W 13 z 36 badanych grup produktów firma najczęściej wskazywana przy ogólnym pytaniu o miejsce zakupu traciła prowadzenie, gdy klient pytał o dostawę, raty, zwrot lub reklamację. Analiza 112 793 odpowiedzi czterech systemów AI pokazuje, dlaczego marketerzy nie powinni oceniać widoczności marki na podstawie kilku ogólnych promptów.
Z tego artykułu dowiesz się:
- jak AI zmienia rekomendacje sklepów w zależności od pytań i potrzeb klientów,
- dlaczego dostawa, płatności, zwroty i reklamacje wpływają na widoczność marek w odpowiedziach AI,
- z jakich źródeł ChatGPT, Gemini, Perplexity i Google AI Overview czerpią informacje o sklepach,
- dlaczego cytowanie treści sklepu przez AI nie zawsze przekłada się na widoczność jego marki,
- jak mierzyć i poprawiać widoczność e-sklepu w rekomendacjach zakupowych AI.
Czy sklep pojawia się w odpowiedziach AI, przy jakich potrzebach klienta i na tle jakich konkurentów? To nowe pytania dla zespołów odpowiedzialnych za widoczność i sprzedaż online. Do pomiarów pozycji w wyszukiwarkach, ruchu i konwersji dochodzi potrzeba sprawdzania, czy oraz w jakim kontekście marka jest przedstawiana przez ChatGPT, Gemini, Perplexity i Google AI Overview.
PromptEye i Altavia Kamikaze + K2 przeanalizowały odpowiedzi na 1 440 pytań zakupowych, obejmujących 36 grup produktów w 12 głównych kategoriach e-commerce. Dla każdej grupy przygotowano pytania o produkt, miejsce zakupu, konkretną potrzebę klienta oraz warunki i bezpieczeństwo transakcji. Pozwoliło to porównać obecność sklepów przy różnych intencjach użytkownika, a nie tylko przy ogólnym pytaniu „gdzie kupić”.
Badanie pokazuje, że o widoczności sklepu mogą decydować nie tylko asortyment i cena. Modele uwzględniały również informacje o usługach, dostawie, płatnościach, zwrotach i reklamacjach. Dla marketingu oznacza to potrzebę osobnego mierzenia obecności marki, sposobu przedstawiania jej oferty oraz źródeł, na których AI opiera odpowiedzi.
Słuchaj podcastu „E-commerce bez tajemnic”
Od produktu do obsługi zakupu
Dla każdej podkategorii autorzy przygotowali 40 pytań, po 10 w czterech warstwach. Pierwsza dotyczyła produktu, druga miejsca zakupu, trzecia konkretnej potrzeby klienta, a czwarta warunków i bezpieczeństwa transakcji. Nie była to jedna ścieżka rozmowy, lecz cztery osobne zestawy pytań, pozwalające sprawdzić, przy jakich intencjach pojawiają się poszczególne sklepy.
W 13 z 36 badanych grup produktów przy pytaniach o dostawę, raty, zwrot lub reklamację najczęściej pojawiała się inna firma niż przy ogólnym pytaniu o miejsce zakupu. W pozostałych 23 grupach lider pozostał ten sam. Wynik nie pokazuje liczby klientów ani sprzedaży, lecz częstotliwość obecności firm w odpowiedziach na konkretny zestaw pytań. Pokazuje natomiast, że ogólna widoczność sklepu nie opisuje jego pozycji przy wszystkich potrzebach zakupowych.
Funkcje sklepu mogą stać się argumentem marketingowym
Modele nie ograniczały się do wymieniania nazw sprzedawców. W części odpowiedzi uzasadniały wybór konkretnymi elementami doświadczenia zakupowego. Google AI Overview wskazało filtry alergenów jako zaletę jednego ze sklepów przy zakupach dla osoby na diecie eliminacyjnej. Gemini przedstawiało możliwość przymierzenia butów z pomocą personelu znającego się na turystyce górskiej jako korzyść wyboru sklepów specjalistycznych.
To ważna zmiana z perspektywy marketingu e-commerce: funkcja witryny, jakość obsługi lub sposób realizacji zamówienia mogą zostać opisane przez AI jeszcze zanim użytkownik wejdzie na stronę sklepu. Warunkiem jest jednak to, aby model znalazł aktualne i jednoznaczne informacje oraz poprawnie przypisał je do firmy.
– Dziś rozmowa z AI może być początkiem zakupów online. Klient może poznać Twój sklep, zanim odwiedzi jego stronę. Dlatego obok samej obecności firmy w odpowiedzi znaczenie ma również to, jak AI przedstawia jej ofertę i na jakich informacjach się opiera – mówi Marcin Wiśniewski, współzałożyciel PromptEye i współautor raportu.
Własna strona jest głównym źródłem, ale nie jedynym
W analizie 100 111 odpowiedzi zawierających linki aż 90,4 proc. odsyłało do stron sklepów. Jednocześnie 38,8 proc. zawierało link do mediów lub portali, 19,4 proc. do porównywarek i 19,4 proc. do katalogów, rankingów lub serwisów z okazjami. Jedna odpowiedź mogła korzystać z kilku rodzajów źródeł, dlatego wyniki nie sumują się do 100 proc.
Oznacza to, że sklep ma bezpośredni wpływ na dużą część informacji wykorzystywanych przez modele, ale jego obraz powstaje również poza własną domeną. Aktualna karta produktu czy regulamin nie wystarczą, jeśli zewnętrzne publikacje utrwalają niepełny albo nieaktualny opis marki.
