Mentionsy

E-commerce w pudełku
E-commerce w pudełku
19.11.2025 12:44

Dlaczego search bez danych nie działa (i co z tym zrobić)?

Zapraszamy na drugi odcinek naszego podcastu „E-commerce w pudełku”. W dzisiejszym odcinku porozmawiamy o tym, jak dane i ich uporządkowanie przez systemy PIM wpływają na jakość wyszukiwania w e-commerce. Z rozmowy Marty Kwiatkowskiej z Kamilem Niedziewiczem dowiecie się m.in jak uporządkowane dane przekładają się bezpośrednio na konwersję i dlaczego PIM staje się dziś fundamentem skalowalnego e-commerce. Usłyszycie też, jak połączenie PIM i wyszukiwania realnie odciąża zespoły, skraca procesy i poprawia jakość doświadczeń klientów.

Rozdziały (12)

1. Wprowadzenie i przedstawienie Kamil Niedziewicza

Marta przedstawia Kamil Niedziewicza z Ergonote, który opisuje swoją rolę i funkcje PIM (Product Information Management).

2. Opis PIM i jego zastosowania

Kamil Niedziewicz wyjaśnia, co to jest PIM i jak pomaga w zarządzaniu danymi produktowymi. Podkreśla znaczenie danych dla wyszukiwarki i rekomendacji.

3. Problem z wyszukiwaniem bez odpowiednich danych

Kamil Niedziewicz opisuje problemy związane z brakiem odpowiednich danych w wyszukiwaniu produktów i wskazuje na potrzebę systemu PIM do zarządzania danymi.

4. Czy firma jest gotowa na wdrożenie PIM?

Kamil Niedziewicz omawia kryteria gotowości firmy do wdrożenia PIM, takie jak stopień wypełnienia danych i zrozumienie procesu zarządzania danymi produktowymi.

5. Zarządzanie danymi w firmie i korzyści z PIM

Kamil Niedziewicz omawia problemy związane z zarządzaniem danymi w firmie, takie jak wielość Exceli i brak integracji między działami. Podkreśla korzyści z PIM, takie jak zwiększenie jakości danych i automatyzacja procesów.

6. PIM dla firm małych i dużych

Rozmowa o skalowaniu i implementacji PIM w firmach, z podkreśleniem, że PIM jest dla firm gotowych do zmian, nie tylko dużych marek.

7. Zmiany w organizacji i ich odczucie

Analiza, kto najbardziej odczuje zmiany w organizacji, z podkreśleniem wpływu na dział marketingu i kontrolę.

8. Ważne pola danych sprzedażowych

Diskussja na temat najważniejszych pól danych sprzedażowych, z podkreśleniem, że nie da się ich zredukować do kilku.

9. AI w PIMie - uzupełnianie danych

Opis funkcji AI w PIMie, jego korzyści oraz ograniczenia, z przykładami zastosowań.

10. Usprawnienia technologiczne i skalowalność produktów

Rozmowa koncentruje się na przykładach usprawnień technologicznych dzięki systemowi PIM, skalowalności produktów i roli UX w zarządzaniu danymi.

11. Usprawnienia UX i dostęp do danych

Rozmowa na temat znaczenia danych dla doświadczenia użytkownika i potrzeby UX designerów z wiedzą o danych. Przykłady nieudanych wdrożeń PIM i konsekwencji niewłaściwego użycia systemu.

12. Analiza procesu i decyzja o wdrożeniu PIM

Porady na temat analizy procesu przed wdrożeniem PIM, znalezienia odpowiedniego momentu do wdrożenia oraz korzyści płynące z użycia systemu w odpowiednim czasie.

Szukaj w treści odcinka

Znaleziono 26 wyników dla "AI"

No to oni są naszymi partnerami i do moich obowiązków należy to, żeby im pokazać, że nasza technologia jest fajna, że będzie idealnie odpowiadała dla ich klientów, że jest przede wszystkim też nowoczesna i że jej zaimplementowanie będzie miało faktyczne przełożenie na korzyści dla klientów.

Jak najbardziej można powiedzieć odpowiadające te dane, jak najbardziej jakościowe do sklepu internetowego, do wyszukiwarki czy jakikolwiek inny kanał, to dzięki temu czy to AI, czy wyszukiwarki właśnie, czy jakieś inteligentne rekomendacje są w stanie działając na bazie filtrów, jeżeli my dostarczymy konkretne dane, które odpowiadają produktom i filtrom,

Coś jest często na mailach, coś może u kogoś w pamięci, bardzo często firmy mają jedną osobę, którą możemy nazwać PIM-em, bo wszystko jest w głowie, załóżmy, nie wiem, pana Mietka, ale pytanie, co się dzieje, jak pana Mietka nie ma, skąd te dane wziąć.

