Jak AI obsługuje opinie z TrustMate, Opineo i Trusted Shops: odpowiedzi, skargi i alerty bez ręcznego przeglądania?

Podłączenie AI do TrustMate, Opineo, Trusted Shops i opinii Google działa tak: AI co jakiś czas pobiera nowe opinie przez API każdej z platform, klasyfikuje je, przygotowuje projekt odpowiedzi i wysyła alert, gdy ocena wymaga szybkiej reakcji. Człowiek zatwierdza albo koryguje, zanim cokolwiek trafi publicznie na platformę. Nie trzeba ręcznie przeglądać czterech osobnych paneli.

Co konkretnie wyciągamy z każdej platformy

Każda platforma udostępnia API z podobnym zestawem danych, ale nazwy pól się różnią. Warto to rozpisać konkretnie, bo potem okazuje się, że różnice mają znaczenie przy budowaniu logiki klasyfikacji.

TrustMate zwraca przez API: rate (ocena 1-5), content (treść opinii), created_at, product_name, order_id, reply (ewentualna już opublikowana odpowiedź). Platforma rozróżnia opinie o sklepie i o produktach jako osobne endpointy. To ważne, bo projekt odpowiedzi na opinię produktową powinien odnosić się do konkretnego towaru, nie do ogólnego doświadczenia zakupowego.

Opineo eksponuje przez API: grade (ocena numeryczna), description (treść), date_add, shop_answer, status odpowiedzi i powiązany product_id dla opinii produktowych. Opineo wyróżnia też opinie zweryfikowane, czyli ze zrealizowanego zamówienia, od niezweryfikowanych. Ten status pobieramy i przekazujemy do AI, bo odpowiedź na zweryfikowaną skargę wymaga innego podejścia niż na anonimowy komentarz.

Trusted Shops operuje na standardzie review JSON z polami: rating, reviewBody, createdAt, status (APPROVED albo PENDING), reply.comment. Platforma ma też pole targetUrl do produktu i GTIN/SKU. To przydaje się przy grupowaniu skarg po konkretnym indeksie produktowym.

Opinie Google pobieramy przez Google My Business API, endpoint accounts/{accountId}/locations/{locationId}/reviews. Dostajemy: starRating, comment, createTime, reviewReply i reviewerDisplayName. Google nie łączy opinii z konkretnym zamówieniem, więc analiza opiera się wyłącznie na treści recenzji.

Jak AI przygotowuje odpowiedź na opinię, zanim ktoś w firmie ją przeczyta

Po pobraniu nowej opinii AI robi kilka kroków. Najpierw klasyfikacja: czy to skarga, pochwała, pytanie czy opinia mieszana. To ważne, bo projekt odpowiedzi na "przyszła uszkodzona, nie polecam" wygląda inaczej niż na "wszystko super, tylko dostawa trochę wolna".

Potem AI generuje projekt odpowiedzi. W przypadku skargi uwzględnia przeprosiny, informację o możliwości kontaktu przez e-mail lub formularz reklamacyjny i krótkie wyjaśnienie, jeśli z treści opinii wynika przyczyna problemu. Projekt trafia do osoby odpowiedzialnej za obsługę klienta w formularzu do zatwierdzenia: przez Teams, Slack albo prosty panel webowy, zależy co ma firma. Człowiek może zatwierdzić jednym kliknięciem albo edytować przed publikacją.

U jednego z klientów, sklep z elektroniką AGD, wdrożyliśmy to tak, że AI co godzinę sprawdza nowe opinie, a każdy projekt odpowiedzi ląduje w kanale Slack z dwiema opcjami: "Zatwierdź i opublikuj" albo "Edytuj". Osoba odpowiedzialna za obsługę klienta zamiast logować się do czterech paneli widzi gotową listę do zatwierdzenia w jednym miejscu. Tyle.

Grupowanie skarg po produktach i kurierach: co widać w zestawieniu

Pojedyncza negatywna opinia o produkcie to sygnał. Pięć podobnych w ciągu miesiąca to problem z produktem. AI zestawia opinie po product_id albo SKU i klasyfikuje każdą skargę według kategorii: uszkodzenie, niezgodność z opisem, problem z kurierem, długi czas dostawy, problem z jakością, inne.

Kurierzy to osobna kategoria. Skargi na dostawę często zawierają nazwy wprost: "InPost", "DPD", "DHL", "Poczta Polska". AI wyciąga te wzmianki i zlicza. Jeśli w ciągu dwóch tygodni pojawi się skupisko skarg na konkretnego operatora przy zamówieniach do określonego regionu, raport to pokaże. Nie jako trend procentowy, bo na podstawie samych opinii nie wolno nam tego zgadywać, ale jako konkretne zestawienie: ile opinii, przy jakich produktach, z jakimi słowami kluczowymi.

