AI zmienia e-commerce, ale kto potrafi policzyć sprzedaż? Problem GEO i atrybucji zakupów

AI zdobywa miejsce w procesie zakupowym. Sprzedawcy nie wiedzą jednak, ile na tym zarabiają

W październiku 2026 r. opublikowano dwa badania, które pokazują różne strony tego samego zjawiska. PYMNTS Intelligence zbadał przygotowanie amerykańskich sprzedawców do handlu wspieranego przez AI, natomiast Feedvisor we współpracy z Zogby Analytics przeanalizował zachowania konsumentów.

W badaniu PYMNTS aż 90% menedżerów zadeklarowało, że w ostatnich 12 miesiącach zaobserwowało przynajmniej jeden sygnał aktywności zakupowej związanej z AI.

Nie oznacza to jednak, że 90% sprzedawców potwierdziło wzrost sprzedaży dzięki sztucznej inteligencji. Badanie dotyczyło sygnałów aktywności, a nie zweryfikowanych transakcji.

Co więcej, żaden z badanych sprzedawców prowadzących sprzedaż przez własną witrynę lub aplikację nie potrafił konsekwentnie prześledzić wszystkich wizyt pochodzących z AI aż do zakończonego zakupu.

To fundamentalna różnica: obecność AI w procesie zakupowym jest coraz bardziej widoczna, ale jej finansowy wkład pozostaje znacznie trudniejszy do udowodnienia.

PYMNTS i Feedvisor: co rzeczywiście pokazują dane?

Źródło: PYMNTS Intelligence i Feedvisor/Zogby Analytics, badania przeprowadzone w sierpniu 2026 r. Wskaźniki opisują różne populacje i pytania badawcze, dlatego nie należy ich bezpośrednio porównywać jako elementów jednego lejka sprzedażowego.

Najważniejszy wniosek z zestawienia nie dotyczy samej popularności AI. Chodzi o rozbieżność między rosnącym znaczeniem narzędzi AI dla konsumentów a ograniczonymi możliwościami przedsiębiorstw w zakresie pomiaru efektów biznesowych.

Widoczność w AI, ruch z AI i sprzedaż to trzy różne rzeczy

Widoczność: marka pojawia się w odpowiedzi

Sklep może zostać wymieniony przez ChatGPT, Gemini lub innego asystenta podczas porównywania produktów. Jego oferta może pojawić się w rekomendacji, nawet jeśli konsument nie kliknie żadnego linku.

To widoczność, która może wpływać na świadomość marki lub tworzenie listy rozważanych produktów. Sama obecność w odpowiedzi nie potwierdza jednak zmiany zachowania zakupowego.

Ruch: użytkownik przechodzi do sklepu

Drugi poziom to wejście na stronę po kliknięciu linku w narzędziu AI. Jeżeli przekazane zostaną odpowiednie informacje o źródle wizyty, analityka może rozpoznać taki ruch.

Nie wszystkie interakcje z AI prowadzą jednak do kliknięcia. Konsument może zapamiętać markę, skopiować nazwę produktu albo przejść bezpośrednio do aplikacji sklepu.

Sprzedaż: klient finalizuje transakcję

Trzeci poziom to zakup. Można go zarejestrować w systemie sklepowym, ale przypisanie go do wcześniejszej rekomendacji AI wymaga połączenia zdarzeń na ścieżce klienta.

Jeżeli taka rekomendacja nie wygenerowała mierzalnej interakcji, nawet zaawansowany model atrybucji nie będzie dysponował kompletną informacją.

Wysoki udział marki w odpowiedziach AI nie jest równoważny wysokiemu udziałowi AI w przychodach. Podobnie liczba wejść z narzędzi AI nie pokazuje pełnej wartości tego kanału.

Dlaczego GA4 nie widzi całego wpływu sztucznej inteligencji?

Wyobraźmy sobie klienta poszukującego ekspresu do kawy. Najpierw pyta ChatGPT o modele do określonej kwoty. Następnie prosi Gemini o porównanie parametrów dwóch urządzeń. Po kilku godzinach wpisuje nazwę wybranego modelu w Google, odwiedza sklep i ostatecznie kupuje urządzenie na marketplace.

