4 min czytania · Pleroma Commerce · 3 źródła
W skrócie
Większość agencji dzieli e-commerce między sześciu specjalistów, a każdy z nich optymalizuje własny wskaźnik. Liczba, z której płaci się rachunki, leży między ich raportami i nikt nie odpowiada za jej czytanie. Pleroma opiera się na operatorach, z których każdy prowadził produkcyjnie co najmniej trzy obszary, pracuje z maksymalnie pięcioma markami naraz i każdą współpracę zaczyna od audytu. Skoro AI przejmuje części pracy, których da się nauczyć, do opłacenia zostaje osąd, który łączy je w całość.
Co znajdziesz w artykule
Dlaczego nie zatrudniamy specjalistów
W każdej tegorocznej ofercie agencji pojawia się ten sam zespół: media buyer, copywriter, developer Shopify, specjalista od marketplace'ów, analityk i account manager, który ma to wszystko spinać. Sześć osób, sześć stanowisk, sześć raportów. Wygląda kompletnie. Jest też powodem, dla którego większość kont e-commerce osiąga mniej, niż mogłaby, i jedyną rzeczą, której postanowiliśmy nie budować.
Problem siedzi w lukach
Naval Ravikant oddziela wiedzę specjalistyczną, której można nauczyć na kursie, od wiedzy specyficznej, której nauczyć się nie da. Jego test jest prosty: jeśli społeczeństwo może cię czegoś nauczyć, może nauczyć tego kogoś innego i cię zastąpić[1][2]. Scott Adams sformułował praktyczną wersję tej myśli kilka lat wcześniej. Nie trzeba być najlepszym na świecie w jednej rzeczy. Wystarczy być w najlepszych 25% w dwóch albo trzech dziedzinach, które rzadko spotykają się w jednej osobie. Nazwał to talent stack[3].
W e-commerce te dwie idee przestają być filozofią i zaczynają dotyczyć P&L. Kanał online potrzebuje kogoś, kto czyta marżę i wie, co ukrywa wskaźnik ROAS. Kogoś, kto pisze opisy produktów i rozumie, jak działa tracking pod stroną. Kogoś, kto konfiguruje sklep i wie, dlaczego godzina cut-off w magazynie znaczy więcej niż szablon.
Każda z tych połówek to specjalizacja z certyfikatem. Rynek jest ich pełen. Brakuje ludzi, którzy łączą dwie albo trzy takie połówki, bo nikt nie uczy tego, co leży na ich styku. Nie istnieje kurs „reklama plus marża”. Dochodzi się do tego, robiąc jedno i drugie, na początku zwykle źle.
Gdy marka dzieli tę pracę między sześciu specjalistów, każdy optymalizuje własny wskaźnik. Reklama optymalizuje ROAS. Content optymalizuje pozycje. Development optymalizuje szablon. Nikt nie optymalizuje tego, z czego płaci się rachunki, bo ta liczba leży między raportami, w miejscu, na które schemat organizacyjny nigdy nie przewiduje budżetu. Luki ma pilnować account manager. Account manager nigdy nie prowadził sklepu.
Jak zbudowaliśmy zespół wokół tego problemu
Jesteśmy małym zespołem operatorów sprzedaży wielokanałowej i to, że jesteśmy mali, to świadoma decyzja, a nie etap rozwoju. Każda osoba u nas prowadziła produkcyjnie co najmniej trzy z tych obszarów: sklepy i migracje na Shopify, uruchomienia sprzedaży na Amazonie, Allegro, eBayu, Kauflandzie, Erli, bol i ManoMano, produkcję katalogu i listingów z researchem słów kluczowych pod każdy kanał, integracje PIM i ERP, zgodność z przepisami UE od VAT OSS po WEEE i GPSR, retencję w Klaviyo oraz tracking i pomiar wyników. Nie „był wprowadzony w temat”. Prowadził.
Po stronie klienta zmienia to sposób pracy. Nie ma przekazania między osobą, która napisała listing, a osobą, która sprawdziła pola zgodności, bo to ta sama osoba. Nie ma spotkania, na którym uzgadnia się raport z reklam z raportem marży. Osoba, która uruchomiła kampanię, znała marżę, zanim wybrała produkty do promocji.
To wyznacza też twardy limit liczby marek, z którymi możemy pracować. Operatorzy nie skalują się tak jak specjaliści. Nie da się dołożyć juniora i checklisty i dostać tego samego efektu. Dlatego pracujemy z maksymalnie pięcioma markami naraz, a każdą współpracę zaczynamy od audytu, bo dopiero audyt pokazuje, czy problem siedzi w kanale, czy w lukach między kanałami. Prawie zawsze siedzi w lukach.
Ten sam argument w 2026 roku
Jest jeszcze jeden powód, dla którego ma to znaczenie teraz. Każdą część pracy w e-commerce, której da się nauczyć, AI wykonuje już wystarczająco dobrze. Opisy produktów, optymalizacja feedów, podstawowe raporty, pierwsza wersja tekstów reklamowych. To nie jest zagrożenie dla opisanego modelu. To jest jego uzasadnienie. Automatyzacja nie zdecyduje, którą dźwignię pociągnąć, gdy wynik z reklam i wynik z marży się nie zgadzają, ani nie zauważy, że listing na marketplace jest formalnie poprawny i handlowo martwy. Ten osąd zawsze był najcenniejszą częścią tej pracy. Teraz jest jedyną częścią, za którą warto płacić człowiekowi.
Wiedza specjalistyczna to certyfikat. Naprawdę zatrudniasz wiedzę specyficzną.
Pleroma Commerce
Najpierw znajdźmy luki
Każda współpraca zaczyna się od pięciodniowego audytu, który pokazuje, czy problem siedzi w kanale, czy między kanałami.
Zobacz audyt sklepu i kanałów →Źródła
- Naval Ravikant, „How to Get Rich (without getting lucky)”, wątek na Twitterze, maj 2018.
- Eric Jorgenson, The Almanack of Naval Ravikant, Magrathea Publishing, 2020.
- Scott Adams, How to Fail at Almost Everything and Still Win Big, Portfolio, 2013.
