- Strategia oparta o dane i cele biznesowe.
- Rekomendacje UX, integracji i automatyzacji.
- Plan wdrożeń i wsparcie zespołu.
Klient — firma importująca sprzęt AGD — przyszedł z konkretnym problemem: 1 000 produktów w sklepie WooCommerce, wszystkie z opisami skopiowanymi bezpośrednio od producenta. Identyczne treści, które znajdowały się na dziesiątkach innych sklepów. Google to widział, rankingi to odzwierciedlały. Ruch organiczny z produktów — bliski zeru.
Tradycyjne rozwiązanie: zatrudnić copywriterów, zakres i cena takiego projektu wychodziły na 3–4 miesiące pracy i budżet rzędu 60–80 tys. zł. Zamiast tego zaproponowaliśmy hybrydowe podejście z AI — i w 3 tygodnie mieliśmy gotowe, zoptymalizowane opisy dla wszystkich produktów. Poniżej opisuję jak to zrobiliśmy i co okazało się trudniejsze niż myśleliśmy.
Pomożemy ocenić potencjał SEO i zaproponujemy podejście dopasowane do rozmiaru katalogu i budżetu.
Dlaczego samo „wrzuć do ChatGPT” nie działa
Pierwsza myśl wielu właścicieli sklepów jest prosta: wkleję opis producenta do ChatGPT i poproszę o przepisanie. I to faktycznie działa — ale tylko dla pierwszych kilku produktów. Gdy masz 1 000 produktów, ręczne kopiowanie i wklejanie to wciąż setki godzin pracy. Poza tym wynik jest nierówny: jeden opis wychodzi świetnie, inny – banalnie, kolejny — zupełnie nie pasuje do tonu marki. Bez struktury i kontroli jakości dostajesz 1 000 opisów o różnej jakości, z których wiele nie nadaje się do publikacji.
Prawdziwa praca przy projekcie tego typu to nie „pisanie AI” — to inżynieria procesu. Skrypt, prompt, przepływ danych, kontrola jakości, import. Dopiero to razem daje skalowalne i powtarzalne wyniki.
Jak wyglądał nasz process
Zaczęliśmy od eksportu danych z WooCommerce: nazwa produktu, kategoria, atrybuty (moc, wymiary, pojemność, kolor, materiał), cena i istniejący opis producenta. To surowy materiał — dane wejściowe dla AI. Im więcej atrybutów, tym lepszy wynik, bo model ma z czym pracować. Produkty z samą nazwą i ceną bez żadnych danych technicznych dawały opisy płytkie i generyczne. Produkty z 10 atrybutami — precyzyjne i merytoryczne.
Potem przyszła najtrudniejsza część: prompt engineering. Prompt to instrukcja dla modelu — co ma napisać, w jakim tonie, dla kogo, jakiej długości, z jakimi słowami kluczowymi. Testowaliśmy kilkadziesiąt wariantów na próbce 50 produktów zanim trafiliśmy na wersję, która konsekwentnie dawała dobre wyniki. Prompt zawierał: persona klienta (kto kupuje ten sprzęt), ton marki (profesjonalny ale przystępny, bez technicznego żargonu), strukturę opisu (akapit korzyści, akapit techniczny, akapit dla kogo), docelową długość i przykład pożądanego wyjścia.
Skrypt w Pythonie iterował przez wszystkie produkty, wysyłał dane do API OpenAI z tym promptem i zapisywał wynik. Koszt API dla 1 000 opisów przy GPT-4o wyniósł kilkaset złotych — ułamek kosztu tradycyjnego copywritingu.
Kontrola jakości — tego nie można pominąć
Tu leży sedno projektu i to, co odróżnia rzetelne wdrożenie AI od eksperymentu. Wygenerowane opisy przeszły przez dwuetapową weryfikację. Pierwsza — automatyczna: skrypt sprawdzał czy opis ma odpowiednią długość, czy nie zawiera „halucynacji” (stwierdzeń niezgodnych z atrybutami produktu — np. AI czasem dodaje funkcje, których produkt nie ma), czy nie powtarza dosłownie opisu producenta. Druga — ręczna: klient przejrzał 10% losowo wybranych opisów z każdej kategorii. Tam, gdzie coś nie pasowało do marki lub wiedzy produktowej, wracaliśmy z poprawionym promptem i generowaliśmy od nowa.
Około 8% opisów wymagało ręcznej korekty po etapie automatycznym. To bardzo dobry wynik — oznacza, że 920 produktów z 1 000 przeszło przez proces bez interwencji człowieka. Dla tych 80 produktów zrobiliśmy sesję z klientem, ustalailiśmy co AI zrobiło nie tak i poprawiliśmy prompt dla tej kategorii.
Efekt po 3 miesiącach
Opisy zostały zaindeksowane przez Google w ciągu 4–6 tygodni od publikacji. Po 3 miesiącach ruch organiczny z produktów wzrósł o 340% rok do roku. Część produktów z niszowymi frazami wskoczyła na pierwszą stronę Google bez żadnych działań link-buildingowych. Klient dostał to, czego potrzebował: unikalne treści, które Google traktuje jako wartościowe, za ułamek kosztu tradycyjnego copywritingu.
Ważna uwaga: AI nie zastąpiło tu człowieka całkowicie. Zastąpiło żmudną, powtarzalną część pracy — strukturowanie i pisanie podobnych opisów według szablonu. Ekspercka weryfikacja, znajomość produktów i decyzja „co jest ważne dla kupującego” — to wciąż wymagało zaangażowania klienta i naszego doświadczenia w SEO e-commerce. AI to narzędzie, nie magik.
Masz katalog produktów z opisami, które nie rankują? Sprawdzimy, czy podobne podejście ma sens w Twoim przypadku. Umów rozmowę — na wstępie ocenimy potencjał SEO i powiemy, co można zrobić.
