BEAM

Seedlight BEAM: jedno miejsce, z którego prowadzisz cały eCommerce, z agentami AI znającymi Twój biznes →

Darmowa biblioteka

Biblioteka AI dla eCommerce

Gotowe do skopiowania prompty i skille AI do codziennej pracy w eCommerce: opisy produktów, listingi na marketplace, SEO i analityka. Wklej do ChatGPT lub Claude, podmień dane i działaj. Za darmo, bez logowania.

  • Kopiuj i wklej
  • Bez logowania
  • ChatGPT / Claude
  • Rośnie co miesiąc

Przewodnik

Claude Code w eCommerce

Jak używać Claude Code do realnej pracy w eCommerce: czyszczenie i transformacja katalogu w CSV, generowanie i walidacja feedów, masowe edycje danych produktowych i mini-automatyzacje. Krok po kroku.

Otwórz przewodnik →

Dla zespołów technicznych · open source

Seedlight Skills: skille eCommerce dla agentów AI

Otwarty zestaw skilli dla Claude Code, Cursora i innych agentów, wyspecjalizowanych w eCommerce. Publiczne zestawy skilli opisują zwykle, jak dowozić kod. Te opisują, co budować i co sprawdzać w sklepie: katalog, feedy, dane strukturalne, checkout, zgodność 2026 i migracje. Używamy ich na co dzień w naszych wdrożeniach.

  • sl-catalog-auditAudyt eksportu katalogu: duplikaty, GTIN, braki, warianty
  • sl-catalog-normalizeNormalizacja jednostek, kolorów, wymiarów, slugów, atrybutów
  • sl-feed-buildBudowa i walidacja feedu pod kanał, zanim plik pójdzie dalej
  • sl-structured-data-auditAudyt schema.org i ryzyka kary za spam danych
  • sl-ai-visibility-auditGotowość na widoczność w odpowiedziach AI (GEO/AEO)
  • sl-checkout-auditCheckout w 10 punktach, z realiami rynku polskiego
  • sl-compliance-2026Obowiązki 2026: odstąpienie, PPWR/EPR, KSeF, GPSR, AI Act
  • sl-migration-planMigracja bez utraty sprzedaży: mapa 301, parytet, rollback
  • sl-ship-checkBramka jakości przed wdrożeniem: walidacja, linki, SEO, smoke

Licencja MIT. Każdy skill instaluje się samodzielnie: skopiuj katalog do .claude/skills w swoim repozytorium.

Katalog i treści

Opis produktu pod SEO w tonie marki

Tworzy opis produktu z nagłówkiem, bulletami i CTA, zoptymalizowany pod frazy i utrzymany w tonie Twojej marki.

Prompt
<rola>
Jesteś copywriterem eCommerce. Piszesz opisy produktów, które mają jednocześnie rankować w wyszukiwarce i sprzedawać, i wiesz, że te dwa cele rozjeżdżają się tylko wtedy, gdy ktoś upycha frazy zamiast pisać konkretem.
</rola>

<dane>
Produkt: {{nazwa produktu}}
Branża: {{branża}}
Ton marki: {{ton marki}}
Grupa docelowa: {{grupa docelowa}}
Cechy i parametry: {{cechy}}
Fraza główna: {{fraza kluczowa}}
Frazy poboczne: {{frazy poboczne}}
</dane>

<zadanie>
Napisz opis produktu gotowy do wklejenia na kartę produktu.
</zadanie>

<zasady>
1. Zacznij od korzyści, nie od parametru. Kupujący czyta pierwsze zdanie i decyduje, czy zostać.
2. Każdy bullet łączy cechę z konkretną korzyścią: „wodoodporny materiał 600D, więc plecak przetrwa dojazd rowerem w deszczu".
3. Frazę główną użyj 2 do 3 razy, każdą poboczną raz. Jeśli fraza nie wchodzi naturalnie w zdanie, zostaw ją poza tekstem i dopisz to w uwagach.
4. Pisz wyłącznie o tym, co jest w sekcji dane. Produkt opisany cechą, której nie podano, to reklamacja, a nie sprzedaż.
5. Długość 150 do 220 słów. Naturalna polszczyzna, bez długiego myślnika.
</zasady>

<braki_danych>
Jeśli brakuje Ci informacji potrzebnej do napisania sekcji, wstaw w tym miejscu [do uzupełnienia: czego dokładnie brakuje] i kontynuuj. Nie zgaduj parametrów technicznych, składu, certyfikatów ani gwarancji.
</braki_danych>

<przyklad>
Dane wejściowe: plecak miejski, materiał 600D poliester, pojemność 20 l, kieszeń na laptop 15 cali, fraza główna „plecak miejski na laptopa".

Fragment poprawnego wyjścia:
## Plecak miejski na laptopa Roll 20L
Mieści laptopa 15 cali, dokumenty i strój na siłownię, a mimo to nie wygląda jak sprzęt turystyczny.

- Poliester 600D, więc deszcz w drodze do biura nie kończy się mokrą klawiaturą.
- Wyściełana kieszeń 15 cali, więc laptop nie obija się o resztę rzeczy.

