Kulisy budowy Ecomtoro, naszego narzędzia AI do researchu produktów dla sprzedawców na Amazonie, Shopify i TikTok Shop: problem, decyzje produktowe, agent AI, technologia, płatności, MCP i wnioski.
W skrócie
Kulisy budowy Ecomtoro, naszego narzędzia AI do researchu produktów dla sprzedawców na Amazonie, Shopify i TikTok Shop: problem, decyzje produktowe, agent AI, technologia, płatności, MCP i wnioski.
Ecomtoro to narzędzie AI do researchu produktów dla sprzedawców internetowych. Sprzedawca opisuje pomysł na produkt, a agenci AI sprawdzają prawdziwą historię sprzedaży, popyt w wyszukiwarkach i konkurencję na Amazonie, Shopify i TikTok Shop w USA, Wielkiej Brytanii i Niemczech, a potem liczą marżę po wszystkich opłatach. Zaprojektowaliśmy i zbudowaliśmy go od początku do końca: produkt, agenta AI, dashboard, płatności i landing page.
To case study pokazuje decyzje, które za tym stoją. Jeśli planujesz własny SaaS albo aplikację webową z AI, staniesz przed tymi samymi pytaniami.
Sprzedawcy tracą pieniądze na produktach, które dobrze wyglądają w arkuszu, a w rzeczywistości się nie sprzedają. Typowy research jest ręczny i rozproszony: przeglądanie ofert na marketplace'ach, zgadywanie popytu z kilku opinii, sprawdzanie trendów w wyszukiwarce, a potem liczenie marży w osobnym arkuszu, który pomija połowę opłat.
Chcieliśmy jednego miejsca, w którym sprzedawca zapyta „Czy warto to sprzedawać?” i dostanie odpowiedź opartą na danych, z poprawnie policzonym zyskiem. Produkt musiał być na tyle szybki, by testować wiele pomysłów, i na tyle uczciwy, by sprzedawca mu zaufał, zanim kupi towar.
Wiele narzędzi do researchu pokazuje dashboardy pełne liczb i zostawia wniosek użytkownikowi. Ecomtoro zaprojektowaliśmy wokół rozmowy: opisujesz pomysł, a agent wraca z uporządkowanym werdyktem, dowodami i liczbami, które mają znaczenie. Dashboard służy do przeglądania dowodów, a nie do zastępowania odpowiedzi.
Produkt z dużym popytem wciąż może przynosić stratę, gdy policzy się opłaty marketplace'u, fulfillment, wysyłkę i reklamę. Kalkulator zysku uwzględnia każdą opłatę dla danego marketplace'u, więc marża, którą widzi sprzedawca, to marża, którą naprawdę dostanie.
Research produktów to nie jednorazowa czynność. Lista obserwowanych z alertami pozwala śledzić obiecujące produkty i reagować, gdy zmienia się popyt lub konkurencja. Jednorazowe sprawdzenie zamienia się w nawyk, co ma znaczenie w biznesie subskrypcyjnym.
Sercem Ecomtoro jest agent badawczy, który pracuje na zestawie wyspecjalizowanych narzędzi. Każde ma jedno jasne zadanie:
| Narzędzie | Co robi |
|---|---|
| Szczegóły produktu | Ustala, o jaki dokładnie produkt i rynek chodzi sprzedawcy |
| Dane rynkowe | Pobiera historię sprzedaży i popyt w wyszukiwarkach w czasie |
| Konkurencja | Sprawdza, jak zatłoczony jest rynek i jak mocni są liderzy |
| Ekonomia | Liczy marżę ze wszystkimi opłatami marketplace'u |
| Decyzja | Łączy dowody w jasny werdykt z uzasadnieniem |
Podział pracy na wyspecjalizowane narzędzia ułatwił testowanie i ulepszanie każdej części. Ułatwił też wyjaśnianie wyniku: każdy werdykt ma za sobą dowody.
Ecomtoro zbudowaliśmy na tym samym stosie, którego używamy w aplikacjach dla klientów:
Przeniesienie długich analiz do zadań w tle było jedną z najważniejszych decyzji. Użytkownik od razu dostaje informację zwrotną i postęp, a wolne zewnętrzne źródło nigdy nie blokuje interfejsu. Te wybory wyjaśniamy w tekście jaki backend dla SaaS.
Sprzedawcy coraz częściej pracują w asystentach AI. Dlatego zbudowaliśmy konektor MCP: sprzedawca zadaje pytania Ecomtoro bezpośrednio z Claude i ChatGPT, a asystent w tle wywołuje narzędzia researchu Ecomtoro. Ta sama logika biznesowa obsługuje aplikację webową i konektor, więc wyniki są spójne, niezależnie od tego, gdzie padło pytanie.
Ten wzorzec polecamy dziś wielu produktom SaaS: jeśli Twoi użytkownicy spędzają dzień w asystencie AI, spotkaj ich tam.
Subskrypcje wydają się proste, dopóki nie trzeba obsłużyć okresów próbnych, podwyższania i obniżania planu, nieudanych płatności i limitów użycia. Stripe obsługuje płatności i faktury, a nasz backend jest źródłem prawdy o tym, co wolno każdemu kontu, na podstawie zdarzeń z webhooków. Każdy limit jest sprawdzany na serwerze, nigdy tylko w interfejsie.
Landing page ma jedno zadanie: w kilka sekund pokazać sprzedawcy obietnicę i zachęcić do wypróbowania. Nagłówek mówi językiem sprzedawcy („Find what to sell. Know it pays before you buy.”), strona pokazuje prawdziwy interfejs zamiast abstrakcyjnych grafik, a wezwanie do działania powtarza się po każdej sekcji. Możesz go zobaczyć w przewijanym podglądzie w naszym portfolio.
Te same elementy pasują do wielu firm: jasny główny proces, AI z wyspecjalizowanymi narzędziami, solidny backend z przetwarzaniem w tle, subskrypcje i szybki landing page. Niezależnie od tego, czy budujesz SaaS, czy dodajesz AI do wewnętrznego narzędzia, pomożemy w zakresie aplikacji webowych, automatyzacji AI i product design. Planujesz pierwszą wersję? Przeczytaj MVP w 6–8 tygodni, a potem opowiedz nam o pomyśle.
To SaaS z AI do researchu produktów dla sprzedawców na Amazonie, Shopify i TikTok Shop. Sprawdza popyt, konkurencję i marżę, zanim sprzedawca kupi towar.
Nie, Ecomtoro to nasz własny produkt. Ten sam proces i stos technologiczny stosujemy w projektach dla klientów.
MCP (Model Context Protocol) to standard, dzięki któremu asystenci AI, tacy jak Claude i ChatGPT, mogą korzystać z zewnętrznych narzędzi. Konektor Ecomtoro pozwala asystentowi uruchamiać research w imieniu użytkownika.
Tak. Projektujemy i budujemy produkty SaaS i aplikacje webowe z AI od analizy do startu, razem z agentami, płatnościami i stroną marketingową.
