AI w VTEX. Jak platforma zmienia e-commerce w retail i FMCG 

VTEX to platforma e-commerce klasy enterprise, która łączy sprzedaż B2C, B2B, marketplace i omnichannel. Wbudowane funkcjonalności AI wspierają analizę danych, wyszukiwanie produktów, personalizację, tworzenie treści oraz obsługę klienta.

AI w VTEX jest częścią środowiska commerce, a nie osobnym dodatkiem. Agenci AI mogą korzystać z danych dotyczących katalogu, zamówień, zapasów, promocji i zachowań klientów, a następnie pomagać w analizowaniu sytuacji oraz wykonywaniu konkretnych działań.

Warto podkreślić, że AI wbudowane w platformę VTEX CX Platform wspiera dwa typu użytkowników:

• działy strategiczne i operacyjne w firmach: dyrektorów e-commerce, managerów, specjalistów tworzących kampanie i dodających produkty,
• konsumentów, którzy odwiedzają sklep internetowy, szukając produktów, informacji, inspiracji.

Jest to szczególnie istotne w branży retail i FMCG. Duże katalogi, częste kampanie, presja na marżę, sezonowość oraz tysiące codziennych interakcji sprawiają, że ręczne zarządzanie każdym elementem sprzedaży staje się coraz trudniejsze.

Najważniejsze informacje: 

VTEX rozwija funkcje AI w kilku powiązanych obszarach: 

• analizie danych i automatyzacji pracy zespołów e-commerce, 

• wyszukiwaniu produktów oraz personalizacji rekomendacji, 

• tworzeniu i optymalizacji treści, 

• konwersacyjnej sprzedaży i obsłudze posprzedażowej, 

• kampaniach retail media, 

• rozwoju i integracji platformy przez zespoły technologiczne. 

Największą wartością nie jest jednak liczba pojedynczych narzędzi. Kluczowe znaczenie ma ich dostęp do wspólnego kontekstu biznesowego oraz możliwość połączenia analizy, podejmowania decyzji i realizacji działania w ramach jednej platformy. 

Czym jest VTEX? 

VTEX to platforma, która łączy w jednym środowisku kluczowe elementy handlu cyfrowego, w tym katalog produktów, CMS, checkout, zarządzanie zamówieniami, marketplace oraz integracje z zewnętrznymi systemami. Pozwala rozwijać sprzedaż w wielu kanałach i na różnych rynkach, bez konieczności budowania oddzielnych rozwiązań dla każdego procesu. Wspólna architektura i dostęp do danych tworzą także podstawę do wykorzystania funkcji AI w codziennej pracy zespołów e-commerce. 

Z VTEX korzystają globalne marki, takie jak OBI, InPost Fresh, Carrefour, The North Face, Unilever, C&A, Decathlon, Whirlpool, KFC, H&M, Philips, Nestlé, 7-Eleven, Adidas, Mondelez. Sa to organizacje, które rozwijają sprzedaż w wielu kanałach i na wielu rynkach, jednocześnie dbając o efektywność operacyjną i marżę. 

A Library of Ready-to-Use AI Agents 

VBiblioteka gotowych Agentów AI 

VTEX udostępnia bibliotekę gotowych agentów AI, których można uruchamiać bez konieczności budowania własnych modeli sztucznej inteligencji. Każdy agent odpowiada za konkretny proces biznesowy i może wspierać zarówno klientów sklepu, jak i zespoły odpowiedzialne za sprzedaż, marketing oraz operacje e-commerce. 

Najważniejsze możliwości: 

• Gotowe do wdrożenia scenariusze AI – bez potrzeby tworzenia własnych rozwiązań od podstaw.  

• Wsparcie całego procesu sprzedaży – od wyszukiwania produktów, przez obsługę klienta, po merchandising i zarządzanie katalogiem.  

• Automatyzacja powtarzalnych zadań – odciążenie zespołów e-commerce i skrócenie czasu realizacji codziennych działań.  

• Praca w oparciu o dane firmy – agenci wykorzystują informacje dostępne w platformie oraz uwzględniają zdefiniowane reguły biznesowe.  

• Pełna kontrola nad działaniem AI – możliwość określenia uprawnień, zasad działania oraz poziomu autonomii każdego agenta.  

• Stopniowe wdrażanie – możliwość uruchamiania pojedynczych agentów i rozszerzania wykorzystania AI wraz z rozwojem organizacji.  

• Integracja z ekosystemem VTEX – agenci współpracują z modułami platformy, wspierając spójne procesy omnichannel i marketplace.  

