AMPER AI Predict - jak to działa

Dla handlowców, menedżerów sprzedaży i osób odpowiedzialnych za AMPER w firmie. AMPER AI Predict podpowiada, które produkty Twój klient najprawdopodobniej zamówi w ciągu najbliższych dwóch tygodni. Handlowiec widzi te podpowiedzi w aplikacji AMPER MOBILE przy każdym dokumencie, który tworzy dla klienta, i w szczegółach wizyty. Nie musi więc przeglądać historii klienta ani pamiętać, co i kiedy klient zwykle bierze.

Poniżej wyjaśniamy prostym językiem, skąd biorą się podpowiedzi, jak system się uczy i jak sprawdzamy, czy działa.

W skrócie

• Uczy się wyłącznie na danych Twojej firmy. Każda firma ma własny model. Dane nie są mieszane z danymi innych firm.
• Podpowiada przy każdym dokumencie. Handlowiec dodaje podpowiedź do dokumentu jednym przyciskiem, z sugerowaną ilością.
• Podaje powód każdej podpowiedzi, np. „zwykle co 14 dni, od ostatniego zakupu minęło 18 dni”.
• Pokazuje tylko produkty, które można dziś sprzedać: z ceną dla klienta, dostępne na magazynie, widoczne w ofercie.
• Decyduje zawsze człowiek. Podpowiedź nigdy sama nie trafia do zamówienia.
• Uczy się na nowo co miesiąc. Nowa wersja zastępuje poprzednią tylko wtedy, gdy na sprawdzianie wypada lepiej.

---

Gdzie widać podpowiedzi

W aplikacji AMPER MOBILE

Sekcja	Gdzie	Co pokazuje
„Zwykle zamawia”	szczegóły wizyty	produkty, które klient najpewniej zamówi teraz
„Podpowiedzi”	koszyk każdego dokumentu	pełna lista z sugerowaną ilością; produkt dodasz do dokumentu jednym przyciskiem
„Warto zaproponować”	obok podpowiedzi	kilka produktów, których klient jeszcze nie kupuje, a które mogą mu się przydać. To propozycje do rozmowy, nigdy nie są dodawane do zamówienia automatycznie

Szanse zakupu pokazujemy słowami: wysokie albo średnie. Podpowiedzi z małymi szansami w ogóle nie są pokazywane.

W asystencie AMPER AI

Możesz zapytać np.:

• „Co zaproponować klientowi X na jutrzejszej wizycie?”
• „Jak trafne są podpowiedzi?”

Jak rozmawiać z asystentem, opisujemy w artykule AMPER AI - jak rozmawiać z asystentem. Gotowe polecenia dla przedstawiciela znajdziesz w artykule AMPER AI dla przedstawiciela - co daje każde polecenie.

---

Z czego system się uczy

AMPER AI Predict korzysta z historii sprzedaży, która jest już w AMPER:

• zamówienia złożone przez klientów i handlowców w AMPER,
• dokumenty sprzedaży z systemu ERP, czyli faktury i paragony,
• korekty, zwroty i reklamacje, które pomniejszają zakupy. Produkt, który klient w całości zwrócił, nie wraca do podpowiedzi,
• wizyty handlowców i ich plany, bo wielu klientów zamawia przy wizycie,
• promocje, które obowiązują w najbliższych dniach,
• stany magazynowe.

Zamówienie i wystawiona do niego faktura to dla systemu jeden zakup, a nie dwa. Pomijamy gratisy, faktury zakupowe i konta pracowników, bo nie mówią nic o tym, co kupują klienci.

Nie trzeba czekać, aż system „nazbiera” danych. Uczy się na historii sprzedaży z ostatnich lat, która już jest w AMPER. Od pierwszego dnia ma więc materiał do nauki.

---

Jak powstaje podpowiedź

System sprawdza każdego klienta i każdy produkt, który ten klient kupował w ostatnim roku. Bierze pod uwagę m.in.:

• rytm zakupów: co ile dni klient zwykle kupuje produkt i ile minęło od ostatniego zakupu,
• częstotliwość: ile razy kupił produkt w ostatnich miesiącach,
• trend: czy kupuje coraz więcej,
• sezon: czy o tej porze roku zwykle po niego sięga,
• wizyty: czy handlowiec będzie u niego w najbliższych dniach,
• promocje: czy na produkt jest promocja.

Z tych informacji wylicza prawdopodobieństwo, że klient kupi produkt w ciągu 14 dni, i układa listę od najbardziej prawdopodobnych. Na koniec odrzuca produkty, których nie da się dziś sprzedać: bez ceny dla klienta, bez stanu, wycofane z oferty.

Powody podpowiedzi

Każda podpowiedź ma krótkie wyjaśnienie, żeby handlowiec wiedział, dlaczego warto o nią zapytać. Przykłady:

• „zwykle co 14 dni, od ostatniego zakupu minęło 18 dni”
• „kupowany regularnie (6 razy w ostatnich 90 dniach)”
• „wizyta zaplanowana na 18.11.2026”
• „promocja na ten produkt w najbliższych dniach”
• „o tej porze roku zwykle kupowany”
• „kupuje coraz więcej”

Przy produktach, których klient jeszcze nie kupuje:

• „kupuje go 12 z 50 klientów o najbardziej podobnych zakupach”
• „często kupowany razem z „Kawa ziarnista 1 kg”, który klient już bierze”
• „klient kupował go już wcześniej (3 razy), ostatnio 03.04.2025”

---

Jak system się uczy

Start: prosta reguła

Zaraz po włączeniu podpowiedzi liczy prosta reguła rytmu zakupów: podpowiada produkty, które klient kupuje regularnie, gdy minął jego zwykły odstęp między zakupami. Dzięki temu podpowiedzi są dostępne od pierwszego dnia.

