Bloomreach w e-commerce: najważniejsze funkcje i zastosowania

Bloomreach w e-commerce to zestaw narzędzi, które decydują o tym, co klient widzi w sklepie internetowym i jakie wiadomości dostaje po wyjściu z niego. Składa się z wyszukiwarki produktów z modułem do układania kategorii, bazy danych o klientach połączonej z automatyzacją kampanii, systemu do zarządzania treścią oraz agenta AI, który rozmawia z kupującym. Całość spina warstwa sztucznej inteligencji o nazwie Loomi. Na prezentacjach handlowych wszystko to działa płynnie. Demo pracuje jednak na uporządkowanym katalogu i kompletnych danych o zachowaniu klientów, a prawdziwy sklep rzadko ma jedno i drugie od pierwszego dnia. Dlatego ułożyliśmy ten tekst jak notatki z takiej prezentacji. Przy każdej funkcji piszemy, co zwykle widać na ekranie, co to zmienia w sklepie i co musi być gotowe po Twojej stronie, żeby zadziałało podobnie.

Czym jest Bloomreach w e-commerce i z czego się składa

Bloomreach to amerykańska firma, która zaczynała od wyszukiwarki i SEO dla sklepów internetowych. W 2021 roku przejęła słowacką Exponeę, twórcę platformy do zbierania danych o klientach i automatyzacji marketingu. Z tego połączenia wyrosła dzisiejsza oferta, z której według producenta korzysta ponad 1400 marek.

Pierwsza trudność to nazwy. W 2026 roku producent przedstawia ofertę jako jedną platformę Loomi AI z nazwami poszczególnych funkcji, a w dokumentacji, ofertach partnerów i rozmowach handlowych wciąż żyją starsze nazwy modułów. Trzeba znać obie wersje, żeby na spotkaniu wiedzieć, o czym mowa.

Moduły kupuje się osobno. Loomi nie jest osobną aplikacją do zainstalowania, tylko warstwą wbudowaną w każdy z nich, która korzysta jednocześnie z danych o klientach i o produktach. Gdy firma ma więcej niż jeden moduł, wyszukiwarka i kampanie pracują na tych samych informacjach. To główna różnica wobec zestawu kilku niezależnych narzędzi.

Wśród klientów Bloomreach są marki modowe i jubilerskie, takie jak American Eagle czy Pandora, a także Sonepar, międzynarodowy dystrybutor materiałów elektrycznych. Producent pokazuje też wdrożenia w turystyce i rezerwacjach oraz w gastronomii z dostawą.

Wyszukiwarka, czyli pierwszy ekran prezentacji

Na demo ktoś wpisuje w wyszukiwarkę „czarna sukienka na wesele do 400 zł", a sklep pokazuje sensowne wyniki, choć żaden produkt nie ma w nazwie słowa „wesele". To efekt wyszukiwania semantycznego, które szuka znaczenia zapytania, a nie tylko zgodnych słów.

Pod spodem działa kilka mechanizmów naraz. Zapytanie i opisy produktów są zamieniane na wektory, czyli liczbowe reprezentacje znaczenia, które da się ze sobą porównywać. Kolejność wyników jest ustawiana pod przychód na odwiedzającego (RPV, czyli ile sklep zarabia średnio na jednej wizycie), a nie wyłącznie pod trafność. W 2026 roku doszły dwie funkcje: przestawianie wyników na bieżąco, według tego, co klient klikał w tej samej wizycie, i automatyczne zawężanie listy przy bardzo konkretnych zapytaniach. Dla sklepu oznacza to przede wszystkim mniej zapytań, które kończą się pustą stroną albo listą przypadkowych produktów. Przy dużym asortymencie wyszukiwarka staje się głównym sposobem poruszania się po ofercie. Tak jest choćby w e-commerce dla sieci hurtowni elektrycznych Kwant, gdzie dziesiątki tysięcy produktów trzeba udostępnić w jednym interfejsie.

