AI może porównać dla klienta oferty i zasady zakupu, zanim ten otworzy stronę sklepu. Dla firm i instytucji oznacza to nowe zadanie: sprawdzać nie tylko, czy ich informacje pojawiają się w odpowiedzi, lecz także czy zachowują aktualność, znaczenie i informację o pochodzeniu. Nasze badanie pokazuje konkretne miejsca, w których warto zacząć tę kontrolę.
Trzy obserwacje szczególnie zasługują na uwagę:
- Archiwalny regulamin może wrócić do klienta w odpowiedzi AI. W ponad 300 odpowiedziach znaleźliśmy link do regulaminu oznaczonego w adresie jako archiwalny lub obowiązujący do daty sprzed badania. Dla sklepu oznacza to potrzebę dbania nie tylko o aktualne zasady, ale też o czytelne odróżnienie ich od poprzednich wersji.
- Oznaczenie sponsorowania na stronie nie musi pojawić się w tekście odpowiedzi. W 1 848 odpowiedziach znaleźliśmy odsyłacze do artykułów, które podczas kontroli stron miały oznaczenie sponsorowania lub reklamy. Tylko jedna odpowiedź informowała o sponsorowaniu konkretnego źródła. To powód, by zbadać, czy konsument może rozpoznać komercyjny charakter przywoływanych treści.
- Polskojęzyczne pytanie nie ogranicza źródeł do Polski. Przy pytaniach o produkty z aptek internetowych ChatGPT częściej linkował strony NHS (brytyjskiej służby zdrowia) niż polskie serwisy publiczne w domenie gov.pl. Dla instytucji to powód, by sprawdzać, czy ich informacje docierają do odbiorcy także za pośrednictwem AI.
Poniższe wyniki pochodzą z ponad 110 tysięcy odpowiedzi czterech modeli na 1 440 pytań w 36 podkategoriach zakupów online, takich jak foteliki samochodowe czy pielęgnacja skóry, zebranych od 11 do 19 października 2026 r. Opisujemy zaobserwowane sytuacje i ich możliwe znaczenie dla sklepów, instytucji i kupujących. Nie jest to pomiar sprzedaży ani ocena prawna lub medyczna odpowiedzi. Przy wynikach udostępniamy wyjaśnienie zakresu i sposobu liczenia.
Co o wynikach mówią praktycy
Między algorytmem a człowiekiem
Polski e-commerce przechodził kilka dużych zmian, by w ostatnich latach zyskać status dojrzałego rynku. Mieliśmy czas pisania pod wyszukiwarkę, rok mobile czy ekspansji zagranicznej. Do codziennych obowiązków związanych z prowadzeniem sklepu dochodziły kolejne aspekty, o które e-biznes musiał zadbać, aby się utrzymać.…
Polski e-commerce przechodził kilka dużych zmian, by w ostatnich latach zyskać status dojrzałego rynku. Mieliśmy czas pisania pod wyszukiwarkę, rok mobile czy ekspansji zagranicznej. Do codziennych obowiązków związanych z prowadzeniem sklepu dochodziły kolejne aspekty, o które e-biznes musiał zadbać, aby się utrzymać. Zdecydowanie także zmiany prawne odbijały się na działalności i wciąż zmuszają sklepy do trzymania ręki na pulsie.
Wydawało się, że od niedawna mamy czas upadania typowego SEO. Jednak szybko okazało się, że nic bardziej mylnego - AI wskoczył na barki SEO i muszą harmonijnie biec razem dalej, a nie zastępować się.
Nowości nie trafiają już na rynek co kilka miesięcy, teraz zmiany następują z dnia na dzień. Trzeba być czujnym i działać bardzo szybko. Świadomie i odpowiedzialnie, ale naprawdę szybko. Kto podsypia albo wciąż wątpi w AI search, temu błyskawicznie odjeżdża konkurencja.
Są też dobre informacje. Budowanie swojej widoczności w AI musi opierać się między innymi na pilnowaniu tego, czego szukają i o czym chcą wiedzieć klienci. Innymi słowy: po drugiej stronie nadal jest drugi człowiek. Pytanie “Gdzie w tym tekście jest AI?” nie bardzo ma już sens, lepiej pytać: “Gdzie w tym tekście jest człowiek?”. Regularne odrabianie lekcji ze znajomości swoich klientów pozostaje w mocy i może być największą siłą marki.
