Przejdź do treści

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
Sklep CMP Polska · karta produktu
Karta kurtki hybrydowej w sklepie CMP: zdjęcie, nazwa, warianty kolorów, cena i rozmiary
  1. Kategoria z danych produktu, pobierana przez Shoper API razem z nazwą i atrybutami.
  2. Zdjęcie analizuje model OpenAI: kolor, krój, styl i widoczne detale.
  3. Dane karty materiał i skład trafiają do opisu wyłącznie z danych karty produktu.
Karta produktu w sklepie CMP Polska, zrzut z 29.10.2026. Oznaczenia: skąd proces opisów brał dane.

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.

cmp.pl · kurtka narciarska damska CMP 35W0186/U423
Damska kurtka narciarska CMP 35W0186/U423: kaptur, pełny zamek, dwie boczne kieszenie na zamek i kieszeń na rękawie
  1. „kaptur” — zdjęcie główne
  2. „pełny zamek z przodu” — zdjęcie główne
  3. „dwie boczne kieszenie na zamki” — zdjęcie główne
  4. kieszeń na rękawie — zdjęcie główne
Zdjęcie główne z cmp.pl: to, co widać na zdjęciu, model mógł opisać.

Trzy pola w danych sklepu i fragment opisu, który z nich powstał

kurtka CMP 35W0186/U423 · dane → opisprawdziwy produkt · cmp.pl
Pole w danychFragment 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”
Każdy wyróżniony fragment ma swój atrybut w danych produktu. Opisy powstały w sklepie na Shoper Storefront; pełną listę źródeł opisuje realizacja CMP: 21 000 produktów.

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.

Dane i zdjęcie → opis → kontrola źródła przykład · dane demonstracyjne
  1. pobranie · bez AI BR-520 · Buty biegowe damskie z API sklepu: kategoria, materiał z karty, kolor, zdjęcie dane kompletne
  2. model AI Wersja robocza opisu i meta title kolor i krój ze zdjęcia; materiał tylko z danych karty wersja robocza
  3. reguły · bez AI Opis podaje „wodoodporne”, dane karty tego nie potwierdzają cecha spoza danych blokuje publikację do przeglądu
  4. API sklepu · bez AI Po poprawce: zapis opisu i meta przez API tylko uzgodnione pola; pozostałe bez zmian zapisane
Przykład na danych demonstracyjnych, nie panel klienta. Pobranie, reguły i zapis to zwykła automatyzacja.

Reguły, które dostaje każdy przebieg

nie zgaduj, nie nadpisuj, nie kopiuj, nie publikuj, nie dubluj
Nie zgadujcech, których nie ma w danych ani na zdjęciach
Nie nadpisujpól wskazanych jako chronione — model dostaje ich listę razem z nazwą, kategorią, atrybutami i zdjęciem
Nie kopiujstarych opisów i błędnych twierdzeń
Nie publikujbez statusu, logu i kontroli długości
Nie dublujfraz, parametrów, kategorii ani atrybutów

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
ręczne pisanie (model: 15 min na opis)ok. 5 212 h
działanie automatyzacji (pomiar)96 h 14 min
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.

productops · odczyt kartyprzykład

ocena karty · priorytet średni

Karta produktu

2 z 3 elementów do poprawy

źródłostandla AI
atrybuty✓ kompletnemożna użyć
zdjęcia! 2 z 6za mało
materiał✕ brak w danychnie dopisywać
trybread-onlyzapispo akceptacji

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.

Opisy z AI — pytania

Nie ma tu Twojego pytania? Napisz

Ma sens przy dużej liczbie produktów, powtarzalnych danych, dostępnych atrybutach i zdjęciach oraz potrzebie pól SEO. Nie wystarczy, gdy dane wejściowe są chaotyczne, brakuje kategorii albo EAN/SKU — wtedy najpierw trzeba uporządkować źródło danych, bo inaczej AI skaluje bałagan zamiast go rozwiązywać.
Najpierw próbka: walidujemy strukturę HTML, długość, słowa kluczowe, brak pustych pól i zgodność z kategorią. Rekordy, które przejdą kontrolę, zapisujemy przez API sklepu (np. Shoper) w paczkach, z logiem wyniku dla każdego rekordu i raportem CSV po każdej paczce; reszta trafia do raportu z powodem odrzucenia. Przed zapisem eksportujemy poprzednie wartości pól (opis, meta) do pliku, więc tym samym skryptem da się je przywrócić.
Mogą być, jeśli model dostaje dobre dane wejściowe i reguły jakości. Unikalność nie polega na mieszaniu tych samych zdań, tylko na wykorzystaniu konkretnych cech produktu: kategorii, parametrów, zdjęć, materiału, zastosowania i różnic względem podobnych modeli.
Tak, model OpenAI z analizą obrazu rozpoznaje typ produktu, kolory, krój i widoczne detale. Zdjęcie nie jest jedynym źródłem prawdy: wynik porównujemy z nazwą, atrybutami, kategorią i regułami sklepu, a skład i parametry bierzemy tylko z danych karty, żeby AI nie dopisało cech, których produkt nie ma.
W case CMP koszt API wyniósł ok. 2 600 PLN na 21 000 produktów, czyli ok. 0,12 PLN na produkt. Do tego dochodzi praca nad procesem i kontrola próbki, dlatego koszt liczymy na próbce 100–200 produktów przed skalowaniem.
Tak. Inaczej pisze się opis odzieży, inaczej części technicznej, a jeszcze inaczej kosmetyku. Pipeline powinien uwzględniać kategorię, cechy produktu, zakazane sformułowania, długość tekstu i reguły SEO dla danego typu asortymentu.
Powinny trafić do kolejki weryfikacji, a nie od razu do publikacji. Dobrze zaprojektowany proces zapisuje logi, oznacza brakujące dane, pozwala poprawić rekord i ponowić generowanie bez ręcznego szukania problemu w całej bazie.

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 API

Dane produktowe e-commerce

Uporządkowane atrybuty, kategorie i SKU, bez których AI nie ma z czego budować opisu.

Dane produktowe e-commerce

Integracje API

Spięcie procesu opisów z hurtownią, ERP i sklepem, gdy dane wejściowe pochodzą z wielu źródeł.

Integracje API