Wyszukiwarka jest jednak tak dobra jak dane, które dostaje. Jeśli kolor zapisano raz jako „czarny", a raz jako „black", a rozmiar siedzi w opisie zamiast w osobnym polu, AI tego nie naprawi. Przed wdrożeniem trzeba uporządkować feed produktowy, czyli plik lub strumień danych, z którego platforma czyta katalog. Przy kilku tysiącach produktów i kilku kanałach sprzedaży często kończy się to wdrożeniem systemu PIM, który staje się jednym źródłem danych o produktach. Osobna sprawa to język polski. Odmiana sprawia, że „sukienki", „sukienkę" i „sukienkami" muszą prowadzić do tych samych wyników, a słownik branżowych synonimów zwykle trzeba uzupełnić ręcznie. Dlatego na prezentacji poproś o test na własnym katalogu i prawdziwych zapytaniach klientów z ostatnich tygodni. Na własnych danych, nie na demo.

Kategorie i rekomendacje, czyli praca merchandisera

Merchandiser to osoba, która decyduje, jakie produkty i w jakiej kolejności klient widzi na listach w sklepie. W wielu firmach robi to ręcznie: przypina bestsellery na górze kategorii, chowa produkty bez rozmiarów, przesuwa nową kolekcję. Przy kilkuset kategoriach to praca na pełen etat, która i tak nie nadąża za zmianami w ofercie. Bloomreach przejmuje tu część decyzji. We wrześniu 2026 roku producent udostępnił kategorie, których kolejność uczy się na wyświetleniach, dodaniach do koszyka, zakupach i przychodzie. Merchandiser nakłada na to własne reguły, na przykład podbija markę własną albo spycha w dół produkty z niskim stanem. Na prezentacji ta część robi wrażenie, bo zmiany widać od razu. W praktyce najwięcej czasu zajmuje ustalenie, kto w firmie ma ostatnie słowo, gdy algorytm chce pokazywać bestseller, a dział zakupów nową kolekcję. Te same dane zasilają rekomendacje, czyli bloki „podobne produkty" i „często kupowane razem" na karcie produktu, w koszyku i w e-mailach. Na nich opiera się sprzedaż krzyżowa, która podnosi wartość koszyka bez dodatkowych wydatków na reklamę.

Ogólne zasady działania systemów rekomendacyjnych są podobne u wszystkich dostawców. Bloomreach dokłada do nich połączenie z profilem klienta i stanem magazynu. To drugie bywa niedoceniane. Rekomendacja produktu, którego nie ma, kosztuje więcej niż brak rekomendacji, dlatego stany z systemu ERP powinny trafiać do platformy co kilka minut, a nie raz na dobę.

Jeden profil klienta i kampanie, które uruchamiają się same

Druga część oferty wyrosła z Exponei. Jej podstawą jest Customer Data Platform, czyli baza, która zbiera w jednym profilu wszystko, co wiadomo o kliencie: odwiedzone strony, wpisane zapytania, porzucone koszyki, zakupy w internecie i w sklepie stacjonarnym, otwarte wiadomości. Na demo profil wygląda jak oś czasu jednej osoby. Dane trafiają do niego na bieżąco, więc kampania może zareagować praktycznie od razu po tym, co klient zrobił.

Na tym profilu działa automatyzacja marketingu, czyli scenariusze, które same wysyłają wiadomość po określonym zdarzeniu. Typowe scenariusze w sklepie to:

• porzucony koszyk albo porzucone przeglądanie kategorii,
• powrót produktu do magazynu i spadek ceny obserwowanego produktu,
• przypomnienie o ponownym zakupie rzeczy, które się zużywają, jak karma czy kosmetyki,
• powitanie nowego subskrybenta i zachęta do pierwszego zamówienia,
• próba odzyskania klienta, który od dawna nic nie kupił.

