa, którą chatbot zakończył, to nie to samo co rozwiązana sprawa. Zobacz jak mierzyć skuteczność agenta AI.
Uruchamiaj ten sam zestaw testowy po każdej zmianie – nowej wersji modelu, poprawionej instrukcji, nowej integracji. Zachowanie, które w zeszłym miesiącu było w porządku, może się zmienić, choć nikt nie dotykał samego chatbota.
Kiedy lepiej kupić niż budować
Własna budowa ma sens, gdy chatbot jest Twoim produktem albo gdy sklep działa na systemach, do których żadne gotowe narzędzie się nie podłączy. W większości sklepów osiem elementów opisanych wyżej to te same problemy, które ma każdy sklep – a gotowy agent dla e-commerce ma je już rozwiązane: wyszukiwanie w katalogu, sprawdzanie zamówień za weryfikacją, działania, ponad 200 języków, przekazanie do człowieka, zabezpieczenia i analitykę. Tobie zostaje to, co możesz zrobić tylko Ty – baza wiedzy i Twoje zasady.
Długoterminowe koszty porównujemy w tekście ile kosztuje chatbot AI – własny czy gotowy. Jeśli chcesz najpierw zobaczyć gotowego agenta na swoim katalogu, AskSpot ma 7-dniowy darmowy okres próbny, a cennik opiera się na liczbie rozmów.
FAQ
Czy mogę zbudować chatbota dla sklepu na ChatGPT?
Możesz użyć modelu językowego, na którym działa ChatGPT, jako rdzenia – przez jego API. Sam w sobie nie zna jednak Twoich produktów, stanów ani zamówień, więc wokół niego nadal potrzebujesz wyszukiwania produktów, integracji z zamówieniami, działań, zabezpieczeń i widżetu.
Czy muszę dotrenowywać model?
Zwykle nie. Chatboty sklepowe działają najlepiej, gdy model w chwili pytania wyszukuje odpowiedź w Twoim katalogu i bazie wiedzy. Dzięki temu odpowiedzi są aktualne, gdy zmieniają się ceny i stany – a tego dotrenowany model nie zapewni.
Czy kreator chatbotów no-code wystarczy dla sklepu internetowego?
Do prostego FAQ często tak. Przy doradzaniu z dużego katalogu, pytaniach o dopasowanie czy sprawdzaniu zamówień większość kreatorów no-code dochodzi do granic swoich możliwości – sprawdź, czy kreator przeszuka Twój katalog po atrybutach i połączy się z zamówieniami.
Jakiego frameworka do chatbota użyć?
To zależy od zespołu. Frameworki takie jak Rasa czy Dialogflow porządkują scenariusze rozmów; budowa bezpośrednio na API modelu językowego z wywoływaniem narzędzi daje więcej swobody. W obu przypadkach framework obsłuży rozmowę – integracje z katalogiem, zamówieniami i kanałami nadal budujesz sam.
Jak sprawić, żeby chatbot nie zmyślał?
Opieraj odpowiedzi na własnych danych, każ chatbotowi odmawiać tam, gdzie dane czegoś nie potwierdzają, przekazuj sprawę człowiekowi w razie wątpliwości i testuj go pytaniami, na które nie powinien odpowiadać. Zobacz jak zapobiegać halucynacjom AI.
Chcesz najpierw zobaczyć szerszy obraz? Nasz poradnik o konwersacyjnej AI wyjaśnia, jak działa ta technologia i jak wybrać platformę. O obsłudze klienta – co zautomatyzować, a co zostawić ludziom – piszemy w przewodniku AI w obsłudze klienta e-commerce.









