Integracja AI z Shopify: zamówienia, klienci i obsługa po polsku

Shopify działa po angielsku. Panel, statusy zamówień, nazwy pól, powiadomienia z szablonów. Tymczasem twój klient pisze z reklamacją o 20:30, po polsku, i chce wiedzieć, gdzie jest jego paczka. Nikt nie siedzi przy biurku. Ten rozjazd między angielskim backendem a polskim klientem to pierwsze miejsce, gdzie AI robi realną robotę w sklepie na Shopify.

Shopify udostępnia pełne API: zamówienia, produkty, klientów, stany magazynowe, porzucone koszyki, transakcje. Wszystko bez dostępu do serwera, bez baz danych, przez czyste wywołania HTTP. To ograniczenie w stosunku do np. WooCommerce, ale też zaleta: integracja jest jednolita, niezależnie od tego czy sklep siedzi na serwerze w Warszawie czy obsługuje rynek europejski z chmury Shopify.

Co wyciągamy z Shopify przez API

Podstawa to trzy zasoby, które razem dają pełny obraz operacji sklepu:

• Zamówienia (Orders): każde zamówienie ma pole financial_status (paid, pending, refunded, partially_refunded), fulfillment_status (fulfilled, unfulfilled, partial), listę produktów i wariantów w line_items, adres dostawy, dane klienta i tagi własne. Pole note często zawiera uwagi klienta wpisane przy kasie, które obsługa normalnie musi ręcznie wyszukiwać.
• Klienci (Customers): pola orders_count i total_spent dają historię zakupów bez osobnej analityki. Są też tagi segmentacyjne, notatki obsługi w polu note i flaga accepts_marketing.
• Produkty i warianty (Products, Variants): inventory_quantity per wariant i lokalizacja magazynowa (fulfillment_location), cena porównawcza compare_at_price, vendor, product_type i metafields z atrybutami niestandardowymi.

Do tego dochodzą porzucone koszyki (Abandoned Checkouts): Shopify śledzi każdy koszyk, który dotarł do checkout i nie został opłacony. Każdy rekord zawiera email klienta, listę produktów z cenami i wariantami, łączną wartość oraz unikalny link abandoned_checkout_url, który przywraca koszyk dokładnie w miejscu, gdzie klient skończył.

Dane można ciągnąć na dwa sposoby: polling, czyli cykliczne pytania do API co kilka minut, albo webhooki, gdzie Shopify sam wysyła zdarzenie w momencie, gdy coś się dzieje: orders/create, checkouts/create, inventory_levels/update. W praktyce łączymy obydwa: webhooki do zdarzeń w czasie rzeczywistym, polling do raportów i agregacji danych.

Obsługa klienta po polsku, gdy sklep mówi po angielsku

Klient pisze: "hej, gdzie moje zamówienie, miało przyjść w środę". AI pobiera zamówienia po emailu lub numerze, patrzy na fulfillment_status, sprawdza numer przesyłki z fulfillment i odpowiada po polsku z konkretnymi danymi. Bez otwierania panelu Shopify, bez przeklikiwania przez zakładki.

Jeśli zamówienie ma status financial_status: refunded, asystent widzi to od razu i informuje klienta zanim zdąży zapytać. Jeśli produkt jest partially_fulfilled, bo wysłano go z dwóch magazynów, AI potrafi wyjaśnić sytuację po polsku zamiast zostawiać klienta z angielskim mailem z Shopify.

U jednego klienta, sklep z elektroniką na Shopify Plus, właśnie ten status partially_fulfilled był źródłem połowy maili do obsługi. Klienci dostawali pół zamówienia i nie wiedzieli, że reszta jest w drodze z innego magazynu. Po wdrożeniu asystenta, który rozpoznawał ten status i od razu wysyłał wyjaśnienie, liczba takich zapytań wyraźnie spadła.

Asystent może też działać proaktywnie: rano wyciągać zamówienia złożone poprzedniego dnia z brakiem potwierdzenia płatności albo bez fulfillment po 48 godzinach i alertować obsługę. Nie trzeba codziennie przeglądać listy zamówień w poszukiwaniu "dziur".

Ratowanie porzuconych koszyków: co AI widzi, co robi

Shopify ma wbudowany system recovery emaili, ale jest ograniczony. Jedna wiadomość, generyczny szablon, brak personalizacji opartej o historię klienta. Przy własnej integracji wygląda to inaczej.

Po zdefiniowanym czasie od porzucenia, np. 90 minut, AI sprawdza co konkretnie zostało w koszyku i wysyła wiadomość z nazwą produktu, wariantem i bezpośrednim linkiem do koszyka z pola abandoned_checkout_url. Nie "zapomniałeś czegoś?", ale: "Masz w koszyku Garmin Fenix 8 Solar w kolorze czarnym. Link do koszyka czeka tutaj." Informacja pochodzi z line_items, nie z fikcji.