Od lipca 2026 roku scenariusz może też wystartować od zmiany w katalogu, na przykład obniżki ceny, niskiego stanu albo nowej dostawy, a nie tylko od zachowania klienta. Wiadomości wychodzą e-mailem, SMS-em, przez WhatsApp, jako powiadomienie push w aplikacji mobilnej albo jako warstwa na stronie, czyli baner lub okno widoczne tylko dla wybranej grupy odwiedzających. Producent podaje 17 kanałów i ponad 175 integracji. W 2026 roku platforma dostała też gotowe przewidywania, takie jak prawdopodobieństwo zakupu i ryzyko odejścia klienta, które nie wymagają pracy analityka danych. Przydają się szczególnie tam, gdzie churn rośnie po cichu, a zespół widzi go dopiero w raportach kwartalnych.

Najnowszy element to agent marketingowy, dostępny dla klientów od czerwca 2026 roku. Marketer opisuje kampanię jednym zdaniem, na przykład „przypomnij o koszyku osobom, które kupiły coś w ostatnim kwartale, i dodaj kod rabatowy", a agent buduje segment odbiorców, treść i ścieżkę wysyłek. Gotowa kampania czeka na akceptację człowieka. Zespołowi, który wie, czego chce, oszczędza to godziny klikania. Zespół bez planu dostanie po prostu więcej wiadomości, szybciej. Żeby to wszystko działało, sklep musi wysyłać do platformy zdarzenia, czyli zapis tego, co robi klient: wyświetlenie produktu, dodanie do koszyka, zakup, zwrot. Zwykle robi się to skryptem na stronie, często przez Google Tag Manager. Trudniejsze od samej techniki jest połączenie anonimowego odwiedzającego z zalogowanym klientem i jego adresem e-mail, tak żeby jedna osoba nie figurowała w bazie jako trzy profile. Profile dotyczą przy tym wyłącznie osób, które zgodziły się na śledzenie i komunikację.

Jeszcze więcej pracy wymagają zakupy offline. Transakcje z kas trzeba przypisać do profili, co dobrze znają sieci, które łączą sprzedaż stacjonarną z e-commerce. Bez tego klient, który kupuje głównie w sklepie, wygląda w systemie jak ktoś, kto dawno przestał kupować.

Agenci AI: co już działa, a co trzeba sprawdzić u siebie

Trzecia część oferty to AI, które rozmawia z klientem. Shopping Agent, rozwinięcie wcześniejszego produktu Clarity, to asystent zakupowy osadzony w sklepie. Zna katalog z atrybutami, cenami i stanami. Sam zagaduje osoby, które utknęły na karcie produktu, liście kategorii, w wyszukiwarce albo w koszyku, dopytuje o potrzeby i porównuje produkty. Producent wyraźnie odróżnia go od chatbota do obsługi klienta: agent ma sprzedawać, a nie odpowiadać na pytania o status przesyłki. Najwięcej sensu ma tam, gdzie klient potrzebuje porady przed zakupem: w kosmetykach, elektronice, sprzęcie sportowym, meblach. Mniej tam, gdzie wie dokładnie, czego szuka. Kupiec w hurtowni, który co tydzień zamawia te same indeksy, potrzebuje raczej szybkiego panelu samoobsługowego B2B z historią zamówień niż rozmowy z asystentem.

Kolejny krok wychodzi poza sklep. Loomi Connect, ogłoszony w styczniu 2026 roku, udostępnia wyszukiwarkę marki przez MCP, czyli standard, przez który modele AI łączą się z zewnętrznymi narzędziami i danymi. Aplikacja marki w ChatGPT korzysta wtedy z tego samego katalogu i tych samych algorytmów co wyszukiwarka w sklepie.