Treść może pracować dla kategorii, a nie dla marki
Jednym z przykładów opisanych w raporcie jest poradnik sklepu sprzedającego wózki. Przy pytaniach o wybór wózka dziecięcego, bez pytania o sklep, Perplexity cytowało ten poradnik w 81 proc. odpowiedzi, ale w żadnej z nich nie odnotowano nazwy sklepu. To wynik dla jednego modelu i konkretnego zestawu pytań, dlatego nie należy przenosić go na cały rynek. Pokazuje natomiast, że cytowanie treści oraz widoczność marki są dwoma odrębnymi efektami, które warto mierzyć osobno.
Co powinien sprawdzić zespół e-commerce
Autorzy raportu proponują, aby analizę zaczynać od kategorii, produktów i usług mających największe znaczenie biznesowe, a następnie sprawdzać obecność sklepu w czterech warstwach pytań. Sama liczba wzmianek nie wystarczy. Potrzebna jest również kontrola kontekstu, źródeł oraz poprawności informacji, które model przekazuje klientowi.
W praktyce zespół powinien sprawdzić:
- czy sklep pojawia się przy pytaniach o produkt, zanim użytkownik zapyta o konkretne miejsce zakupu;
- czy utrzymuje widoczność po doprecyzowaniu potrzeby, ceny albo oczekiwanej usługi;
- jak AI opisuje dostawę, płatności, raty, zwroty i reklamacje;
- czy treści sklepu budują rozpoznawalność marki, czy jedynie zasilają odpowiedzi modelu;
- z jakich zewnętrznych źródeł AI czerpie informacje o sklepie oraz czy są one aktualne.
Polskie pytanie nie oznacza polskich źródeł
Przy pytaniach o produkty z aptek internetowych ChatGPT częściej odsyłał do brytyjskiego NHS niż do polskich serwisów publicznych w domenie gov.pl. To nie przesądza, że odpowiedzi były błędne. Pokazuje jednak, że pytanie zadane po polsku nie ogranicza modelu do polskich źródeł ani informacji przygotowanych z myślą o lokalnym rynku.
O rekomendacji sklepu decydują także treści, których marka nie kontroluje
– Widoczność w AI zależy nie tylko od tego, czy wzmianki o marce pojawiają się w sieci. Bardzo mocno liczy się też, co modele o niej wiedzą, w jakim kontekście o niej mówią i na podstawie czego budują odpowiedzi – wskazuje Piotr Michalak, product & development head w Altavia Kamikaze + K2 i współautor raportu.
Modele budują odpowiedzi na podstawie stron sklepów, mediów, porównywarek, rankingów, źródeł instytucjonalnych i publikacji zagranicznych. Wykorzystują również materiały, które powstały w innym celu: poradniki produktowe, regulaminy czy artykuły sponsorowane. Każde z tych źródeł może wpływać na to, czy sklep zostanie pokazany, jak zostanie opisany i z jakimi cechami będzie kojarzony.
Dlatego zarządzanie widocznością w AI nie kończy się na stronie sklepu. Wymaga również sprawdzania źródeł zewnętrznych, aktualności informacji, lokalnego kontekstu oraz tego, czy treść wykorzystywana przez model rzeczywiście buduje widoczność marki.
Problem jest szerszy niż klasyczne pozycjonowanie. Nie chodzi wyłącznie o obecność nazwy firmy, ale także o sposób przedstawienia jej oferty, usług i warunków zakupu. Osobnego pomiaru wymagają widoczność marki, cytowanie jej treści oraz kontekst, w którym model przedstawia sklep. Dopiero zestawienie tych elementów pokazuje, przy jakich potrzebach klienta firma jest widoczna, a przy jakich ustępuje konkurencji. Efekty działań zwiększających widoczność należy następnie porównywać z osobnymi danymi o ruchu, konwersji i sprzedaży.
Które marki są liderem widoczności można sprawdzić w raporcie „E-commerce w rekomendacjach zakupowych AI w Polsce 2026”, zawierającym wyniki dla 12 głównych kategorii i 36 podkategorii produktowych. Raport dostępny bezpłatnie na stronie: https://raporty.prompteye.com/e-commerce/2026
Mapa widoczności polskiego e-commerce w AI
Badanie “E-commerce w rekomendacjach zakupowych AI w Polsce” przeprowadzono w październiku 2026 r. Objęło 112 793 odpowiedzi ChatGPT, Gemini, Perplexity i Google AI Overview na 1 440 pytań w 36 podkategoriach produktowych i 12 głównych kategoriach e-commerce. Łącznie zebrano ponad 760 tys. wystąpień firm i marek oraz ponad milion wystąpień linków.
Tak szeroki zakres pozwolił stworzyć punkt odniesienia dla polskiego e-commerce: pokazać, które sklepy pojawiają się przy różnych potrzebach zakupowych, jak wyniki zmieniają się pomiędzy modelami oraz z jakich źródeł AI czerpie informacje o ofertach. Raport nie mierzy sprzedaży, ale wskazuje obszary, w których sklepy mogą sprawdzić i poprawiać swoją widoczność – od informacji o produktach po dostawę, płatności, zwroty i reklamacje.
Pytania przygotował zespół PromptEye wspólnie z Altavia Kamikaze + K2. Wyniki i ich znaczenie dla rynku uzupełniają komentarze ponad 35 ekspertów, dyrektorów i specjalistów związanych z e-commerce. Patronat medialny nad raportem sprawuje redakcja „E-commerce w Praktyce”.
Przeczytaj również: AI wybiera, klient płaci. Jak sprzedawać do Niemiec przed Black Friday i świętami