Zwróć uwagę: każdy bullet mówi, co z tego wynika dla kupującego, a nie tylko co producent wpisał w kartę.
</przyklad>

<format_wyjscia>
Markdown w kolejności: nagłówek H2 zawierający frazę główną, akapit wprowadzający na 2 do 3 zdań, lista 5 do 7 bulletów, akapit domykający z jednym wezwaniem do działania. Pod opisem dodaj sekcję „Uwagi" z listą braków i fraz, których nie udało się wpleść naturalnie.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź trzy rzeczy i popraw, jeśli któraś nie wychodzi: czy każde twierdzenie ma pokrycie w sekcji dane, czy żaden bullet nie kończy się na samej cesze bez korzyści, czy tekst da się przeczytać na głos bez potykania.
</sprawdz_przed_oddaniem>
Podmień dane
{{nazwa produktu}}{{branża}}{{ton marki}}{{grupa docelowa}}{{cechy}}{{fraza kluczowa}}{{frazy poboczne}}
Przykład wyniku · Wskazówka

## Plecak miejski Roll 20L - lekki, wodoodporny, na laptopa Dojazd rowerem, deszcz po pracy, laptop w środku? Roll 20L trzyma sprzęt suchy i nie obciąża pleców. - Materiał ripstop z powłoką - woda spływa, nie wsiąka - Wyściełana kieszeń na laptopa do 15,6 cala - Rolowane zamknięcie - regulujesz pojemność 15-22L Spakuj się w 30 sekund i ruszaj. Sprawdź dostępne kolory.

Wskazówka: Wklej 1-2 istniejące opisy jako próbkę tonu marki, model łatwiej go odwzoruje. Jeśli tekst brzmi generycznie, poproś o przepisanie z większym naciskiem na konkret i liczby.

Model: Dowolny mocny model (Claude/GPT). Dla dłuższych opisów i lepszego trzymania tonu marki lepszy model klasy Opus/GPT-4.1.

Katalog i treści

Tłumaczenie i lokalizacja karty produktu (PL na EN/DE)

Tłumaczy i lokalizuje kartę produktu pod realia rynku docelowego, nie dosłownie, z zachowaniem fraz SEO w języku docelowym.

Prompt
<rola>
Jesteś tłumaczem i lokalizatorem treści eCommerce. Pracowałeś przy wejściach polskich marek na rynek niemiecki i angielski, więc wiesz, że dosłowne tłumaczenie karty produktu kosztuje zwroty, a nie tylko styl.
</rola>

<dane>
Język docelowy: {{język docelowy}}
Rynek: {{rynek}}
Produkt: {{nazwa produktu}}
Tekst źródłowy po polsku: {{tekst źródłowy}}
Ton marki: {{ton marki}}
Jednostki i rozmiary używane na rynku źródłowym: {{jednostki}}
</dane>

<zadanie>
Zlokalizuj kartę produktu na rynek docelowy, nie tłumacz jej słowo w słowo.
</zadanie>

<zasady>
1. Przelicz jednostki, rozmiary i napięcia na te, których używa rynek docelowy. Rozmiar 40 znaczy co innego w Polsce i w Niemczech, a pomyłka wraca jako zwrot.
2. Zachowaj znaczenie i ton, nie szyk zdania. Zdanie, które po niemiecku brzmi jak kalka, obniża zaufanie bardziej niż literówka.
3. Terminy branżowe i nazwy własne zostaw w wersji używanej na rynku docelowym. Jeśli nie masz pewności co do terminu, oznacz go.
4. Formalność dopasuj do rynku: niemiecki eCommerce domyślnie per Sie, angielski bezpośrednio i prosto.
5. Nie dodawaj twierdzeń, których nie ma w tekście źródłowym, nawet jeśli brzmią naturalnie na tym rynku.
</zasady>

<braki_danych>
Przy każdym miejscu, w którym nie masz pewności, wstaw [sprawdź: powód] i tłumacz dalej. Dotyczy to zwłaszcza deklaracji zgodności, certyfikatów i terminów prawnych, bo one różnią się między rynkami.
</braki_danych>

<przyklad>
Źródło: „Rozmiar 40, odporny na deszcz, gwarancja 2 lata".
Słabe wyjście: „Größe 40, regenbeständig, 2 Jahre Garantie".
Dobre wyjście: „Größe 38 (EU), wasserabweisend, 2 Jahre Gewährleistung [sprawdź: Garantie czy Gewährleistung, to różne pojęcia w prawie niemieckim]".
Różnica polega na przeliczeniu rozmiaru i na tym, że termin prawny został oznaczony zamiast zgadnięty.
</przyklad>

<format_wyjscia>
Tabela z trzema kolumnami: element karty, tekst źródłowy, tekst docelowy. Pod tabelą sekcja „Do sprawdzenia" z listą oznaczeń i krótkim uzasadnieniem każdego.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź: czy wszystkie liczby, jednostki i rozmiary zostały przeliczone, czy nie dodałeś żadnego twierdzenia spoza źródła i czy tekst brzmi jak napisany na tym rynku, a nie przetłumaczony.
</sprawdz_przed_oddaniem>
Podmień dane
{{język docelowy}}{{rynek docelowy}}{{tekst PL}}{{typ produktu}}{{fraza docelowa}}
Przykład wyniku · Wskazówka

Decyzje lokalizacyjne (PL na DE): - "Idealny na prezent" na "Ein durchdachtes Geschenk" - dosłowne perfekt brzmi w DE jak pusta reklama. - Rozmiar "37" uzupełniony o "(EU 37 / UK 4)" - kupujący w DE porównują rozmiarówki. - Zwrot grzecznościowy na formę Sie, zgodnie z konwencją niemieckiego eCommerce. - Termin "eko" do weryfikacji: w DE roszczenia środowiskowe bywają regulowane.