Producent uzasadnia ten kierunek ankietą, którą sam zlecił. Spośród 1010 badanych konsumentów w USA 41% wybrałoby zakupy przez ChatGPT, gdyby musieli zdecydować między nim a stroną sklepu. Liczba pochodzi od dostawcy, więc trzeba ją czytać ostrożnie. Kierunek jest jednak czytelny: zakupy coraz częściej zaczynają się poza stroną sklepu, a o tym, jak marka wypada w odpowiedziach AI, decydują też dane produktowe, nie tylko SEO i GEO. W tę samą stronę idzie Universal Commerce Protocol, otwarty standard zakupów prowadzonych przez agentów AI. Wszystkie te elementy są młode, a ich efekt mocno zależy od kategorii produktów i jakości opisów. Dlatego agenta najlepiej włączyć najpierw dla części ruchu i porównać wyniki w teście A/B z obecną wersją sklepu.

Co musi być gotowe po stronie sklepu

Wdrożenie Bloomreach to w praktyce cztery połączenia: katalog produktów, zdarzenia opisujące zachowanie klientów, wyświetlanie wyników na stronie i wymiana danych z systemami zaplecza. Dwa pierwsze pojawiły się już przy wyszukiwarce i kampaniach. Dwa pozostałe zależą od tego, jak zbudowany jest sklep.

W klasycznym sklepie na Magento czy Shopify wyniki i rekomendacje wstawia się przez gotowe wtyczki albo skrypt. Dla Shopify producent ma od kwietnia 2026 roku jedną aplikację, która łączy wyszukiwarkę i marketing. W sklepie headless, w którym warstwa widoczna dla klienta jest oddzielona od silnika sprzedaży, front pobiera wyniki przez API, czyli interfejs do wymiany danych między systemami, i sam je wyświetla. Najczęściej robi się to w Next.js albo innym frameworku opartym na React. Headless daje pełną kontrolę nad wyglądem i szybkością strony. Wyniki wyszukiwania, filtry i bloki rekomendacji trzeba jednak zaprojektować razem z resztą sklepu w ramach projektu UX/UI, a nie doklejać na końcu. Takie podejście nazywa się composable commerce: sklep składa się z wymiennych elementów, a Bloomreach jest jednym z nich. Obok niego pracuje silnik sprzedaży, na przykład Medusa, Saleor albo commercetools, oraz system treści. Zasady tej architektury streszcza skrót MACH: mikroserwisy, API, chmura i headless.

Moduł treści, czyli Enterprise CMS, ma sens głównie w dużych serwisach z wieloma rynkami i rozbudowaną redakcją. W 2026 roku dostał wbudowanego agenta, który pomaga pisać i tłumaczyć treści. Średnie sklepy zwykle wybierają inny headless CMS, na przykład Strapi, Contentful albo Storyblok, a z Bloomreach łączą tylko wyszukiwarkę i marketing. Najwięcej niespodzianek kryje się w systemach zaplecza. Stany magazynowe, ceny dla grup klientów, zakupy w sklepach stacjonarnych i dane z systemu CRM trzeba doprowadzić do platformy i utrzymać w zgodzie. Jeśli firma i tak planuje zmianę platformy sklepowej, rozsądniej jest zaplanować integrację razem z migracją sklepu, niż podłączać Bloomreach do systemu, który za rok zniknie.

Według producenta uruchomienie wyszukiwarki trwa zwykle około sześciu tygodni, a pierwsze kampanie z automatyzacji marketingu ruszają w ciągu trzech miesięcy Te terminy zakładają uporządkowany katalog i ustalony plan zdarzeń. Jeśli dane trzeba dopiero czyścić, harmonogram wydłuża się o tę pracę, a ona bywa dłuższa niż samo wdrożenie.

