Generowanie opisów produktów AI sprawdza się wtedy, gdy model dostaje dane produktu i pisze wyłącznie z nich, według reguł ustalonych ze sklepem. Gdy danych brakuje, dobry proces niczego nie dopisuje od siebie, tylko odkłada produkt i pyta zespół. Od tego drugiego warunku zależy, czy opisy pomogą sprzedaży, czy skończą się reklamacjami.
W skrócie: model AI ma sens przy setkach produktów, dla których sklep ma dane (skład, gramaturę, wymiary), ale nie ma tekstu. Tam, gdzie opis da się złożyć z reguły, AI jest zbędne: przy 2692 zestawach wielosztukowych dla sklepu internetowego opisy powstały bez modelu. Proces z modelem AI kosztuje u nas zwykle 3–5 tys. zł netto, a serwer z n8n ok. 8–40 zł miesięcznie.
Piszę na podstawie procesu, który zbudowaliśmy dla sklepu Schronisko Bukowina. Z listy 2695 pozycji powstały 2692 zestawy po 2–13 sztuk, każdy ze zdjęciem, opisem i kodem. Jeden zestaw zajmuje procesowi ok. 2 sekund. 608 pozycji proces po drodze odesłał do zespołu sklepu z prośbą o decyzję, a po odpowiedziach zespołu trafiły do kolejnego przebiegu. Właśnie o nich jest najważniejsza część tego tekstu.
Kiedy generowanie opisów produktów AI ma sens, a kiedy wystarczy reguła
Zanim sklep zapłaci za model AI, warto sprawdzić, czego właściwie brakuje w katalogu. Zwykle jest to jedna z trzech sytuacji.
Nie ma opisu, ale są dane. W eksporcie z platformy sklepu jest skład, gramatura, wymiary albo kraj pochodzenia, a pole opisu jest puste lub ma jedno zdanie. Tu model AI robi to, czego reguła nie zrobi: zamienia suche parametry w tekst, który dobrze się czyta, w jednym stylu dla całego katalogu.
Opis jest, ale trzeba go dopasować. Chodzi o nowy wariant, inną gramaturę albo zestaw kilku sztuk. Tu zwykle wystarcza reguła, czyli stały fragment tekstu uzupełniony danymi z arkusza. Działa szybciej, nie kosztuje nic przy każdym produkcie i nie może niczego zmyślić.
Nie ma ani opisu, ani danych. Wtedy AI nie pomoże. Model bez danych napisze zgrabny tekst o produkcie, którego nie zna, więc szczegóły po prostu zgadnie. Najpierw trzeba uzupełnić dane w katalogu.
2692 zestawy, w których opisu nie pisał model AI
Sklep sprzedaje ten sam produkt pojedynczo i w wielopakach. Każdy wielopak to osobna pozycja w katalogu: potrzebuje zdjęcia z właściwą liczbą sztuk, opisu z informacją, ile ich jest, i własnego kodu. Przy blisko 2700 pozycjach ręczna praca zajęłaby miesiące, więc wielopaki po prostu by nie powstały.
Na początku zakładaliśmy, że opisy napisze model AI. Razem z klientem wybraliśmy prostsze rozwiązanie. Opis zestawu to oryginalny opis produktu z jednym dodanym zdaniem o liczbie sztuk, a reszta tekstu zostaje bez zmian. Takiego opisu nikt nie wymyśla, więc nie ma w nim zmyślonych informacji, a jego przygotowanie nie wymaga płatnych wywołań modelu.
Zdjęcie zestawu też składa program, a nie model generatywny. Bierze zdjęcie pojedynczej sztuki i układa z niego kompozycję z zadaną liczbą sztuk. Kod zestawu powstaje według stałej konwencji. Cały przebieg opisaliśmy w case study zestawów wielosztukowych.
Model generatywny pracuje w tym sklepie tam, gdzie reguła nie wystarcza. Narzędzie do podmiany produktu na istniejącym zdjęciu przygotowuje w 1–2 minuty 4 warianty z nowym produktem. Sklep nie musi organizować nowej sesji zdjęciowej, a wybrany wariant i tak zatwierdza człowiek.
Jak zbudowany jest proces generowania opisów produktów z AI: pięć kroków
1. Dane z katalogu. Proces czyta listę produktów z pliku CSV albo arkusza wyeksportowanego z platformy sklepu. Każda kolumna, z której model ma korzystać, musi mieć jednoznaczną nazwę: skład, gramatura, wymiary, materiał.
2. Odsianie złych danych. Zanim cokolwiek trafi do modelu, proces sprawdza, czy dane nadają się do użycia. Produkt z pustym albo uszkodzonym opisem, bez zdjęcia lub z niejednoznacznym kodem trafia na osobną listę razem z opisem problemu.
