Von Halsky nie przegląda Twojego sklepu. On go czyta.

Field notes · lipiec 2026

Klient pisze do agenta: „elegancka sukienka dla dziewczynki na komunię, rozmiar 140, do 200 zł". Agent nie otwiera dziesięciu kart przeglądarki. Buduje zestaw kandydatów z danych, które potrafi przeczytać, porównuje je cecha po cesze i zwraca dwa, może trzy produkty. Wszystko, czego nie ma w danych, dla agenta nie istnieje — nawet jeśli jest na zdjęciu, w PDF-ie z tabelą rozmiarów albo w głowie sprzedawcy.

Żeby zobaczyć ten proces od środka, zbudowaliśmy skaner, który czyta kartę produktu dokładnie tak, jak robi to agent: najpierw dane strukturalne (schema.org), potem treść strony, warianty i obrazy. Następnie zadaje tym danym sześć pytań, które zadałby klient. Każda odpowiedź musi mieć pokrycie w dosłownym cytacie ze strony — bez cytatu odpowiedź nie istnieje. Tak wygląda wynik dla prawdziwej sukienki z prawdziwego sklepu:

# sukienka dziecięca · sklep WooCommerce · score 11/100
✓ Czym jest ten produkt?       „sukienka z tiulowymi rękawami…"
✗ Dla kogo i do czego jest?    brak: okazja, przedział wiekowy
✗ Jakie ma parametry?          brak: skład, długość, zapięcie
— Czym różnią się warianty?    nie dotyczy
✗ Jakie są warunki zwrotu?     brak danych na karcie
⚠ tabela rozmiarów             uwięziona w obrazku — niewidoczna

Jedenaście punktów na sto. Agent wie, że to sukienka — i na tym jego wiedza się kończy. Nie odpowie klientowi, czy rozmiar 140 pasuje na dziewięciolatkę, z czego uszyto sukienkę ani czy można ją zwrócić po przymiarce. Przy pytaniu „na komunię, rozmiar 140, do 200 zł" ten produkt nie przegra porównania. On w ogóle nie stanie do porównania.

Dziesięć sklepów, jedna prawidłowość

Przeskanowaliśmy próbkę dziesięciu bardzo różnych sklepów: elektronika, moda, wydawnictwa, sklep parku narodowego, wielkie platformy. Mediana wyniku wylądowała w okolicach dwudziestu punktów na sto. Braki są wszędzie te same i wszędzie banalne: nie wiadomo, dla kogo jest produkt; parametry siedzą w grafikach zamiast w tekście; warianty różnią się nazwą, nie cechami; o zwrotach karta milczy.

Najciekawsze wyszło przy dwóch sklepach, które znaleźliśmy najpierw w samym Von Halsky — czyli takich, które już sprzedają przez agenta InPostu. Jeden osiągnął najlepszy wynik całej próby: 46 punktów. Drugi — 21, poniżej sklepu z albumami o Tatrach. Wniosek, który uważamy za najważniejsze zdanie tego tekstu: integracja wpuszcza cię do kanału; dane decydują, czy agent cię wybierze. Bycie w Von Halsky i bycie gotowym na Von Halsky to dwie różne rzeczy.

Jest i trzecia kategoria: wielkie platformy, którym skaner pokazał 9 albo okrągłe zero. To zwykle nie jest ubóstwo opisu, tylko niewidzialność — treść renderowana JavaScriptem albo odcięta zaporą dla botów. Crawler bez przeglądarki, a więc i część agentów, widzi szkielet strony. Karta uboga i karta niewidoczna to różne choroby i różne terapie; obie kończą się tak samo: agent poleca kogoś innego.

Co z tym zrobić

Dobra wiadomość jest taka, że poprawki nie wymagają rewolucji. Skaner przy każdym braku wskazuje konkretną zmianę z policzonym wpływem na wynik: dodaj skład materiału do tabeli cech, przenieś tabelę rozmiarów z obrazka do tekstu, opisz różnicę między wersją Standard i Pro cechami zamiast nazwą, dopisz warunki zwrotu na karcie. To praca redakcyjna, nie programistyczna — i właśnie dlatego mało kto ją wykonał. Rynek, w którym mediana wynosi dwadzieścia punktów, to rynek, na którym czterdzieści pięć wystarcza, by wygrywać porównania.

Skuteczność w konkretnym kanale zależy od treści, danych i tego, jak dany agent interpretuje sygnały — nie znamy algorytmu Von Halsky i nie udajemy, że znamy. Mierzymy to, co mierzalne: czy odpowiedzi na pytania klienta w ogóle są w twoich danych. Bo o to agent zapyta na pewno.