Wskazówka: Zawsze dawaj model do weryfikacji przez osobę znającą rynek, zwłaszcza roszczenia środowiskowe i medyczne. Podaj rynek (DE vs AT vs CH), bo różnią się niuansami.

Model: Model z mocnym niemieckim/angielskim (Claude Opus, GPT-4.1). Do niemieckiego szczególnie pilnuj formy Sie i złożeń rzeczownikowych.

Katalog i treści

Normalizacja i uzupełnianie atrybutów produktu

Wyciąga z surowej nazwy i opisu atrybuty (materiał, kolor, wymiary, przeznaczenie), standaryzuje je i oznacza braki.

Prompt
<rola>
Jesteś specjalistą od danych produktowych. Porządkowałeś katalogi przed migracją i przed wysyłką feedów, więc wiesz, że jedna niespójna jednostka potrafi wywalić cały import.
</rola>

<dane>
Kategoria produktów: {{kategoria}}
Docelowy słownik atrybutów: {{słownik atrybutów}}
Wiersze do normalizacji: {{dane produktowe}}
</dane>

<zadanie>
Sprowadź podane atrybuty do jednego, spójnego formatu i wypisz, czego brakuje.
</zadanie>

<zasady>
1. Jedna wartość, jedna jednostka, jeden format w całej kolumnie. Import nie wybacza mieszania „20 cm", „20cm" i „200 mm".
2. Nie zmieniaj znaczenia. Normalizacja to zapis, nie korekta merytoryczna: jeśli wartość wygląda na błędną, oznacz ją, zamiast poprawiać.
3. Wartości słownikowe (kolor, materiał, rozmiar) mapuj na podany słownik. Wartość spoza słownika zostaw w oryginale i oznacz.
4. Liczby zapisuj z kropką dziesiętną i bez spacji w jednostce, chyba że słownik mówi inaczej.
5. Nie uzupełniaj brakujących atrybutów domysłem. Puste pole jest uczciwe, zgadnięte jest kosztowne.
</zasady>

<braki_danych>
Dla każdego braku podaj wiersz, nazwę atrybutu i powód: brak w źródle, wartość niejednoznaczna albo wartość spoza słownika. To ta lista decyduje, co trzeba dociągnąć od dostawcy.
</braki_danych>

<przyklad>
Wejście: „Kolor: granat/navy, Wymiar: 20cm x 30 cm, Waga: 1,2kg".
Wyjście: kolor „granatowy" (zmapowane z „navy"), wymiary „200 x 300 mm", waga „1.2 kg".
Do sprawdzenia: brak informacji, czy 20 cm to szerokość czy wysokość, więc kolejność wymiarów wymaga potwierdzenia.
Zwróć uwagę, że dwuznaczność została zgłoszona, a nie rozstrzygnięta.
</przyklad>

<format_wyjscia>
Tabela: identyfikator wiersza, atrybut, wartość źródłowa, wartość znormalizowana, status (ok / zmapowano / do sprawdzenia). Pod tabelą dwie sekcje: „Braki" i „Niespójności w źródle", obie jako listy.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź: czy ta sama jednostka jest użyta w całej kolumnie, czy żadna wartość nie została zmieniona merytorycznie i czy każda wartość spoza słownika trafiła na listę do sprawdzenia.
</sprawdz_przed_oddaniem>
Podmień dane
{{surowa nazwa}}{{surowy opis}}{{kategoria}}{{lista atrybutów}}
Przykład wyniku · Wskazówka

| Atrybut | Wartość | Źródło | Status | |---|---|---|---| | Materiał | Bawełna 100% | opis | OK | | Kolor | Grafitowy (baza: szary) | nazwa | OK | | Wymiary | BRAK | - | BRAK | | Waga | 320 g | opis | OK | | Przeznaczenie | Codzienne, do biura | opis | do weryfikacji | Do uzupełnienia ręcznego: wymiary produktu, skład podszewki.

Wskazówka: Podaj słownik dozwolonych wartości (np. lista kolorów z Twojego PIM), a wyniki będą spójne z Twoim katalogiem. Sprawdzaj pozycje ze statusem KONFLIKT, to najczęściej błędy w danych źródłowych.

Model: Dowolny mocny model. Przy dużych partiach produktów rozważ tryb strukturalny (wyjście jako JSON) i przetwarzanie wsadowe.

Marketplace

Listing na Amazon: tytuł, bullety, opis, backend keywords

Tworzy komplet listingu Amazon zgodny z dobrymi praktykami: tytuł do ~200 znaków, 5 bulletów, opis i frazy backendowe.

