Agencja BrightSEO: AI Chat skraca briefing klienta z 2 godzin do 15 minut

Kontekst

BrightSEO to średniej wielkości agencja SEO z Wrocławia — 4 specjalistów SEO + 1 account manager, 8 klientów w portfolio (głównie B2B SaaS i korporacyjne usługi). Rocznie generują ~120 audytów (15 audytów per klient, kwartalne harmonogramy + ad-hoc po zmianach po stronie klienta).

Specyfika ich pracy: dużo komunikacji z klientami przez maile i Slack, częste pytania ad-hoc typu „dlaczego ruch spadł w marcu?”, „co znaczy ten alert w Search Console?”, „czy nowy launch wpłynął na SEO?”. Te pytania nie są planowane — wpadają w ciągu dnia, wymagają szybkiej, ale konkretnej odpowiedzi.

Wyzwanie

Przed wdrożeniem AI Chat w SiteSpector typowy workflow odpowiedzi na takie pytanie wyglądał tak:

1. Mail od klienta: „dlaczego konwersja spadła w ostatnim kwartale?”
2. Specjalista otwiera ostatni audyt klienta w SiteSpector
3. Klika 8 zakładek (SEO, Performance, Visibility, AI Overviews, Content, Backlinks, Quick Wins, Strategy)
4. Notuje co wydaje się relewantne (papier albo Notion)
5. Formułuje 3–5 hipotez
6. Otwiera Google Analytics, Search Console, weryfikuje swoje hipotezy
7. Pisze odpowiedź w mailu (15–20 min na sam tekst)
8. Wysyła odpowiedź

Czas: typowo 1.5–2 godziny per maila. Przy 4–5 takich pytań tygodniowo per specjalista = 16–20h tygodniowo zespołu na same „mailowe ad-hoc” analizy.

Karolina (Head of SEO) szacowała, że takie analizy odpowiadały za 40% niefakturowanego czasu zespołu — robota wykonana, ale klient płaci stałą stawkę miesięczną, więc każda dodatkowa godzina to obniżona efektywna stawka godzinowa agencji.

Rozwiązanie: AI Chat + Action Cards

W marcu 2026 BrightSEO wdrożył nowy workflow oparty o AI Chat i Action Cards:

Etap 1: Pytanie wpada do AI Chat zamiast manualnej analizy

Zamiast otwierać 8 zakładek, specjalista otwiera AI Chat w panelu audytu klienta i pyta:

klient pyta dlaczego konwersja spadła w ostatnim kwartale — co znalazłeś w audycie, co może być przyczyną?

AI w 20–30 sekund analizuje wszystkie dane audytu (RAG na Qdrant) i odpowiada konkretnie z odniesieniem do realnych metryk:

W ostatnim audycie znaleziono trzy potencjalne przyczyny:

1. LCP w 14 najważniejszych kategoriach wzrósł z 2.8s (styczeń) do 4.2s (marzec) — bezpośredni wpływ na konwersję, te kategorie pokrywają 65% ruchu organic.
2. 47 produktów straciło pozycje w TOP 10 przez kanibalizację z nową kategorią /promocje (kanibalizowane na fraza „buty sportowe damskie”).
3. Add-to-cart button na mobile został przesunięty pod fold w nowym layoucie z 18 marca (CLS 0.18 — wcześniej 0.04). Top hipoteza: kombinacja regresji performance + nowa kategoria. Polecam zacząć od weryfikacji w GA daty 18 marca.

Etap 2: Generowanie Action Cards z rozmowy

Po analizie AI specjalista dopisuje w chacie:

dodaj action card o naprawie LCP w kategoriach z gotowym kodem dla devów

System generuje strukturyzowaną kartę: priorytet (krytyczny), kontekst (LCP wzrósł w 14 kategoriach), rozwiązanie (preload + WebP konwersja), gotowy snippet HTML, status (do zrobienia), tag „quick win”, szacowany czas (30 min). Karta od razu dostępna w Execution Plan klienta.

Etap 3: Eksport briefu i odpowiedź klientowi

Specjalista eksportuje rozmowę do markdown (jeden klik), wkleja do maila do klienta z dodatkiem własnego kontekstu („sprawdziłem GA — potwierdza hipotezę z 18 marca, oto plan działania na najbliższy sprint”). Action Card już jest w workflow developera — link wklejony do Slack #dev.

