Integracja AI z Shoper: zamówienia, opisy produktów i obsługa klienta przez API

Właściciel sklepu na Shoper siada wieczorem i robi to, co robi każdego wieczoru: odpisuje na pytania o dostępność rozmiaru, sprawdza, które zamówienia ze statusem "Nowe" są już opłacone, i zastanawia się, co zrobić z kilkunastoma produktami, które od miesięcy nie schodzą z półki. Dane są. Wszystko jest w systemie. Tylko nikt ich nie przetwarza poza nim.

Integracja AI z Shoper to podpięcie asystenta do REST API sklepu. Asystent czyta dane na bieżąco, odpowiada na pytania klientów, generuje treści i pokazuje właścicielowi to, czego sam by nie wyłowił z raportów. Poniżej opisujemy, jak to działa od środka.

Co pobieramy z Shopera i skąd

Shoper udostępnia REST API z tokenem dostępu generowanym w panelu administracyjnym, w zakładce Ustawienia / API. Żadnych wtyczek, żadnej ingerencji w kod sklepu. Token wpisujemy w konfiguracji systemu AI i od tej chwili asystent ma dostęp do danych.

Pobieramy cztery główne zasoby:

• Zamówienia z endpointu /api/v1/orders: numer, status (np. "Nowe", "W realizacji", "Wysłane", "Anulowane"), data złożenia, lista produktów z ilościami i cenami, wartość brutto, metoda płatności, dane dostawy oraz pole paid, czyli informacja, czy zamówienie jest opłacone.
• Produkty z /api/v1/products: nazwa, opis skrócony (short_description), pełny opis (description), cena brutto i netto, EAN, kod producenta, stan magazynowy w podzasobie stock z polem stock (ilość) i active (czy produkt jest aktywny), kategoria, producent.
• Klienci z /api/v1/clients: dane kontaktowe, historia zamówień, data ostatniego zakupu, suma wydana w sklepie.
• Porzucone koszyki z /api/v1/abandoned-baskets: zawartość koszyka z nazwami i cenami produktów, wartość łączna, czas ostatniej aktywności klienta.

Jeśli sklep obsługuje zgłoszenia przez moduł kontaktowy Shopera, te wiadomości również trafiają do asystenta. To przydatne zwłaszcza wtedy, gdy chcemy, żeby AI kategoryzowała i przydzielała zgłoszenia zanim obsługa zacznie dzień pracy.

Obsługa pytań przedsprzedażowych: asystent zamiast skrzynki

Najbardziej odczuwalny efekt na co dzień. Klient pisze na czacie: "Czy ta kurtka jest w rozmiarze XL i kiedy dotrze?". Bez integracji ktoś z obsługi musi wejść na zaplecze, sprawdzić stan produktu, odczytać tabelę rozmiarów z opisu i wrócić do klienta. Z integracją AI robi to asystent: w czasie rzeczywistym odpytuje API o pole stock dla konkretnego wariantu, czyta description produktu i odpowiada w kilka sekund.

U jednego klienta z branży odzieżowej przez pierwsze dwa tygodnie po wdrożeniu logowaliśmy każdą rozmowę, żeby zobaczyć, co klienci pytają. Ponad połowa wiadomości dotyczyła dostępności wariantów i czasu dostawy. Asystent obsługuje te pytania samodzielnie. Bardziej skomplikowane, na przykład pytania o reklamacje z poprzednich zamówień, przekazuje do człowieka z pełnym kontekstem rozmowy, więc klient nie musi niczego powtarzać.

Asystent potrafi też porównywać produkty. "Czym różni się model X od Y?" to pytanie, na które odpowiedź siedzi w polach opisów obu produktów. AI zestawia je i podaje konkret zamiast odsyłać klienta do czytania kart produktów.

Porzucone koszyki: nie masowy mailing, ale celna wiadomość

Shoper zapisuje porzucone koszyki z dokładną zawartością, wartością i znacznikiem czasowym ostatniej aktywności. To wystarczy, żeby AI napisała wiadomość, która wygląda jak wiadomość od człowieka, nie jak automat.

Zamiast "Zapomniałeś czegoś w koszyku!", klient dostaje coś w stylu: "Widzimy, że zostawiłeś w koszyku buty Trail X w rozmiarze 43. Jeśli masz pytania przed zakupem, chętnie pomożemy." Treść pochodzi wprost z pola products w zasobie porzuconego koszyka. Przy małej wartości koszyka wiadomość jest krótka i bez presji. Przy dużej asystent może dodać informację o możliwości kontaktu telefonicznego albo podać czas realizacji, żeby rozwiać ewentualne wątpliwości.

Co ważne, AI nie wysyła tych wiadomości ślepo. Ustawiamy logikę wykluczeń: pomijamy klientów, którzy kupili w sklepie już po porzuceniu koszyka, i tych, którzy dostali podobną wiadomość w ciągu ostatnich siedmiu dni. Korzysta z historii z /api/v1/clients, żeby sprawdzić, czy klient faktycznie nie wrócił sam z siebie. To działa lepiej niż domyślny moduł przypomnień Shopera, bo widzi szerszy kontekst.

