To jest pełna historia wdrożenia. Zanim usuniemy nazwy: klient dał zgodę na publikację, pod warunkiem anonimizacji. Konkurencja w branży aut używanych jest ostra, więc szczegółowe dane handlowe ukrywamy. Ale liczby procentowe, terminy i mechanizmy — wszystko prawdziwe.
W tym case study zobaczysz:
- Punkt wyjścia (gdzie dealer był przed)
- Co konkretnie wdrożyliśmy w 5 tygodni
- Tygodniowe wyniki przez 90 dni
- Liczby przed i po (zapytania, czas reakcji, sprzedaż, marża)
- 3 błędy które popełniliśmy po drodze
- Czego klient nie przewidział (pozytywnie i negatywnie)
Punkt wyjścia: luty 2026
Dealer aut używanych w środkowej Polsce. Profil:
- Stan magazynu: ~85 aut średnio (BMW, Audi, Mercedes premium używane)
- Średnia cena auta: 95 000 zł
- Średnia marża: 14 000 zł
- Zespół: 4 handlowców + właściciel
- Zapytania miesięczne: ~280 (Otomoto 60%, FB Marketplace 25%, formularz strony 10%, inne 5%)
Wskaźniki przed wdrożeniem (audyt 30 dni przed):
| Metryka | Wartość | Benchmark |
|---|---|---|
| Czas pierwszej odpowiedzi | 2h 47min | Średnia branżowa: 3h 41min |
| % leadów bez odpowiedzi w 24h | 41% | Średnia: 38% |
| Konwersja zapytanie → sprzedaż | 4,3% | Średnia: 5% |
| Sprzedaż miesięczna | ~12 aut/mc | — |
| Marża miesięczna | ~168 000 zł | — |
Klient był „średnio nieoptymalny" — nie kompletna katastrofa, ale typowa próbka polskiego dealera. Tracił leady, ale nie wiedział ile.
Audyt: liczby które przekonały
30-min rozmowa audytowa. Wyciągnęliśmy 3 liczby które ostatecznie przekonały do wdrożenia:
1) Tracicie 41% × 280 = 114 leadów miesięcznie.
2) Przy konwersji 4,3% i marży 14k zł = 68 600 zł utraconej marży/mc.
3) Roczna strata: 823 200 zł.
Klient: „nie mogę uwierzyć". Pokazaliśmy źródła: jego własne dane z Otomoto Pro (które miał ale nigdy nie sprawdzał) + analiza ostatnich 3 miesięcy odpowiedzi z chatu.
Decyzja: pakiet AIstorm Pro (28 000 zł setup + 3 500 zł/mc utrzymanie). Podpisali tego samego dnia.
Wdrożenie: 5 tygodni
Tydzień 1: Audyt techniczny i blueprint
- Inwentaryzacja kanałów (7 inboxów: Otomoto, Otomoto Pro, FB Marketplace, Messenger, WhatsApp, formularz, email)
- Eksport historycznych odpowiedzi (1200 wiadomości) — analiza stylu i częstych pytań
- Mapowanie procesu sprzedaży: lead → kwalifikacja → jazda testowa → finansowanie → close
- Dokumentacja blueprintu — 22 strony, klient zatwierdził
Tydzień 2-3: Budowa systemu
- Setup AI bota na bazie Claude (API)
- Trening na 1200 historycznych odpowiedziach + 50 typowych pytań klientów
- Integracja Otomoto Pro przez oficjalne API
- Integracja Facebook Marketplace + Messenger
- Integracja WhatsApp Business przez Meta Business Platform
- Połączenie z Pipedrive (klient już miał) + custom middleware AIstorm
- Kalendarz jazd testowych — sync z Google Calendar handlowców
Tydzień 4: Testy i kalibracja
- 50 testowych rozmów (członkowie zespołu udający klientów)
