Disclaimer. Niezależny wdrożeniowiec SubiektMCP.

W hurtowni z 50 klientami spadek sprzedaży u JEDNEGO o 30 procent giniew zbiorczej statystyce. Klient cicho odejdzie zanim zauważysz. Anomaly detection (wykrywanie odstępstw) to klasa narzędzi AI która znajduje takie sytuacje automatycznie.

Ten artykuł rozkłada pięć typów anomalii istotnych dla MŚP + konkretne pytania do AI.

Co to “anomalia”

Anomalia = wartość znacząco odbiegająca od oczekiwanej. Trzy typy:

  1. Punktowa. Pojedynczy wynik daleko od reszty (np. dzień ze sprzedażą 50% niższą)
  2. Trendowa. Stopniowy odejście od wzorca (sprzedaż spada 5% co miesiąc)
  3. Sezonowa. Pic którego wcześniej nie było albo brak picu który był oczekiwany

AI wykrywa wszystkie trzy.

Typ 1. Anomalia per klient

Co to: klient którego obrót dramatycznie spadł vs jego własny wzorzec.

Prompt:

“Sprawdź wszystkich klientów aktywnych w 2025-2026. Dla każdego policz średni miesięczny obrót. Znajdź klientów, których obrót w ostatnich 30 dniach jest o ponad 40 procent niższy niż ich własna średnia. Posortuj od największego procentowego spadku. Pokaż: nazwa, historyczna średnia, ostatnie 30 dni, spadek procent.”

Wynik: lista 3-10 klientów wymagających kontaktu.

Działanie: handlowiec dzwoni w ciągu 48 godzin.

Typ 2. Anomalia per produkt

Co to: produkt który nagle przestał się sprzedawać (po latach stabilności).

Prompt:

“Pokaż produkty które historycznie (2024-2025) sprzedawały się powyżej 10 sztuk miesięcznie, a w ostatnich 60 dniach sprzedaż spadła do zera lub poniżej 2 sztuk. Posortuj od największego procentowego spadku.”

Działanie: sprawdź dostępność, cenę, czy nie wycofany ze sprzedaży. Może problem z dostawcą.

Typ 3. Anomalia per kategoria / region

Co to: segment biznesu który nagle zmienił trend.

Prompt:

“Porównaj sprzedaż 6 ostatnich miesięcy per grupa towarowa. Wyznacz grupy z odchyleniem standardowym sprzedaży powyżej 25 procent. Te grupy są niestabilne - albo szybko rosną albo szybko spadają. Pokaż listę z wykresem trendu.”

Działanie: dla rosnących = inwestycja w marketing. Dla spadających = badanie przyczyny.

Typ 4. Anomalia per godzina / dzień tygodnia

Co to: sklep detaliczny widzi nagłą zmianę godzinowego patternu.

Prompt (jeśli sklep detaliczny):

“Sprawdź godzinowy pattern sprzedaży w ostatnich 14 dniach vs poprzednie 14 dni. Czy są godziny z dramatycznie różną sprzedażą? Może klient zmienił nawyki.”

Działanie: dostosuj zatrudnienie / godziny otwarcia.

Typ 5. Anomalia per kanał / forma płatności

Co to: zmiana proporcji między kanałami sprzedaży.

Prompt:

“Porównaj proporcje form płatności (gotówka, przelew, karta) w ostatnich 90 dniach vs poprzednie 90 dni. Czy widać shift? Czy więcej gotówki (może uciek z banku?), więcej kart (e-commerce wzrost?).”

Działanie: pomoc w strategicznych decyzjach (gdzie inwestować).

Workflow regularnego monitoringu

Tygodniowo (5 minut, poniedziałek rano): - Anomalia per klient (typ 1) - Anomalia per produkt (typ 2)

Miesięcznie (15 minut, pierwszy poniedziałek): - Anomalie per kategoria (typ 3) - Per godzina / dzień (typ 4, jeśli sklep detaliczny) - Per kanał (typ 5)

Kwartalnie: - Pełne review wzorców - Aktualizacja “co jest normalne” w głowie

Konkretne wartości progowe

Typ anomalii Próg “warto zbadać” Próg “alarm”
Spadek klienta >25% spadek >50% spadek
Spadek produktu >40% spadek >80% spadek
Wzrost niespodziewany >50% wzrost >100% wzrost
Niesezonowy szczyt/dolina >30% odchylenie >50% odchylenie

Te progi to wskazówki. Dostosuj do swojej branży i wolumenu.

False positives. Co jeśli AI fałszywie ostrzeze

AI czasem wskaże “anomalię” która nie jest problemem: - Klient miał urlop / przerwę bo dobrze (zaplanowane) - Produkt sezonowy (oczywiście spadek po sezonie) - Jednorazowe zamówienie (rok temu duże, w tym roku brak = nie anomalia)

Rozwiązanie: kontekst. Daj AI know-how o firmie:

“Mam hurtownię oświetlenia. Choinki sprzedają się tylko XI-XII. Klimatyzacje VI-VIII. Nie wskazuj jako anomalia spadek tych grup poza sezonem.”

Po 2-3 sesjach AI uczy się kontekstu.

Co AI NIE wykryje

  • Anomalia logiki biznesowej. Np. klient płaci za fakturę 30 dni szybciej niż zwykle. Może niewazne, może podejrzenie (chęć przedterminowego odejścia).
  • Anomalia w wartościach. Np. nagła kwota 1 zł zamiast 1000 zł (literówka). AI ją widzi, ale interpretacja “to literówka czy dziwna sprzedaż” wymaga człowieka.
  • Anomalia kontekstowa. Np. klient kupuje regularnie, ale ostatnio dziwne produkty (potencjalny revend lub kradzież).

ROI wykrywania anomalii

Hurtownia z 50 klientami. Jeden TOP klient = 80k obrotu rocznie × 12% marża = 9 600 zł zysku rocznie.

Bez wykrywania anomalii: klient cicho odchodzi, zauważasz po 4-6 mc. Strata ~5000 zł zysku per utracony klient.

Z anomaly detection (5 min/tyg): wykrywasz spadek po 14 dniach, dzwonisz, ratujesz w 50% przypadków. Wartość uratowanego = pełen 9 600 zł.

Koszt: 99-249 zł/mc AI + 30 minut/mc człowieka = ~500 zł/mc.

Korzyść: ratowanie 2-5 klientów rocznie = 20 000 - 50 000 zł.

ROI: 4-10x.

Plan startu (2 tygodnie)

Tydzień 1. Setup. Trial SubiektMCP. Pierwsze pytanie typu 1 (klienci). Zobacz co AI znajdzie.

Tydzień 2. Pytania typu 2, 3. Lista anomalii. Akcja na top 5.

Po dwóch tygodniach masz wzorzec.

Co dalej

14-dniowy trial SubiektMCP lub 7 dni klucz bez karty: nikodem@subiektgt.chat.

.subiekt-subscribe-form input[type=”email”]::placeholder { color: #71717A; }