Prompt
<rola>
Jesteś specjalistą od listingów na Amazon. Wiesz, że tytuł jest polem rankingowym i polem konwersyjnym naraz, a backend keywords nie są widoczne dla kupującego, więc powtarzanie w nich słów z tytułu to zmarnowane miejsce.
</rola>

<dane>
Rynek Amazon: {{rynek}}
Produkt: {{nazwa produktu}}
Marka: {{marka}}
Kategoria: {{kategoria}}
Cechy i parametry: {{cechy}}
Frazy, na które chcemy być widoczni: {{frazy}}
Ograniczenia kategorii, jeśli znasz: {{ograniczenia}}
</dane>

<zadanie>
Przygotuj komplet treści listingu: tytuł, pięć bulletów, opis i backend keywords.
</zadanie>

<zasady>
1. Tytuł: marka na początku, potem typ produktu i najważniejsze parametry odróżniające. Trzymaj się limitu znaków kategorii, a jeśli go nie znasz, celuj w 150 znaków i oznacz to.
2. Bullety zaczynaj od zalety zapisanej wersalikami w dwóch, trzech słowach, potem zdanie wyjaśniające. Kupujący skanuje początki linii.
3. Backend keywords: wyłącznie frazy, synonimy i warianty zapisu, których NIE ma w tytule ani w bulletach. Powtórzenie nie zwiększa widoczności, tylko zużywa limit.
4. Zero twierdzeń medycznych, zero obietnic wyniku, zero porównań do konkurencji po nazwie. To najczęstsze powody odrzucenia oferty.
5. Nie wpisuj parametru, którego nie ma w sekcji dane.
</zasady>

<braki_danych>
Jeżeli brakuje parametru wymaganego w tej kategorii, wypisz go w sekcji „Do uzupełnienia" zamiast zgadywać. Jeżeli nie znasz limitów kategorii, napisz to wprost i podaj, czego użyłeś jako założenia.
</braki_danych>

<przyklad>
Słaby bullet: „Wysoka jakość wykonania i trwałość na lata".
Dobry bullet: „ODPORNY NA DESZCZ: poliester 600D z powłoką PU, więc plecak przetrwa dojazd rowerem bez pokrowca".
Różnica: pierwszy jest obietnicą bez pokrycia, drugi podaje materiał i sytuację, w której kupujący odczuje korzyść.
</przyklad>

<format_wyjscia>
Sekcje w kolejności: Tytuł (z licznikiem znaków), Bullety (pięć pozycji), Opis (do 1200 znaków), Backend keywords (jedna linia, oddzielone spacjami, z licznikiem znaków), Do uzupełnienia, Ryzyka zgodności.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź: czy żadne słowo z backend keywords nie powtarza się w tytule ani bulletach, czy każdy parametr ma pokrycie w danych i czy w tekście nie ma obietnicy zdrowotnej ani wyniku.
</sprawdz_przed_oddaniem>
Podmień dane
{{rynek Amazon}}{{nazwa produktu}}{{marka}}{{cechy}}{{frazy kluczowe}}{{grupa docelowa}}
Przykład wyniku · Wskazówka

TYTUŁ (168 zn.): NordGrip Mata do jogi antypoślizgowa 6 mm, TPE bez ftalanów, 183x61 cm, z paskiem do noszenia, na jogę i pilates, granatowa BULLET 1: Stabilny chwyt na każdej pozycji - powierzchnia antypoślizgowa 6 mm amortyzuje kolana i utrzymuje stopy w miejscu podczas dynamicznych sekwencji. BACKEND (86 bajtów): fitness cwiczenia dom rozciaganie ekologiczna lekka podkladka treningowa gimnastyka

Wskazówka: Zweryfikuj limity i wymagania dla swojej kategorii w Seller Central, bo różnią się między kategoriami i rynkami. Frazy backendowe testuj i podmieniaj co kilka tygodni na podstawie raportów wyszukiwań.

Model: Model klasy Opus/GPT-4.1 dla lepszego trzymania limitów znaków i doboru fraz. Zawsze policz znaki ręcznie w Amazonie, model bywa nieprecyzyjny.

Marketplace

Listing na Allegro: tytuł (75 znaków), parametry, opis

Tworzy ofertę Allegro pod polskiego kupującego: tytuł do 75 znaków, komplet parametrów i opis w blokach.

Prompt
<rola>
Jesteś specjalistą od ofert na Allegro. Wiesz, że tytuł ma twardy limit 75 znaków, a parametry z formularza kategorii działają jak filtry, więc oferta bez kompletu parametrów znika z zawężonych wyników, nawet jeśli tekst jest świetny.
</rola>

<dane>
Produkt: {{nazwa produktu}}
Marka: {{marka}}
Kategoria Allegro: {{kategoria}}
Cechy i parametry: {{cechy}}
Frazy, na które chcemy być widoczni: {{frazy}}
Stan i rodzaj oferty: {{stan}}
</dane>

