Chatbot AI dla sklepu specjalistycznego

Klient wchodzi do sklepu akwarystycznego o 22:14. Ma zbiornik 240 l, obsadę Malawi, budżet około 400 zł i jedno pytanie: który filtr nie będzie za słaby za pół roku. Nie szuka regulaminu zwrotów. Szuka dopasowania — czy ten konkretny produkt pasuje do jego zestawu.

Jeśli nikt nie odpowie, nie zostawi zgłoszenia „odezwijcie się rano”. Wróci do Google i kupi u kogoś, kto w tej samej minucie potrafi powiedzieć: tak, ten model; nie, tamten ma za niski przepływ; dołóż ten wkład, nie tamten.

To nie jest problem „braku czatu na stronie”. Większość sklepów jakieś okienko czatu już ma. Problem polega na tym, że umie ono powtórzyć częste pytania, a klient specjalistyczny pyta o sieć kompatybilności, której w FAQ nie ma.

Sklep jest otwarty. Zespół nie.

Ruch w sklepie internetowym nie kończy się o 18:00. Kończy się dyżur.

Badanie Gorgias Ecom Lab (lipiec 2026) na danych sprzedawców pokazuje, że mediana 53% pytań przed zakupem spada poza godzinami pracy (lokalny zegar sklepu, poniedziałek–piątek 9:00–18:00; reszta — w tym weekend — to czas po godzinach). Jedno na pięć ląduje w weekend. Pytania, które decydują o zakupie, są przesunięte jeszcze później niż zwykła obsługa.

Skutek nie jest „odpowiedź trochę wolniejsza”. W godzinach pracy mediana pierwszej odpowiedzi na pytanie zakupowe to 2,2 godziny. Po godzinach — około 15 godzin, czyli kolejka mniej więcej siedem razy wolniejsza. Najgorszy moment to nie środek nocy: to późne popołudnie, tuż po tym, jak zespół przestaje brać nowe zgłoszenia. Pytanie o 16:00 czeka do rana tak samo jak pytanie o 23:00.

Salesforce w raporcie State of the Connected Customer podaje, że 83% klientów oczekuje natychmiastowej interakcji, gdy kontaktują się z firmą. W sklepie specjalistycznym „natychmiast” nie znaczy automatycznej odpowiedzi. Znaczy: czy ten filtr, ta lampa, ta karma pasuje do *mojego* zestawu.

Satysfakcja klienta (CSAT) tego zwykle nie pokaże. Gorgias liczy pozytywny CSAT na zgłoszeniach przed zakupem na 86% w godzinach i 85% po godzinach. Różnica prawie zerowa — i to jest sygnał, nie pocieszenie. Ankieta trafia do osób, które zostały wystarczająco długo, żeby w ogóle dostać odpowiedź. Klient, który o 22:00 zapytał, nie poczekał i kupił gdzie indziej, nie jest „niezadowolony w panelu”. Jest nieobecny w przychodzie.

Dlaczego sklep specjalistyczny ma gorzej niż sklep odzieżowy

W odzieży wiele pytań przed zakupem da się sprowadzić do rozmiarówki, tabeli i polityki zwrotów. W akwarystyce, zoologii i ogrodnictwie pytanie jest warunkowe: *pasuje, jeśli*.

Klient nie kupuje „filtra”. Kupuje przepływ do obsady, głośność do sypialni, serwis wkładów, które i tak sprzedajesz, i pewność, że za trzy miesiące nie będzie musiał wymieniać zestawu. To jest sieć zależności: produkt × zbiornik × obsada × budżet × to, co już stoi na szafce.

Trzy typowe rozmowy, których lista częstych pytań nie ogarnie:

Akwarystyka. „Mam 240 l Malawi, budżet ~400 zł — Oase BioMaster 250 czy Fluval 307?” Tu trzeba znać przepływ, serwis, wkłady i to, co jest *w Twoim* magazynie, nie w recenzji z 2019 roku. Albo: „Czy ta lampa LED pokryje koralowce SPS na 60 cm?” — natężenie światła (PAR), wysokość zawieszenia, spektrum. Ogólny model powie coś prawdopodobnego. Sklep musi powiedzieć, czy *ten* produkt z karty to pokrywa.

Zoologia. „Szczeniak labradora, 4 miesiące, wrażliwy żołądek — która karma z Waszej oferty, bez kurczaka?” To nie jest wyszukiwarka po etykiecie „karma”. To skład, etap życia, wykluczenia i warianty wagi, które faktycznie macie na stanie.

Ogrodnictwo. „Balkon wschodni, donice 30 cm, chcę zioła przez zimę pod lampą — którą z tych dwóch i jaki nawóz?” Strefa, ekspozycja, pojemność donicy, faza wzrostu. Klient porówna dwie karty i i tak zapyta człowieka, bo boi się zabić roślinę.

W tych kategoriach „skontaktuj się z nami” jest równoznaczne z „sprzedaż wraca do Google”. Wiedza siedzi w głowach sprzedawców i w mailach z zeszłego sezonu. Nowy pracownik uczy się miesiącami. Chatbot, który nie widzi katalogu, tylko powiela tę lukę w oknie czatu.

