OpenAI · Vision AI · Shoper API · Python · SEO

Automatyzacja opisów produktów AI
dla sklepów z dużą bazą SKU

Case CMP: 21 000 produktów przetworzonych w 96 godzin przy koszcie operacyjnym około 2 600 PLN. Dla porównania, ręczne przygotowanie opisów przy stawce 15 PLN/szt. oznaczałoby koszt 315 000 PLN+. Kluczowe nie było samo AI, tylko kontrolowany pipeline: dane produktu, zdjęcie, reguły SEO, walidacja i bezpieczny zapis przez API.

Opisz swój przypadek Automatyzacje AI →

case: 21 000 produktów 96 godzin

przed Produkt bez opisu SEO

po Opis, meta dane i status

danevisioncopyAPI

21 000

produktów opisanych przez AI pipeline

96 h

czas realizacji od uruchomienia skryptu

~2 600 PLN

koszt operacyjny API vs 315k PLN ręcznie

Case study

21 000 produktów — jak to dokładnie działało?

Pobieranie danych przez Shoper API

Listowanie wszystkich produktów z Shopera: ID, nazwy, atrybuty, EAN, kategoria, URL zdjęć. Filtrowanie tych bez opisu.

Analiza zdjęcia przez Vision AI

Każde zdjęcie produktu analizowane przez OpenAI Vision: kolor, materiał, styl, wyróżniki wizualne — dane zasilają prompt.

Generowanie opisów i meta danych

Prompt SEO łączy dane produktu z wynikiem analizy zdjęcia, a model generuje opis HTML, SEO title, meta description i short description w ustalonym formacie.

Walidacja jakości i score

Każdy wygenerowany opis przechodzi przez checklistę: długość pól, brak pustych fraz, zgodność z kategorią, brak niepotwierdzonych cech i poprawny status zapisu.

Publikacja przez API i raport

PUT na endpoint Shoper API dla każdego produktu, zapis do loga, raport CSV z wynikami po każdym batchu.

# Raport po uruchomieniu pipeline Pipeline zakończony: 96h 14min Produkty ogółem: 21 000 Opisy wygenerowane: 20 847 Pominięte (brak zdjęcia): 112 Błędy API: 41 Koszt OpenAI API: ~2 600 PLN Koszt copywriting ręczny: (przy 15 PLN/szt): 315 000 PLN Szacowana różnica kosztu: 312 400 PLN / 96 godzin Technologie: Python 3.11 · model OpenAI z analizą obrazu Shoper REST API · SQLite · CSV

Zakres automatyzacji

AI pomaga redagować i skalować treść, ale nie może zmieniać faktów o produkcie

W dobrym wdrożeniu opis nie powstaje z jednego ogólnego promptu. Proces łączy dane źródłowe, reguły tonu marki, kontrolę SEO, blokady błędnych claimów i raport dla rekordów wymagających decyzji człowieka.

model dostaje nazwę, kategorię, atrybuty, zdjęcie i pola, których nie wolno nadpisywać,
generuje opis, skrót, SEO title i meta description zgodnie z formatem sklepu,
walidacja zatrzymuje duplikację, zbyt ogólne teksty i cechy niewynikające ze źródła,
publikacja przez API obejmuje tylko rekordy, które mają status do zapisu; reszta trafia do raportu review.

# quality_gate.json input: nazwa + atrybuty + zdjęcie brand_voice: matched seo_duplicate_risk: low unsupported_claims: 0 technical_facts_changed: false publish_status: REVIEW → WRITE_OK

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.

Kiedy to ma sens

Dla kogo automatyzacja opisów?

DANE

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.

HURT

Dystrybutor z nową hurtownią

Importujesz katalog z hurtowni i masz produkty bez opisów po polsku albo z maszynowym tłumaczeniem. Pipeline redaguje treść według reguł, ale nie dopisuje cech, których nie ma w danych.