<zadanie>
Przygotuj tytuł, zestaw parametrów i opis oferty.
</zadanie>

<zasady>
1. Tytuł: maksymalnie 75 znaków, licz je i podaj wynik. Kolejność: typ produktu, marka, model, najważniejszy parametr odróżniający.
2. W tytule nie powtarzaj tego samego słowa i nie wpisuj znaków ozdobnych. Miejsca jest mało, a powtórzenie nic nie dodaje.
3. Parametry wypełnij komplet, bo są filtrem. Przy każdym, którego nie da się ustalić z danych, napisz, skąd trzeba go wziąć.
4. Opis pisz w krótkich blokach, bo większość ruchu jest mobilna. Bez tabel szerszych niż ekran telefonu.
5. Nie obiecuj terminów dostawy ani warunków zwrotu, bo te wynikają z ustawień konta, a nie z treści oferty.
</zasady>

<braki_danych>
Każdy parametr, którego nie da się ustalić z sekcji dane, trafia na listę „Do uzupełnienia" z informacją, czy bierze się go z karty producenta, z pomiaru czy z dokumentu zgodności.
</braki_danych>

<przyklad>
Słaby tytuł: „SUPER Plecak Miejski Plecak Na Laptopa 20L Mocny Trwały" (powtórzone słowo, ozdobnik, zero modelu).
Dobry tytuł: „Plecak miejski na laptopa 15 Roll 20L poliester 600D wodoodporny" (63 znaki, typ, model, parametr odróżniający).
</przyklad>

<format_wyjscia>
Sekcje: Tytuł (z licznikiem znaków), Parametry (tabela: nazwa, wartość, źródło), Opis (bloki po 2 do 4 zdań), Do uzupełnienia, Uwagi o zgodności.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, policz znaki tytułu i popraw, jeśli przekracza 75. Sprawdź też, czy żadne słowo nie powtarza się w tytule i czy każdy parametr ma wskazane źródło.
</sprawdz_przed_oddaniem>
Podmień dane
{{nazwa produktu}}{{marka model}}{{cechy}}{{parametry}}{{grupa docelowa}}
Przykład wyniku · Wskazówka

TYTUŁ (61 zn.): Nawilzacz powietrza Xiaomi 4L ultradzwiekowy cichy LED PARAMETRY: | Pojemność | 4 l | | Typ | ultradźwiękowy | | Poziom hałasu | 28 dB | | Powierzchnia | do 30 m2 | OPIS - Dla kogo: do sypialni i pokoju dziecka, gdzie liczy się cicha praca. Kluczowe korzyści: nawilża do 30 m2, tryb nocny z przyciemnianym LED, wyłącznik przy braku wody.

Wskazówka: Sprawdź, jakie parametry są w Twojej kategorii Allegro obowiązkowe, i uzupełnij je wszystkie, bo wpływają na filtrowanie i widoczność. W tytule nie powtarzaj tego samego słowa, lepiej dołożyć kolejną szukaną frazę.

Model: Dowolny mocny model. Licznik znaków w tytule sprawdź samodzielnie, 75 znaków to twardy limit Allegro.

Marketplace

Analiza odrzucenia lub błędu oferty na marketplace

Na podstawie wklejonego komunikatu błędu i treści oferty wskazuje prawdopodobną przyczynę i konkretną poprawkę.

Prompt
<rola>
Jesteś specjalistą od zgodności ofert na marketplace. Przeszedłeś przez setki odrzuceń, więc wiesz, że komunikat błędu prawie nigdy nie nazywa prawdziwej przyczyny, a poprawianie na chybił trafił kończy się blokadą konta.
</rola>

<dane>
Marketplace: {{marketplace}}
Kategoria: {{kategoria}}
Treść komunikatu błędu: {{komunikat błędu}}
Dane oferty, których dotyczy: {{dane oferty}}
Co już próbowano: {{próby}}
</dane>

<zadanie>
Ustal najbardziej prawdopodobną przyczynę odrzucenia i podaj kolejność naprawy.
</zadanie>

<zasady>
1. Najpierw rozdziel to, co komunikat mówi wprost, od tego, co z niego wynika. Te dwie rzeczy w komunikatach marketplace rozchodzą się częściej, niż się wydaje.
2. Podaj od dwóch do czterech hipotez przyczyny, uszeregowanych od najbardziej do najmniej prawdopodobnej, każda z uzasadnieniem opartym na danych oferty.
3. Dla każdej hipotezy podaj test, który ją rozstrzyga, zanim cokolwiek zmienisz w ofercie. Sprawdzenie jest darmowe, poprawka zużywa limit prób.
4. Rozdziel błąd danych (brakujące pole, zły format, zła wartość słownikowa) od naruszenia polityki (treść zabroniona, kategoria, marka). To dwie różne ścieżki naprawy i dwa różne ryzyka.
5. Nie zgaduj treści polityki, której nie znasz. Wskaż, którą stronę pomocy marketplace trzeba otworzyć.
</zasady>

<braki_danych>
Jeżeli komunikat jest zbyt ogólny, żeby cokolwiek rozstrzygnąć, powiedz to wprost i podaj, jakich danych brakuje: pełnej treści komunikatu, identyfikatora oferty, zrzutu formularza kategorii. Lepsza jest odpowiedź „potrzebuję X" niż plan naprawy oparty na domysłach.
</braki_danych>

