Spis treści
- Wstęp
- Wyzwanie
- Dokładna analiza procesu
- Rozwiązanie
- Efekty
- Wsparcie i dalszy rozwój
- Porozmawiajmy o podobnej automatyzacji
- FAQ
Wstęp
W szybko rosnącym e-commerce z kosmetykami dział zakupów klienta każdego dnia zasypywany był dziesiątkami ofert od dostawców: mailami, plikami z systemów B2B i wiadomościami z portali sprzedażowych. Część z nich była analizowana, ale większość – z braku czasu – trafiała do folderu „później”, który w praktyce oznaczał „nigdy”. Efekt? Atrakcyjne „perełki” zakupowe często odkrywano dopiero wtedy, gdy towar był już wyprzedany.
Wdrożona automatyzacja zebrała wszystkie oferty w jedno miejsce, zidentyfikowała produkty, porównała ceny z danymi rynkowymi i wewnętrznymi, a na końcu dostarczyła kupcom gotowe rekomendacje. Dzięki temu firma odzyskała zarówno utracone okazje, jak i dziesiątki godzin ręcznej analizy miesięcznie.
Wyzwanie
Klient – średniej wielkości e-commerce z kosmetykami – funkcjonował w realiach nieustannego szumu informacyjnego po stronie zakupów. Oferty od dostawców spływały wieloma kanałami: e‑mailem, przez panele hurtowni, systemy sprzedażowe oraz wiadomości w portalach marketplace. Każdego dnia przychodziło ich tak dużo, że zespół był w stanie szczegółowo przyjrzeć się jedynie wybranym propozycjom, resztę odkładając „na później”.
W praktyce oznaczało to, że firma nie miała kontroli nad tym, ile wartościowych okazji przechodzi jej koło nosa. Gdy udawało się wyłowić naprawdę korzystną ofertę – często okazywało się, że najlepsze warunki są już nieaktualne lub produkt został wyprzedany. Dodatkowo każda analiza wymagała manualnego sprawdzania produktów w systemie sprzedażowym i osobnych narzędziach do monitoringu cen rynkowych.
Dział zakupów działał więc pod presją czasu, na niepełnych danych i intuicji zamiast na twardych liczbach. Firmie zależało na tym, aby zautomatyzować powtarzalną część analizy ofert, odciążyć kupców od żmudnej pracy i zapewnić im szybki dostęp do przetworzonych, porównywalnych danych o opłacalności zakupu.
Dokładna analiza procesu
Zanim powstał choćby jeden workflow, zespół zakupowy klienta miał za zadanie przeanalizować (z naszym wsparciem) dokładnie cały proces decyzyjny po stronie zakupów. Kluczowe było nie samo „podpięcie” narzędzi, ale zrozumienie, jakie warunki muszą być spełnione, aby oferta została w ogóle przetworzona oraz kiedy powinna przejść skróconą, a kiedy pełną ścieżkę analizy.
Pierwszym obszarem były kryteria wstępnej selekcji. Firma otrzymywała zarówno oferty bardzo ogólne, niepasujące do asortymentu, jak i precyzyjne listy produktów z potencjałem. Analiza ofert jest kosztowna – wymaga czasu, mocy obliczeniowej, wykorzystuje płatne API i tokeny AI – dlatego nie każda propozycja powinna automatycznie przechodzić pełny, pogłębiony proces. Trzeba było ustalić, które oferty powinny trafić od razu do automatycznej analizy, a które najpierw wymagają szybkiej weryfikacji przez człowieka (np. pod kątem kategorii, marki, zgodności z profilem sklepu).
Drugim ważnym elementem było zdefiniowanie, co dla klienta oznacza „oferta bardzo korzystna”. Ustalono zestaw progów i wskaźników (np. minimalna wymagana marża, rotacja produktu, sezonowość), które decydują, że dana propozycja trafia do „szybkiego toru” – z natychmiastowym powiadomieniem do odpowiedzialnej osoby. Trzecim obszarem było doprecyzowanie, kiedy oferta bez kodów EAN powinna być mimo wszystko przetwarzana automatycznie – np. tylko dla kluczowych marek, wybranych kategorii lub w sytuacjach, gdy potencjalna wartość zakupu uzasadnia dodatkowy koszt dopasowania produktów po nazwie i parametrach.
Dzięki temu automatyzacja nie była „ślepą maszyną”, która mieli wszystko po kolei, ale inteligentnym procesem, który wspiera decyzje zespołu zakupowego zgodnie z ustalonymi zasadami biznesowymi.