3. Pisanie z danych. Model dostaje pola jednego produktu i instrukcję: długość tekstu, ton marki, układ akapitów, słowa zakazane. W instrukcji jest też wprost zapisane, że nie wolno mu dodawać faktów spoza danych. W polskim tekście osobno sprawdzamy odmianę nazw i liczebników, bo tu modele mylą się najczęściej.
4. Automatyczna kontrola. Każdy tekst przechodzi przez sprawdzenie: czy liczby zgadzają się z danymi, czy opis mieści się w limicie długości i czy nie zawiera zakazanych sformułowań, na przykład obietnic zdrowotnych. Opis, który nie przejdzie kontroli, nie trafia do pliku importu.
5. Akceptacja i import. Zespół sklepu przegląda próbkę albo wszystkie opisy, zależnie od branży. Dopiero potem proces przygotowuje plik do importu na platformę sklepu, a publikację zatwierdza człowiek.
Stały przepływ, który co tydzień opisuje nowe produkty, budujemy w n8n. Dlaczego właśnie w nim, wyjaśniamy w porównaniu n8n vs Make vs Zapier. Jednorazowy wsad, taki jak zestawy wielosztukowe, przygotowujemy jako skrypty uruchamiane na żądanie. Ten sam układ, czyli dane, model, kontrola i człowiek na końcu, stosujemy przy automatyzacji faktur z AI.
Gdzie AI musi przestać pisać i zapytać człowieka
Przy zestawach wielosztukowych do zespołu sklepu wróciło 608 z 2695 pozycji. 127 z nich to blokery: opisu źródłowego albo zdjęcia nie było lub były uszkodzone, więc zestawu nie dało się zbudować bez zgadywania. Pozostałe 481 to pytania, na przykład o niejednoznaczny kod produktu, na które odpowiedzieć mógł tylko zespół. Ta lista posłużyła przy okazji za audyt katalogu, bo pokazała, gdzie brakuje opisów i gdzie kody są niespójne.
Przy opisach pisanych przez model AI te miejsca są podobne, a do listy dochodzą jeszcze dwa.
Brak danych i dane sprzeczne. Jeśli w nazwie produktu jest 500 g, a w kolumnie gramatury 400 g, model wybierze jedną z liczb i napisze ją z pełnym przekonaniem. Proces ma taki produkt odłożyć i zapytać, która liczba jest prawdziwa.
Oświadczenia zdrowotne i żywieniowe. Modele chętnie dopisują, że produkt „wspiera odporność” albo jest „źródłem białka”. Przy żywności takie zdania regulują unijne przepisy, przede wszystkim rozporządzenie (WE) nr 1924/2006. Wolno stosować tylko oświadczenia dopuszczone przepisami i tylko wtedy, gdy produkt spełnia ich warunki, więc reguła w procesie jest prosta: model ich nie pisze, a jeśli są w danych źródłowych, sprawdza je człowiek.
Parametry, od których zależy bezpieczeństwo. Chodzi o wymiary, dopuszczalne obciążenie, wiek dziecka czy alergeny. Pomyłka w takim miejscu to nie literówka, tylko wprowadzenie klienta w błąd. Te pola proces przepisuje z danych dosłownie, a model nie może ich przeformułować.
Czy Google karze za opisy produktów napisane przez AI?
Nie za samo użycie AI. Według wytycznych Google dotyczących treści z generatywnej AI problemem jest masowe tworzenie stron, które nie wnoszą nic dla użytkownika. Google uznaje to za nadużycie polegające na tworzeniu treści na dużą skalę (scaled content abuse), bez względu na to, czy teksty napisał człowiek, czy model. Te same wytyczne zalecają sprawdzenie faktów w każdej treści z AI przed publikacją.
Inne zasady obowiązują w Google Merchant Center. Tytuły i opisy produktów wygenerowane przez AI trzeba tam przekazywać w osobnych atrybutach, oznaczonych jako wygenerowane przez AI. Jeśli sklep wysyła produkty do Zakupów Google, proces powinien od razu przygotować plik w tym formacie.
Wniosek dla sklepu jest praktyczny. Opis z AI musi być lepszy od braku opisu i od tekstu producenta, który mają u siebie także konkurenci. Pomaga w tym właśnie pisanie z danych: konkretny skład i wymiary odróżniają opis od ogólników.
