Výzva
Shoptet provozuje platformu, na které běží víc než 44 000 e-shopů ve třech zemích. Podpora přitom obsluhuje dvě úplně jiné skupiny současně: zájemce, kteří teprve zvažují založení e-shopu, a provozovatele, kteří řeší konkrétní technické detaily svého byznysu.
Automatizaci už Shoptet zkoušel – první AI řešení ale nedoručilo. Odpovědi neměly kvalitu, kterou by tým obhájil před klienty, aplikace narážela na vlastní limity a neuměla se přizpůsobit interním systémům a způsobu práce se znalostmi. Místo úlevy vznikala nedůvěra.
Pod tím ležel strukturální problém: znalosti o produktu byly roztroušené napříč webem, interní wiki, dokumentovým systémem a Salesforce. Operátor si je uměl poskládat. Robot ne.
Tady vstoupilo Feedyou – ne s dalším chatbotem, ale s otázkou, jestli jde agenta napojit rovnou na zdroje, kde znalosti reálně vznikají. Tedy: vyřešit kvalitu odpovědí, možnost stavět si vlastní logiku a napojení na interní systémy – tři věci, na kterých předchozí řešení ztroskotalo.
Naše řešení
Postavili jsme AI-First Agenta napojeného přímo na interní systémy Shoptetu – ne na ručně psané scénáře, ale na zdroje, kde znalosti reálně vznikají. Když se změní dokumentace, změní se odpověď agenta. Bez přeškolování.
Agent běží na dvou frontách zároveň: na webu řeší podporu i pre-sales, v klientském portálu pracuje s detailní znalostí produktů a kontextem konkrétního klienta.
A účtuje se za úspěšně vyřešené konverzace – ne za tokeny, ne za pokusy. Dodavatel jde do rizika společně s klientem.
Proč Shoptet zvolil Feedyou
- Partner na vývoj se zkušenostmi z evropských projektů, ne jen dodavatel krabicového nástroje
- Zkušený tým s vizí posouvat řešení dál a hledat nové cesty
- Možnost nepoužívat žádné další funkce – žádné vnucené CCaaS, helpdesk ani CRM. Shoptet si ponechal vlastní stack.
- Přizpůsobení na míru pro snadnou integraci do interních systémů
- Platba za úspěšně vyřešené konverzace, ne za konverzace nebo tokeny – dodavatel jde do rizika společně s klientem
- Zastoupení v ČR a reálné pochopení českého trhu
Naše řešení – krok za krokem
Jeden ověřený zdroj pravdy
Klíčové rozhodnutí celého projektu. Místo aby se agent učil z ručně psaných scénářů, napojili jsme ho přímo na zdroje, kde znalosti reálně vznikají:
- web – veřejná produktová a nápovědová dokumentace
- GitHub wiki – interní technická znalostní báze
- DMS – dokumenty a interní materiály
- Salesforce – kontext o klientovi a jeho účtu
Když se změní dokumentace, změní se odpověď agenta. Bez přeškolování, bez ručního zásahu.
Fáze 1: nasazení na dvou frontách
Zájemce o e-shop a jeho provozovatel mají společné jen to, že oba píšou do stejného okna.
- Na webuagent řeší pre-sales i podporu. Umí provést začínajícího podnikatele prvními kroky „Jsem začínající podnikatel, jak bych měl začít se Shoptet e-shopem?“) i obhájit produkt proti konkurenci („V čem jste jiní než Shopify?“) – strukturovaně, na základě aktuálních firemních dat.
- V klientské zóně pracuje s detailní znalostí produktů. Odpovídá na to, co se týká konkrétního e-shopu, ne obecného e-shopu.
Agent zvládá otevřenou přirozenou konverzaci. Uživatel se nemusí proklikávat stromem tlačítek – zeptá se vlastními slovy, například „Jsem začínající podnikatel, jak bych měl začít se Shoptet e-shopem?“nebo „V čem jste jiní než Shopify?“– a dostane strukturovanou odpověď postavenou na aktuálních firemních datech
Když AI stojí na datech, ne na scénářích
Podpora pro 44 000 e-shopů
Objem není hlavní problém. Hlavní problém je šířka. Klient se ptá na fakturaci, dopravce, šablonu, DPH, migraci ze Shopify i na to, proč mu nejede jeden konkrétní plugin – a čeká odpověď hned. Rutinních dotazů je většina, ale tvoří dlouhý ocas témat, který se nedá pokrýt několika desítkami scénářů.
Rozhodnutí napojit se na zdroj pravdy
Klíčové rozhodnutí celého projektu padlo hned na začátku: agent nebude mít vlastní znalostní bázi. Napojili jsme ho na web, GitHub wiki, DMS a Salesforce – čtyři systémy, ve kterých znalosti o produktu vznikají tak jako tak.
Efekt je zásadní. Aktualizace produktové dokumentace se promítne do odpovědí agenta okamžitě. Nikdo nemusí nic přepisovat podruhé.
Nejtěžší část nebyla technologie
Před ostrým provozem si agenta osahal tým customer care. Počítali jsme s tím, že přijetí bude zpočátku vlažné – změna a AI dohromady spolehlivě vyvolají odpor a je lepší s ním pracovat otevřeně než předstírat nadšení.
Uživatelům zároveň dáváme jasně vědět, že za AI stojí reální lidé a že eskalace na člověka je vždy dostupná.
Rentgen znalostní báze
Vedlejší efekt, se kterým nikdo nepočítal: každý dotaz, na který agent neuměl odpovědět, ukázal na díru v dokumentaci Shoptetu. Provoz AI se tak stal auditem interních znalostí. Záplatování těch děr zlepšuje kvalitu podpory ve všech kanálech – i tam, kde odpovídá člověk.
Čísla, která nám dělají radost
Postupná implementace pro trvalý úspěch
Fáze 1 přinesla automatizovanou podporu na webu a v portálu. Fáze 2 přidala personalizaci a pre-sales. Na řadě jsou jazykové mutace pro expanzi do dalších zemí a multi-agentní systém – místo jednoho agenta, který má vědět všechno, síť specialistů předávajících si konverzaci podle tématu. Méně dat na agenta znamená vyšší přesnost, nižší latenci a menší riziko halucinací.
Dál pak infolinka a Live Agent Assist, kde AI pracuje vedle operátora: připravuje návrhy odpovědí, sumarizuje konverzace, taguje a hlídá emergency words.
Shoptet nestaví jednorázový chatbot, ale vrstvu automatizace nad vlastní zákaznickou péčí, která se rozšiřuje po kouscích.
O Shoptetu
Shoptet je jedničkou na trhu e-commerce řešení ve střední Evropě. Za 16 let vybudoval platformu, na které dnes běží více než 44 000 e-shopů v Česku, na Slovensku a v Maďarsku. O klienty se stará interní tým 250+ zaměstnanců a ekosystém 800+ externích partnerů. Filozofie firmy stojí na kombinaci lokálního zaměření, globálního prodeje a automatizace – a právě automatizace se stala klíčem i pro zákaznickou péči.
Zákaznická podpora Shoptetu obsluhuje dvě odlišné skupiny současně: zájemce o založení e-shopu (pre-sales dotazy na webu) a stávající provozovatele e-shopů (technická a produktová podpora v klientském portálu). Každá skupina má jiné otázky, jinou úroveň znalostí a jiná očekávání.