Poniżej przedstawiamy wybranych agentów AI dostępnych w VTEX oraz przykłady ich zastosowania w codziennej pracy organizacji e-commerce. 

Data Insights Agent – od raportu do konkretnego działania 

Zespoły e-commerce mają dostęp do coraz większej liczby danych, ale samo ich gromadzenie nie rozwiązuje problemów biznesowych. Nadal trzeba wiedzieć, czego szukać, jak połączyć informacje z różnych obszarów oraz które wnioski powinny prowadzić do działania. 

Data Insights Agent dostępny w VTEX umożliwia zadawanie pytań dotyczących wyników sprzedaży w naturalnym języku. Zamiast samodzielnie budować kolejny raport, menedżer może zapytać na przykład: 

• które produkty odnotowały spadek konwersji w ostatnim tygodniu i co ważne DLACZEGO ten spadek nastąpił (druga część tego pytania jest znacznie ważniejsza dla dyrektora e-commerce), 

• jakie kategorie generują duży ruch, ale niewielką sprzedaż, 

• które zamówienia nie osiągają oczekiwanej marży, 

• pokaż mi produkty, na których zarabiamy poniżej X PLN, 

• w jakich obszarach pojawiły się nietypowe zmiany wyników. 

Agent może pomóc wskazać anomalie, trendy i potencjalne źródła problemu. Spadek sprzedaży nie zawsze wynika przecież ze słabszego zainteresowania produktem. Przyczyną może być brak zapasu, niewłaściwa cena, niepełny opis, niedostępny wariant albo mało czytelna karta produktu.

Jak VTEX AI Workspace koordynuje pracę agentów AI? 

Kierunkiem dalszego rozwoju jest VTEX AI Workspace, czyli środowisko pozwalające koordynować pracę wyspecjalizowanych agentów. Jeden agent może identyfikować problem, kolejny analizować możliwe rozwiązania, a następny wspierać wdrożenie zmian w wyszukiwarce, katalogu, treściach lub cenach.  

„Największa zmiana polega na tym, że AI nie kończy pracy na przygotowaniu raportu. Może wskazać przyczynę problemu, zaproponować kolejne działanie, a w wybranych procesach również pomóc je wykonać. Zespół nadal zachowuje kontrolę nad priorytetami i zasadami działania platformy, ale agent może działać też autonomicznie, według wcześniej ustalonych reguł.  
 
Dobrym przykładem jest optymalizacja współczynnika konwersji kart produktowych. Dyrektor e-commerce może po prostu poprosić agenta AI: 

1. Znajdź produkty o wysokim ruchu, ale niskiej konwersji. 
Przykładowo: pokaż wszystkie produkty, które mają ponad 500 wizyt miesięcznie, ale osiągają współczynnik konwersji istotnie niższy od średniej dla swojej kategorii. Agent AI przygotuje taką listę, oszczędzając zespołowi wiele godzin ręcznej analizy. 

2. Wskaż najbardziej prawdopodobne przyczyny niskiej konwersji. 
Agent AI analizuje dane i tworzy listę hipotez, np.: 

• produkt ma zbyt mało zdjęć,  

• opis jest zbyt krótki lub nie zawiera kluczowych informacji,  

• brakuje wyboru wariantów (rozmiar, kolor),  

• cena jest wyższa od porównywalnych ofert konkurencji,  

• produkt ma słabsze opinie lub ich brakuje,  

• karta produktowa nie zawiera istotnych parametrów technicznych.  

3. Zleć wdrożenie rekomendowanych zmian. 
Dyrektor e-commerce może zaakceptować wybrane rekomendacje i przekazać je kolejnym agentom AI, którzy przygotują nowe opisy, wygenerują dodatkowe treści, uzupełnią brakujące informacje czy zasugerują zmiany merchandisingowe. Tam, gdzie wymagana jest decyzja człowieka, agent przedstawi propozycje do akceptacji. 

4. Zweryfikuj efekty i ucz się na wynikach. 
Po 2–3 tygodniach wystarczy poprosić agenta AI o analizę rezultatów. System wskaże, które działania przełożyły się na wzrost konwersji, które nie przyniosły oczekiwanych efektów oraz zaproponuje kolejną iterację optymalizacji. 

To pokazuje, że AI staje się nie tylko narzędziem analitycznym, ale realnym współpracownikiem zespołu e-commerce. W dużych organizacjach, zarządzających tysiącami produktów, taki model pracy może oznaczać setki zaoszczędzonych godzin miesięcznie, szybsze wdrażanie zmian i znacznie lepsze wykorzystanie kompetencji zespołu.” – mówi Tomasz Cyrek, Country Manager, VTEX. 