Do tego AI może sprawdzić pole total_spent w zasobie Customer i zorientować się, czy to stały klient z historią zakupów czy ktoś zupełnie nowy. Stałemu klientowi można napisać inaczej niż komuś, kto trafił do sklepu pierwszy raz. To nie jest skomplikowane, ale wymaga dostępu do danych, których sam szablon Shopify nie ma.

Opisy produktów z wariantów i metafields

Polskie sklepy na Shopify często importują produkty z pliku CSV lub przez integrację z hurtownią. Rezultat: opisy po angielsku, po polsku w stylu hurtowni albo w ogóle brak opisu. Klient widzi nazwę produktu i cenę. To za mało.

AI na podstawie nazwy produktu, pola product_type, vendor, wariantów (rozmiar, kolor, materiał) i atrybutów z metafields generuje polski opis napisany z perspektywy kupującego. Nie "produkt wysokiej jakości", ale konkretne zdania: do czego służy, na co zwrócić uwagę przy wyborze rozmiaru, czym różni się od poprzedniej wersji.

Przy dużych importach to szczególnie odczuwalne. 400 nowych SKU z hurtowni, każdy z angielską specyfikacją. Ręcznie to tygodnie pracy. Przy AI to kwestia przygotowania procesu i przejrzenia wyników, zanim trafią na sklep.

Metafields to osobna rzecz. Shopify pozwala przechowywać tam dane, które nie mieszczą się w standardowych polach: skład, certyfikaty, wymiary techniczne, instrukcje prania. AI może czytać te dane i wplatać je w opis zamiast zostawiać ukryte w backendzie.

Alerty o stanach i podsumowania sprzedaży bez logowania

Inventory w Shopify ma strukturę warstwową: produkt, warianty, stany per lokalizacja jako zasób InventoryLevel z polem available. Przy jednym magazynie to proste. Przy Shopify Markets albo dwóch lokalizacjach fulfillment robi się ciekawiej i łatwiej coś przegapić.

AI może cyklicznie sprawdzać stany i wysyłać alert, gdy konkretny wariant spada poniżej progu. Albo gdy kilka wariantów jednego produktu osiąga zero równocześnie, co może sugerować błąd przy imporcie, a nie realną sprzedaż. Takie anomalie normalnie wychwytuje się przypadkiem.

Podsumowania sprzedaży to drugi popularny przypadek. Zamiast logować się do panelu i przeklikiwać przez Analytics, właściciel pyta asystenta: "jak poszło wczoraj?" albo "które produkty nie ruszają się od dwóch tygodni?". AI odpytuje API o zamówienia z danego okresu, agreguje dane z line_items i odpowiada po polsku. Bez tabelek, bez dashboardów, bez czekania na raport.

Zamówienia z financial_status: pending to często przelewy bankowe lub płatności odroczone. Codziennie rano asystent może wylistować takie zamówienia i podać, które czekają najdłużej. Szczególnie przy B2B na Shopify, gdzie faktury idą z odroczonym terminem płatności i ręczne pilnowanie jest po prostu żmudne.

Od czego zaczynamy integrację

Punktem wyjścia jest dostęp do Shopify Admin API. W panelu tworzymy Custom App (Ustawienia, Aplikacje i kanały sprzedaży, Twórz aplikacje), nadajemy jej zakresy uprawnień: read_orders, read_customers, read_products, read_inventory, read_checkouts. Generujemy Admin API access token. To wszystko robi się przez panel, bez programisty po stronie klienta.

Potem decydujemy, które obszary uruchamiamy jako pierwsze. Jeśli obsługa klienta jest największym bólem, zaczynamy tam. Jeśli koszyki uciekają, tam wchodzimy najpierw. Nie ma sensu budować wszystkiego naraz, bo każda część integracji wymaga dopasowania do tego, jak konkretnie sklep działa: jaki ma układ magazynowy, czy sprzedaje B2C czy B2B, czy obsługuje zwroty przez Shopify czy przez zewnętrzny system.

Shopify Plus daje dodatkowo dostęp do Shopify Flow i bardziej rozbudowanego API, co otwiera kolejne możliwości automatyzacji. Przy standardowym planie zakres jest mniejszy, ale i tak wystarczający do podłączenia obsługi klienta, alertów i raportów.

Jeśli chcesz zobaczyć, co konkretnie możemy podłączyć w Twoim sklepie, umów się na bezpłatny audyt. Sprawdzimy, jakie dane masz w Shopify, co AI może z nich wyciągnąć i od którego miejsca warto zacząć. Możesz też zajrzeć na realne wdrożenia, żeby zobaczyć, jak to wygląda u innych sklepów, które przeszły przez ten sam proces.