Gdzie psuje się zwykły chatbot

Typowe okienko „AI” na stronie sklepu robi jedną z trzech rzeczy — i wszystkie trzy są drogie w niszowym asortymencie.

Powtarza częste pytania. Godziny otwarcia, koszt dostawy, „jak zwrócić”. Przydatne, ale to nie są pytania, które zatrzymują koszyk w sklepie specjalistycznym.

Zgaduje z ogólnego modelu. Duży model językowy bez Twoich kart produktów wymyśli kompatybilność, której nie ma w ofercie, poleci indeks, którego nie sprzedajesz, albo poda dawkę z innej etykiety. W akwarystyce i zoologii zmyślona rada to nie tylko zły interfejs — to ryzyko dla zwierzęcia albo zbiornika. Klient, który raz dostanie pewną, a błędną odpowiedź, nie wróci „poprawić zgłoszenia”.

Wrzeszczy wyskakującym oknem. Badania użyteczności Baymard pokazują, że czat inicjowany przez stronę (samoczynne otwarcie, kolejne nakładki) jest odbierany jako irytujący i rozpraszający — a ten sam czat jest użyteczny, gdy klient sam ma konkretne pytanie. W sklepie specjalistycznym nakładka „Cześć! W czym pomóc?” na karcie produktu, którą ktoś czyta od pięciu minut, nie zwiększa konwersji. Przerywa dobór.

Czwarty, cichy błąd: chatbot nie zna stanów i wariantów. Poleca filtr, którego nie ma. Albo poleca wariant 250, gdy w koszyku klient i tak weźmie 350, bo „doradca” nie widzi, że 250 jest wyprzedany. To nie jest sztuczna inteligencja. To wyszukiwarka odłączona od magazynu.

Co znaczy asystent „z katalogiem”

Nie chodzi o to, żeby model był większy. Chodzi o to, skąd bierze zdanie.

Odpowiedź ma być oparta na trzech warstwach, które sklep i tak posiada:

• Karty produktów — nazwa, parametry, opisy, które sam napisałeś (przepływ, skład, przeznaczenie, ograniczenia).
• Stan i warianty — to, co można włożyć do koszyka *teraz*, nie to, co kiedyś było w hurtowni.
• Zasady i wiedza sklepu — wysyłka żywych zwierząt, zwroty nawozów, „nie polecamy X z Y”, pliki PDF producentów, które wkleiłeś do bazy wiedzy.

Dopiero wtedy chatbot może zrobić to, po co klient otworzył okno: pokazać konkretne produkty w rozmowie, z uzasadnieniem, i skrócić drogę od pytania do koszyka. „Idealny będzie model A, bo …; alternatywa B, jeśli zależy Ci na cichszej pracy; A jest dostępny.”

Równie ważne jest, kiedy asystent ma przestać udawać pewność. Pytanie o chorobę ryby, dawkę leku, „czy ten koral zniesie transport w piątek” — to nie jest miejsce na improwizację. Dobra konfiguracja mówi: nie wiem / to wymaga człowieka — i oddaje wątek operatorowi z kontekstem (jaki zbiornik, który produkt, co już padło w czacie). Źle skonfigurowany bot albo zmyśla, albo zrzuca wszystko do „napisz maila”, co wraca do luki 15 godzin.

Przekazanie rozmowy człowiekowi nie jest porażką automatyzacji. Jest jej warunkiem. Automatyzujesz powtarzalny dobór z katalogu. Człowiek zostaje przy wyjątkach, reklamacjach i przypadkach, w których błąd kosztuje więcej niż jedno zgłoszenie.

Jak mierzyć, czy to działa

CSAT po godzinach, jak pokazuje Gorgias, może być niemal płaskie, podczas gdy przychód ucieka. Nie mierz tylko zadowolenia tych, którzy doczekali.

Praktyczny zestaw dla sklepu specjalistycznego:

• Udział pytań przed zakupem po 18:00 i w weekend. Jeśli nie zapisujesz godziny pytania, jesteś ślepy na połowę popytu. Gorgias liczy medianę 53% poza 9–18 pn–pt — Twoja nisza (hobby z kanapy) bywa jeszcze późniejsza.
• Czas pierwszej odpowiedzi po godzinach w porównaniu z dniem. Jeśli wieczór to „zobaczymy rano”, masz tę samą przepaść co mediana około 15 godzin.
• Wskaźnik automatyzacji — odsetek rozmów zamkniętych bez człowieka. To nie jest to samo co „bot coś odpisał”. Chodzi o rozmowy, w których klient dostał dopasowanie i nie musiał czekać na operatora. Gorgias na asystencie zakupowym raportuje wyższy odsetek samodzielnego zamknięcia po godzinach (ok. 91% pytań przed zakupem bez przekazania człowiekowi) niż w dzień — więcej pytań, mniejszy odsetek eskalacji, jeśli wiedza jest w systemie.
• Konwersja wizyt z rozmową i bez na kartach, gdzie ludzie i tak siedzą długo (filtry, lampy, karmy lecznicze).
• Poranna skrzynka. Jeśli w poniedziałek masz stos „pytałem w sobotę o kompatybilność” — to nie jest zaległa obsługa. To lista wczorajszych porzuconych koszyków.