W tej przykładowej ścieżce AI mogło istotnie wpłynąć na wybór produktu, ale żadne z narzędzi AI nie musi pojawić się jako źródło konwersji.

Google Analytics 4 rejestruje interakcje dostępne w ramach wdrożonego pomiaru. Nie zna automatycznie wszystkich wcześniejszych rozmów użytkownika z zewnętrznymi asystentami AI.

Problem pogłębiają przejścia między urządzeniami, aplikacjami, przeglądarkami i platformami handlowymi. Gdy zakup kończy się na marketplace, właściciel niezależnego sklepu może nie mieć dostępu do danych pozwalających odtworzyć całą wcześniejszą ścieżkę.

Direct nie zawsze oznacza wejście bezpośrednie

W dokumentacji Google Analytics ruch direct/none obejmuje sytuacje, w których nie ma wyraźnej informacji o źródle odwiedzin. Może to wynikać między innymi z braku parametrów kampanii, utraty informacji o odesłaniu lub ograniczeń technicznych pomiaru.

Wzrost ruchu direct może więc współwystępować z większą aktywnością konsumentów w AI, ale sam w sobie nie dowodzi związku przyczynowego.

Czy atrybucja oparta na danych rozwiązuje problem?

GA4 oferuje modele atrybucji, w tym atrybucję opartą na danych. Pozwalają one rozdzielać udział w konwersjach między zarejestrowane interakcje. Nie oznacza to jednak możliwości przypisania wartości zdarzeniom, o których system nie otrzymał żadnej informacji.

Problemem nie jest wyłącznie wybór modelu atrybucji. Jest nim niekompletność obserwowanej ścieżki klienta.

GEO i Share of Voice: nowy obszar rywalizacji o uwagę klienta

GEO, czyli Generative Engine Optimization, obejmuje działania mające zwiększać szansę na prawidłowe przedstawianie i rekomendowanie marki, produktu lub treści przez systemy generatywnej AI.

W e-commerce może to oznaczać między innymi poprawę opisów produktów, spójność parametrów technicznych, aktualność informacji o dostępności, czytelne dane produktowe oraz obecność wiarygodnych informacji o ofercie w różnych źródłach.

Według PYMNTS 87% badanych sprzedawców podjęło przynajmniej jedno działanie związane z widocznością w AI, a 73% monitoruje obecność marek lub produktów w odpowiedziach generowanych przez sztuczną inteligencję.

Te dane potwierdzają rosnące zainteresowanie przedsiębiorstw nowym obszarem marketingu. Nie dowodzą jednak, że zastosowane działania przyniosły określony wzrost sprzedaży.

Jak interpretować AI Share of Voice?

AI Share of Voice można rozumieć jako udział marki w odpowiedziach AI na ustalony zestaw zapytań dotyczących danej kategorii produktowej.

Przykładowo sklep może sprawdzać, jak często jego marka pojawia się w odpowiedziach na pytania o najlepsze ekspresy automatyczne, urządzenia do małej kuchni lub produkty w konkretnym przedziale cenowym.

Ważne jest jednak zachowanie tej samej metodologii: zestawu zapytań, języka, rynku, modeli AI, sposobu liczenia wzmianek oraz częstotliwości pomiaru.

Odpowiedzi systemów generatywnych mogą zmieniać się w czasie i między użytkownikami. Wynik pojedynczego zapytania nie stanowi reprezentatywnego obrazu widoczności marki.

AI Share of Voice jest wskaźnikiem ekspozycji, a nie wskaźnikiem sprzedaży. Jego przydatność rośnie, gdy analizuje się go razem z ruchem, zainteresowaniem marką i wynikami transakcyjnymi.

Discovery oddziela się od zakupu. Amazon pokazuje skalę zmiany

Badanie Feedvisor wskazuje, że 55% ankietowanych Amerykanów korzystało z AI do wyszukiwania lub porównywania produktów w ciągu ostatnich sześciu miesięcy. Jednocześnie tylko 5% deklaruje natychmiastowy zakup po rekomendacji AI.

To ważny sygnał: wykorzystanie AI w researchu produktowym nie oznacza automatycznego przekazania systemowi decyzji o zakupie.