MIGR

Sklep do przejęcia / migracji

Migrujesz ze starej platformy albo przejmujesz sklep z niespójną treścią. Automatyzacja może ujednolicić opisy, krótkie opisy i pola SEO przed importem do nowego katalogu.

Kontrola jakości

AI nie może pisać „w ciemno” — potrzebuje danych, reguł i walidacji

Największy błąd przy opisach AI to traktowanie modelu jak generatora tekstu. W e-commerce model powinien pracować w pipeline: wejście danych, prompt, walidacja, raport, publikacja.

Nie zgadujcech, których nie ma w danych ani na zdjęciach

Nie kopiujstarych opisów i błędnych claimów

Nie publikujbez statusu, logu i kontroli długości

Nie dublujfraz, parametrów, kategorii ani atrybutów

Problem → rozwiązanie → efekt

Kiedy automatyzacja opisów realnie zdejmuje pracę z zespołu

21 000 produktów bez opisów w nowym sklepie

Problem: Dystrybutor przejął katalog z hurtowni — tysiące SKU bez treści po polsku i bez meta. Co robimy: Pobraliśmy dane przez Shoper API, opisaliśmy je AI z analizą zdjęć i walidacją, opublikowaliśmy batchami z logiem. Efekt: 96 godzin zamiast miesięcy ręcznego copy — pełny przebieg w case 21 000 produktów dla CMP.

Opisy z hurtowni są maszynowe albo puste

Problem: Treść z feedu jest przetłumaczona automatem, niespójna i bez fraz, których szukają klienci. Co robimy: Budujemy prompt na bazie atrybutów, kategorii i zdjęć, generujemy opis, short description i pola SEO w jednym formacie. Efekt: Spójne, czytelne opisy gotowe pod sklep i SEO — na uporządkowanych danych produktowych.

Nikt nie kontroluje jakości wygenerowanej treści

Problem: AI potrafi dopisać cechę, której produkt nie ma — bez walidacji to ryzyko reklamacji. Co robimy: Każdy opis przechodzi checklistę: długość pól, brak pustych fraz, zgodność z kategorią, brak niepotwierdzonych cech. Efekt: Publikujemy tylko rekordy, które przeszły walidację; reszta trafia do review z raportem.

Powiązane zakresy

Co najczęściej łączymy z opisami AI?

API

Shoper API

Pobieranie produktów i publikacja gotowych opisów oraz meta przez Shoper API — batchami, z logiem.

DANE

Dane produktowe e-commerce

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

INT

Integracje API

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

FAQ

FAQ opisów produktów AI

Kiedy automatyzacja opisów AI się opłaca, a kiedy nie?+

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.

Jak wygląda publikacja opisów do sklepu i czy jest odwracalna?+

Gotowe opisy zapisujemy przez API sklepu (np. Shoper) w batchach, z logiem wyniku dla każdego rekordu i raportem CSV po każdej paczce. Przed startem robimy test na próbce i backup, więc operację da się odtworzyć i cofnąć. Dzięki temu masowa publikacja nie nadpisuje poprawnych danych w ciemno.

Czy opisy AI są unikalne?+

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.

Czy AI analizuje zdjęcia?+

Tak, można używać Vision AI do rozpoznawania typu produktu, kolorów, kroju i widocznych detali. Nie traktujemy jednak zdjęcia jako jedynego źródła prawdy: wynik porównujemy z nazwą, atrybutami, kategorią i regułami sklepu, żeby AI nie dopisało cech, których produkt nie ma.

Jak wygląda publikacja?+

Najpierw generujemy próbkę, walidujemy strukturę HTML, długość, słowa kluczowe, brak pustych pól i zgodność z kategorią. Dopiero rekordy, które przejdą kontrolę, mogą być publikowane przez API. Reszta trafia do raportu z powodem odrzucenia.

Czy opisy AI można dopasować do kategorii?+

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.

Co dzieje się z błędnymi wynikami?+

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.

Opisz przypadek → Shoper API

Automatyzacja opisów produktów AIdla sklepów z dużą bazą SKU