E-commerce to trudna branża, w której regularnie przybywa nowych obowiązków i nie ma czasu na chwilę oddechu. Mamy pociąg ekspresowy, który pędzi do przodu i nigdy nie wiadomo, którego dnia nieco zmieni trasę. Potrzebujemy ludzi, którzy dobrze odnajdują się w zmianie, działają zwinnie i nie zapominają, dla kogo to wszystko robią. Potrzebujemy także prawdziwych partnerów biznesowych, m.in. operatorów płatności czy logistycznych, którzy pomagają e-commerce’om utrzymywać to trudne tempo.
Widoczność to dopiero początek odpowiedzialności e-commerce w dobie AI
Przez lata optymalizowaliśmy e-commerce pod kliknięcia, pozycje w wyszukiwarkach i konwersję. Dziś do ścieżki zakupowej dołączył nowy pośrednik w postaci AI, który nie tylko wyszukuje informacje, ale coraz częściej interpretuje je i przedstawia konsumentowi gotową odpowiedź. Dla marek to fundamentalna zmiana. To w jaki sposób zostaną odebrane, może decydować treść, której klient nigdy nie zobaczy na stronie sklepu.
Przez lata optymalizowaliśmy e-commerce pod kliknięcia, pozycje w wyszukiwarkach i konwersję. Dziś do ścieżki zakupowej dołączył nowy pośrednik w postaci AI, który nie tylko wyszukuje informacje, ale coraz częściej interpretuje je i przedstawia konsumentowi gotową odpowiedź. Dla marek to fundamentalna zmiana. To w jaki sposób zostaną odebrane, może decydować treść, której klient nigdy nie zobaczy na stronie sklepu.
Raport PromptEye pokazuje, że problem nie sprowadza się do tego, czy marka pojawia się w odpowiedziach modeli. W 61,4% odpowiedzi z linkami na pytania o warunki zakupu AI odsyłało do stron sklepów opisujących te zasady. Jednocześnie w 331 odpowiedziach pojawiły się linki do regulaminów oznaczonych jako archiwalne. Wskazuje to w mojej ocenie na doskonały przykład zilustrowania ryzyka jakim może być dostępność informacji, ale niekoniecznie jej aktualność lub właściwa interpretacja.
Jeszcze bardziej niepokoi mnie wątek przejrzystości. W 1 848 odpowiedziach odnotowano odsyłacze do artykułów oznaczonych podczas kontroli jako sponsorowane, a zaledwie jedna odpowiedź wskazywała sponsorowany charakter źródła. Badanie nie przesądza o naruszeniach prawa, ale stawia ważne pytanie. Kto bowiem odpowiada za kontekst komercyjny, kiedy odpowiedź formułuje model?
Z perspektywy transformacji marketingu widzę tu przesunięcie z attention economy do trust economy. Nie wystarczy inwestować w SEO, kampanie i treści. Potrzebujemy zarządzania jakością danych o ofercie, spójnych zasad komunikacji, audytu źródeł i regularnego testowania odpowiedzi AI w realnych scenariuszach klientów. A potem łączenia tych obserwacji z zachowaniami zakupowymi, bo sama widoczność nie jest jeszcze sprzedażą.
Firmy, które potraktują AI jak kolejny kanał reklamowy, mogą przegapić istotę zmiany jaką jest nie tylko uzyskanie nowej powierzchni ekspozycji marki, ale nowej warstwy doświadczenia klienta, w której zaufanie powstaje albo znika jeszcze przed pierwszym kliknięciem.
genAI jako nowy pośrednik w sektorze e-commerce
Porównując rewolucję internetową z rewolucją sztucznej inteligencji, warto zwrócić uwagę na zmiany w zachowaniach konsumenckich.
Porównując rewolucję internetową z rewolucją sztucznej inteligencji, warto zwrócić uwagę na zmiany w zachowaniach konsumenckich. Internet radykalnie zwiększył możliwości komunikowania się, wyszukiwania informacji i zawierania transakcji. Generatywna AI pozwala delegować część pracy związanej z gromadzeniem informacji, porównywaniem ofert i podejmowaniem decyzji. W handlu internetowym różnica ta jest szczególnie widoczna. Konsument opisuje swoje potrzeby i oczekuje, że asystent przekształci je w propozycję rozwiązania.
Ma to wiele konsekwencji. Przed nadejściem generatywnej AI sklepy internetowe konkurowały m.in. wyglądem, treściami, społecznością, rozpoznawalną marką i opiniami klientów. Gdy wstępną analizę oferty przejmuje generatywna AI, wiele z zasobów budowanych przez lata traci na znaczeniu. Jeżeli bowiem konsument na podstawie odpowiedzi modelu odrzuci ofertę producenta lub sklepu, w ogóle nie zetknie się z tymi zasobami.