Potwierdza to również inny wynik: 62% badanych deklaruje, że nigdy nie pozwoliłoby agentowi AI samodzielnie zamówić produktu i za niego zapłacić.

AI może więc pełnić funkcję doradcy, selekcjonera ofert lub narzędzia do porównywania parametrów, podczas gdy finalna transakcja pozostaje pod kontrolą konsumenta.

Amazon traci część początkowych wyszukiwań, ale nadal przyciąga kupujących

W badaniu Feedvisor udział respondentów wskazujących Amazon jako miejsce rozpoczynania poszukiwań produktów spadł z 80% do 62% rok do roku. Jednocześnie 74% badanych nadal wskazuje Amazon jako miejsce dokonywania zakupów.

Nie można na tej podstawie stwierdzić, że cały spadek znaczenia Amazon na etapie wyszukiwania wynika z rozwoju AI. Konsumenci korzystają również z wyszukiwarek, mediów społecznościowych, stron marek i innych kanałów.

Wyniki sugerują jednak ważne rozdzielenie: platforma, która pomaga wybrać produkt, nie musi być platformą, która obsługuje transakcję.

Możliwy jest zatem scenariusz, w którym AI zwiększa swój udział w procesie odkrywania produktów, ale tradycyjne marketplace’y nadal przechwytują znaczną część finalnej sprzedaży.

Co to oznacza dla e-commerce?

Sklepy mogą tracić kontrolę nad pierwszym kontaktem z klientem

Jeśli konsument rozpoczyna poszukiwania od rozmowy z AI, sklep nie zawsze ma możliwość bezpośredniego zaprezentowania mu swojej oferty, argumentów sprzedażowych czy komunikacji marketingowej.

Coraz większego znaczenia może nabierać jakość danych, na podstawie których system AI opisuje i porównuje produkty.

Marketplace’y mogą zyskiwać mimo zmian w wyszukiwaniu

Rozdzielenie discovery od checkoutu tworzy szansę dla platform oferujących rozpoznawalność, wygodę płatności, logistykę i ochronę kupującego.

W polskich warunkach podobny mechanizm może dotyczyć Allegro. Konsument może poznać produkt dzięki ChatGPT lub Gemini, a następnie wyszukać go na Allegro i tam dokonać zakupu.

To hipoteza biznesowa, a nie potwierdzony wynik badań dla polskiego rynku. Nie dysponujemy na podstawie omawianych raportów danymi pozwalającymi określić skalę takich zachowań w Polsce.

Inwestycje w GEO mogą wyprzedzać zdolność pomiaru ROI

W badaniu PYMNTS 80% sprzedawców uznało widoczność w AI za wysoki lub krytyczny priorytet, podczas gdy 62% tak samo oceniło identyfikowanie wizyt i zakupów pochodzących z AI.

Ta różnica może oznaczać ryzyko nierównomiernego rozwoju kompetencji: firmy inwestują w obecność w odpowiedziach AI szybciej, niż rozwijają narzędzia oceny efektów.

Jeżeli budżety GEO będą rosnąć bez odpowiednich metod pomiaru, przedsiębiorstwa mogą mieć trudność z odróżnieniem rzeczywistego wpływu na popyt od wzrostu samej widoczności.

Nie oznacza to, że należy wstrzymać inwestycje. Oznacza raczej konieczność traktowania ich jako działań wymagających testowania i stopniowego potwierdzania wartości biznesowej.

Jak mierzyć wpływ AI na sprzedaż?

Nie istnieje jeden wskaźnik pozwalający wiarygodnie uchwycić cały wpływ AI na decyzje zakupowe. Rozsądniejszym rozwiązaniem jest połączenie danych ilościowych, deklaracji klientów i testów przyczynowych.

1. Oddzielnie raportuj ruch referral z systemów AI

W GA4 warto stworzyć segment obejmujący rozpoznane źródła odesłań z narzędzi AI, z uwzględnieniem aktualnych domen i sposobu klasyfikacji ruchu.

Należy analizować sesje, zaangażowanie, zdarzenia zakupowe, przychód i współczynnik konwersji. To pozwoli mierzyć rozpoznawalny ruch, ale nie całą sprzedaż wspomaganą przez AI.