AI może pomóc chronić marżę, nie tylko zwiększać sprzedaż

W retail i FMCG wysoka sprzedaż nie zawsze oznacza wysoką rentowność. Niewielkie zamówienie może wyglądać poprawnie na poziomie marży produktowej, ale po uwzględnieniu kosztu kompletacji, opakowania, płatności i dostawy okazać się nierentowne. 

Odpowiednio skonfigurowany agent może monitorować takie sytuacje i wskazywać zamówienia, które nie osiągają ustalonego poziomu marży nominalnej. Kolejnym krokiem może być przygotowanie rekomendacji, na przykład: 

• zmiana progu minimalnej wartości zamówienia, 

• zastosowanie bardziej trafnego cross-sellingu, 

• promowanie produktów o wyższej marży, 

• modyfikacja zasad darmowej dostawy, 

• zmiana ekspozycji wybranych produktów. 

Nie musi to być jednorazowa analiza. Agent może stale obserwować wyniki i sygnalizować, gdy podobny problem pojawi się ponownie. 

Wymaga to oczywiście właściwego modelu danych, określenia kosztów oraz przygotowania reguł odpowiadających konkretnemu biznesowi. Nie każda firma będzie również potrzebowała takiego samego scenariusza. Właśnie dlatego projektowanie agentów powinno zaczynać się od procesu i celu biznesowego, a nie od wyboru modelu AI.

Wyszukiwarka, która lepiej rozumie intencję klienta  

Klienci nie zawsze używają nazw zgodnych z katalogiem produktowym. Szukają produktów potocznymi określeniami, wpisują niepełne frazy albo opisują potrzebę zamiast nazwy konkretnego artykułu. 

W branży FMCG mogą to być zapytania takie jak: 

• przekąski bez cukru, 

• produkty na grilla dla kilku osób, 

• szybki obiad dla dzieci, 

• kosmetyki do skóry wrażliwej, 

• środki do usuwania kamienia. 

Tradycyjna wyszukiwarka próbuje dopasować wpisane słowa do nazw i atrybutów produktów. AI Search & Recommendations ma uwzględniać również kontekst, intencję użytkownika oraz sezonowość (lato / zima, okres świąteczny itp.), a następnie łączyć wyszukiwanie z personalizowanymi rekomendacjami.  

Dla sprzedawcy oznacza to możliwość skrócenia drogi do produktu i ograniczenia liczby wyszukiwań kończących się bez wyniku. Dla klienta oznacza natomiast bardziej naturalny sposób poruszania się po dużym asortymencie. 

System może także uwzględniać sezonowość, wcześniejsze zachowania, dostępność towaru oraz reguły merchandisingowe. Operator platformy zachowuje przy tym możliwość definiowania priorytetów, wag i zasad prezentacji produktów. 

AI nie musi więc przejmować pełnej kontroli nad wynikami. Może automatyzować część decyzji w granicach ustalonych przez retailerów, merchandiserów i zespoły e-commerce. 

Wirtualny doradca dostępny podczas całej ścieżki zakupowej 

A traditional chatbot often ends a conversation by providing a link to a help article or transferring the customer to a service W tradycyjnym chatbocie rozmowa często kończy się na przekazaniu linku do instrukcji albo skierowaniu klienta do konsultanta. Agent AI zintegrowany z platformą commerce może działać inaczej. 

VTEX CX Platform zapewnia agentom dostęp do danych z katalogu, systemu zarządzania zamówieniami, promocji i checkoutu. Dzięki temu agent może nie tylko udzielić odpowiedzi, ale również wykonać określone zadanie.  

W zależności od konfiguracji rozwiązania klient może między innymi: 

• znaleźć produkt odpowiadający konkretnym potrzebom, 
• porównać dostępne warianty, 
• sprawdzić status zamówienia, 
• rozpocząć zwrot lub wymianę, 
• anulować zamówienie, 
• odzyskać porzucony koszyk, 
• przejść przez zakup w kanale konwersacyjnym.

W retail i FMCG taki agent może odpowiadać na pytania dotyczące składników, sposobu użycia, dostępności, wariantów produktu czy aktywnych promocji. Warunkiem jest oczywiście dostęp do uporządkowanych i aktualnych danych produktowych. 

Jeżeli sprawa wymaga decyzji człowieka, rozmowa może zostać przekazana konsultantowi razem z wcześniejszym kontekstem. Klient nie musi wtedy ponownie opisywać całej sytuacji. 