Nauka modelu

Raz w miesiącu system uczy model sztucznej inteligencji na historii sprzedaży Twojej firmy. Nauka polega na „cofaniu się w czasie”:

1. System wybiera dzień z przeszłości, np. poniedziałek sprzed roku.
2. Patrzy na to, co wiedział o kliencie tamtego dnia: co i kiedy kupował, czy była zaplanowana wizyta, czy trwała promocja.
3. Sprawdza, co klient faktycznie kupił w kolejnych dwóch tygodniach.
4. Powtarza to dla setek dni i wszystkich klientów. Uczy się w ten sposób, które sygnały naprawdę zapowiadają zakup.

Model nigdy nie korzysta z informacji, których tamtego dnia jeszcze nie było, np. z faktury wprowadzonej do systemu później. Dzięki temu uczy się na sytuacjach takich, jakie handlowiec widzi naprawdę.

Sprawdzian przed wdrożeniem

Ostatnie tygodnie historii są odkładane na sprawdzian. Model się na nich nie uczy, tylko sprawdza na nich swoje przewidywania. Porównujemy go z prostą regułą rytmu:

• jeśli model wypada lepiej, od następnego dnia to on liczy podpowiedzi;
• jeśli nie, podpowiedzi dalej liczy reguła, poprawiona na danych Twojej firmy. Kolejna próba odbywa się przy następnej comiesięcznej nauce;
• każda kolejna wersja zastępuje poprzednią tylko wtedy, gdy nie wypada od niej gorzej.

Dzięki temu nauka nie może pogorszyć podpowiedzi, które handlowcy już widzą.

Kontrola danych

Przed każdą nauką system sprawdza, czy dane się do niej nadają, m.in.:

• czy historia sprzedaży jest wystarczająco długa,
• czy w ostatnim roku nie ma kilkutygodniowej przerwy w zakupach. Zwykle oznacza ona przerwany import z ERP, a nie prawdziwy brak sprzedaży,
• czy wystarczająco wielu klientów kupuje na bieżąco,
• czy ilości są w jednostkach, które da się porównać (sztuki, opakowania).

Jeśli coś się nie zgadza, podpowiedzi dalej liczy reguła rytmu, a w raporcie widać, co należy poprawić. Pojedyncze produkty z niespójnymi jednostkami są pomijane w nauce, żeby nie psuły wyników dla reszty.

Nowe produkty dla klienta

Propozycje produktów, których klient jeszcze nie kupuje, pokazujemy dopiero wtedy, gdy model udowodni na sprawdzianie, że trafia je lepiej niż prosta zasada „kupują to klienci o podobnych zakupach”. Do tego czasu sekcja „Warto zaproponować” może być pusta, i jest to zamierzone.

---

Jak sprawdzamy, czy to działa

Co tydzień, gdy minie dwutygodniowy okres podpowiedzi, system porównuje je z rzeczywistymi zakupami. Wynik podajemy prosto:

„Z 10 podpowiedzi klienci, którzy w tym czasie zamówili, kupili średnio X.”

Mierzymy też, jak często handlowcy dodają podpowiedzi do koszyka. Po 8 tygodniach od włączenia porównujemy typowe zamówienie z okresem sprzed włączenia i z tym samym okresem rok wcześniej:

• liczbę produktów w zamówieniu,
• wartość zamówienia,
• liczbę zamówień na klienta.

Na te wyniki wpływają też sezon, ceny i promocje, dlatego pokazujemy je obok trafności, a nie zamiast niej.

Wszystkie raporty dotyczą całej firmy. AMPER AI Predict nie służy do oceniania ani porównywania handlowców i nie przygotowuje takich zestawień.

---

Najczęstsze pytania

Dlaczego produktu, który klient zawsze bierze, nie ma w podpowiedziach?

Najczęściej dlatego, że nie da się go dziś sprzedać: nie ma go na stanie, nie ma ceny w cenniku klienta albo jest niewidoczny w ofercie. Może też być tak, że klient kupił go niedawno i według jego rytmu na kolejny zakup jest jeszcze za wcześnie.

Dlaczego na początku podpowiedzi są proste?

Na start podpowiedzi liczy reguła rytmu zakupów. Bogatsze podpowiedzi i powody, takie jak sezon, trend, promocje czy podobni klienci, pojawiają się, gdy model nauczony na danych Twojej firmy przejdzie sprawdzian.

Ile trzeba czekać na model?

Nie trzeba zbierać nowych danych, bo model uczy się na historii, która już jest w AMPER. Pierwsza nauka odbywa się w ciągu tygodnia od włączenia, a potem co miesiąc.

Czy podpowiedź może sama trafić do zamówienia?

Nie. Handlowiec decyduje, co dodać do koszyka, i może zmienić ilość. Podpowiedzi „Warto zaproponować” nigdy nie są dodawane automatycznie.

Czy nasze dane trafiają do innych firm?

Nie. Model każdej firmy uczy się wyłącznie na jej własnych danych.

Co możemy zrobić, żeby podpowiedzi były lepsze?

• Dbać o kompletną i regularnie przesyłaną historię sprzedaży z ERP, z fakturami, korektami i zwrotami.
• Dbać o spójne jednostki produktów.
• Planować wizyty w AMPER, bo system bierze je pod uwagę.