2. Dodaj pytanie o źródło odkrycia produktu po zakupie

Krótka ankieta post-purchase może zawierać pytanie: „Gdzie po raz pierwszy dowiedziałeś się o tym produkcie lub marce?”. Wśród odpowiedzi można uwzględnić ChatGPT, Gemini, inne narzędzie AI, Google, marketplace, media społecznościowe i pole otwarte.

Warto odróżnić pierwsze odkrycie produktu od kanału, który bezpośrednio poprzedził zakup. Odpowiedzi będą deklaratywne i obciążone błędami pamięci, ale mogą ujawnić interakcje niewidoczne w GA4.

3. Monitoruj wyszukiwania marki i produktów

Wzrost liczby zapytań brandowych lub zapytań o konkretne modele może być sygnałem zwiększonego zainteresowania. Należy jednak uwzględnić równoległe kampanie, sezonowość, promocje i aktywność konkurencji.

Sam wzrost brand search nie jest dowodem skuteczności GEO.

4. Analizuj direct traffic jako sygnał pomocniczy

Ruch bez rozpoznanego źródła może zawierać użytkowników, którzy wcześniej zetknęli się z rekomendacją AI. Trzeba jednak unikać przypisywania całego wzrostu direct sztucznej inteligencji.

Przydatna może być analiza zmian ruchu direct na stronach konkretnych produktów, zestawiona z widocznością tych produktów w AI oraz innymi działaniami marketingowymi.

5. Testuj dedykowane strony i kody promocyjne

Dedykowane adresy, parametry kampanii lub kody rabatowe mogą pomagać w identyfikowaniu wybranych ścieżek zakupowych, jeśli użytkownik rzeczywiście je otrzyma i wykorzysta.

Nie dają jednak gwarancji, że asystent AI będzie przekazywał takie oznaczenia, a kod może zostać rozpowszechniony również poza badanym kanałem.

6. Stosuj testy holdout i eksperymenty inkrementalne

Najsilniejszą metodą oceny wpływu działań GEO mogą być kontrolowane eksperymenty. Można porównać podobne grupy produktów, z których jedna otrzymuje określone działania optymalizacyjne, a druga pozostaje grupą kontrolną.

Kluczowe jest wcześniejsze ustalenie metryk, okresu testu, porównywalności grup i sposobu uwzględnienia sezonowości.

Wzrost sprzedaży w grupie testowej względem kontrolnej może dostarczyć argumentów za inkrementalnym efektem działań, choć nadal trzeba sprawdzić, czy zmiana wynika z ekspozycji w AI, czy również z poprawy klasycznego SEO lub jakości kart produktowych.

7. Monitoruj rekomendacje i AI Share of Voice

Warto cyklicznie sprawdzać obecność marki w odpowiedziach na zestaw pytań zakupowych, pozycję wśród rekomendacji, wskazywane produkty oraz poprawność informacji.

Pomiar należy powtarzać dla różnych modeli i wariantów zapytań. Jego wyniki powinny być zestawiane z zainteresowaniem marką, ruchem i sprzedażą, a nie traktowane jako samodzielny dowód ROI.

8. Łącz dane ze sklepu i marketplace’ów

Sprzedawcy prowadzący sprzedaż wielokanałową powinni obserwować wyniki na poziomie produktu lub SKU, zarówno we własnym sklepie, jak i na marketplace’ach.

Może to pomóc wykrywać sytuacje, w których rośnie zainteresowanie produktem, ale sprzedaż pojawia się poza własnym kanałem. Bez dodatkowych testów nie należy jednak automatycznie przypisywać takiego wzrostu AI.

Jak zbudować praktyczny model pomiaru GEO?

Dla sklepu internetowego dobrym punktem wyjścia jest raportowanie trzech oddzielnych grup wskaźników.

Najważniejsze jest unikanie utożsamiania korelacji z przyczynowością. Wzrost widoczności i sprzedaży w tym samym okresie nie musi oznaczać, że pierwszy z tych czynników wywołał drugi.

Jeśli firma chce obliczać ROI z GEO, powinna uwzględniać pełny koszt działań oraz szacowany przyrost marży lub zysku, a nie tylko przychód przypisany do rozpoznanych wizyt z AI.

