Chatbot AI dla producenta dachów PV.

Sytuacja

Klient produkuje dachy fotowoltaiczne: pokrycie, które od razu jest instalacją PV. Pyta o nie zwykle ktoś, kto buduje albo remontuje dom i chce wiedzieć, czy taki dach ma u niego sens i ile mniej więcej kosztuje. Zapytania wpadały przez stronę na WordPressie o każdej porze, odpowiadali handlowcy w godzinach pracy.

Każda wycena wymaga tych samych danych: jaki dach jest dziś, powierzchnia, nachylenie, orientacja, zużycie prądu, czy ma być magazyn energii. Bez nich handlowiec nie policzy niczego, więc pierwszy kontakt był serią pytań, nie ofertą.

Co nie działało

Strona zbierała zapytania, ale nie zbierała danych.

• Formularz przyjmował imię, telefon i wolny tekst. Resztę handlowiec dopytywał potem, często przez kilka maili.
• Zapytanie z piątkowego wieczoru dostawało odpowiedź w poniedziałek, kiedy pytający miał już dwie inne oferty.
• Do handlowca trafiało wszystko: pytania o pracę, oferty dostawców, ogólne pytania o fotowoltaikę. Że to nie lead, wychodziło dopiero po kontakcie.

Co zbudowaliśmy

Zamiast kolejnego formularza powstał chatbot z jednym celem: zebrać dane do wyceny i oddać je człowiekowi. Strona WordPress została, jaka była, dostała tylko widget czatu. Logika stoi obok, w usłudze Node.js, która rozmawia z OpenAI API przez LangChain.

• Widget na WordPressie: skrypt osadzony na stronie, bez przebudowy motywu i bez wtyczki do aktualizowania co miesiąc.
• Backend Node.js: trzyma historię rozmowy, pilnuje limitów i odpowiada strumieniowo, dlatego pierwsze słowa są na ekranie poniżej 2 sekund.
• Prompt pod produkt: opis dachów klienta, lista danych do zebrania i granice. Bot nie wycenia sam, bo cena dachu zależy od zbyt wielu rzeczy, żeby zgadywał ją model; pytania spoza tematu odsyła do handlowca.
• Kwalifikacja i przekazanie: po zebraniu kompletu bot prosi o kontakt, ocenia, czy to zapytanie dla handlowca, i wysyła mu podsumowanie rozmowy z danymi. Rozmowy, które nie są leadem, kończy grzecznie sam.

Jak to działa na co dzień

Sobota, 22:00. Ktoś pyta z telefonu, czy dach PV nadaje się na jego dom. Bot odpowiada w niecałe dwie sekundy i pyta po kolei: jaki dach dziś, powierzchnia, nachylenie, orientacja, zużycie prądu, magazyn energii. Na końcu podsumowuje, co ustalił, i prosi o telefon albo mail.

W poniedziałek rano handlowiec dostaje nie „dzień dobry, proszę o wycenę”, tylko komplet danych i skrót rozmowy. Dzwoni z propozycją, nie z ankietą.

Efekty

Bot działa od 2025 roku, całą dobę, a czas odpowiedzi trzyma się poniżej 2 sekund. Handlowiec zaczyna od danych, nie od pytań, a zapytania z wieczoru i z weekendu nie czekają do rana na pierwszą reakcję.

Liczby leadów i konwersji należą do klienta i nie publikujemy ich. Uczciwie: chatbot nie sprzedaje dachów, on skraca drogę od pytania do rozmowy z człowiekiem, który sprzedaje. Kod jest własnością klienta, za OpenAI API płaci według zużycia, bez abonamentu za pośrednika.

Czego się nauczyliśmy

Bot z jednym celem działa lepiej niż bot, który „odpowiada na wszystko”. Lista pól w prompcie i jasny koniec rozmowy dały więcej niż otwarta pogawędka o fotowoltaice. Granice są ważniejsze od elokwencji: model, który zgaduje cenę dachu, robi handlowcowi więcej szkody niż zwykły formularz.

I łyżeczką, nie chochlą: gdyby klient potrzebował tylko odpowiedzi na najczęstsze pytania, gotowy widget czatu w abonamencie by wystarczył i tak byśmy mu powiedzieli. Tutaj o własnym kodzie przesądziły kwalifikacja, prompt pod konkretny produkt i przekazanie leadu w formie, z którą handlowiec od razu pracuje.