AI Agent Builder od OpenAI – przewodnik po architekturze, budowie i wdrażaniu agentówAI Raport o Realnych Zagrożeniach AI w Polsce do 2040 RokuMARKETING Budujemy personę klienta z pomocą ChatGPT 4oSEO SurferSEO + ChatGPT: kompletny workflow optymalizacji artykułuB2B AI w Marketingu B2B: perspektywy rozwoju i przyszłość branżyAI Agent Builder od OpenAI – przewodnik po architekturze, budowie i wdrażaniu agentówAI Raport o Realnych Zagrożeniach AI w Polsce do 2040 RokuMARKETING Budujemy personę klienta z pomocą ChatGPT 4oSEO SurferSEO + ChatGPT: kompletny workflow optymalizacji artykułuB2B AI w Marketingu B2B: perspektywy rozwoju i przyszłość branży

AIMARKETING /

Circles podniosło ARPU o 22 proc. Nie wysyłali więcej kampanii, tylko trafiali w moment

Circles podniosło ARPU o 22 proc. Nie wysyłali więcej kampanii, tylko trafiali w moment

3 sierpnia 2026 OpenAI opisało wdrożenie Circles, w którym rekomendacje oparte na bieżących sygnałach klienta podniosły ARPU w Singapurze o 22 proc. i obniżyły churn o 9 proc. Najciekawsze w tym przykładzie nie jest samo AI, tylko logika działania: firma przestała pchać klientów w kolejne kampanie i zaczęła reagować na to, co klient właśnie robi, czego szuka i z jakim problemem przychodzi.

Dla polskiej firmy abonamentowej albo e-commerce z dosprzedażą to jest praktyczna lekcja o retencji. Jeśli kontakt z klientem nadal uruchamia kalendarz kampanii, a nie sygnał z CRM, obsługi lub produktu, część budżetu idzie w złą stronę.

Co dokładnie zrobiło Circles

Circles połączyło obsługę klienta, rekomendacje i dane o zachowaniu klienta w jeden mechanizm decyzji.

Z opisu OpenAI wynika, że system brał pod uwagę historię konta, bieżącą aktywność i kontekst konkretnej sprawy. Gdy klient szukał pakietu roamingowego, miał problem z fakturą albo zbliżał się do odnowienia, dostawał inną odpowiedź i inną propozycję. To ważne, bo dobra retencja nie polega na częstszym kontakcie. Polega na tym, żeby kontakt miał sens w danym momencie.

OpenAI podaje też, że CareX, system obsługi używany przez Circles, samodzielnie rozwiązuje 65 proc. spraw w obsługiwanych procesach obsługi klienta. To nie jest tylko oszczędność czasu zespołu. To także sposób, by konsultanci nie zajmowali się prostymi zgłoszeniami, kiedy powinni wchodzić tam, gdzie naprawdę trzeba zatrzymać klienta albo pomóc mu wybrać lepszy plan.

Dlaczego te liczby są ważne

Najważniejsze jest to, że przychód na klienta wzrósł, a rezygnacje spadły w tym samym czasie.

W wielu firmach wzrost ARPU bywa okupiony gorszą retencją. Dzieje się tak wtedy, gdy dosprzedaż jest zbyt agresywna, źle trafiona albo uruchamiana bez kontekstu. W przykładzie Circles OpenAI pokazuje odwrotny układ: lepiej dopasowana rekomendacja podniosła wartość klienta, a jednocześnie ograniczyła odejścia.

To cenna wskazówka dla firm subskrypcyjnych. Jeśli klient dostaje ofertę wtedy, gdy realnie jej potrzebuje, nie odbiera jej jak kolejnej kampanii. Odbiera ją jako pomoc albo naturalny następny krok. Właśnie dlatego w tym tekście ważniejszy od samego wyniku 22 proc. jest mechanizm, który do tego wyniku doprowadził.

Jak przełożyć to na polską firmę

Na start wystarczą trzy źródła danych: CRM, historia kontaktu z obsługą i sygnał użycia lub zakupu.

Nie trzeba budować telekomu ani kopiować rozwiązań Circles jeden do jednego. Trzeba najpierw sprawdzić, czy w firmie w ogóle widać momenty, w których klient jest blisko rezygnacji albo gotowy na rozszerzenie zakupu. Najczęściej są to:

  • spadek aktywności w produkcie albo przerwa w regularnych zakupach,
  • kontakt z obsługą w sprawie faktury, zwrotu, anulowania lub ograniczenia planu,
  • zbliżające się odnowienie bez oznak użycia,
  • wejście klienta w obszar oferty, który zwykle poprzedza upgrade.