Polski e-commerce: AI może wpływać na wybór, a Allegro przejmować transakcję

W Polsce rozdzielenie odkrywania produktów od finalizacji zakupu może mieć szczególne znaczenie dla sklepów prowadzących równolegle sprzedaż na własnych stronach i marketplace’ach, takich jak Allegro.

Przykładowy scenariusz jest prosty. Konsument prosi asystenta AI o porównanie odkurzaczy pionowych, poznaje rekomendowany model, następnie otwiera aplikację Allegro i dokonuje zakupu u jednego ze sprzedawców.

W takiej sytuacji AI mogło uczestniczyć w wyborze produktu, ale właściciel marki niekoniecznie będzie potrafił powiązać transakcję z wcześniejszą rekomendacją.

W przypadku sprzedawców obecnych na wielu platformach problem dotyczy więc nie tylko atrybucji marketingowej, ale również dostępu do danych o kliencie.

Można postawić hipotezę, że rozwój wyszukiwania wspomaganego przez AI zwiększy znaczenie jakości informacji produktowych oraz spójności oferty między własnym sklepem a marketplace’ami. Nie można jednak na podstawie badań amerykańskich określić skali tego efektu w Polsce.

Polskie firmy powinny zatem prowadzić własne pomiary, zamiast bezpośrednio przenosić wskaźniki PYMNTS i Feedvisor na krajowy rynek.

Czy agenci AI rzeczywiście będą odpowiadać za 13% sprzedaży?

Badani przez PYMNTS menedżerowie przewidują, że w ciągu dwóch lat agenci AI będą średnio realizować 13% sprzedaży cyfrowej.

To prognoza respondentów, nie obserwowany udział w sprzedaży ani niezależna prognoza całego rynku.

Warto również rozróżnić zakupy wspomagane przez AI od transakcji autonomicznie realizowanych przez agenta. Konsument może korzystać z rekomendacji, ale sam wybierać sprzedawcę, zatwierdzać koszyk i dokonywać płatności.

Dane Feedvisor wskazujące na niechęć 62% respondentów do samodzielnego zamawiania i płacenia przez AI pokazują, że między zainteresowaniem asystentami a akceptacją autonomicznych zakupów istnieje istotna różnica.

Rozwój agentic commerce będzie zależał nie tylko od możliwości technologicznych, ale również od zaufania, bezpieczeństwa płatności, odpowiedzialności za błędy oraz ekonomiki współpracy między platformami AI a sprzedawcami.

Ograniczenia danych: czego nie wiemy o wpływie AI na sprzedaż?

PYMNTS: niewielka i specyficzna próba

Badanie PYMNTS przeprowadzono w sierpniu 2026 r. wśród 60 osób zajmujących stanowiska kierownicze w amerykańskich przedsiębiorstwach e-commerce o rocznych przychodach od 50 mln do 1 mld USD.

Wyniki opisują opinie i doświadczenia określonego segmentu większych sprzedawców. Nie są reprezentatywnym obrazem wszystkich sklepów internetowych, zwłaszcza małych przedsiębiorstw i rynku polskiego.

Badanie opiera się na deklaracjach menedżerów. Nie stanowi audytu rzeczywistych danych transakcyjnych ani niezależnego pomiaru efektywności inwestycji w GEO.

Feedvisor: deklaracje konsumentów, nie pełna obserwacja zachowań

Badanie Feedvisor, przeprowadzone we współpracy z Zogby Analytics w sierpniu 2026 r., objęło 1006 amerykańskich konsumentów.

Respondenci deklarowali swoje zachowania i preferencje. Odpowiedzi mogą różnić się od rzeczywistych ścieżek zakupowych, szczególnie gdy konsument korzysta z wielu kanałów.

Spadku odsetka osób rozpoczynających wyszukiwanie na Amazon nie można przypisać wyłącznie rozwojowi AI. Na wybór kanału mogą wpływać również inne zmiany technologiczne, ekonomiczne i konsumenckie.

Nie można obliczyć ROI GEO na podstawie tych dwóch raportów

Raporty nie dostarczają eksperymentalnego dowodu, że określona inwestycja w GEO spowodowała konkretny wzrost przychodów lub zysku.