Cały proces zamyka się w 15 minut. Klient dostaje konkretną odpowiedź z planem działania, agencja ma już zadania w sprint, developer ma brief w gotowym formacie.

Wyniki po 4 tygodniach

| Metryka | Przed AI Chat | Po AI Chat | |---|---|---| | Czas odpowiedzi na maila | 1.5–2h | 15 min | | Tygodniowo na ad-hoc analizy | 8h (per specjalista) | 2h | | Action Cards generowane | 0 (ręczne) | 12–20 tygodniowo | | Czas tworzenia briefu dev | 30 min | 2 min | | NPS klientów (responsywność) | 7.2 | 8.9 | | Niefakturowany czas | 40% | 18% |

Najbardziej zaskakujący efekt — wzrost NPS klientów o 1.7 punktu w 4 tygodnie. Klienci nie wiedzą o AI Chat (z ich perspektywy dostają po prostu szybkie, konkretne odpowiedzi), ale różnica między „odpowiem za 2 godziny” a „odpowiem za 15 minut” fundamentalnie zmienia percepcję jakości obsługi.

Co działa szczególnie dobrze

Szybkość kontekstu. W tradycyjnym workflow specjalista musi „wgryźć się” w audyt klienta — przejrzeć dane, przypomnieć kontekst, znaleźć pattern. AI Chat ma wszystko zindeksowane w Qdrant, kontekst jest natychmiastowy.

Jakość briefów dla developerów. Eksport markdown z chatu daje gotową strukturę: kontekst, rozwiązanie, kod, expected impact. Developer dostaje taki brief, że może zacząć pracę bez follow-up pytań.

Rozmowy iteracyjne. Klient odpowiada „a co z mobile?”, specjalista wraca do chatu, pyta dalej. Kontekst poprzedniej rozmowy jest zapamiętany — AI nie zaczyna od zera za każdym razem.

Co wymagało adaptacji

Edukacja klientów o szybkich odpowiedziach. Niektórzy klienci początkowo nie wierzyli, że tak szybka odpowiedź może być merytoryczna — pytali „nie spieszyłeś się, sprawdziłeś naprawdę?”. Karolina rozwiązała to przez transparentność: w stopce maila wzmianka „odpowiedź przygotowana z asystentem AI SiteSpector na bazie kompletnego audytu”.

Predefiniowane pytania per typ klienta. Zespół stworzył wewnętrzną listę 15 najczęstszych pytań klientów (po 3 latach pracy z portfolio) i przygotował szablony promptów do AI Chat dla każdego. Junior specjalista może użyć szablonu, dostać dobrą jakość odpowiedzi.

Weryfikacja AI w krytycznych przypadkach. AI czasem halucynuje przy edge cases. BrightSEO przyjął zasadę: dla każdej odpowiedzi do klienta z hipotezą biznesową specjalista ręcznie weryfikuje w Search Console / Analytics zanim wyśle. Czas weryfikacji: 5 min. Bez kompromisu na quality.

Plan rozwoju

BrightSEO planuje:

• Wdrożenie harmonogramów audytów dla wszystkich 8 klientów (Q2 2026) — automatyczne miesięczne audyty, alerty przy regresji, integracja z Slack
• Wdrożenie Scoped Reports dla 3 e-commerce klientów (Q3 2026) — osobne raporty per typ podstrony
• Rozszerzenie zespołu o juniorów (Q3 2026) — spodziewają się że AI Chat pozwoli juniorom dawać quality odpowiedzi szybciej niż w klasycznym onboardingu

Lekcja

Karolina podsumowuje: „AI Chat zmienił dla nas dwie rzeczy fundamentalnie. Pierwsza: szybkość pracy zespołu, mierzona w godzinach zaoszczędzonych tygodniowo. Druga, ważniejsza: percepcja klientów — dostają natychmiastowe, konkretne odpowiedzi zamiast czekać dwa dni na 'analizę'. NPS wzrósł, churn maleje, klient od razu czuje, że jest priorytetem. To nie funkcja dodatkowa, to nowy standard obsługi.”