Asystent zakupowy w sklepie: co zostaje z 3× wyższej konwersji po odjęciu efektu selekcji

„Użytkownicy asystenta konwertują trzy razy częściej” — takie zdanie sprzedaje wdrożenia. Widzę je w prezentacjach, które trafiają do właścicieli sklepów, z którymi współpracujemy, i za każdym razem zadaję to samo pytanie: trzy razy częściej niż kto? Zanim policzymy, jedna granica. Nie piszę o chatbocie obsługi, który odpowiada „gdzie moja paczka” — o tym był tekst z maja o automatyzacji obsługi. Nie piszę też o wyszukiwarce, którą Anna rozbierała pod kątem konwersji. Asystent zakupowy to rozmowa, która prowadzi od niejasnej potrzeby do konkretnego produktu w koszyku. Inna funkcja, inne dane, inne KPI.

4 liczby, 4 metodologie

Williams-Sonoma, za Retail Dive z konferencji wynikowej za drugi kwartał 2026: klienci używający asystenta Olive konwertują trzykrotnie częściej niż nieużywający; ponad 70% rozmów z asystentem Otto w markach Pottery Barn kończy się bez przekazania do człowieka; wizyty spersonalizowane generują dziewięć razy większy przychód niż wizyta średnia. Kontekst firmy: sprzedaż porównywalna +6,2%, przychód +6,7% do około dwóch miliardów dolarów w kwartale. Definicji „konwersji użytkownika Olive” artykuł nie podaje.

Salesforce, pod koniec sierpnia: Agentic Commerce Search daje 13% wzrostu konwersji i 17% wzrostu dodań do koszyka u klientów, którzy już z niego korzystają. „Wczesne wyniki”, bez podania, względem czego liczone.

Anthropic, 2 września: sklepy z agentem zakupowym na Claude widzą koszyki do 35% większe i klientów o 60% bardziej skłonnych dokończyć zakup. Bez metodologii, bez nazwy sklepu.

Synerise dla Media Expert, 20 sierpnia: asystent Marian w aplikacji mobilnej, działa na historii przeglądania i zakupów, katalogu milionów produktów, statusie zamówienia, z eskalacją do konsultanta. Liczb: zero. I to jest najuczciwszy z czterech komunikatów, bo nie udaje pomiaru.

Żadna z tych liczb nie jest kłamstwem. Żadna nie jest też odpowiedzią na pytanie „o ile wzrośnie sprzedaż mojego sklepu”.

Efekt selekcji: dlaczego ta liczba zawsze wygląda świetnie

Kto otwiera asystenta? Osoba, która ma pytanie. Osoba z pytaniem o dopasowanie jest bliżej zakupu niż osoba, która przegląda kategorię z nudów. Porównanie użytkowników z nie-użytkownikami mierzy więc różnicę między dwiema grupami ludzi, nie efekt narzędzia.

Znam to z własnego sklepu. Klienci, którzy dzwonią do obsługi z pytaniem, czy dany toner pasuje do ich drukarki, kupują kilkukrotnie częściej niż średnia. Nikt na tej podstawie nie twierdzi, że telefon „podnosi konwersję trzykrotnie”. Telefon wybiera zdecydowanych. Asystent robi to samo, tylko ładniej raportuje. To ta sama pułapka, którą opisywałem w tekście o błędach interpretacji w GA4: agregat porównany z podzbiorem, który sam się wybrał.

Przyrost, który Cię interesuje, to konwersja sklepu z asystentem minus konwersja tego samego sklepu bez asystenta w tym samym czasie. Jedyny sposób, żeby go zmierzyć, to grupa kontrolna: część ruchu asystenta nie widzi. Vendor, który nie chce holdoutu, nie chce pomiaru.

Test przyrostu w sklepie z 15 tys. użytkowników

Policzmy, bo tu jest sedno. Sklep ma 15 tys. użytkowników miesięcznie i konwersję 2%, czyli 300 transakcji. Dzielisz ruch pół na pół. Żeby wykryć wzrost konwersji o 10% (z 2,0% do 2,2%) przy standardowej pewności, potrzebujesz około 80 tys. użytkowników w każdej grupie. Przy 7,5 tys. na grupę miesięcznie to blisko rok testu — dłużej niż żyje wersja narzędzia.

