Analiza i rekomendacje dla sklepu internetowego

Kolega poprosił mnie o pomoc przy swoim sklepie Coin24, sprzedającym monety, banknoty i akcesoria kolekcjonerskie. Co poprawić na stronie? Jak lepiej docierać do klientów? Może wystawić ofertę na Etsy? Chciałem pomóc mu wybrać konkretne działania, żeby niewiele wydał i możliwie dużo z tego miał.

Z takim zadaniem zwróciłem się do Codexa. Poprosiłem o analizę sklepu, konkurencji, sposobów dotarcia do klientów i możliwych efektów. Zależało mi na zwięzłych wskazówkach popartych liczbami.

Pracowaliśmy nad istniejącym sklepem. Ten przykład przydaje się również przy wymyślaniu nowego biznesu: pomysł trzeba zamienić w pytania, sprawdzić rynek i policzyć, co musiałoby się wydarzyć, żeby przedsięwzięcie miało sens.

Najpierw pytanie o decyzję

„Wymyśl, jak zwiększyć sprzedaż” może dać długą listę: reklamy, media społecznościowe, newsletter, nowa strona. Tylko od czego zacząć i dlaczego właśnie od tego?

W moim zleceniu ważne były ograniczenia: mały koszt, konkretne wskazówki i możliwy efekt. Dzięki temu analiza miała prowadzić do wyboru kolejności działań. Czy najpierw poprawić ofertę we własnym sklepie, czy szukać klientów na kolejnej platformie?

AI przydało się do zebrania informacji i porównania możliwości. Ostatecznie właściciel musi ocenić, czy rekomendacje pasują do jego zapasu towarów, marży i czasu na obsługę.

Co pokazał przegląd sklepu

Badanie z 4 października 2026 roku objęło publiczne strony, wybrane produkty i kategorie, widok telefonu oraz elementy techniczne. Sprawdzono również SEO, czyli przygotowanie strony tak, żeby wyszukiwarka mogła zrozumieć jej treść i pokazywać ją przy odpowiednich zapytaniach.

Jeden z konkretów: w sprawdzonych modułach promocji i nowości 7 z 32 unikalnych produktów miało oznaczenie niedostępności. To około 22% tej próbki. Dwa znajdowały się wśród pierwszych czterech promocji. Wynik dotyczy tego fragmentu strony w dniu analizy, nie całego magazynu ani dzisiejszego stanu sklepu.

Stąd prosta rekomendacja: najpierw lepiej wyeksponować produkty, które można kupić. W raporcie znalazły się też uwagi o jasnym koszcie dostawy, zawartości zestawu i niespójnym opisie roku monety. To konkretne miejsca do sprawdzenia przez właściciela, zanim zacznie płacić za dodatkowe wejścia.

Analiza dostrzegła też istniejące zasoby: poradniki, rozbudowane karty i newsletter. Proponowany pierwszy krok obejmował trzy kategorie oraz dwadzieścia dostępnych produktów. Pełna przebudowa sklepu nie uzyskała w raporcie wystarczającego uzasadnienia.

Research rynku ma prowadzić do hipotezy

Research to po prostu zbieranie i sprawdzanie informacji. Tutaj obejmował porównanie ofert konkurentów, wybranych cen, sposobów prezentacji towaru i możliwych kanałów sprzedaży.

Trzy porównania cen nie dały podstaw do wniosku, że cały sklep jest za drogi. Dla jednego produktu oferta była tańsza od porównanej oferty konkurenta, dla innego sytuacja wyglądała odwrotnie. Znaczenie miały też stan przedmiotu, dodatki i dostawa. Sama cena bez tego kontekstu niewiele rozstrzyga.

Podobnie z pytaniem „gdzie są klienci?”. Asortyment pozwolił wskazać kilka możliwych potrzeb:

To propozycje wynikające z oferty, nie zbadane profile klientów. Można je potem sprawdzić na zapytaniach do sklepu, rozmowach z kupującymi i rzeczywistych zamówieniach.

Pojawiło się również Etsy. Raport traktował je jako wąski, późniejszy eksperyment dla odpowiednio dobranych przedmiotów. Najpierw należało sprawdzić dopasowanie oferty do zasad platformy, pełne koszty i czas obsługi. Sama obecność klientów na danej platformie jeszcze nie mówi, czy nasza oferta będzie tam opłacalna.

Czego AI nie mogło wyczytać ze strony

Poprosiłem także o ruch konkurencji i frazy, po których sklepy są znajdowane. Nie udało się uzyskać wiarygodnych, porównywalnych liczb odwiedzin ani miesięcznych wolumenów wyszukiwania. Wyniki wyszukiwarki pomogły znaleźć konkurentów, ale nie były pomiarem pozycji sklepu w Google.