Ile kosztuje Bloomreach i od czego zależy cena

Bloomreach nie publikuje cennika na swojej stronie. Wyjątkiem jest sklep z aplikacjami Shopify, gdzie widnieją dwa plany rozliczane rocznie: marketing e-mailowy i SMS za 22 500 USD oraz wyszukiwarka z agentem zakupowym i rekomendacjami za 45 000 USD. Po przeliczeniu daje to odpowiednio około 80 i 160 tys. zł rocznie, zależnie od kursu. Te kwoty wyznaczają próg wejścia. Poza Shopify cena powstaje indywidualnie. W cytowanym wyżej wpisie producent wymienia, od czego zależy: od liczby unikalnych odwiedzających miesięcznie albo liczby profili klientów (liczy się wyższa z nich, uśredniona z trzech miesięcy), od wybranych modułów, od rocznego wolumenu e-maili i budżetu na SMS-y, a przy wyszukiwarce od liczby produktów w indeksie i zapytań do API. Liczba użytkowników panelu nie ma znaczenia.

Szacunki rynkowe są wyższe od cen z Shopify, bo dotyczą większego ruchu i większej liczby modułów. Według zestawienia Spike AI z sierpnia 2026 roku firmy z przychodem 5-50 mln USD płacą zwykle 40-80 tys. USD rocznie, a duże firmy od 100 tys. USD wzwyż. Ta sama analiza zwraca uwagę, że licencja to tylko 50-60% kosztu pierwszego roku. Resztę pochłaniają integracja, migracja danych i czas zespołu. To szacunki z rynku, a nie oficjalny cennik.

Koszt wdrożenia po stronie sklepu najbardziej zależy od stanu danych produktowych i od tego, czy sklep korzysta z gotowej wtyczki, czy wymaga budowy komponentów we froncie. Każdy dodatkowy system zaplecza to osobna integracja do napisania i utrzymania. Licząc zwrot, lepiej patrzeć na przychód na odwiedzającego i wartość klienta w czasie niż na samą konwersję, bo personalizacja często podnosi wartość zamówień i liczbę powrotów, a nie liczbę pierwszych zakupów.

Kiedy Bloomreach się opłaca, a kiedy wystarczy coś prostszego

Prosty rachunek pomaga ustawić oczekiwania. Przyjmijmy licencję za około 80 tys. zł rocznie, wzrost przychodu o 3% i marżę 30%. Żeby dodatkowa marża pokryła samą licencję, sklep musi sprzedawać online za około 9 mln zł rocznie. Koszty wdrożenia i pracy zespołu dochodzą do tego osobno. Założenia są przykładowe, ale pokazują skalę. Bloomreach jest więc narzędziem dla sklepów, które już mają skalę: duży katalog, ruch wystarczający, żeby modele miały z czego się uczyć, a testy A/B dawały wynik w rozsądnym czasie, kilka kanałów kontaktu z klientem i ludzi, którzy będą z platformy korzystać na co dzień. Sprawdza się też w markach sprzedających na wielu rynkach i w kilku językach, bo jedna platforma obsługuje wszystkie wersje sklepu.

Mniejszy sklep zwykle lepiej wyda te pieniądze inaczej. Do e-maili i SMS-ów na Shopify często wystarczy Klaviyo, a w polskich realiach SALESmanago, które łączy automatyzację marketingu z danymi o klientach. Podstawowe newslettery obsłuży Mailchimp. Wyszukiwarkę można zbudować na Algolii, Elasticsearch albo lżejszym Meilisearch. Wtedy jednak logika merchandisingu i rekomendacji zostaje po stronie zespołu, który musi ją zaprojektować i utrzymywać.

Jeśli Bloomreach wchodzi w grę, rozsądnie jest zacząć od jednego modułu tam, gdzie sklep traci najwięcej. Gdy duża część zapytań kończy się bez wyników albo bez kliknięcia, zaczyna się od wyszukiwarki. Gdy klienci kupują raz i nie wracają, od profilu klienta i kampanii, bo tam leży retencja. Drugi moduł dokłada się wtedy, gdy pierwszy ma już zmierzony efekt.

Jeśli budujesz sklep internetowy albo chcesz rozbudować obecny o personalizację, napisz do nas kilka zdań o swoim katalogu i systemach, z których korzystasz. Pomożemy ocenić, czy to dobry moment i od czego zacząć.