Typowo wygląda to tak, że dział logistyki dostaje co tydzień krótką listę: "12 opinii w tym tygodniu wspomina InPost w województwie mazowieckim, 5 z nich dotyczy zamówień z kategorii drobne AGD". To konkret do rozmowy z operatorem albo do zmiany domyślnego kuriera dla tej kategorii.

Alert przy ocenie wymagającej szybkiej reakcji: jak to ustawiamy

Nie każda jedynka jest jednakowo pilna. Dlatego konfigurujemy dwa poziomy alertów, dopasowane do tego, jak działa konkretna firma.

• Alert natychmiastowy: ocena 1 gwiazdka plus treść zawiera słowa kluczowe z listy, np. "prawnik", "UOKiK", "nagłośnię", "reklamacja odrzucona kolejny raz". Powiadomienie idzie w ciągu kilku minut do wskazanej osoby albo bezpośrednio do managera.
• Alert dzienny: ocena 1-2 gwiazdki bez słów kluczowych. Trafia do porannego zestawienia do zatwierdzenia razem z projektami odpowiedzi.
• Alert przekroczenia liczby skarg: jeśli w ciągu 48 godzin pojawi się więcej niż ustalona liczba negatywnych opinii dotyczących tego samego produktu, system wysyła oddzielne powiadomienie do działu produktowego lub zakupów.

Na Trusted Shops jest jeszcze jeden aspekt, który często pomijają sklepy przy pierwszym wdrożeniu. Platforma ma własne zasady dotyczące czasu odpowiedzi na recenzje. Jeśli sklep ma certyfikat i nie odpowie w określonym oknie, może to wpłynąć na status certyfikatu. AI pilnuje tych terminów i wysyła przypomnienie z odpowiednim wyprzedzeniem, zanim okno się zamknie.

Miesięczny raport: co w nim jest, a czego nie

Raport miesięczny generuje się automatycznie i trafia do menedżera lub właściciela, najczęściej jako PDF albo e-mail z podsumowaniem. Co zawiera:

• Liczba nowych opinii z każdej platformy w danym miesiącu.
• Rozkład ocen: ile jedynek, dwójek, trójek i tak dalej, bez zgadywania przyczyn, tylko fakty z danych.
• Produkty z największą liczbą negatywnych opinii i dominująca kategoria skargi dla każdego z nich.
• Zestawienie kurierów wymienianych w skargach, który operator pojawia się najczęściej i przy jakich kategoriach produktów.
• Liczba udzielonych odpowiedzi versus liczba opinii bez odpowiedzi na koniec miesiąca.
• Alerty, które wystąpiły w miesiącu: ile, jakiego typu, czy zostały obsłużone.

Czego raport nie zawiera: żadnych "magicznych" prognoz ani ocen sentymentu wyrażonych jako procent pozytywności. Trzymamy się danych, które mamy, i opisujemy fakty. Interpretację zostawiamy człowiekowi z kontekstem biznesowym.

Od czego zaczynamy integrację

Pierwsza rozmowa to przegląd stanu: z których platform klient aktywnie zbiera opinie, kto w firmie teraz odpowiada na opinie i jak często to robi, czy jest jakiś formalny czas odpowiedzi na skargę wynikający z regulaminu lub umowy z platformą.

Potem pobieramy dostępy API. TrustMate i Opineo wymagają klucza API z panelu administracyjnego. Trusted Shops używa OAuth 2.0. Google My Business wymaga uwierzytelnienia przez konto Google z dostępem do danej lokalizacji. Testujemy pobieranie danych na danych historycznych, żeby sprawdzić czy klasyfikacja AI działa sensownie, zanim uruchomimy to na żywo.

Następnie konfigurujemy progi alertów i szablony odpowiedzi dopasowane do tonu komunikacji sklepu. Jeśli sklep ma podręcznik komunikacji albo jakikolwiek dokument opisujący styl obsługi klienta, dajemy to AI jako kontekst. Pierwsze dwa tygodnie to faza kalibracji: człowiek zatwierdza każdą odpowiedź i zostawia krótką informację zwrotną, gdy coś nie pasuje. AI poprawia się na tych korektach.

Jeśli chcesz sprawdzić, co można zrobić z opiniami, które już zbierasz, napisz po bezpłatny audyt. Przyglądamy się konkretnemu układowi platform i procesowi, który działa w Twojej firmie teraz. Możesz też przejrzeć realne wdrożenia, żeby zobaczyć, jak podobne integracje skonfigurowaliśmy u innych klientów.