Proč automatické odpovědi v e-shopech škodí a kdy je raději vypnout?
Reálné náklady nejsou jen předplatné. Počítejte s časem na zavedení: nastavení předkontací, propojení s bankou, nastavení schvalovacích pravidel a testování na historických datech. U malé firmy to obvykle znamená několik hodin práce účetního nebo externího poradce. Dále je potřeba počítat s pravidelnou kontrolou výstupů. AI obvykle vytřídí většinu dokladů správně, ale chyby vznikají hlavně u nejednoznačných případů: zahraniční faktury, dobropisy, platby kartou bez dokladu nebo doklady se stejným číslem od různých dodavatelů.
Nakonec si nastavte kontrolu: každý měsíc porovnejte, kolik zákazníků po doporučení skutečně nakoupilo, a hlavně kolik jich nabídku označilo jako nevhodnou nebo se odhlásilo z e-mailů. Pokud tato čísla rostou, doporučování je příliš agresivní nebo míří na špatné zboží. Úprava intervalů a vyřazení dárkových položek obvykle stačí k tomu, aby nabídky začínaly působit jako užitečná připomínka, ne jako obtěžování.
Jak si ověřit mapování ještě před koup
Na co se zapomíná nejčastěji: kontrast textu přes obrázek. Pokud dáváte název dokumentu na fotografii, použijte plný pruh podkladové barvy, ne poloprůhledný přechod. Dále hlídejte bezpečné okraje — grafika nesmí zasahovat do oblasti, kterou ořízne tiskárna ani do místa, kde dokument otevírá čtečka na tabletu. A vždy zkontrolujte, že obrázek neobsahuje logo dodavatele, konkrétní jméno osoby ani čitelné údaje z testovacího prostředí.
Bez tohoto rozdělení vzniká typická chyba: e-shop míchá doporučení „kupte znovu" s doporučením „doplňte si" a zákazník dostane nabídku, která nedává smysl. Pomáhá jednoduché pravidlo: u opakovaných položek počítejte průměrný interval mezi dvěma nákupy stejné položky u stejného zákazníka a nabídku pošlete až po jeho uplynutí. U doplňků naopak stačí vazba „k tomuto produktu se často přikupuje toto" a nabídka může přijít hned.
Doporučování zboží na základě historie nákupů funguje dobře jen tehdy, když e-shop rozliší opakovaný nákup od jednorázového. Praktický příklad: zákazník koupí jednou vrtačku a sadu vrtáků. Algoritmus, který mu druhý den nabídne další vrtačku, působí trapně. Naproti tomu připomínka spotřebního materiálu — vrtáky, kotouče, brýle na ochranu očí — má smysl. První krok je tedy rozdělit katalog na zboží, které lidé kupují znovu, a na zboží, které kupují jednou za několik let.
Praktický postup pro malý e-shop: vezměte export objednávek za posledních dvanáct měsíců, seskupte položky podle zákazníka a spočítejte, kolikrát se stejná položka objevila ve více objednávkách. Cokoli, co se opakuje alespoň u deseti procent zákazníků, zařaďte mezi opakované zboží. Zbytek berte jako jednorázový a nabízejte k němu pouze doplňky, ne opakovaný nákup.
Pozor také na doporučení založená na jednom nákupu. Pokud zákazník koupil dárek, historie neříká nic o jeho vlastních preferencích. Vyplatí se proto z nabídky vyřadit položky označené jako dárkové a u zákazníků s jedinou objednávkou používat obecnější doporučení podle kategorie, ne podle konkrétní položky. Stejně tak je vhodné omezit počet doporučení — tři až pět relevantních položek funguje lépe než celá řada, ve které zákazník ztratí přehled.
Kde se doporučování láme a jak to poznat Druhá častá chyba je nabízet podle historie příliš brzy. Pokud zákazník koupil balení kávy v pondělí, nabídka stejné kávy ve středu je zbytečná a snižuje důvěru. Naopak příliš pozdě — třeba po půl roce — už zákazník dávno nakoupil jinde. Interval se proto nepočítá z data objednávky, ale z data doručení, a k tomu se přidává rezerva podle typu zboží.
Typická chyba je zapomenutá šablona po změně podmínek, třeba po zavedení nového způsobu vrácení zboží. Zákazník pak dostane neplatné instrukce a škoda je větší než u žádné odpovědi. Proto je nutné šablony revidovat při každé změně procesů a udržovat přehled, kdo za kterou šablonu odpovídá. Druhá častá chyba je příliš mnoho automatických zpráv: potvrzení, připomínka, dotaz na spokojenost. Každá další zpráva snižuje šanci, že zákazník tu podstatnou vůbec otevře.
Základ je v šablonách. Pro každý typ dotazu je potřeba samostatná šablona s konkrétní odpovědí, ne univerzální text. Šablona pro dotaz na stav objednávky má obsahovat odkaz na sledování zásilky a orientační lhůtu, šablona pro reklamaci postup a seznam podkladů, šablona pro dotaz na parametry zboží odkaz na technický list. Do šablony patří proměnné, jako je číslo objednávky nebo název produktu, ale pozor na jejich naplnění: pokud systém proměnnou nenačte, odejde zákazníkovi text s prázdným místem nebo se závorkami. Před spuštěním je nutné každou šablonu otestovat na reálných datech, včetně objednávek bez položek a dotazů bez přihlášení.