- Analiza jakości odpowiedzi — 89% poprawnych w pierwszej iteracji
- Korekty: dodanie kontekstu finansowania, bardziej konkretne propozycje terminów
- Po korektach: 96% poprawnych odpowiedzi
Tydzień 5: Go-live i szkolenie
- Soft launch — bot odpowiada, ale każda odpowiedź wymaga zatwierdzenia handlowca przed wysłaniem
- Po 3 dniach: 95% odpowiedzi zatwierdzonych bez zmiany — przejście na auto-send
- Szkolenie zespołu (1 dzień) — jak czytać dashboardy, kiedy przejmować rozmowę, jak czytać scoring
- Dokumentacja w Loom (15 video, łącznie 90 min) dla nowych pracowników
Wyniki: tydzień po tygodniu
| Tydzień | Czas odp. | % bez odp. 24h | Leadów | Konwersja | Sprzedaż |
|---|---|---|---|---|---|
| Pre-launch (śr. 4 tyg) | 2h 47min | 41% | 70/tydz | 4,3% | 3 auta/tydz |
| Tydzień 1 po go-live | 1h 12min | 22% | 68/tydz | 5,1% | 3,5 auta |
| Tydzień 2 | 4 min | 11% | 72/tydz | 5,8% | 4,2 auta |
| Tydzień 4 | 52 sek | 6% | 76/tydz | 6,4% | 4,9 auta |
| Tydzień 8 | 38 sek | 4,2% | 78/tydz | 6,8% | 5,3 auta |
| Tydzień 12 (90 dni) | 34 sek | 3,8% | 82/tydz | 7,1% | 5,8 auta |
Wzrost sprzedaży tygodniowej: z 3 do 5,8 auta. Miesięcznie: z 12 do 16 aut. +33% sprzedaży w 90 dni przy tej samej liczbie zapytań i tej samej obsadzie.
Kluczowe obserwacje
Skok jakościowy między tygodniem 1 a 2
Pierwszy tydzień: czas odp. nadal 1h+ — bo handlowcy zatwierdzali odpowiedzi (auto-send wyłączony). Tydzień 2: full automation, czas odp. spada do 4 minut. To była przełomowa zmiana.
Wzrost wolumenu zapytań
Z 70 do 82/tydz. Skąd? Otomoto algorytm faworyzuje sprzedawców z szybkim czasem odpowiedzi i wysokim ratingiem (klienci zostawiają opinie). Bot zaczął przyciągać organicznie więcej zapytań.
Wzrost konwersji
4,3% → 7,1%. Powody: (1) szybsza odpowiedź, (2) lepsza jakość odpowiedzi (4 elementy: imię + konkret + wartość + propozycja), (3) lepsza kwalifikacja — handlowcy zamykają więcej deali bo trafiają im już HOT leady.
3 błędy które popełniliśmy
Błąd 1: Za szybkie automatyzacja finansowania
W trzecim tygodniu chcieliśmy żeby bot automatycznie liczył raty leasingowe. Po 5 dniach klient zauważył błędy w kalkulacji (różnica w stawce LIBOR). Cofnęliśmy. Finansowanie wymaga człowieka — bot tylko zbiera dane i przekazuje.
Błąd 2: Niedostateczna kontrola nad „edge case'ami"
Klient zapytał o auto które właśnie sprzedaliśmy 5 minut wcześniej (dane jeszcze się synchronizowały). Bot napisał „dostępne, 89k zł". Klient przyjechał, awantura. Po incydencie dodaliśmy 30-sekundowy buffer cache + alert do handlowca przy edycji statusu auta.
Błąd 3: Nie szkoliliśmy klienta jak ZARZĄDZAĆ botem
Pokazaliśmy jak czytać raporty. Ale nie pokazaliśmy jak ZMIENIĆ odpowiedzi bota gdy zmienia się polityka (np. nowa promocja na finansowanie). Po 30 dniach klient pytał „jak zmienić tekst odpowiedzi?". Dodaliśmy mini-panel admina + 1-godzinny call.
