Jak AI może pomóc z Pinterest dla sklepu: katalog produktów, piny i ruch?

Pinterest to wyszukiwarka, nie tablica inspiracji. Wpisujecie "lampa do salonu skandynawski styl" albo "dywan beżowy boho" i dostajecie piny produktowe z cenami i linkami do sklepów. AI może tu pisać opisy pinów pod słowa wyszukiwane przez klientów, wyłapywać produkty odrzucone z katalogu i łączyć ruch z Pinterest z faktycznymi zamówieniami w Waszym sklepie.

Pinterest Business API i feed produktowy: co trzeba mieć, żeby to fizycznie zadziałało

Pinterest ma otwarte REST API, dokumentowane publicznie pod adresem developers.pinterest.com. Do integracji potrzebujecie konta Pinterest Business (bezpłatne), zweryfikowanej domeny sklepu i dostępu do Pinterest API for Shopping. Aplikację rejestrujecie w portalu dla developerów, dostajecie Client ID i Client Secret, a potem przeprowadzacie OAuth 2.0, żeby uzyskać token dostępu. Bez tokena API nic nie pobierzecie.

Dane produktowe idą przez feed produktowy. Pinterest obsługuje XML i CSV, w formacie zbliżonym do Google Merchant Center. W feedzie każdy produkt ma pola obowiązkowe: id, title, description, link, image_link, price, availability i condition. Do tego pola zalecane: google_product_category, brand, gtin, additional_image_link. Feed musi być dostępny pod publicznym URL, który podajecie w Catalog Manager w ustawieniach konta Business. Pinterest pobiera plik samodzielnie, domyślnie raz dziennie.

Większość polskich platform sklepowych (Shoper, WooCommerce z wtyczką, PrestaShop) generuje feed XML na potrzeby Google Merchant Center. Ten sam plik można podpiąć pod Pinterest, bo formaty są bardzo zbliżone. Problem leży w szczegółach: Pinterest wymaga innego formatu pola price (wartość liczbowa z walutą ISO, np. "129.99 PLN"), a eksporty z polskich systemów często dają "129,99 zł" z przecinkiem jako separatorem dziesiętnym. Pinterest tego nie przyjmuje i odrzuca produkt.

Oprócz feeda potrzebny jest Pinterest Tag. To fragment JavaScript, który dokładacie do sklepu i który śledzi zachowanie po kliknięciu pinu: wejście na stronę produktu (PageVisit), dodanie do koszyka (AddToCart), zakup (Checkout). Bez tego Taga Campaign Manager pokazuje tylko kliknięcia wychodzące. Danych o konwersjach nie ma. Nie wiadomo, czy ruch z Pinterest faktycznie zamawia.

Czego Pinterest API nie udostępnia: brak dostępu do surowych logów kliknięć (tylko zagregowane statystyki), Audience Insights nie jest dostępny przez API w takim samym zakresie jak w interfejsie, a niektóre funkcje kreatywne, jak Idea Pins wideo, mają ograniczenia w API. Do automatyzacji tworzenia pinów organicznych służy endpoint POST /pins, ale pełna automatyzacja działa sprawnie głównie dla klasycznych pinów produktowych.

Co wyciągamy z Analytics i Campaign Manager i jak to wygląda w praktyce

Pinterest Analytics daje wam kilka miar per pin: impressions (ile razy pin się pokazał), saves (ile osób zapisało go na tablicę), outbound_clicks (kliknięcia, które trafiły na stronę sklepu) i closeup_rate (otwarcia powiększenia pinu). Przez API pobieracie je endpointem GET /user_account/analytics lub GET /pins/{pin_id}/analytics z parametrami daty i metryk. Możecie pobrać dane za dowolny zakres, maksymalnie 90 dni wstecz.

Campaign Manager ma osobne Ads API. Tu sprawdzacie wyniki kampanii: koszt, kliknięcia, ROAS (zwrot z wydatków na reklamy, liczony tylko jeśli macie Pinterest Tag z eventem Checkout), CPC, frequency. Dane kampanii idą przez endpoint GET /ad_accounts/{ad_account_id}/campaigns.

