Sklep dostaje co miesiąc setki opinii i zwrotów, ale są rozproszone: moduł opinii WooCommerce, Profil Firmy w Google, oceny na Allegro i OLX, komentarze na Facebooku i Instagramie oraz powód zwrotu, który kasjer wpisuje jako wolny tekst w dokumencie zwrotu w systemie Comarch ERP Optima. Kierownik patrzy na kilka najgorszych ocen na Allegro, bo wpływają na pozycję w wynikach, a problemy systemowe, na przykład konkretny model, który wszyscy zwracają, bo jest za mały, zauważa dopiero po sezonie, gdy towar został już zamówiony ponownie.
Zbieramy źródła opinii i powody zwrotów w jeden obieg: opinie z WooCommerce przez API, profil Google, oceny z Allegro i OLX z eksportu panelu sprzedawcy, komentarze z Facebooka oraz dokumenty zwrotu z systemu Comarch ERP Optima przez cykliczny eksport. Claude lub ChatGPT przez API przypisuje każdy rekord do tematu (rozmiar, jakość, dostawa, niezgodność z opisem, obsługa, cena), określa wydźwięk i łączy go z konkretnym produktem po kodzie towaru z systemu Comarch ERP Optima lub po zamówieniu WooCommerce. Wyniki trafiają do tabeli danych, z której raport Power BI pokazuje rozkład tematów, produkty z najczęściej powtarzającymi się problemami i zmianę z tygodnia na tydzień. W każdy poniedziałek kierownicy dostają krótkie podsumowanie z konkretnymi przykładami i linkami do oryginalnych wpisów. Decyzje o asortymencie, opisach lub dostawcy podejmują ludzie, a system tylko pokazuje, gdzie patrzeć. Model działa w Anthropic API, Amazon Bedrock w regionie UE lub na platformie OpenAI bez trenowania na Twoich danych, a nazwiska klientów są usuwane przed analizą.