Opisy produktów: pisanie od zera i porządkowanie katalogu

Pole short_description w Shoperze to opis widoczny na listingu kategorii. Pole description to pełny tekst na stronie produktu. W wielu sklepach jedno z nich jest puste albo zawiera tekst skopiowany od producenta, bez żadnego dostosowania do klienta końcowego. Google to widzi, klient też.

Typowy projekt wygląda tak: pobieramy produkty, dla których description jest krótszy niż ustalona liczba znaków albo w ogóle nie istnieje. Dla każdego AI generuje opis na podstawie nazwy, EAN, kategorii, producenta i tego, co już jest w polach. Właściciel przegląda wyniki w kolejce, zatwierdza albo nanosi poprawki i przesyła z powrotem przez API. Nie robi się tego naraz dla całego katalogu, szczególnie jeśli ma kilkaset pozycji. Zaczynamy od kategorii z największym ruchem.

Drugi scenariusz to ujednolicenie tonu. Sklep rósł przez lata, opisy pisały różne osoby. Część jest rzeczowa i techniczna, część marketingowa, część właściwie nie ma żadnego stylu. AI przepisuje je według wzorca ustalonego z właścicielem: długość, obowiązkowe elementy (wymiary zawsze, skład zawsze, instrukcja prania jeśli dotyczy), ton komunikacji.

Trzecia sytuacja pojawia się przy sprzedaży za granicę. AI tłumaczy opisy i dostosowuje je do lokalnego rynku, nie tylko zamienia słowa jeden do jednego. Pole description w Shoperze obsługuje wielojęzyczność, więc wyniki trafiają bezpośrednio we właściwe miejsce.

Sprzedaż pod lupą: bestsellery, leżaki i szybkie pytania

Shoper ma wbudowane raporty sprzedaży. Problem w tym, że żeby uzyskać konkretną odpowiedź, trzeba wiedzieć, w którym raporcie szukać i jak ustawić filtry. Asystent AI odpowiada na pytania w języku polskim, bez konfigurowania widoków.

Przykłady pytań, które właściciel zadaje asystentowi:

• "Które produkty z kategorii torby nie sprzedały się w tym kwartale?" AI pobiera historię zamówień, filtruje po kategorii i zwraca listę z aktualnym stanem magazynowym przy każdej pozycji.
• "Jakie produkty klienci kupują razem najczęściej?" Analiza pola products we wszystkich zamówieniach ujawnia pary, które często trafiają do jednego koszyka. Podstawa do zestawów lub cross-sellingu.
• "Które zamówienia z tego tygodnia mają status Nowe, są opłacone, ale nie zostały wysłane?" To filtrowanie po polach status_id i paid. Ręcznie zajmuje kilka kliknięć, asystent podaje wynik natychmiast.
• "Podsumuj sprzedaż tego miesiąca w rozbiciu na kategorie." AI agreguje dane z zamówień i zwraca zestawienie bez eksportu do Excela.

Leżaki magazynowe to osobna sprawa. AI nie tylko wskazuje, co nie schodzi, ale przy okazji sprawdza, czy dany produkt ma poprawny opis, czy jest aktywny w katalogu (pole active) i czy cena nie odstaje od podobnych pozycji. To punkt wyjścia do konkretnej decyzji: obniżyć cenę, przepisać opis, zrobić promocję, wycofać z oferty.

Zgłoszenia klientów: kolejka zamiast stosu

Moduł kontaktowy Shopera zbiera wiadomości z formularza na stronie. Przy większej skali to dziesiątki wiadomości dziennie, zróżnicowanych: reklamacje, pytania o status zamówienia, prośby o zwrot, pytania o produkty.

Najprostsza funkcja AI to kategoryzacja i priorytetyzacja. Asystent czyta nowe zgłoszenie, przypisuje temat i ocenia pilność. Obsługa rano przychodzi do posegregowanej kolejki, nie do jednego wspólnego stosu bez żadnego porządku.

Idąc krok dalej: AI pisze projekt odpowiedzi. Dla standardowych pytań, takich jak "gdzie jest moja paczka" albo "jak zwrócić towar", generuje gotową wiadomość, którą operator sprawdza i wysyła jednym kliknięciem. Przy zgłoszeniach reklamacyjnych asystent wyciąga z /api/v1/orders historię zakupów klienta, żeby operator od razu widział, co i kiedy zamawiał, bez szukania po numerach i e-mailach.

Od czego zaczynamy

Pierwsza rzecz to token API. Panel Shopera, zakładka Ustawienia / API, generowanie klucza. Bez wtyczek, bez ingerencji w sklep.

Potem wybieramy punkt startowy. Zazwyczaj proponujemy jedno z dwóch: asystent do obsługi pytań klientów, bo efekt widać od razu i ryzyko jest małe, albo narzędzie do analizy sprzedaży dla właściciela, bo to zamknięty system bez kontaktu z klientem. Opisy produktów i porzucone koszyki wchodząpóźniej, kiedy pierwsze wdrożenie jest ustabilizowane.

Jeśli chcesz zobaczyć, jak takie integracje wyglądają na żywych sklepach, mamy realne wdrożenia do pokazania. Możesz też zacząć od bezpłatnego audytu: spojrzymy na Twój sklep, sprawdzimy, które procesy dają się zautomatyzować jako pierwsze i co przyniesie najbardziej odczuwalną zmianę w codziennej pracy.