Gorgias dodatkowo podaje, że 55% przychodu powiązanego z asystentem AI w ich próbie pochodzi z rozmów, które *zaczęły się* poza godzinami. To nie dowód, że każdy sklep zobaczy ten sam podział — metoda jest korelacyjna, na sprzedawcach platformy, z przypisaniem przychodu tylko tam, gdzie asystent w ogóle był włączony. To jest jednak mocny argument, żeby nie traktować wieczoru jako „martwej obsługi”.

Lista kontrolna: zanim wkleisz kolejne okienko czatu

Zanim kupisz „chatbota AI”, przejdź tę listę. Jeśli któregoś punktu nie spełniasz, okienko będzie ładniejszą listą częstych pytań.

1. Wypisz 20 prawdziwych pytań z ostatniego miesiąca — z maila, Messengera, czatu, Allegro. Jeśli większość to dopasowanie (pasuje / dawka / zestaw), a nie „gdzie przesyłka”, potrzebujesz katalogu, nie gotowca.
2. Uporządkuj karty. Brak przepływu na filtrze, składu na karmie albo przeznaczenia na nawozie oznacza, że model nie ma z czego cytować. Najpierw treść, potem AI.
3. Podłącz katalog, nie tylko stronę „O nas”. Indeksowanie FAQ nie zastąpi kodu produktu, ceny i stanu. Wiedz, czy synchronizacja jest zbliżona do czasu rzeczywistego (np. zdarzenia z platformy), czy to zrzut stanu — i co się dzieje, gdy coś się wyprzeda wieczorem.
4. Zdefiniuj, czego bot nie wolno radzić. Leki, choroby, „czy przeżyje transport”, reklamacje — od razu do człowieka.
5. Przekazanie z kontekstem. Operator ma widzieć zbiornik, produkt i historię czatu. „Klient pisał coś w nocy” to nie przekazanie.
6. Czat na żądanie, nie jako nakładka. Baymard: przydatny przy pytaniu, szkodliwy gdy sam wyskakuje. W specjalistycznym sklepie ludzie czytają kartę. Nie przerywaj im.
7. Mierz wskaźnik automatyzacji i konwersję po godzinach, nie tylko liczbę wiadomości bota. Wiadomość „nie rozumiem, napisz do nas” to nie automatyzacja.

Żaden z tych punktów nie wymaga nocnej zmiany. Wymaga, żeby wiedza przestała mieszkać wyłącznie w głowach.

Źródła

• Gorgias Ecom Lab — „Your team is sleeping on 53% of shopper questions” (lipiec 2026). Mediana 53% pytań przed zakupem poza 9–18 pn–pt; czas pierwszej odpowiedzi 2,2 h wobec ok. 15 h; odpowiedź agenta AI ok. 23 s; 55% przychodu powiązanego z asystentem z rozmów po godzinach; CSAT 86% wobec 85%. Metoda i zastrzeżenia (CSAT liczony tylko wśród tych, którzy zostali; brak przyczynowości) są opisane w artykule źródłowym.
• Salesforce — State of the Connected Customer: 83% klientów oczekuje natychmiastowej interakcji przy kontakcie z firmą.
• Baymard Institute — wskazówki optymalizacji konwersji i czatu na stronie: czat nieinicjowany przez użytkownika bywa irytujący; ten sam kanał jest użyteczny przy konkretnym pytaniu.

Przykłady z akwarystyki, zoologii i ogrodnictwa w tym tekście to ilustracje branżowe, nie statystyka z próby.

Asellio

Budujemy asystenta właśnie pod ten scenariusz: pytania o dopasowanie z katalogu sklepu, nie z ogólnego modelu. Na stronę wklejasz krótki kod JavaScript. Odpowiedzi biorą się z kart produktów i bazy wiedzy (częste pytania, PDF, artykuły). Shopify synchronizuje katalog w czasie zbliżonym do rzeczywistego (zdarzenia z platformy); BaseLinker jest w wersji beta; WooCommerce i inne platformy — podłączenie i synchronizacja, bez tego samego czasu rzeczywistego co Shopify.

W rozmowie asystent może pokazać karty produktowe. Gdy temat wykracza poza automatyzację, zespół przejmuje wątek w Live Inbox (od planu Growth). W Pro dochodzi obsługa formularzy i e-mail jako spraw — numer sprawy, status, kontekst produktu i zamówienia w panelu; to wsparcie, nie edycja zamówień ani pełny system zamówień. W analityce śledzisz wskaźnik automatyzacji, nie tylko liczbę wiadomości.

Zobacz demo na żywym katalogu albo zacznij 14-dniowy okres próbny.