AI monitoring anomálií: ceny, konverze, provoz
Platební brána na mobilu nefunguje od oběda a vy se to dozvíte z večerního reportu. Vysvětlujeme, jak monitoring anomálií pozná neobvyklý výkyv, kdy zbytečně straší a jak mu AI pomůže říct, co se vlastně stalo.
Platební brána přestane přijímat karty na mobilech. Nic nespadne, web běží, objednávky převodem a na dobírku chodí dál. Denní tržby jsou nižší, ale ne dramaticky. Zjistíte to večer z reportu, nebo druhý den od zákazníka, který píše, že mu platba nešla.
Přesně pro tyhle tiché problémy je monitoring anomálií. Neptá se, jestli web běží. Ptá se, jestli se obchod chová tak jako obvykle v tuto hodinu a tento den. V článku vysvětlujeme, jak detekce funguje, co hlídat, co přidává AI a jak nastavit upozornění, aby je někdo četl.
Proč pevné prahy nestačí
Klasický alert zní „upozorni mě, když denní tržby klesnou pod 50 000 Kč“. Má dvě chyby. V létě, kdy je obvyklá tržba 45 000 Kč, chodí zbytečně každý den. V prosinci, kdy je obvyklá tržba 200 000 Kč, nepozná propad na polovinu.
Anomálie je hodnota, která se liší od toho, co je v danou chvíli obvyklé. Obvyklé se mění podle hodiny, dne v týdnu, sezóny, trendu a vašich akcí. Model proto pro každou hlídanou metriku z historie spočítá očekávanou hodnotu a pásmo, ve kterém se běžně pohybuje. Upozornění přijde, když skutečnost vybočí mimo pásmo.
Stejný princip používá GA4. Podle nápovědy Google používá jeho detekce anomálií bayesovský model časových řad. Z historie odhadne očekávanou hodnotu a interval a hodnotu mimo interval označí jako anomálii. Pro hodinová data se učí z posledních 2 týdnů, pro denní z 90 dnů a pro týdenní z 32 týdnů (k 9/2026).
Co hlídat: ceny, konverze, provoz
Nehlídáme všechno. Každá metrika navíc je další zdroj falešných poplachů. Tabulka ukazuje, s čím obvykle začínáme.
| Oblast | Metrika | Metoda | Typický problém, který zachytí |
|---|---|---|---|
| Tržby | objednávky a tržba po hodinách | model časové řady | výpadek platby, pokladny, dopravy |
| Konverze | podíl dokončených pokladen | model časové řady, rozpad podle zařízení | chyba v pokladně na jednom prohlížeči |
| Platby | úspěšnost plateb podle metody | poměr proti obvyklé hodnotě | výpadek brány nebo jedné metody |
| Ceny | změna ceny proti včerejšku | pravidlo | chybný import, cena bez DPH místo s DPH |
| Ceny | prodej pod nákupní cenou | pravidlo | chyba v cenotvorbě, špatná akce |
| Sklad | produkty z top prodejů bez zásoby | pravidlo | výpadek synchronizace s ERP |
| Provoz | návštěvnost podle zdroje | model časové řady | vypnutá kampaň, výpadek měření |
U cen a skladu nepotřebujete statistiku. Cena, která se přes noc změní o 60 %, je podezřelá vždy. Pravidlo je tu rychlejší a spolehlivější než model. Pozor si dejte i na slevy. Podle § 12a zákona o ochraně spotřebitele musí u slevy být uvedena nejnižší cena za posledních 30 dnů. Chybný import, který na den zvedne a pak sníží cenu, tak může zkomplikovat i následnou akci.
Z jakých dat monitoring čte
GA4 umí posílat upozornění e-mailem. Pro rychlou reakci ale mají háček. Zpracování dat ve standardní službě GA4 podle nápovědy Google obvykle trvá 24–48 hodin a nejde o garantovanou dobu. GA4 navíc nevidí platby, nákupní ceny ani sklad.
Obchodní metriky proto čteme přímo z e-shopu. Objednávky, platby, ceny a sklad bereme přes REST API nebo webhooky, které e-shop pošle při nové objednávce nebo změně stavu. Zpoždění je v minutách. GA4 a reklamní systémy přidáváme pro kontext.