Wzrost o 30% (do 2,6%) wymaga około 10 tys. użytkowników na grupę, czyli półtora miesiąca. To da się zrobić.

Wniosek jest niewygodny: w sklepie tej wielkości zmierzysz tylko duży efekt. Jeśli producent obiecuje +10%, nie sprawdzisz tego statystycznie i decydujesz na wiarę albo na marży. Jeśli obiecuje +30%, masz sześć tygodni, żeby go rozliczyć. Ustaw test przed sezonem albo po — nie w środku, bo Black Week rozjedzie obie grupy.

Rachunek: od jakiej sprzedaży to się spina

Koszty po lewej: licencja narzędzia, integracja z danymi produktowymi (atrybuty, kompatybilność, stany, ceny w czasie rzeczywistym), godziny osoby, która sprawdza odpowiedzi asystenta, i utrzymanie przy każdej zmianie katalogu. Przychód po prawej: przyrost transakcji razy marża jednostkowa, nie razy przychód.

Ten sam sklep: 300 transakcji miesięcznie, marża 60 zł na transakcji. Przyrost 10% to 30 transakcji i 1800 zł marży miesięcznie. Przyrost 30% to 5400 zł. Jeśli licencja plus godziny nadzoru przekraczają tę kwotę, projekt nie zarabia nawet w scenariuszu, którego nie umiesz zmierzyć. Wstaw własne liczby — wynik zwykle mówi „nie teraz” poniżej kilkuset transakcji miesięcznie, chyba że marża jednostkowa jest wysoka.

Kiedy nie budować

• Proste kategorie. Klient wie, czego chce, i wybiera po jednym parametrze. Filtr robi to lepiej niż rozmowa.
• Słabe dane produktowe. Asystent na niekompletnych atrybutach to kłamca z uśmiechem: odpowie pewnie i źle. Sprawdź 100 losowych SKU — jeśli w jednej czwartej brakuje kluczowego atrybutu, najpierw dane.
• Brak właściciela danych. Ktoś musi odpowiadać za to, że stan, cena i kompatybilność w asystencie są tym samym, co w koszyku. Bez tej osoby asystent sprzedaje rzeczy, których nie masz.
• Za mały ruch na pomiar. Poniżej kilkuset transakcji miesięcznie nie zmierzysz efektu, więc nie wiesz, za co płacisz.

Kiedy tak

Tam, gdzie klient wybiera przez dopasowanie, a nie przez cenę: kompatybilność (materiały eksploatacyjne, części, akcesoria do konkretnego modelu), wymiary i zestawy (meble, wyposażenie), konfiguracje (elektronika, sprzęt). Duży katalog, kompletne atrybuty, powtarzalne pytania, które dziś zadaje obsługa. Tam rozmowa zastępuje pięć filtrów i telefon, a przyrost bywa na tyle duży, że da się go zmierzyć w sześć tygodni.

Co zrobić w najbliższym tygodniu

1. Wyciągnij z obsługi 20 najczęstszych pytań przedzakupowych z ostatniego miesiąca. Jeśli większość to „czy pasuje”, „jaki rozmiar”, „co do kompletu” — masz kandydata. Jeśli „gdzie paczka” — nie ten tekst.
2. Sprawdź 100 losowych SKU pod kątem kompletności atrybutów, od których zależy dopasowanie.
3. Policz próg: transakcje miesięcznie × marża jednostkowa × 0,3. Tyle najwyżej może kosztować narzędzie z nadzorem, żeby scenariusz mierzalny w ogóle się spinał.
4. Zapytaj vendora o trzy rzeczy: czy zgadza się na holdout, czy oddaje surowe dane sesji, względem czego liczy swoje procenty.
5. Zdecyduj jedno z dwóch: „nie teraz, wracamy w styczniu z danymi” albo „pilot po sezonie, sześć tygodni, z grupą kontrolną”.

Jeśli chcesz policzyć ten próg na własnych liczbach i sprawdzić, czy Twoje dane produktowe wytrzymają rozmowę z klientem, porozmawiajmy o Twoim sklepie.