Jeśli te sygnały istnieją, ale nie uruchamiają żadnej konkretnej reakcji, firma nie ma problemu z brakiem kolejnej kampanii. Ma problem z tym, że dane nie prowadzą do działania.

Dlatego pierwszy ruch powinien dotyczyć nie kreacji, tylko logiki decyzji. Kto dostaje wiadomość, kiedy ją dostaje, czego ona dotyczy i kto ma przejąć temat, jeśli klient nie odpowiada albo zgłasza problem. Jeśli chcesz później policzyć, czy taki pilot ma sens finansowy, dobrym uzupełnieniem będzie poradnik jak policzyć ROI AI.

Gdzie firmy najczęściej tracą ten moment

Najczęstszy problem nie polega na braku danych, tylko na tym, że marketing, CRM i obsługa klienta działają osobno.

W praktyce wygląda to tak: klient pisze o anulowaniu planu, a tego samego dnia dostaje niezwiązaną z niczym kampanię promocyjną. Albo regularnie kupował co 30 dni, ale po przerwie nikt tego nie wychwycił, bo zespół patrzy tylko na wyniki kampanii, nie na zmianę zachowania konkretnej grupy klientów. Wtedy firma nie przegrywa z konkurencją kreatywną. Przegrywa z własnym opóźnieniem.

Jeśli ten rozjazd jest u ciebie duży, warto zacząć od uporządkowania miejsca, w którym zbiegają się dane o kliencie. Pomocny będzie też tekst o autonomicznym CRM zamiast pięciu narzędzi, bo właśnie tam najczęściej zaczyna się problem z retencją: sygnał jest widoczny, ale nikt go nie łączy z kolejną akcją.

Dla kogo ten model ma sens

Najwięcej zyskują firmy, które mają powracający kontakt z klientem i widzą, co dzieje się między zakupami.

To dobry kierunek dla:

  • SaaS i innych usług abonamentowych,
  • e-commerce z subskrypcją albo wyraźną dosprzedażą,
  • firm medialnych, edukacyjnych i fitness, gdzie widać użycie usługi,
  • operatorów i usługodawców, którzy mają cykl odnowień, pakiety albo dodatki.

Ten model ma mniejszy sens tam, gdzie zakup jest jednorazowy, relacja krótka, a dane o zachowaniu klienta prawie nie istnieją. W takim przypadku lepiej najpierw poprawić podstawy: jakość danych, segmentację i prosty scenariusz po zakupie. Dopiero potem dokładać bardziej zaawansowane reakcje. O tym, jak AI pomaga wybrać lepszy moment kontaktu po stronie sprzedaży, pisaliśmy też w tekście o czasie i AI w procesie sprzedaży.

Od czego zacząć bez dużego wdrożenia

Najlepszy pierwszy ruch to wybrać trzy sygnały i przypisać do nich trzy konkretne reakcje.

Może to wyglądać tak:

1. Spadek użycia przez 14 dni -> wiadomość z pomocą albo przypomnieniem o najważniejszej funkcji.

2. Wejście w okres odnowienia -> oferta dopasowana do realnego użycia, nie ogólny rabat dla wszystkich.

3. Kontakt z obsługą w sprawie rezygnacji -> przejęcie sprawy przez człowieka z pełnym kontekstem, zamiast kolejnej automatycznej kampanii.

To wystarczy, żeby sprawdzić, czy firma umie pracować na sygnałach klienta, a nie tylko na planie wysyłek. Jeśli nie umie, dokładanie kolejnych narzędzi niewiele zmieni.

Najlepsza lekcja z Circles jest prosta: retencja poprawia się wtedy, gdy firma reaguje na moment, a nie na kalendarz. Jeżeli dziś twoje kampanie nie widzą różnicy między klientem aktywnym, niezdecydowanym i bliskim odejścia, to właśnie tam zaczyna się praca do wykonania.

Źródła

AI BRIEF

Raz w tygodniu. Bez hype'u.

Trzy newsy, jedno narzędzie, jeden prompt tygodnia.
OSTATNIO DODANE
AI Skills

Przykładowe skille

Zobacz całą bibliotekę
CO DALEJ?

Podobne artykuły