Rozwiązanie
Wdrożone rozwiązanie zostało zbudowane na elastycznej platformie do projektowania workflow n8n oraz integracjach z systemami klienta i zewnętrznymi źródłami danych. Całość podzielono na cztery główne etapy.
Etap 1 – zebranie wszystkich ofert w jedno miejsce
Automatyzacja tam, gdzie jest to możliwe, samodzielnie pobiera oferty z dostępnych źródeł (np. folderów mailowych, integracji z systemami B2B) i zapisuje je w dedykowanym katalogu w chmurze. Pracownicy każdą pozostałą ofertę przesyłają na dedykowany adres e‑mail. Workflow odbiera te wiadomości, zapisuje ich treść oraz załączniki do współdzielonego folderu na dysku w chmurze i równolegle rejestruje je w tabeli (np. w arkuszu kalkulacyjnym). Każda oferta jest tagowana dostawcą, datą, kanałem pozyskania oraz podstawowymi metadanymi, co w praktyce tworzy centralne repozytorium wszystkich propozycji i usuwa ryzyko „zaginięcia” pliku w czyjejś skrzynce.
Etap 2 – identyfikacja produktów i EAN
System automatycznie analizuje załączone pliki (CSV, XLS, PDF), wyszukuje kolumny z kodami EAN oraz podstawowe dane produktowe – nazwę, pojemność, ilość, cenę jednostkową i walutę. Jeżeli w wybranych, istotnych ofertach brakuje EAN, workflow podejmuje próbę dopasowania produktów na podstawie nazwy i parametrów do baz danych klienta (np. katalogu produktów w systemie sprzedażowym). Każdemu dopasowaniu przyznawany jest scoring, który określa poziom pewności – dzięki temu kupiec widzi od razu, które pozycje są „trafione” niemal na pewno, a które wymagają potwierdzenia.
Etap 3 – wzbogacenie danych i ocena opłacalności zakupu
Dla każdego zidentyfikowanego produktu automatyzacja:
- sprawdza, czy produkt istnieje w systemie klienta i czy jest aktualnie na stanie,
- pobiera historyczną cenę zakupu, obowiązujące marże docelowe, aktualną cenę sprzedaży, wyniki sprzedażowe z ostatnich 90dni,
- jeśli produkt nie był wcześniej kupowany, korzysta z zewnętrznych źródeł – API wyszukujących średnie ceny w sklepach internetowych, porównywarek cen oraz narzędzi monitorujących ceny i sprzedaż na marketplace’ach (np. Allegro). Klient posiadał własne autorskie narzędzie do pobierania danych sprzedażowych z ofert allegro (oparte na Power Automate).
Na tej podstawie system wylicza, czy cena z oferty mieści się w wymaganej marży i czy zakup jest opłacalny w kontekście stanów magazynowych oraz potencjału sprzedażowego. Dla najbardziej atrakcyjnych ofert uruchamiany jest „szybki tor” – wysyłane są natychmiastowe powiadomienia do odpowiednich osób (powiadomienia na firmowym Slacku).
Etap 4 – dystrybucja przetworzonych ofert do odpowiednich osób
Końcowym efektem jest „przetworzona” oferta – oryginalny plik uzupełniony o dodatkowe kolumny z danymi i prostą rekomendacją zakupową. Workflow rozsyła te materiały do właściwych osób w dziale zakupów (np. według kategorii lub dostawcy). Kupcy nie zaczynają już od szukania informacji – otrzymują kompletny obraz sytuacji i mogą od razu podjąć decyzję lub wejść w negocjacje z dostawcą.
Efekty
Po kilku tygodniach od uruchomienia automatyzacji dział zakupów odczuł wyraźną zmianę w codziennej pracy. Czas potrzebny na analizę pojedynczej oferty skrócił się średnio o około 80%, ponieważ większość danych była zebrana i przeliczona zanim kupiec w ogóle otworzył plik. Liczba atrakcyjnych, wysokomarżowych propozycji, które faktycznie kończyły się zakupem, wzrosła o około 300% – głównie dzięki temu, że firma była w stanie szybciej reagować na najlepsze okazje, zanim wyprzeda je konkurencja.
Automatyzacja odciążyła zespół z żmudnej, powtarzalnej pracy: ręcznego przeklikiwania między systemami, przepisywania danych i podstawowego liczenia marż. Szacunkowo dział odzyskał kilkadziesiąt godzin pracy miesięcznie, które można było przeznaczyć na negocjacje, budowanie relacji z kluczowymi dostawcami i rozwój asortymentu.