Generowanie treści w skali dużego katalogu 

Retailerzy i producenci FMCG regularnie przygotowują opisy produktów, strony kategorii, kampanie sezonowe, komunikaty promocyjne oraz wersje treści przeznaczone na różne rynki. 

Przy tysiącach produktów nawet niewielka aktualizacja może oznaczać wiele godzin pracy. CMS with GenAI ma ułatwiać generowanie, adaptowanie i optymalizowanie treści przy zachowaniu procesów akceptacji oraz kontroli nad publikowanymi zmianami.  

Może to wspierać między innymi: 

• przygotowanie wariantów treści dla różnych grup klientów, 

• lokalizację kampanii na kolejne rynki, 

• rozwijanie opisów kategorii i produktów, 

• dostosowanie komunikacji do sezonu lub kanału, 

• szybsze tworzenie landing page’y, 

• optymalizację treści pod kątem wyszukiwarek. 

W praktyce nie chodzi o automatyczne publikowanie wszystkiego, co wygeneruje model. Ważniejsze jest skrócenie powtarzalnej pracy przy jednoczesnym zachowaniu spójności marki, poprawności danych i kontroli redakcyjnej. 

Retail media jako dodatkowe źródło przychodów 

Retail media jest szczególnie istotne dla sieci handlowych oraz marek FMCG. Retailer dysponuje ruchem, powierzchnią reklamową i danymi dotyczącymi zachowania kupujących. Producent chce natomiast dotrzeć do klienta w momencie, w którym podejmuje on decyzję zakupową. 

VTEX Ads Platform pozwala prowadzić kampanie obejmujące między innymi produkty sponsorowane, powierzchnie reklamowe w sklepie internetowym, działania poza storefrontem oraz nośniki znajdujące się w sklepach stacjonarnych.

IW praktyce producent napojów, kosmetyków czy produktów spożywczych może promować ofertę bezpośrednio w wynikach wyszukiwania lub na stronie kategorii. Retailer zyskuje dodatkowe źródło przychodów, a reklamodawca otrzymuje dostęp do odbiorców znajdujących się bliżej zakupu niż użytkownicy wielu tradycyjnych kanałów reklamowych. 

Warstwa AI ma wspierać między innymi: 

• tworzenie kampanii na podstawie celu opisanego naturalnym językiem, 

• dobór grup odbiorców, 

• podział budżetu, 

• monitorowanie wyników, 

• rekomendowanie zmian w trakcie kampanii. 

Część agentowych funkcji zarządzania kampaniami znajduje się jeszcze w planach rozwoju. Sam VTEX Ads obsługuje jednak już działania on-site, off-site i in-store. 

AI Also Supports Technology Teams 

VTEX wykorzystuje AI również do wsparcia zespołów technologicznych. MCP Server i zestaw 42 AI Skills mają pomagać deweloperom lepiej rozumieć architekturę platformy oraz szybciej tworzyć integracje i rozszerzenia. 

Zestaw obejmuje VTEX Developer MCP oraz katalog VTEX Skills. MCP daje asystentom programistycznym dostęp do aktualnej dokumentacji i specyfikacji API. Skills dostarczają natomiast kontekst dotyczący architektury, ograniczeń platformy, bezpieczeństwa oraz zalecanych wzorców implementacyjnych. 

Katalog obejmuje 42 umiejętności podzielone na obszary związane między innymi z FastStore, VTEX IO, marketplace, płatnościami, architekturą commerce i rozwiązaniami headless.  

Może to usprawnić tworzenie integracji z systemami płatniczymi, marketplace’ami, rozwiązaniami frontendowymi czy zewnętrznymi usługami. AI pomaga szybciej znaleźć właściwy endpoint, uwzględnić ograniczenia platformy i przygotować pierwszą wersję rozwiązania. 

Nadal nie zwalnia to zespołu z przeglądu kodu, testów, kontroli bezpieczeństwa ani oceny zgodności rozwiązania z architekturą klienta. 

AI nie oznacza rezygnacji z kontroli 

Jedną z najczęściej pojawiających się obaw jest utrata kontroli nad decyzjami podejmowanymi przez system. Dotyczy to szczególnie personalizacji, cen, promocji i prezentowania produktów. 

W modelu agentowym rola zespołu stopniowo zmienia się z ręcznego wykonywania każdego zadania na określanie celów, ograniczeń i zasad. Operator nadal może decydować: 

• jakie dane mogą być wykorzystywane, 

• które działania wymagają zatwierdzenia, 

• jakie produkty i kampanie mają priorytet, 

• kiedy agent powinien przekazać sprawę człowiekowi, 

• jak mierzyć skuteczność podejmowanych działań. 