Kde model běží, záleží na velikosti:
- Menším e-shopům stačí jednodušší statistický model spuštěný v automatizaci, třeba v n8n, každých 15 až 60 minut.
- Když data ukládáte do BigQuery, dá se detekce spouštět přímo tam. BigQuery ML k září 2026 nabízí funkci ML.DETECT_ANOMALIES nad modely ARIMA_PLUS a funkci AI.DETECT_ANOMALIES s vestavěným modelem TimesFM, bez trénování vlastního modelu.
Malá čísla a falešné poplachy
Tady se monitoring nejčastěji pokazí. Při malém počtu objednávek je náhoda velká. Následující výpočet je modelový a vychází z Poissonova rozdělení, které se na počty objednávek za hodinu běžně používá.
| Obvyklý počet objednávek za hodinu | Pravděpodobnost, že za hodinu nepřijde žádná objednávka jen náhodou |
|---|---|
| 2 | asi 13,5 % |
| 5 | asi 0,7 % |
| 20 | prakticky nula |
Když e-shop obvykle dostává dvě objednávky za hodinu, hodina bez objednávky se náhodou stane zhruba jednou za sedm hodin. Alert na „hodinu bez objednávky“ by tedy hlásil nesmysly několikrát denně. Řešení je delší okno (tři hodiny místo jedné), hlídání podílu místo absolutního počtu (úspěšnost plateb) nebo sloučení menších kategorií.
Proto první dva až čtyři týdny monitoring ladíme na vašich datech. Nastavujeme závažnost, citlivost a známé události, jako je akce, výpadek dopravce nebo svátek, zadáváme dopředu.
Co dělá AI a co ne
Samotnou anomálii najde statistika. Jazykový model přidává vysvětlení.
Když klesnou objednávky, automatizace výkyv rozpadne podle zařízení, prohlížeče, platební metody, zdroje návštěv a kategorie. Najde, kde je odchylka největší. AI z výsledků napíše krátkou zprávu:
To je rozdíl mezi upozorněním, které někdo otevře, a upozorněním, které se ignoruje. Model navíc sdruží související alerty. Pokles objednávek, pokles konverze v pokladně a pokles úspěšnosti plateb jsou jeden problém, ne tři.
AI nic sama nevypíná ani neopravuje. Výjimkou jsou předem dohodnuté pojistky. Typicky zastavení importu od dodavatele, když by změnil ceny u stovek produktů o desítky procent. Chyby v produktových feedech řeší samostatně AI správce feedů.
Jak zabránit únavě z alertů
Monitoring, který hlásí každou drobnost, přestane za dva týdny nikdo číst. Čtyři pravidla, která používáme:
- Tři úrovně závažnosti. Kritické (platby, pokladna) jde telefonem nebo do SMS, střední do Slacku nebo Teams, nízké do denního souhrnu.
- Jeden problém, jedna zpráva. Související alerty se sdružují, další připomínka přijde, až když se stav zhorší nebo trvá.
- Vlastník u každého alertu. Kdo ho řeší, je dané dopředu.
- Měsíční revize. Alerty, na které nikdo nereagoval, se buď zpřísní, nebo zruší.
Jak na to prakticky
- Vypište, co vás v posledním roce bolelo. Výpadky plateb, chybné ceny, rozbitá pokladna. To jsou první hlídané metriky.
- Ověřte dostupnost dat. Objednávky a platby přes API nebo webhooky, ideálně s historií aspoň několika měsíců.
- Začněte pravidly pro ceny a sklad. Fungují od prvního dne.
- Přidejte model časové řady pro objednávky, konverze a platby.
- Nastavte závažnost a kanály doručení a u každého alertu vlastníka.
- Dva až čtyři týdny ladíte citlivost, pak zapnete AI shrnutí.
Technickou dostupnost, rychlost webu a SEO hlídá program Performance Monitoring. Obchodní metriky, ceny a konverze pokrývá služba AI monitoring anomálií. Cenu nasazení i provozu připravíme po konzultaci podle počtu hlídaných metrik a zdrojů dat.
Potřebujete s tím pomoct?