U jednego klienta, sklepu z akcesoriami do domu, wyciągnęliśmy listę 50 pinów z najwyższym outbound_clicks za ostatnie 90 dni. Połowę z nich nikt nie promował, żadnego budżetu reklamowego. AI przejrzało opisy tych pinów i wyłapało wspólny wzorzec: miały w opisie konkretne wymiary produktu ("30×40 cm", "150 cm szerokości") albo styl wnętrza ("boho", "skandynawski"). Opisy bez tych konkretów prawie nikt nie klikał. Ta informacja wystarczyła, żeby przepisać opisy 200 kolejnych produktów bez grzebania w ustawieniach kampanii ani dokładania złotówki do reklam.

Audience Insights w Business Managera pokazuje demografię: wiek, płeć, zainteresowania waszej grupy odbiorców. Przez API tych danych nie pobierzecie tak szczegółowo, to funkcja tylko w interfejsie. Ale dane organiczne z Analytics i dane kampanii z Ads API wystarczą do automatycznej analizy przez AI.

Catalog Manager: odrzucone produkty i co AI z nimi robi

Catalog Manager to zakładka w ustawieniach konta Business. Po podpięciu feeda widzicie listę produktów z trzema statusami: approved (zatwierdzony, widoczny jako Shopping Pin), disapproved (odrzucony, nie pojawia się w wynikach) i warning (ostrzeżenie, produkt wyświetlany, ale z problemem do poprawienia).

Typowe przyczyny odrzucenia to brak pola title lub description, nieprawidłowy format price, obraz zbyt mały (minimum 1000 × 1500 pikseli), link prowadzący do strony 404 albo brak wartości "in stock" lub "out of stock" w polu availability. Każdy z tych błędów ma kod w API: IMAGE_TOO_SMALL, MISSING_REQUIRED_FIELD, INVALID_PRICE, BROKEN_LINK. Przez API pobierzecie listę odrzuconych produktów endpointem GET /catalogs/items/batch albo przeglądając GET /catalogs/product_groups/{product_group_id}/products z filtrem na status.

AI dostaje tę listę razem z kodami błędów i generuje raport: ile produktów odrzuconych, z jakich kategorii, jaki błąd dominuje i co trzeba zrobić. Najczęstszy wzorzec, który widzimy przy audycie: eksport z systemu sklepowego generuje pole price z przecinkiem jako separatorem dziesiętnym. Pinterest odrzuca produkt z kodem INVALID_PRICE. AI wyłapuje ten wzorzec w całej liście i proponuje jedno polecenie konwersji formatu, zamiast poprawiać każdy produkt ręcznie. Zamiast kilku dni pracy, kilka minut.

Jak AI pisze opisy pinów pod wyszukiwanie Pinterest

Pinterest działa jak wyszukiwarka z obrazem na pierwszym miejscu. Ale opisy pinów (pole description w feedzie, do 500 znaków) i tytuły (pole title, do 100 znaków) mają realny wpływ na to, czy pin pojawi się przy wpisanej frazie. Pinterest Trends (zakładka w Business Hub albo endpoint GET /trends/explore przez Trends API) pokazuje, jakich słów użytkownicy szukają w danym tygodniu, podzielonych na kategorie.

AI dostaje trzy rzeczy na wejście: nazwę produktu z systemu sklepowego, dane z Pinterest Trends dla danej kategorii i przykłady opisów pinów, które w poprzednich miesiącach miały najwyższy outbound_clicks. Na tej podstawie generuje opis, który zawiera słowa wyszukiwane przez realnych użytkowników, a nie tylko nazewnictwo z magazynu czy kartoteki produktowej.

Przykład. Produkt w bazie sklepu: "Dywan wełniany 160x230 ref. DYW-4421". Pinterest Trends pokazuje, że w tym tygodniu wyszukiwane jest "dywan do salonu styl boho" i "wełniany dywan beżowy". AI pisze: "Wełniany dywan do salonu 160×230 cm, kolor naturalny beż. Sprawdzi się w jasnym wnętrzu i stylu boho." Krótko i konkretnie, z rozmiarem i stylem, bo to właśnie klienci wpisują.