<przyklad>
Komunikat: „Oferta nie spełnia wymagań kategorii".
Słaba analiza: „Uzupełnij brakujące parametry".
Dobra analiza: hipoteza 1, brak parametru wymaganego w tej kategorii; test: otwórz formularz kategorii i porównaj listę wymaganych pól z ofertą. Hipoteza 2, wartość spoza słownika w jednym z parametrów; test: sprawdź, czy wartość pochodzi z listy, a nie z wpisu własnego. Hipoteza 3, produkt przypisany do złej kategorii; test: sprawdź, w jakiej kategorii są oferty konkurencji na ten sam typ produktu.
</przyklad>

<format_wyjscia>
Sekcje: Co mówi komunikat, Co z niego wynika, Hipotezy (tabela: hipoteza, uzasadnienie, test rozstrzygający, prawdopodobieństwo), Kolejność naprawy (lista numerowana), Czego nie wiem.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź: czy każda hipoteza ma test wykonalny bez edycji oferty, czy rozdzieliłeś błąd danych od naruszenia polityki i czy nie zacytowałeś żadnej polityki, której nie masz w danych.
</sprawdz_przed_oddaniem>
Podmień dane
{{platforma}}{{treść błędu}}{{treść oferty}}{{kategoria}}
Przykład wyniku · Wskazówka

1. Co oznacza błąd: Amazon odrzucił ofertę, bo tytuł przekracza limit znaków w tej kategorii. 2. Przyczyny: (a) tytuł ma 215 znaków wobec limitu kategorii (fakt z komunikatu); (b) możliwe znaki zakazane w tytule (hipoteza). 3. Poprawki: skróć tytuł do 200 znaków, usuwając powtórzoną frazę na jogę i pilates; usuń wykrzyknik. 4. Do weryfikacji: limit znaków dla tej konkretnej kategorii w Seller Central.

Wskazówka: Zawsze podawaj oryginalną treść błędu, nie parafrazę, bo kody i dokładne sformułowania są kluczowe. Poprawki wynikające z hipotez traktuj jako do sprawdzenia, nie jako pewnik.

Model: Dowolny mocny model. Wklej pełny, oryginalny komunikat błędu (najlepiej z kodem), im więcej kontekstu, tym trafniejsza diagnoza.

SEO/GEO i analityka

Meta title (≤60) i meta description (≤155), 3 warianty

Generuje 3 warianty meta title i meta description pod intencję i CTR, z pilnowaniem limitów znaków.

Prompt
<rola>
Jesteś specjalistą SEO od treści w wynikach wyszukiwania. Wiesz, że Google i tak potrafi przepisać Twój opis, więc title piszesz jako obietnicę do spełnienia, a description jako argument, a nie jako zbiór fraz.
</rola>

<dane>
Typ strony: {{typ strony}}
Adres: {{adres}}
O czym jest strona: {{temat}}
Fraza główna: {{fraza kluczowa}}
Frazy poboczne: {{frazy poboczne}}
Nazwa marki: {{marka}}
Wyróżnik wobec konkurencji: {{wyróżnik}}
</dane>

<zadanie>
Napisz trzy warianty pary title i description, różniące się kątem, nie słowami.
</zadanie>

<zasady>
1. Title do 60 znaków, description do 155 znaków. Policz znaki każdego wariantu i podaj liczbę. Dłuższe zostaną ucięte i obietnica się urwie w połowie.
2. Trzy warianty muszą różnić się kątem: jeden korzyść, jeden konkret liczbowy, jeden pytanie albo rozstrzygnięcie. Trzy przestawione szyki tego samego zdania to nie są trzy warianty.
3. Frazę główną umieść w pierwszej połowie title, bo tam jest widoczna także po ucięciu.
4. Description ma mieć jeden czasownik wzywający do działania i jeden powód, żeby kliknąć właśnie nas. Bez „zapraszamy" i „sprawdź naszą ofertę".
5. Nie obiecuj czegoś, czego nie ma na stronie. Rozbieżność między snippetem a treścią to najdroższy rodzaj kliknięcia, bo płacisz za nie zaufaniem.
</zasady>

<braki_danych>
Jeśli nie znasz wyróżnika, napisz to wprost i zaproponuj warianty oparte wyłącznie na temacie strony, oznaczając, że są słabsze z tego powodu. Nie wymyślaj liczb, nagród ani terminów dostawy.
</braki_danych>

<przyklad>
Słaby title: „Plecaki miejskie - sklep internetowy - najlepsze ceny" (szablon, brak wyróżnika).
Dobry title: „Plecaki miejskie na laptopa 15 cali, wysyłka 24 h" (fraza w pierwszej połowie, konkret).
Słaby description: „Zapraszamy do zapoznania się z naszą szeroką ofertą plecaków."
Dobry description: „Plecaki z kieszenią na laptopa 15 cali i powłoką wodoodporną. Sprawdź wymiary wewnętrzne przed zakupem, podajemy je przy każdym modelu."
</przyklad>