Pokazują natomiast rosnącą aktywność konsumentów i sprzedawców w obszarze AI oraz istotne ograniczenia obecnego pomiaru.

To wystarczająca podstawa do traktowania GEO jako obszaru wymagającego uwagi i testowania, ale niewystarczająca do przedstawiania jego skuteczności sprzedażowej jako udowodnionego faktu.

Wnioski: AI może wpływać na sprzedaż, nawet gdy nie widać go w raporcie konwersji

Rozwój AI w e-commerce nie musi oznaczać natychmiastowego przeniesienia zakupów z tradycyjnych sklepów i marketplace’ów do asystentów AI.

Bardziej prawdopodobnym scenariuszem, zgodnym z obecnymi sygnałami badawczymi, jest stopniowe rozdzielanie procesu wyboru produktu od miejsca finalizacji transakcji.

Dla przedsiębiorstw oznacza to potrzebę rozszerzenia analityki poza standardowe raporty źródeł ruchu. Widoczność w odpowiedziach AI, rozpoznawalne wizyty, deklaracje klientów oraz wyniki sprzedażowe powinny być analizowane wspólnie, ale bez utożsamiania tych wskaźników.

Największym błędem byłoby zarówno ignorowanie nowego kanału odkrywania produktów, jak i uznawanie każdej wzmianki w AI za sukces sprzedażowy.

AI może przejmować coraz większą część procesu wyboru produktu, ale tradycyjna analityka internetowa nie potrafi jeszcze wiarygodnie pokazać pełnego wpływu tego kanału na sprzedaż. Dlatego przyszłość GEO zależy nie tylko od poprawy widoczności marek, lecz także od rozwoju metod pozwalających odróżnić obecność w odpowiedziach AI od rzeczywistej wartości biznesowej.

---

FAQ: AI, GEO i pomiar sprzedaży w e-commerce

---

Czy GEO zwiększa sprzedaż w sklepach internetowych?

GEO może zwiększać szansę pojawienia się marki lub produktu w odpowiedziach AI, ale sama widoczność nie dowodzi wzrostu sprzedaży. Do oceny efektu potrzebne są dane transakcyjne i najlepiej testy inkrementalne.

Jak sprawdzić ruch z ChatGPT i Gemini w GA4?

Można analizować źródła i domeny odsyłające, tworzyć segmenty rozpoznanego ruchu AI oraz badać jego konwersje. Pomiar nie obejmie jednak wszystkich sytuacji, w których konsument otrzymał rekomendację bez kliknięcia linku.

Co to jest AI Share of Voice?

To wskaźnik udziału marki w odpowiedziach systemów AI na określony zestaw zapytań. Pomaga monitorować widoczność względem konkurencji, ale nie stanowi bezpośredniej miary przychodów.

Dlaczego klient może kupić produkt dzięki AI, choć GA4 tego nie pokazuje?

Użytkownik może poznać produkt w asystencie AI, a następnie kupić go przez Google, wejście bezpośrednie lub marketplace. Jeżeli kontakt z AI nie został zarejestrowany, nie pojawi się w obserwowanej ścieżce konwersji.

Czy AI zagrozi marketplace’om takim jak Allegro?

AI może zmieniać sposób odkrywania produktów, ale nie musi przejmować finalizacji zakupów. Marketplace’y mogą nadal odgrywać istotną rolę dzięki logistyce, płatnościom i zaufaniu klientów. Skala tego zjawiska w Polsce wymaga odrębnych badań.

Jak obliczać ROI działań GEO?

Najlepiej porównywać koszt działań z oszacowanym przyrostem wyniku ekonomicznego, wykorzystując eksperymenty kontrolowane oraz dane z różnych kanałów. Sam ruch referral lub wzrost liczby wzmianek w AI nie wystarcza do wiarygodnego obliczenia ROI.

---

Źródła

• PYMNTS Intelligence, „The Agent Advantage: How Merchants Plan to Win AI Shopping”, październik 2026.
• Feedvisor i Zogby Analytics, „The 2026 E-commerce Consumer Behavior Report”, październik 2026.
• Google Analytics – oficjalna dokumentacja analityki i atrybucji.