Synerise

Synerise to polska platforma behavioral data i AI dla handlu. Łączy profil 360°, zdarzenia w czasie rzeczywistym, rekomendacje, search, predictions, personalizację, promocje i automation. W 2026 r. dodała dwa ważne elementy agentowe: read-only Synerise MCP Server w public preview oraz wewnętrznego System Agent w private preview.

Synerise powstało w Krakowie w 2013 r. jako platforma danych i marketingu rozwijająca własną technologię bazodanową oraz modele rekomendacyjne/behawioralne. Firma podkreśla wyniki zespołów badawczych w konkursach Rakuten, Booking.com, KDD i RecSys. Są to wartościowe sygnały kompetencji ML, ale nie bezpośredni dowód skuteczności konkretnego wdrożenia sklepu.

W 2026 r. tradycyjny AI Hub (recommendations, search, prediction i promotions) został rozszerzony o conversational System Agent oraz public-preview MCP. AI Hub · System Agent

AI Recommendations dobierają produkty lub treści na podstawie zdarzeń i profilu, z filtrami biznesowymi i API. AI Search oferuje full text, autocomplete, categories, visual search, rules i personalized results. AI Prediction przewiduje m.in. zakup, churn lub engagement bez budowania modelu przez użytkownika.

System Agent łączy w jednej rozmowie recommendations, search, feeds, catalogs, experiments, analytics, IQL, automation, dokumentację i Jinjava. Pamięta kontekst rozmowy, dobiera capability, zwraca tabele/wykresy/carousels/forms i może przygotować konfigurację. Jest jednak dostępny tylko w private preview dla wybranych workspace’ów; nie wszystkie sugerowane zmiany może wykonać. System Agent

• rekomendacje similar/complementary/personalized i cross-/upsell;
• personalizowane search, autocomplete, visual search, synonyms i query rules;
• prediction zakupu, churn i engagement;
• dynamic content, promotions i personalized promotions;
• segmentacja i orchestration e-mail/SMS/web/mobile;
• eksperymenty A/B/X search i recommendations;
• analiza zero-results, performance i zachowań w czasie rzeczywistym;
• conversational inspection i planowanie przez System Agent/MCP.

Zakres kontekstu i danych zależy od funkcji, planu oraz połączonych systemów.

Synerise wystawia trzy regionalne remote MCP endpoints: Azure EU https://api.synerise.com/mcp, GCP https://api.geb.synerise.com/mcp i Azure US https://api.azu.synerise.com/mcp. Token jest przypisany do workspace i dziedziczy uprawnienia zalogowanego użytkownika. Wszystkie operacje w public preview są read-only. MCP getting started

Instrukcja pokazuje Claude Code, ale standardowy HTTP MCP powinien działać z klientami obsługującymi custom servers. Codex i Hermes nie są oficjalnie wymienione, więc wymagają testu. Read-only oraz istniejące RBAC ograniczają ryzyko, ale profile, analytics i katalogi mogą zawierać wrażliwe dane.

Platforma ma granularne RBAC, workspace-scoped auth, 2FA, IP access controls, API-key permissions, profile modification allowlist, object-level access dla indexes i audit log. Dla recommendations/search/predictions dostępny jest feature-specific audit. Role i permissions · Audit log

System Agent ma prosić o potwierdzenie sensitive/destructive changes, a dokumentacja wprost zaleca review każdej live action. Ponieważ agent jest private preview, dokładna lista actions, logowanie decyzji i stabilność nie są jeszcze produkcyjnie potwierdzone. MCP public preview jest bezpieczniejszy przez read-only, ale nie może zastosować znalezionej optymalizacji.

Synerise obsługuje A/B/X dla search i recommendations, rules, filters, preview oraz szczegółowe zdarzenia. Mimo mocnej infrastruktury jakość zależy od kompletności identyfikacji profili, eventów, katalogów i poprawnej konstrukcji eksperymentu.

Nie znaleziono prostego publicznego cennika aktualnej platformy; zakup wymaga kontaktu i wyceny zależnej od zakresu, danych, wolumenu oraz wdrożenia. To utrudnia porównanie TCO z rozwiązaniami self-service.

G2 pokazuje ok. 4,5/5 przy zaledwie 13–14 recenzjach. Chwalone są predictive personalization, elastyczność, real-time data i support; krytyka dotyczy czasu wdrożenia, konieczności dobrze utrzymanych danych, tworzenia dashboardów i czasem integracji z narzędziami trzecimi. Większość opinii poprzedza MCP/System Agent. G2

• System Agent jest private preview, MCP public preview;
• MCP jest tylko do odczytu, a wewnętrzny agent nie wykonuje każdej proponowanej zmiany;
• brak potwierdzonego przewodnika Codex/Hermes;
• wysoka zależność od jakości identity, event tracking, catalogs i data governance;
• mało niezależnych opinii i niemal brak opinii o nowych agentach;
• brak publicznego cennika i potencjalnie duży koszt wdrożenia;
• złożoność platformy może wymagać specjalistów;
• jakość polskiego, recommendations/search i business uplift pozostaje N/D.

Profil zweryfikowano 2026-09-20. Linki źródłowe znajdują się bezpośrednio przy wspieranych twierdzeniach.