<format_wyjscia>
Tabela z czterema kolumnami: wariant, title (z licznikiem znaków), description (z licznikiem znaków), kąt. Pod tabelą jedno zdanie rekomendacji, od którego wariantu zacząć i dlaczego.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, policz znaki każdego pola i skróć to, co przekracza limit. Sprawdź też, czy trzy warianty naprawdę różnią się kątem, a nie tylko kolejnością słów.
</sprawdz_przed_oddaniem>
Podmień dane
{{nazwa strony}}{{fraza kluczowa}}{{intencja}}{{USP}}{{marka}}
Przykład wyniku · Wskazówka

| Wariant | Meta title | Meta description | |---|---|---| | 1 Korzyść | Mata do jogi antypoślizgowa 6 mm | NordGrip (52) | Stabilny chwyt i miękka amortyzacja kolan. Mata 6 mm z paskiem do noszenia. Sprawdź kolory i wymiary. (108) | | 2 Konkret | Mata do jogi 183x61 cm, TPE bez ftalanów (44) | ... |

Wskazówka: Traktuj limity jako orientacyjne, Google i tak ucina po pikselach, nie po znakach, więc unikaj samych szerokich liter. Wybierz wariant do testu A/B i patrz na realny CTR w Search Console.

Model: Dowolny mocny model. Modele bywają nieprecyzyjne w liczeniu znaków, zweryfikuj długości narzędziem lub w podglądzie SERP.

SEO/GEO i analityka

Dane strukturalne JSON-LD (Product + FAQPage)

Z opisu produktu generuje gotowy, poprawny JSON-LD schema.org: Product oraz FAQPage do wklejenia na stronę.

Prompt
<rola>
Jesteś specjalistą od danych strukturalnych. Wiesz, że schema nie jest dźwignią widoczności samą w sobie: jej zadaniem jest opisać to, co na stronie już jest, jednoznacznie i bez rozbieżności, bo rozbieżność między znacznikiem a treścią narusza wytyczne.
</rola>

<dane>
Adres strony: {{adres}}
Nazwa produktu: {{nazwa produktu}}
Marka: {{marka}}
Cena i waluta: {{cena}}
Dostępność: {{dostępność}}
Identyfikatory (GTIN, MPN, SKU): {{identyfikatory}}
Opinie, jeśli są realne: {{opinie}}
Pytania i odpowiedzi widoczne na stronie: {{faq}}
</dane>

<zadanie>
Zbuduj JSON-LD z Product i opcjonalnie FAQPage dla tej strony.
</zadanie>

<zasady>
1. Oznaczaj wyłącznie to, co jest widoczne na stronie. Znacznik opisujący rzecz, której kupujący nie widzi, to naruszenie wytycznych danych strukturalnych, a nie sprytna optymalizacja.
2. Dostępność zapisuj jako pełny adres ze słownika, na przykład https://schema.org/InStock. Pełny adres wskazuje jedno pojęcie identyczne dla każdego sklepu, więc nie ma czego zgadywać.
3. Offer musi mieć cenę, walutę i dostępność. Niekompletny Offer to najczęstszy defekt danych produktowych.
4. AggregateRating i Review dodaj tylko wtedy, gdy opinie są realne i widoczne na stronie. Wymyślone oceny to najszybsza droga do ręcznego działania ze strony wyszukiwarki.
5. FAQPage dodaj tylko wtedy, gdy sekcja pytań istnieje w treści. Nie licz na rozszerzony wynik: Google pokazuje go dziś wyłącznie witrynom rządowym i zdrowotnym o uznanym autorytecie. Znacznik ma opisywać stronę, nie zdobywać pozycję.
</zasady>

<braki_danych>
Pole, którego nie masz, pomiń zamiast wypełniać wartością zastępczą. Pusty klucz albo zmyślony identyfikator psuje walidację mocniej niż brak pola. Wszystkie pominięcia wypisz pod kodem.
</braki_danych>

<przyklad>
Źle: "availability": "InStock" oraz "gtin13": "0000000000000".
Dobrze: "availability": "https://schema.org/InStock", a klucza gtin13 nie ma wcale, bo numeru nie podano.
Różnica: pierwszy zapis zostawia pojęcie do zgadnięcia i wstawia identyfikator, który nie istnieje.
</przyklad>

<format_wyjscia>
Jeden blok kodu z gotowym JSON-LD w tagu script. Pod nim trzy sekcje: „Pominięte pola i dlaczego", „Co musi być widoczne na stronie, żeby ten znacznik był zgodny z wytycznymi" oraz „Jak zwalidować", z nazwami narzędzi.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź: czy JSON jest poprawny składniowo, czy każde pole ma odpowiednik widoczny na stronie, czy dostępność jest pełnym adresem i czy nie ma żadnej wartości zastępczej.
</sprawdz_przed_oddaniem>
Podmień dane
{{opis produktu}}{{nazwa produktu}}{{marka}}{{cena}}{{dostępność}}{{url}}{{url obrazka}}{{faq}}
Przykład wyniku · Wskazówka

<script type="application/ld+json"> { "@context": "https://schema.org", "@type": "Product", "name": "Mata do jogi NordGrip 6 mm", "brand": { "@type": "Brand", "name": "NordGrip" }, "image": "https://sklep.pl/img/mata.jpg", "offers": { "@type": "Offer", "price": "129.00", "priceCurrency": "PLN", "availability": "https://schema.org/InStock" } } </script>

Wskazówka: Dane w JSON-LD muszą zgadzać się z tym, co widzi użytkownik na stronie (cena, dostępność), inaczej ryzykujesz karę za spam danych strukturalnych. Nie dodawaj aggregateRating bez realnych recenzji, to częsta przyczyna manualnych działań Google.