W przypadku dużych organizacji kontrola ta powinna zostać uzupełniona o uprawnienia, historię zmian, procesy akceptacji i regularny monitoring wyników. 

AI może działać szybko i analizować znacznie więcej wariantów niż człowiek. Nie zastępuje jednak odpowiedzialności biznesowej ani technologicznej po stronie organizacji. 

Dlaczego to podejście pasuje do retail i FMCG?  

ReRetail i FMCG należą do branż, w których nawet niewielka poprawa powtarzalnego procesu może mieć duży wpływ na wyniki. Wynika to ze skali operacji oraz częstotliwości interakcji z klientami. 

AI może przynieść wartość szczególnie tam, gdzie występują: 

• rozbudowane i często zmieniające się katalogi, 

• duża liczba promocji i kampanii, 

• sezonowe zmiany popytu, 

• niskie marże jednostkowe, 

• wiele kanałów sprzedaży i realizacji zamówień, 

• duża liczba zapytań dotyczących zamówień, 

• potrzeba monetyzowania ruchu poprzez retail media, 

• konieczność szybkiego lokalizowania treści. 

VTEX łączy platformę e-commerce, agentów AI oraz retail media w jednym systemie. Dzięki temu AI może wspierać nie tylko pojedynczy etap, ale większą część ścieżki od wyszukania produktu, przez zakup, po obsługę zamówienia i dalszą komunikację z klientem.  

Jak podejść do wdrożenia AI w VTEX? 

The first step should not be to launch every available agent. A better approach is to select a process that creates a visible cost, Pierwszym krokiem nie powinno być uruchomienie wszystkich dostępnych agentów. Lepszym podejściem jest wybór procesu, który generuje widoczny koszt, ogranicza sprzedaż albo wymaga dużej ilości ręcznej pracy. 

Może to być na przykład: 

1. analiza produktów o dużym ruchu i niskiej konwersji, 

2. obsługa pytań o status zamówienia, 

3. poprawa jakości wyszukiwania, 

4. automatyzacja lokalizacji treści, 

5. odzyskiwanie porzuconych koszyków, 

6. optymalizacja rentowności zamówień, 

7. uruchomienie pierwszych kampanii retail media. 

Następnie należy określić mierzalny cel, sprawdzić jakość danych oraz ustalić zakres samodzielności agenta. Dopiero po zweryfikowaniu wyników rozwiązanie można rozszerzać na kolejne procesy i kanały. 

Univio wspiera firmy w analizie architektury, projektowaniu procesów oraz wdrażaniu i rozwijaniu platformy VTEX. Pomagamy dobrać rozwiązania do modelu biznesowego, zintegrować platformę z istniejącym środowiskiem i przygotować organizację do bezpiecznego wykorzystania agentów AI. 

Chcesz sprawdzić, które funkcje VTEX mogą przynieść największą wartość w Twojej organizacji? Skontaktuj się z ekspertami Univio i porozmawiaj o możliwym kierunku wdrożenia.

Poniżej zebraliśmy odpowiedzi na najczęściej pojawiające się pytania na temat platformy VTEX.

FAQ 

Czy wszystkie funkcje AI w VTEX są już dostępne? 

Nie. Część funkcji jest oferowana w ramach Priority Access, a część znajduje się jeszcze w roadmapie. Dostępność może zależeć od rynku, konta i wybranego produktu. Przed rozpoczęciem projektu warto potwierdzić aktualny status konkretnych funkcji. 

Czy rozwiązania AI w VTEX są przeznaczone wyłącznie dla sprzedaży B2C? 

Nie. VTEX obsługuje modele B2C, B2B, D2C, marketplace oraz operacje omnichannel. Poszczególne funkcje AI mogą wspierać zarówno zakupy konsumenckie, jak i procesy charakterystyczne dla sprzedaży biznesowej. 

Czy agenci AI mogą samodzielnie zmieniać ceny i ofertę? 

Zakres ich samodzielności zależy od konfiguracji oraz przyjętych zasad. Organizacja może ustalić, które działania agent wykonuje automatycznie, które jedynie rekomenduje, a które wymagają zatwierdzenia przez pracownika. 

Jakie dane są potrzebne do wykorzystania AI w e-commerce? 

Zależy to od scenariusza. Najczęściej potrzebne są aktualne dane produktowe, ceny, informacje o zapasach, promocjach, zamówieniach i zachowaniu klientów. Ważna jest nie tylko ilość danych, ale również ich jakość, spójność i zgodność z przepisami.