To ważna granica. Z publicznej strony nie da się odczytać rzeczywistej marży, konwersji ani wyniku kampanii. Konwersja oznacza tutaj odsetek wejść kończących się zamówieniem. Do dalszej oceny potrzebne byłyby dane właściciela: zamówienia i koszty, Google Analytics do analizy ruchu oraz Search Console do sprawdzania widoczności w wyszukiwarce.

W tej pracy tych danych nie mieliśmy. Dlatego liczby opisujące możliwy efekt trafiły do jawnego modelu z założeniami.

Czy większa sprzedaż zostawi pieniądze

W raporcie znalazł się prosty rachunek. To przykład obliczeniowy, nie dane finansowe Coin24 ani prognoza. Założono koszyk 180 zł netto, marżę na towarze 25% i 10 zł pozostałych kosztów zmiennych zamówienia. Zostaje 35 zł przed reklamą, kosztami stałymi i pracą właściciela.

Następne założenia: 300 zł na reklamę i 0,60 zł za kliknięcie, czyli 500 wejść. Stawka kliknięcia jest przyjęta do przykładu, a nie ustalona w badaniu rynku.

Przy 1% są zamówienia i przychód, ale rachunek kończy się stratą. Przy 2% pozostaje 50 zł, z których nadal trzeba pokryć koszty stałe i pracę. Własne liczby mogą wyglądać zupełnie inaczej — właśnie dlatego trzeba je podstawić przed podjęciem decyzji.

Tak można użyć AI do weryfikacji pomysłu: poprosić o zmianę jednego założenia i zobaczyć, jak zmienia się wynik. Niższa marża, droższe kliknięcie albo dodatkowa prowizja mogą odwrócić wniosek. Obliczenia trzeba sprawdzić, a założenia porównać z danymi.

Z analizy powstał plan na 90 dni

Efektem był ośmiostronicowy raport: obserwacje, konkurencja, kanały dotarcia, scenariusze kosztów i kolejność działań. Przygotowany PDF przeszedł niezależny przegląd. Nie mam na tej podstawie potwierdzenia, że zalecenia zostały wdrożone albo podniosły sprzedaż.

Kierunek był konkretny: poprawić ekspozycję dostępnych produktów, policzyć kwotę pozostającą na zamówieniu i sprawdzić jeden kanał pozyskiwania klientów. Plan zawierał też warunki zatrzymania wydatków — na przykład brak towaru, ujemny wynik po kosztach lub niesprawny pomiar zakupu.

To użyteczny rezultat takiej rozmowy: wiadomo, co można zrobić, od czego to zależy i po czym ocenić próbę.

Jak wykorzystać to przy własnym pomyśle

Przy nowym biznesie zacznij od jednej konkretnej osoby i potrzeby. Kto ma problem, jak rozwiązuje go dzisiaj i za co już płaci? Potem poszukaj istniejących alternatyw i sprawdź, czym twoja oferta miałaby się od nich różnić.

Po researchu wybierz małą próbę. Może to być kilka rozmów z potencjalnymi klientami, oferta jednej usługi albo test kilku produktów. Rozmowa pomoże zrozumieć potrzebę; rzeczywisty zakup dostarczy innego, mocniejszego sygnału o gotowości do zapłaty. Kilka rozmów czy transakcji nadal nie dowodzi popytu w skali całego rynku.

Poniższy prompt jest propozycją do własnej pracy, opracowaną na podstawie tego przypadku:

Pomóż mi zweryfikować pomysł: [opis produktu lub usługi].
Klient i jego potrzeba: [dla kogo i po co].
Obecne rozwiązania: [jak klient radzi sobie dzisiaj].
Mam do dyspozycji: [czas, budżet i zasoby].
Materiały: [oferta, strona, notatki lub dane, które wolno analizować].

Sprawdź istniejące alternatywy i możliwe kanały dotarcia.
Przy istotnych faktach podaj źródło i datę. Oddziel obserwacje,
hipotezy oraz liczby przyjęte wyłącznie do obliczeń.
Nie wymyślaj ruchu, wielkości rynku, marży ani wyników sprzedaży.

Wskaż założenie, które najbardziej może zmienić decyzję.
Policz prosty wariant ostrożny i korzystny, pokazując rachunek
oraz koszty, których brakuje. Zaproponuj jeden mały test:
co sprawdzamy, jaki mamy limit czasu i wydatków,
co mierzymy i kiedy przerywamy albo zmieniamy podejście.
Jeśli brakuje kluczowych danych, wskaż, skąd je zdobyć.

Dobra, co teraz? Wybierz jedno założenie, od którego zależy sens pomysłu, i sprawdź je możliwie małym kosztem. AI może pomóc przygotować badanie, porównanie i rachunek. Odpowiedź rynku pojawi się dopiero wtedy, gdy spotkasz się z klientem i jego decyzją.