Automatyzacja opisów produktów AI dla sklepów z dużą bazą SKU
Tysiące produktów bez opisów słabo sprzedają, a ręczne pisanie trwa miesiącami. Generujemy opisy, SEO title i meta description z atrybutów i zdjęć, sprawdzamy fakty i publikujemy przez API sklepu. Koszt liczymy na próbce 100–200 produktów, zanim zdecydujesz o skali.
Realizacja20 847 opisów w 96 h działania automatyzacji, ok. 0,12 zł API za opisCMP Polska · Shoper
- Kategoria z danych produktu, pobierana przez Shoper API razem z nazwą i atrybutami.
- Zdjęcie analizuje model OpenAI: kolor, krój, styl i widoczne detale.
- Dane karty materiał i skład trafiają do opisu wyłącznie z danych karty produktu.
Każde zdanie opisu ma źródło w danych produktu
Model dostawał dane z karty produktu i zdjęcie. Fragmenty opisu tej kurtki pochodzą z pola w danych sklepu albo z tego, co widać na zdjęciu.

- „kaptur” — zdjęcie główne
- „pełny zamek z przodu” — zdjęcie główne
- „dwie boczne kieszenie na zamki” — zdjęcie główne
- kieszeń na rękawie — zdjęcie główne
Trzy pola w danych sklepu i fragment opisu, który z nich powstał
| Pole w danych | Fragment opisu |
|---|---|
| atrybut produktu w sklepie: Clima Protect | „Clima Protect® – wodoodporna i oddychająca membrana” |
| dwa atrybuty produktu: WP 10.000 · MVP 5.000 | „WP 10000 / MVP 5000” |
| atrybut produktu w sklepie: Feel Warm Flat gr.140 | „Feel Warm Flat – kompaktowa izolacja syntetyczna” |
Kontrola faktów: do sklepu trafia tylko opis zgodny z danymi
AI redaguje i skaluje treść, a fakty o produkcie zostają nietknięte. Opis nie powstaje z jednego ogólnego promptu. Proces łączy dane źródłowe, reguły tonu marki, kontrolę SEO, blokady twierdzeń bez pokrycia w danych i raport dla rekordów wymagających decyzji człowieka.
Jakie dane trzeba mieć
- Prompt budujemy na atrybutach, kategorii i zdjęciach; warunkiem są uporządkowane dane produktowe.
- Materiał i skład trafiają do opisu tylko z potwierdzonych danych karty produktu.
- Lista pól chronionych: model dostaje ją razem z nazwą, kategorią, atrybutami i zdjęciem.
Co blokuje publikację
Model generuje opis, skrót, SEO title i meta description zgodnie z formatem sklepu. Walidacja zatrzymuje duplikację, zbyt ogólne teksty i cechy niewynikające ze źródła.
- pobranie · bez AI BR-520 · Buty biegowe damskie z API sklepu: kategoria, materiał z karty, kolor, zdjęcie dane kompletne
- model AI Wersja robocza opisu i meta title kolor i krój ze zdjęcia; materiał tylko z danych karty wersja robocza
- reguły · bez AI Opis podaje „wodoodporne”, dane karty tego nie potwierdzają cecha spoza danych blokuje publikację do przeglądu
- API sklepu · bez AI Po poprawce: zapis opisu i meta przez API tylko uzgodnione pola; pozostałe bez zmian zapisane
Reguły, które dostaje każdy przebieg
nie zgaduj, nie nadpisuj, nie kopiuj, nie publikuj, nie dubluj
Wynik w katalogu CMP Polska: 20 847 opisów z 21 000 rekordów
Katalog CMP Polska na Shoperze miał zdjęcia, ale brakowało opisów i spójnych metadanych. Pobranie, walidacja i publikacja szły w Pythonie przez Shoper API; model AI analizował zdjęcie i redagował tekst. Cały katalog przeszedł w jednym przebiegu: 96 godzin pracy skryptu zamiast miesięcy ręcznego pisania. Etapy, dane wejściowe i kontrolę jakości pokazuje realizacja CMP: 21 000 produktów.
Czas dla 20 847 opisów: ręcznie i z automatyzacją
model ręczny · pomiar automatyzacji- opisów opublikowanych po kontroli jakości z 21 000 rekordów
- 20 847
- kosztu API za opis zamiast ok. 15 zł ręcznie (model); cały katalog ok. 2 600 zł
- ok. 0,12 zł
Skala oszczędności (model). Ręczne napisanie 20 847 opisów przy założeniu 15 minut na opis i stawce 60 zł/h to ok. 5 212 godzin pracy i ok. 313 000 zł. Automatyzacja zrobiła to w 96 h 14 min przy ok. 2 600 zł kosztu API. Szacunek na przyjętych założeniach.
Technologie: Python 3.11 · model OpenAI z analizą obrazu · Shoper REST API · SQLite · CSV. Pełny przebieg w realizacji 21 000 produktów dla CMP.
Szerzej o różnicy między tekstem, który tylko brzmi „ładnie”, a opisem opartym na danych piszemy w poradniku AI w e-commerce: opisy produktów bez utraty kontroli. Gdy problem dotyczy również błędnego drzewa katalogu, łączymy ten proces z mapowaniem kategorii produktów.
narzędzie OneTapToSite
Zanim AI poprawi opis — najpierw audyt danych
ProductOps sprawdza, czy opis można bezpiecznie wygenerować lub poprawić na podstawie backendu, atrybutów i zdjęć — żeby model redagował treść, a nie dopisywał parametrów, których w danych nie ma.
ocena karty · priorytet średni
Karta produktu
2 z 3 elementów do poprawy
| źródło | stan | dla AI |
|---|---|---|
| atrybuty | ✓ kompletne | można użyć |
| zdjęcia | ! 2 z 6 | za mało |
| materiał | ✕ brak w danych | nie dopisywać |
Dla kogo automatyzacja opisów zwraca się najszybciej?
Sklep z > 500 SKU bez opisów
Jeśli masz setki lub tysiące produktów bez opisów, najpierw warto policzyć próbkę, koszt API, jakość wyniku i liczbę rekordów wymagających review — dopiero potem skalować publikację.
Dystrybutor z nową hurtownią
Katalog z hurtowni ma opisy puste albo przetłumaczone automatem: niespójne i bez fraz, których szukają klienci. Prompt budujemy na atrybutach, kategorii i zdjęciach; opis, short description i pola SEO powstają w jednym formacie, bez cech, których nie ma w danych. Warunkiem są uporządkowane dane produktowe.
Sklep do przejęcia / migracji
Migrujesz ze starej platformy albo przejmujesz sklep z niespójną treścią. Automatyzacja ujednolica opisy, krótkie opisy i pola SEO przed importem do nowego katalogu.
Ile masz produktów bez opisów? Sprawdźmy, czy AI się opłaca.
Podaj liczbę SKU, platformę i stan obecny — policzymy koszt API, zakres walidacji i pierwszy bezpieczny etap wdrożenia.
Co najczęściej łączymy z opisami AI?
Shoper API
Pobieranie produktów i publikacja gotowych opisów oraz meta przez Shoper API — batchami, z logiem.
Shoper APIDane produktowe e-commerce
Uporządkowane atrybuty, kategorie i SKU, bez których AI nie ma z czego budować opisu.
Dane produktowe e-commerceIntegracje API
Spięcie procesu opisów z hurtownią, ERP i sklepem, gdy dane wejściowe pochodzą z wielu źródeł.
Integracje API