Opisy produktów z AI: jak robić to dobrze i nie szkodzić SEO

Opisy produktów z AI działają wtedy, gdy powstają w workflow: z atrybutów produktu, według zakodowanych reguł głosu marki i przez bramkę recenzji człowieka. Wklejanie produktów do okna czatu daje treści, które po stu SKU dryfują od marki i powielają te same frazesy. Dobrze ustawiony workflow pokrywa opisami cały katalog, łącznie z długim ogonem, którego copywriterzy nigdy nie dotykają, i robi to w godzinach zamiast tygodni. Poniżej cała mechanika: od danych wejściowych po odpowiedź na pytanie, czy Google to karze.

Dlaczego okno czatu przegrywa przy setnym produkcie

Czat nie pamięta konwencji z wczoraj, więc każda sesja pisze trochę inaczej. Nie zna Twoich atrybutów, więc zmyśla cechy, których produkt nie ma, albo pomija te, które ma. Nie widzi pozostałych opisów, więc produkuje bliźniacze frazy, które sklejają się w oczach klienta i w oczach wyszukiwarki. Przy dziesięciu produktach nikt tego nie zauważy. Przy trzech tysiącach dostajesz katalog, który brzmi jak dziesięciu różnych autorów piszących o innej marce.

Anatomia workflow, który działa

Pięć elementów, zawsze w tej kolejności:

• Dane wejściowe: opis powstaje z atrybutów produktu, nie z briefu opowiedzianego własnymi słowami.
• Reguły marki: ton, struktura sekcji i słownik zakodowane raz, obowiązujące każdą partię.
• Generacja: partiami, wewnątrz platformy, przy produktach, nie w zewnętrznym narzędziu.
• Recenzja: człowiek zatwierdza albo poprawia, nic nie publikuje się samo.
• Publikacja: zatwierdzone treści trafiają do sklepu i kanałów.

To pipeline produkcyjny, nie sesja kreatywna.

Kluczowy element to pętla na końcu: każda poprawka recenzenta wraca do reguł, więc system uczy się Waszych preferencji z partii na partię.

Głos marki jako specyfikacja, nie wyczucie

Głos marki przestaje być czymś, co się czuje, a staje się dokumentem: lista słów, których używamy i których nie używamy nigdy, długości akapitów, kolejność sekcji, sposób pisania o materiałach, rozmiarach i pochodzeniu. Najlepsze istniejące opisy stają się wzorcami, na których kalibrujemy reguły. Dzięki temu tekst dla tysięcznego SKU brzmi jak tekst dla pierwszego, a nowy pracownik contentu dostaje specyfikację zamiast folkloru.

Bramka recenzji i jedna metryka jakości

Na starcie człowiek czyta każdą partię. Miarą jakości nie jest wrażenie, tylko odsetek opisów zaakceptowanych bez żadnej edycji. Typowa krzywa wygląda tak: pierwsza partia w okolicach połowy, potem systematyczny wzrost, bo każda poprawka staje się nową regułą. Po kilku partiach większość treści przechodzi bez zmian i recenzja z czytania wszystkiego zamienia się w wyrywkową kontrolę.

Ta krzywa to najuczciwszy sposób raportowania jakości automatyzacji treści: widać postęp i widać, kiedy system osiągnął dojrzałość.

Czy Google karze treści z AI? Nie za metodę powstania

Wytyczne Google mówią wprost: oceniana jest przydatność treści dla użytkownika, nie narzędzie, którym powstała. Kary dotyczą masowej, bezwartościowej treści produkowanej pod wyszukiwarki, niezależnie od tego, czy pisał ją człowiek czy model. Opisy generowane z prawdziwych danych produktowych, zgodne z regułami marki i przechodzące recenzję, spełniają te kryteria z zapasem. Jest też druga strona medalu: unikalne opisy w miejsce kopii od producenta, które ma jeszcze trzydziestu innych sprzedawców, to jedna z najprostszych wygranych SEO w eCommerce.

Warianty per kanał z jednego źródła

Sklep, Amazon i Kaufland mają różne limity znaków, struktury i zakazy. Zamiast trzech ręcznie utrzymywanych wersji, workflow generuje warianty z jednego rekordu produktu: inna długość, inna struktura, inny dobór fraz, ta sama prawda o produkcie. Zmiana atrybutu propaguje się wszędzie. Kopiowanie treści między panelami kanałów po prostu znika z listy obowiązków.

Czego workflow nie zrobi: trzy uczciwe granice

Nie wymyśli danych, których nie ma: jeśli produkty nie mają atrybutów, najpierw trzeba zbudować dane, bo workflow nie zgaduje faktów. Nie zastąpi copywritera przy produktach hero, gdzie tekst jest częścią kampanii i zasługuje na człowieka. I nie powinien publikować bez recenzji od pierwszego dnia: zaufanie do systemu zarabia się partiami, a skracanie tej drogi to proszenie się o wpadkę na produkcji.

Rachunek: kiedy to się opłaca

Policz prosto: liczba SKU bez porządnych opisów razy stawka copywritera za sztukę, kontra koszt wdrożenia workflow plus grosze za wygenerowanie opisu. Przy trzech tysiącach SKU i stawkach 40 do 60 złotych za opis ręczna droga kosztuje 120 do 180 tysięcy i wiele miesięcy kolejki. Workflow zamyka się w ułamku tej kwoty i w tygodniach, a każdy kolejny język czy kanał to już tylko wariant, nie nowy projekt.

Plan pilotażu na trzy tygodnie

Tydzień zero: audyt obecnych opisów i danych, zakodowanie głosu marki, wybór kategorii pilotażowej. Tydzień pierwszy i drugi: silnik wpięty w platformę, pierwsze partie przez bramkę recenzji, mierzenie odsetka akceptacji. Tydzień trzeci: decyzja o skali na podstawie liczb, nie obietnic. Dokładnie w tym rytmie prowadzimy wdrożenia opisane na stronie usługi AI opisów produktów.

Różnica między treścią z AI, która buduje sklep, a taką, która go ośmiesza, nie leży w modelu językowym. Leży w procesie wokół niego: danych, regułach i recenzji. Model jest komponentem. Proces jest produktem.