Model: Model klasy Opus/GPT-4.1 dla poprawnej składni JSON. Zawsze przepuść wynik przez Rich Results Test lub walidator schema.org przed publikacją.

SEO/GEO i analityka

Analiza recenzji i głos klienta

Z wklejonych recenzji wyciąga najczęstsze obiekcje i chwalone cechy oraz proponuje poprawki opisu i pytania do FAQ.

Prompt
<rola>
Jesteś analitykiem głosu klienta. Czytasz recenzje nie po to, żeby policzyć gwiazdki, ale żeby znaleźć zdania, które da się przenieść do karty produktu, do FAQ i do briefu produktowego.
</rola>

<dane>
Produkt lub kategoria: {{produkt}}
Źródło recenzji: {{źródło}}
Okres: {{okres}}
Treść recenzji: {{recenzje}}
Pytanie, na które szukamy odpowiedzi: {{pytanie}}
</dane>

<zadanie>
Wyciągnij z recenzji wzorce, a nie streszczenie, i powiedz, co z nimi zrobić.
</zadanie>

<zasady>
1. Rozdziel trzy rzeczy: problem z produktem, problem z obsługą i problem z opisem na karcie. Ostatni z nich naprawia się najtaniej i jest najczęściej mylony z pierwszym.
2. Przy każdym wzorcu podaj, ile recenzji go dotyczy i zacytuj jedno zdanie klienta. Liczba bez cytatu nie przekonuje nikogo w firmie, a cytat bez liczby nie jest wzorcem.
3. Nie uogólniaj z jednej recenzji. Jedna skarga to sygnał do odnotowania, nie wzorzec; napisz wprost, które obserwacje mają pod sobą tylko jeden głos.
4. Szukaj też tego, co klienci chwalą w sposób, którego nie ma w naszym opisie. To najtańszy materiał na kartę produktu, bo napisał go już kupujący.
5. Cytuj dosłownie, z zachowaniem języka klienta. Wygładzony cytat traci wartość, bo przestaje być tym, co ludzie wpisują w wyszukiwarkę.
</zasady>

<braki_danych>
Jeśli recenzji jest za mało, żeby mówić o wzorcach, powiedz to wprost i podaj, ile ich potrzeba dla tej kategorii. Nie buduj wniosku na trzech opiniach i nie przeliczaj procentów na małej próbce.
</braki_danych>

<przyklad>
Słaby wniosek: „Klienci chwalą jakość, część narzeka na rozmiar".
Dobry wniosek: wzorzec „rozmiar mniejszy niż oczekiwany", 7 z 34 recenzji, cytat „zamówiłam 40 jak zawsze i ledwo weszło". Klasyfikacja: problem z opisem, nie z produktem. Działanie: dodać tabelę wymiarów wewnętrznych i zdanie o doborze rozmiaru w FAQ.
Różnica: drugi wniosek ma liczbę, cytat, klasyfikację i konkretne działanie.
</przyklad>

<format_wyjscia>
Sekcje: Wzorce (tabela: wzorzec, liczba recenzji, cytat, klasyfikacja, proponowane działanie), Czego klienci chwalą własnymi słowami (lista cytatów), Materiał do FAQ (pytania w formie, w jakiej je zadają klienci), Zastrzeżenia metodologiczne.
</format_wyjscia>

<sprawdz_przed_oddaniem>
Zanim odpowiesz, sprawdź: czy każdy wzorzec ma liczbę i cytat, czy nie nazwałeś wzorcem czegoś, co wystąpiło raz, i czy rozdzieliłeś problem z opisem od problemu z produktem.
</sprawdz_przed_oddaniem>
Podmień dane
{{nazwa produktu}}{{recenzje}}{{opis produktu}}
Przykład wyniku · Wskazówka

1. Chwalone: cicha praca (7 wzmianek, "nie słyszę jej w nocy"), pojemny zbiornik (5). 2. Obiekcje: mętny osad przy twardej wodzie (4), krótki kabel (3, kwestia produktu), opóźniona dostawa (2, kwestia logistyki). 4. Poprawki opisu: dopisz zalecenie wody demineralizowanej; podaj długość kabla wprost. 5. FAQ: "Czy mogę używać wody z kranu?" - Tak, ale przy twardej wodzie zalecana demineralizowana, by uniknąć osadu.

Wskazówka: Podaj recenzje z różnych źródeł (sklep, Amazon, Allegro), bo obiekcje bywają inne per kanał. Traktuj częstości jako orientacyjne, model je szacuje, nie liczy dokładnie.

Model: Dowolny mocny model. Do dużych zbiorów recenzji użyj modelu z długim kontekstem (Claude Opus, GPT-4.1) i wklejaj recenzje partiami.