Automatyzacja treści
- generowanie opisów produktów w kontrolowanym formacie
- SEO title i meta description dopasowane do kategorii
- wykorzystanie zdjęć przez Vision AI
- reguły jakości ograniczające halucynacje i powtórzenia
Case study · Shoper · AI/API · Dane produktowe
CMP Polska — automatyzacja opisów 21 000 produktów w sklepie Shoper
Najważniejszy problem nie polegał na napisaniu kilku opisów, tylko na bezpiecznym przejściu przez duży katalog: dane z Shopera, zdjęcia, reguły SEO, walidację i publikację przez API. Pipeline miał tworzyć treści tam, gdzie dane były wystarczające, a rekordy niepewne odkładać do raportu zamiast wypychać je na sklep.
CMP.pl
Shoper
OpenAI
Vision AI
Python
SEO
Dane produktowe
Wyzwanie
Największym problemem była skala połączona z odpowiedzialnością za dane
CMP.pl działa na Shoperze i ma katalog, w którym opis produktu nie może odrywać się od zdjęcia, parametrów, kategorii i realnej oferty. Ręczne przygotowanie tysięcy opisów oznaczałoby wysoki koszt i długi czas realizacji, ale automatyzacja bez walidacji byłaby jeszcze gorsza: mogłaby przepisać błędy, powielić ogólne frazy albo opublikować treść przy brakujących danych.
Podejście
AI dostało zadanie w procesie, a nie wolną rękę do pisania opisów
Zbudowaliśmy proces oparty o eksport danych, analizę zdjęć, generowanie treści, kontrolę długości pól SEO i publikację przez Shoper API. Kluczowe były ograniczenia: brak zgadywania parametrów, logi dla każdego rekordu, pomijanie produktów z brakami i możliwość ponowienia pracy na partii bez ręcznego kopiowania treści do panelu sklepu.
Zakres prac
Zakres, który miał rozwiązać konkretny problem
Ten case pokazuje konkretny zakres: eksport danych z Shopera, analiza zdjęć, generowanie opisów, kontrola pól SEO, raport wyjątków i publikacja tylko rekordów z właściwym statusem.
Integracja z Shoperem
- pobieranie i aktualizacja danych przez Shoper API
- bezpieczna publikacja tylko wybranych pól
- logi sukcesów i błędów dla produktów
- kontrola timeoutów i ponawiania operacji
Porządek w danych produktowych
- walidacja SKU, nazw, kategorii i atrybutów
- obsługa dużej liczby rekordów w partiach
- oddzielenie danych wejściowych od gotowych treści
- możliwość rozbudowy o kolejne języki i feedy
Proces
Jak wyglądała realizacja
01
Eksport danych i zdjęć
Zebraliśmy dane produktowe, zdjęcia, kategorie oraz pola wymagane do wygenerowania opisów i meta danych.
02
Reguły generowania
Ustaliliśmy format opisów, długości SEO title/meta description, zakazy zgadywania parametrów i warunki pomijania produktu.
03
Generowanie i walidacja
Pipeline tworzył opisy w partiach, zapisywał logi i oznaczał rekordy wymagające kontroli zamiast publikować je na siłę.
04
Publikacja przez API
Zweryfikowane treści zostały opublikowane w sklepie przez Shoper API z kontrolą pól i możliwością dalszego monitorowania.
Efekt
Co realnie uporządkowało wdrożenie?
✓
Automatyzacja skróciła proces z potencjalnych miesięcy ręcznej pracy do około 96 godzin operacyjnych.
✓
Koszt operacyjny AI/API był wielokrotnie niższy niż ręczne przygotowanie opisów dla 21 000 produktów.
✓
Sklep zyskał spójniejsze opisy, meta dane i podstawę pod dalsze porządkowanie katalogu.
✓
Case pokazuje, że AI w e-commerce ma sens dopiero wtedy, gdy działa z danymi, API, logami i walidacją.
FAQ projektu
Pytania przed podobnym wdrożeniem
W podobnych projektach najważniejsze nie jest samo API ani model AI, tylko moment zatrzymania rekordu: kiedy publikujemy, kiedy raportujemy błąd, a kiedy potrzebna jest decyzja człowieka.
Tak, ale tylko wtedy, gdy nie działa jako luźny generator tekstu. Potrzebne są dane wejściowe, reguły jakości, walidacja, logi i możliwość pomijania produktów, których AI nie powinno opisywać bez dodatkowej informacji.
API pozwoliło aktualizować dane w sklepie w sposób kontrolowany, bez ręcznego kopiowania treści do panelu. Pozwalało to pracować partiami, logować błędy i publikować tylko te pola, które były częścią procesu.
Tak, ale najpierw trzeba sprawdzić jakość danych, platformę, dostęp do API, strukturę kategorii, zdjęcia, atrybuty i wymagania SEO. Bez tego automatyzacja może tylko szybciej powielić chaos.
Nie zawsze. Najlepiej traktować ją jako system do masowego przygotowania bazowych treści, które mają strukturę, SEO i spójność. Przy najważniejszych produktach nadal można dodać ręczną redakcję premium.
Wniosek
AI w e-commerce działa wtedy, gdy jest częścią procesu danych
Największą wartością nie był sam prompt, tylko cały przepływ: dane wejściowe, reguły generowania, logi, walidacja i publikacja przez API. Bez tego AI generuje teksty; z tym staje się narzędziem do skalowania katalogu.
Masz podobny projekt do uporządkowania?
Opisz platformę, liczbę produktów, źródła danych i to, co dziś robicie ręcznie. Odpowiemy, czy da się zacząć od bezpiecznej próbki, raportu wyjątków i publikacji przez API bez ryzykowania jakości katalogu.