Jak podsumował klient:
„Dzięki automatyzacji analizy ofert wreszcie widzimy na liczbach, które propozycje faktycznie są okazją, a które tylko tak wyglądają w mailu. Najlepsze oferty trafiają do nas na czas, a my możemy skupić się na negocjacjach zamiast na ręcznym liczeniu w arkuszach.”
Wsparcie i dalszy rozwój
Po uruchomieniu automatyzacji na środowisku produkcyjnym praca nad procesem się nie zakończyła. Równolegle z wdrożeniem przeszkoliliśmy zespół klienta z codziennego korzystania z rozwiązania, tak aby pracownicy wiedzieli nie tylko, jak obsługiwać nowy proces, ale również jak wychwytywać sytuacje, w których warto go dalej usprawniać.
Już w pierwszych dniach działania automatyzacji pojawiły się nowe pomysły na zmiany i dodatkowe scenariusze, których wcześniej nie dało się precyzyjnie przewidzieć. Część warunków decyzyjnych zespół klienta doprecyzował dopiero wtedy, gdy proces zaczął działać na realnych ofertach, w rzeczywistym tempie pracy i przy faktycznych wyjątkach. To bardzo częsta sytuacja w projektach automatyzacyjnych – etap koncepcyjny jest kluczowy, ale nie jesteśmy w stanie przewidzieć wszystkiego przed startem.
Czy lepiej byłoby idealnie rozpisać cały proces już na początku? W teorii tak, bo dobra analiza przedwdrożeniowa ogranicza liczbę poprawek i przyspiesza osiągnięcie stabilnego efektu. W praktyce jednak dopiero produkcja pokazuje nowe przypadki brzegowe, nieoczywiste wyjątki i dodatkowe potrzeby użytkowników. Właśnie dlatego elastyczne technologie automatyzacyjne, takie jak n8n, mają dużą przewagę – pozwalają szybko reagować na nowe wyzwania, bez konieczności przebudowywania całego rozwiązania od zera.
Z tego powodu klient zdecydował się na abonamentowe wsparcie procesu. Automatyzacja jest stale monitorowana, a wraz z rozwojem biznesu i zmianą warunków zakupowych regularnie wprowadzane są kolejne usprawnienia. Dzięki temu wdrożenie nie jest jednorazowym projektem, ale narzędziem, które rozwija się razem z firmą i coraz lepiej wspiera jej zespół zakupowy.
Porozmawiajmy o podobnej automatyzacji
Jeżeli Twój dział zakupów ma poczucie, że tonie w ofertach, a decyzje zapadają na podstawie intuicji, a nie danych, to jest to dobry moment, aby przyjrzeć się procesom pod kątem automatyzacji. W ciągu kilku tygodni można zbudować rozwiązanie, które zbierze wszystkie propozycje w jedno miejsce, połączy je z Twoimi danymi sprzedażowymi i magazynowymi oraz przygotuje gotowe rekomendacje dla kupców.
Skontaktuj się, aby porozmawiać o tym, jak taki system mógłby wyglądać w Twojej firmie – z uwzględnieniem Twoich kanałów sprzedaży, źródeł ofert i specyfiki asortymentu. Razem zaprojektujemy proces, który odciąży zespół, przyspieszy decyzje i pozwoli wycisnąć maksimum wartości z każdej dobrej oferty, zanim zrobi to konkurencja.
FAQ
1. Czy każdą ofertę warto przetwarzać automatycznie?
Nie. Analiza ofert wykorzystuje czas zespołu, moc obliczeniową oraz płatne integracje (API, modele AI), dlatego kluczowe jest ustalenie kryteriów, które oferty przechodzą pełną ścieżkę automatycznej analizy, a które wymagają najpierw krótkiej weryfikacji człowieka.
2. Co jeśli w ofercie brakuje kodów EAN?
Dla wybranych ofert można uruchomić automatyczne dopasowanie produktów po nazwie i parametrach do baz klienta. Dopasowania są oznaczone scoringiem pewności, dzięki czemu kupiec widzi, gdzie potrzebne jest potwierdzenie.
3. Czy automatyzacja zastępuje pracę kupca?
Nie – celem jest odciążenie kupca z żmudnej, powtarzalnej analizy i dostarczenie mu gotowych danych do decyzji. To człowiek ostatecznie decyduje, czy i na jakich warunkach złożyć zamówienie.
4. Jakie dane z rynku można uwzględnić w analizie?
Można łączyć dane wewnętrzne (historyczne ceny zakupu, marże, sprzedaż, stany magazynowe) z zewnętrznymi: średnimi cenami w sklepach internetowych, porównywarkami cen oraz statystykami sprzedaży i cen z marketplace’ów, takich jak Allegro.