Ile kosztuje automatyczne generowanie opisów produktów? Zwykle 3–5 tys. zł netto
Proces z modelem AI, który czyta dane, pisze opisy, sprawdza je i przygotowuje plik do importu, kosztuje u nas zwykle 3–5 tys. zł netto, płatne jednorazowo. Prostszy proces oparty na regule, bez modelu, zaczyna się od 2 000 zł netto. Miesięcznie dochodzi serwer z n8n za ok. 8–40 zł i opłata za API modelu, która rośnie z liczbą opisów. Ten koszt liczymy w ofercie z góry, na podstawie wielkości Państwa katalogu. Pełny rozkład cen opisaliśmy w tekście ile kosztuje automatyzacja procesów.
Alternatywą są moduły do opisów AI wbudowane w platformy sklepowe. Sprawdzają się, gdy produkty dodaje się pojedynczo i ręcznie. Własny proces ma sens przy setkach albo tysiącach produktów, gdy opisy mają trzymać się reguł sklepu, a produkty z brakami mają wracać do zespołu, zamiast trafiać do sprzedaży.
Kiedy nie warto automatyzować opisów produktów
Kilkadziesiąt produktów, które rzadko się zmieniają. Takie opisy szybciej napisze właściciel albo copywriter, korzystając z modelu AI w zwykłym czacie. Proces za kilka tysięcy złotych nie ma tu na czym zarobić.
Brak danych źródłowych. Proces nie ma z czego pisać. Pierwszym krokiem jest uporządkowanie katalogu, a automatyzacja przychodzi dopiero po nim.
Produkty, w których każde zdanie wymaga oceny specjalisty. Tak jest przy suplementach czy wyrobach medycznych. Model przygotuje szkic, ale każdy tekst i tak musi przeczytać ktoś, kto zna przepisy, więc oszczędność czasu jest niewielka.
Jak zaczynamy: próbka na Państwa danych, potem cały katalog
Zaczynamy od próbki na części Państwa katalogu. Na niej widać, ile produktów proces obsłuży sam, ile odeśle z pytaniem i jak brzmią opisy. Dopiero wtedy ustalamy cenę całości. Rozmowa i oferta na pierwszy proces są bezpłatne, a najszybciej jest zadzwonić: +48 512 025 273.
Taki proces to coś innego niż chatbot czy samodzielny agent. Model wykonuje jeden krok w przepływie, a wynik zatwierdza człowiek. Różnicę wyjaśniamy w tekście agent AI vs chatbot, a pozostałe procesy, które automatyzujemy, zebraliśmy na stronie automatyzacji AI.
Często zadawane pytania
Czy AI dobrze pisze opisy produktów po polsku?
Tak, jeśli dostaje dane produktu i jasne reguły: długość, ton, słowa zakazane. Gorzej radzi sobie z odmianą nazw własnych i liczebników, dlatego proces sprawdza te miejsca osobno. Bez danych model pisze ogólniki albo zgaduje szczegóły.
Czy Google karze za opisy produktów wygenerowane przez AI?
Nie za samo użycie AI. Google uznaje za spam masowe tworzenie treści, które nie wnoszą wartości dla użytkownika, bez względu na to, kto je napisał. Zaleca też sprawdzenie faktów w każdej treści z AI przed publikacją.
Czy opisy produktów z AI trzeba oznaczać?
Na stronie sklepu Google tego nie wymaga. W Google Merchant Center tytuły i opisy wygenerowane przez AI trzeba przekazywać w osobnych atrybutach, oznaczonych jako wygenerowane przez AI.
Ile kosztuje generowanie opisów produktów AI?
U nas proces z modelem AI kosztuje zwykle 3–5 tys. zł netto jednorazowo, a prostszy proces oparty na regule od 2 000 zł netto. Miesięcznie dochodzi serwer z n8n za ok. 8–40 zł i opłata za API modelu, zależna od liczby opisów.
Ile trwa przygotowanie opisów dla całego katalogu?
Sam przebieg trwa krótko: przy zestawach wielosztukowych jeden zestaw ze zdjęciem, opisem i kodem powstawał w ok. 2 sekundy. Najwięcej czasu zajmuje przygotowanie danych i decyzje zespołu przy pozycjach, które proces odesłał z pytaniem.
Co się dzieje z produktami, których proces nie potrafi opisać?
Trafiają na osobną listę z opisem problemu: brak danych, dane sprzeczne, niejednoznaczny kod. Zespół sklepu je uzupełnia albo podejmuje decyzję, a proces przetwarza je w kolejnym przebiegu. Przy zestawach wielosztukowych na taką listę trafiło 608 z 2695 pozycji.
Chcą Państwo uzupełnić opisy w swoim katalogu?
Prosimy napisać, ile produktów ma Państwa sklep, na jakiej platformie działa i jakie dane o produktach są w eksporcie. Odpowiadamy, czy wystarczy reguła, czy potrzebny jest model AI, i podajemy cenę. Rozmowa i oferta na pierwszy proces są bezpłatne.