Czego klient nie przewidział?
Pozytywnie: redukcja stresu zespołu
Po miesiącu właściciel napisał: „handlowcy są szczęśliwsi". Nie powiedziano mu tego wprost — ale otrzymują tylko HOT leady, nie 50x dziennie „ile za tego golfa". Mniej frustracji, więcej deali, więcej prowizji. Wszyscy wygrywają.
Pozytywnie: poprawa Google reviews
Klienci zaczęli zostawiać opinie typu „odpowiedź w 30 sek, profesjonalnie". Średni rating salonu wzrósł z 4,3 do 4,6 w 60 dni. To organicznie przyciągnęło więcej leadów.
Negatywnie: konieczność modernizacji procesu „w dół"
Bot dostarczał 5,8 auta tygodniowo zamiast 3. Ale handlowcy nie nadążali z procesem po jeździe testowej (umowy, finansowanie, dostawa). Trzeba było zatrudnić dodatkową osobę back-office. To było pozytywne zaskoczenie ekonomicznie (zarabiali więcej), ale operacyjnie wymagało dostosowania.
ROI po roku
Inwestycja: 28 000 zł setup + 12 × 3 500 zł = 70 000 zł
Dodatkowa marża: 4 auta/mc więcej × 14 000 zł × 12 = 672 000 zł
ROI: 9,6x w pierwszym roku
Po odjęciu kosztu nowej osoby back-office (60k roczne): net 542 000 zł zysku
Co byśmy zrobili inaczej?
- Mocniej zwalidowali integracje finansowania — przed pełnym go-live przetestować 50 kalkulacji ręcznie
- Wcześniej zaplanować backup procesy — dziś zaczynamy każde wdrożenie od pytania „co się stanie z procesem po wdrożeniu, czy zespół nadąży"
- Lepsze szkolenie — dziś dajemy 1-godzinny call dla każdego handlowca + 1 dzień szkolenia + 90 dni nieograniczonego supportu
Co dalej u tego klienta?
Klient w marcu 2026 zamówił rozszerzenie:
- AI generator opisów aut (publikacja na Otomoto bez ręcznej pracy)
- AI follow-up po jeździe testowej (sekwencja 4 wiadomości w 7 dniach)
- Rozważa otwarcie drugiego salonu — z myślą że będzie ten sam zespół + skalujący się bot
Po roku klient nie tylko sprzedaje 33% więcej — myśli inaczej o swoim biznesie. To dla nas najlepszy sygnał że wdrożenie się powiodło.
Chcesz zobaczyć swoje liczby?
30 minut audytu na Twoich danych. Wyciągamy ile leadów tracisz, jaki ROI dałby system AI dla Twojego dealera. Bez sprzedaży, bez nacisku.
📞 Umów audyt: 724 570 091FAQ
Czy 32% wzrostu sprzedaży to typowy wynik?
To dolny zakres dobrego wdrożenia. Zakres typowy: 25-45% w 90 dniach. Wyjątkowo: pojedynczy klient miał +60% (mały dealer z bardzo niskiej bazy startowej). Wyjątkowo w drugą stronę: pojedynczy klient miał +18% (bo nie wdrożył wszystkich integracji).
Czy 90 dni to wystarczająco żeby wszystko ułożyć?
Tak, dla efektów 90% docelowych. Pełna optymalizacja trwa 6 miesięcy. Po roku: kolejny wzrost o 5-10% bo bot ciągle się uczy i bardziej dostosowuje do specyfiki klienta.
Mogę dostać pełny case study z nazwą firmy?
Po podpisaniu NDA — tak. Klient zgodził się na referencje dla potencjalnych partnerów (rozmowa telefoniczna 15 minut z naszym kontaktem u klienta). To jest dostępne na finalnym etapie negocjacji.