Ważne zastrzeżenie: AI nie wymyśla cech produktu, których nie ma w danych wejściowych. Jeśli w systemie sklepowym brakuje pola "styl wnętrza", opis też tego nie będzie zawierał albo AI sygnalizuje lukę do uzupełnienia w bazie. Generowanie opisów na domysł to prosta droga do reklamacji i złych opinii.

Tablice sezonowe, planowanie treści i połączenie Pinterest z zamówieniami

Tablice (Boards) na Pinterest mają własne SEO: nazwa tablicy, jej opis i kategoria wpływają na to, czy tablica pojawia się w wyszukiwarce Pinterest. AI może automatycznie zaproponować tablice sezonowe na podstawie danych z Pinterest Trends i historii sprzedaży sklepu.

Mechanizm jest prosty. Trends API dostarcza listę rosnących fraz na kolejne tygodnie. AI krzyżuje je z katalogiem produktów: które produkty pasują do frazy "dekoracje świąteczne", "wiosenne aranżacje ogrodu", "back to school". Z tych produktów tworzy propozycję nowej tablicy z opisem i listą pinów do dodania. Tablicę tworzycie przez API (POST /boards), piny dodajecie przez POST /boards/{board_id}/pins. Cały proces można zautomatyzować bez logowania do interfejsu Pinterest.

Połączenie ruchu z Pinterest z zamówieniami to najtrudniejsza część tej układanki. Pinterest Tag z eventem Checkout daje dane bezpośrednio w Campaign Manager, ale tylko dla użytkowników, którzy kliknęli reklamę. Dla ruchu organicznego musicie oprzeć się na UTM. Każdy link w feedzie dodajecie z parametrami, np. utm_source=pinterest&utm_medium=organic&utm_campaign=katalog. Potem w Google Analytics 4 albo bezpośrednio w bazie sklepu macie źródło "pinterest / organic" przy każdym zamówieniu z tego kanału.

AI dostaje dwa zestawy danych: outbound_clicks per pin z Pinterest Analytics i zamówienia z bazą UTM ze sklepu. Łączy je po dacie i identyfikatorze produktu. Wynik: lista pinów, które generują ruch, ale nie zamawiają (tu może leżeć problem z ceną albo stroną lądowania), i lista tych, gdzie ruch jest niewielki, ale zamówienia są. Te drugie warto promować w Campaign Manager, zamiast strzelać budżetem na nowe produkty bez historii kliknięć.

Od czego zaczynamy: kroki, które realnie posuwają sprawę do przodu

Na starcie sprawdzamy trzy rzeczy: czy macie konto Pinterest Business z zweryfikowaną domeną, czy feed produktowy jest dostępny pod publicznym adresem URL i czy Pinterest Tag jest wdrożony w sklepie. Bez tych trzech rzeczy integracja AI nie ma co czytać.

Kolejny krok to wyciągnięcie raportu z Catalog Manager: ile produktów zatwierdzonych, ile odrzuconych, jakie błędy dominują. Ten raport robimy skryptem przez API w kilkanaście minut. AI dostaje JSON z błędami i od razu wiadomo, czy problem jest masowy (jeden błąd w setkach produktów) czy jednostkowy. Od tego raportu zaczyna się każde wdrożenie, bo bez sprawnego katalogu nie ma Shopping Pins.

Potem Analytics: 90 dni historii pinów organicznych, posortowane po outbound_clicks. AI analizuje opisy tych pinów i wyciąga cechy, które korelują z kliknięciami. To jest baza do tworzenia nowych opisów dla reszty katalogu.

Jednej rzeczy nie robimy na starcie: nie przepisujemy automatycznie całego katalogu bez przejrzenia próbki. Zawsze generujemy 20-30 opisów, pokazujemy właścicielowi sklepu i pytamy, czy tak ma brzmieć. Poprawka tonu na tym etapie zajmuje chwilę i oszczędza przepisywania tysiąca produktów po fakcie.

Chcecie zobaczyć, jak taka integracja działa na danych Waszego sklepu? 15 minut rozmowy wystarczy, żeby ocenić, od czego zacząć. Albo sprawdźcie, jak podchodziliśmy do podobnych wdrożeń u naszych klientów: realne wdrożenia.