Jeżeli my podamy wymiary, w zasadzie jaka jest szerokość, jaka jest długość i jaka jest wysokość jako jedno miejsce, jako jedna dana, no to nawet jeżeli później ktoś będzie próbował tego wyszukać, czy nawet jeżeli ktoś wpisze zapytanie do AI,

Jeżeli mielibyśmy jedno miejsce, tak, dlaczego służy PIM, żeby te wszystkie informacje dla każdej tak naprawdę osoby w firmie były w tym jednym miejscu, no to ja już nie potrzebuję latać po różnych działach, pisać na Slacku, mailić, dzwonić, cokolwiek.

Co więcej, tutaj też dla twórców, którzy tworzą te treści często system PIM też jest przyjemnym miejscem, bo chociażby w Ergonaut mamy zaimplementowaną sztuczną inteligencję.

Więc dobrze zaimplementowany system PIM jest w stanie ułatwić pracę każdej osobie, każdemu działowi, który ma do czynienia z danym produktem, który potrzebuje coś z nim robić.

Bo to też jest case od jednego z naszych klientów, gdzie dział salesowy powiedział, po tym jak już BIM został zaimplementowany, to podał prostą informację, że okej, w końcu, nieważne jaki identyfikator wpiszę, zawsze trafiam na ten konkretny produkt, jakiego szukam.

Powiedz mi, wspomnieliśmy już o tym AI, z którego korzystacie.

Macie taką funkcję AI Complete, która pozwala uzupełnić dane produktowe np.

Powiedz mi, w jakich sytuacjach to rzeczywiście ratuje proces, a w jakim AI jeszcze nie daje rady?

Więc tutaj jest ta kwestia, że jeżeli to, na czym AI wymienka, jeżeli my mu damy konkretny prompt, jak ma być stworzony opis, na jakich parametrach ma się obrać,

Przez AI będą odpowiadały tego, jak my mówimy do naszych klientów, czy ewentualnie AI nie dał zbyt trudnego słowa w danym momencie, które może być niezrozumiałe dla typowego Kowalskiego.

Więc ja bym powiedział tak, że AI jest idealnym narzędziem do wykonania tej najcięższej pracy, tej monotonnej przez nas, przez ludzi, do wykonania tych 80% naszej pracy.

To człowiek nadaje tego, jak ten AI ma, to decyduje, jak ten AI ma pracować, jaki ma być wynik, a później zweryfikować, czy ten wynik jest dobry.

Żeby konkretne parametry, konkretne atrybuty, żeby AI np.

do AI, bo mamy już gotowe i żeby nam tego przetłumaczyło.

I żeby ktoś ewentualnie tylko sprawdził, czy okej, faktycznie, wszystkie słowa są użyte takie, jak potrzeba było, żeby to tłumaczenie nie brzmiało zbyt robotycznie, bo nieraz też tak bywa, to znowu wracamy do tego, AI 80% pracy, my tylko 20%, że tak powiem, szlifujemy już ten diament, który AI, że tak powiem, wykopało za nas.

A wracając jeszcze do tej sztucznej inteligencji, no bo nie ma podcastu biznesowego bez AI po prostu już teraz.

Bo teraz tak, ja bym użył takiego porównania, że AI, powiedzmy, jest jak kucharz.

Z takiego miszmaszu, z takiego bałaganu te dane, że tak powiem, które będą wychodzić i wyniki, które będą wychodzić z AI będą też dobre.

AI, które im pomoże sprawdzić, co można zoptymalizować w ich procesach, co zrobić, żeby firma miała lepsze korzyści itd.

I to jest żaden problem dla firmy, dla nich jako agencji, żeby takiego AI wdrożyć.

Ja nie wyobrażam sobie, ile tam gdzieś musiało być ludzi, jak te dane musiały być wcześniej gdzieś tam poukładane, jak w ogóle wyglądała praca na tych danych, bo w tym momencie, jeżeli oni mają zaimplementowanego Pima, to mają, wiadomo, wszystkie mają poukładane, mają stworzone konkretne model danych pod daną kategorię, więc onboarding, wprowadzenie nowych produktów do sprzedaży, to jest dla nich o wiele szybsze.

Jeżeli ja mogę wykorzystać AI, czy to do tłumaczeń, czy do właśnie wygenerowania jakiegoś opisu, czy nawet później, jeżeli ja mam opis wygenerowany, ale do sprawdzenia tego opisu, czy on jest zgodny z tonem marki, czy nie ma jakichś błędów, co ewentualnie poprawić, to też już jest bajka.

I jeżeli wychodzi taka kwestia, że okej, my musimy uporządkować te dane, to znowu kwestia, można zainwestować w PIM, żeby zobaczyć, jakie dane potrzebuje platforma, jakie dane potrzebuje, nie wiem, panel handlowca, poukładać to konkretnie.