Podobne zjawisko obserwowaliśmy już wcześniej na platformach internetowych. Algorytmiczne sterowanie ekspozycją wyświetlanych tam ofert sprawia, że sprzedawcy muszą inwestować w zasoby związane z obecnością na tych platformach. Może się to odbywać kosztem rozwoju zasobów związanych z własną stroną internetową, takich jak opisy, zdjęcia czy opinie klientów. Teraz pojawia się nowy pośrednik, jakim jest generatywna AI. Obecność w jej odpowiedziach będzie wymagać, podobnie jak w przypadku innych pośredników algorytmicznych, rozwijania zasobów, których nie zawsze da się wykorzystać w odmiennych kanałach marketingowych.
Pod koniec lat 90. powszechnie oczekiwano, że rewolucja internetowa doprowadzi do dezintermediacji, czyli usunięcia pośredników między producentem a klientem. Producent, podobnie jak pośrednik, był przecież oddalony od konsumenta o jedno kliknięcie. Sytuacja potoczyła się zupełnie inaczej. Platformy cyfrowe stały się hubami gospodarki, które wpływają na to, dokąd trafiają pieniądze konsumentów. Rewolucja AI dokłada kolejną warstwę, opartą na modelach generatywnej sztucznej inteligencji. Nowi pośrednicy nie odsyłają konsumentów do sprzedawców, lecz syntetyzują treści z różnych źródeł, czasem w sposób nieprawidłowy. Raport podaje przykłady takich problemów: cytowanie przestarzałych treści, brak informacji o sponsorowaniu oraz faworyzowanie źródeł zagranicznych. Wnioski te pokazują, że nowy pośrednik oparty na generatywnej AI nie tylko agreguje ruch, ale także staje się filtrem poznawczym, który czasami może działać nieprawidłowo.
Raport jest mocnym punktem wyjścia do pracy nad obecnością marki w LLM-ach, choć nie zastąpi stałego monitoringu.
Raport „E-commerce w rekomendacjach zakupowych AI w Polsce” to jedna z pierwszych prób zbudowania obrazu rynku e-commerce w języku polskim przez pryzmat dużych modeli językowych. Twórcy raportu przeprowadzili szerokie badanie na próbie ponad 110 tys. odpowiedzi czterech popularnych narzędzi AI: ChatGPT, Gemini, Perplexity oraz AI Overview.
Raport „E-commerce w rekomendacjach zakupowych AI w Polsce” to jedna z pierwszych prób zbudowania obrazu rynku e-commerce w języku polskim przez pryzmat dużych modeli językowych. Twórcy raportu przeprowadzili szerokie badanie na próbie ponad 110 tys. odpowiedzi czterech popularnych narzędzi AI: ChatGPT, Gemini, Perplexity oraz AI Overview.
Badano reakcje tych modeli na 1440 pytań w 21 seriach pomiarowych. Takie podejście pozwala zweryfikować, czy pojawiające się w badaniu marki są widoczne dla modeli językowych w sposób ciągły czy przypadkowy. Klarowna metodologia analizy z progami zmienności chroni przed nadinterpretacją drobnych różnic w rankingach. To jest istotne, ponieważ modele językowe za każdym razem odpowiadają trochę inaczej.
Autorzy badania podzielili pytania na cztery warstwy procesu zakupowego. Pokazali, że lider jednej z warstw, np. przy ogólnym „gdzie kupić”, nie musi przewodzić przy pytaniach o dostawę, zwroty czy raty – tak było w 13 z 36 grup produktów. To konkretna wskazówka: każdy z elementów procesu musi być solidnie opisany pod kątem widoczności w LLM-ach.
Raport zwraca uwagę, że LLM-y cytują komercyjne treści (np. artykuły sponsorowane), co niemal nigdy nie jest zaznaczane w odpowiedziach. To jest zjawisko analizowane również w raportach z analiz innych rynków (m.in. GetCited z września 2026 dla języka angielskiego).
Raport uczciwie stawia też granice. Mierzy obecność w odpowiedziach w określonym momencie, a nie ruch na stronie czy sprzedaż. Dla praktyka oznacza to, że jest mocnym punktem wyjścia, ale nie zastąpi stałego monitoringu marki, sklepu czy produktu. Modele językowe zmieniają sposób odpowiadania. W trakcie pomiaru zrobiły to ChatGPT i Gemini.
Raport jest interesującą pozycją dla osób odpowiedzialnych za e-commerce – jako jeden z elementów pozwalających na lepsze zrozumienie mechanizmów działających w dużych modelach językowych w odniesieniu do handlu w internecie.
Zakupy z AI zaczynają się od danych, którym można ufać
Przez ostatnie dwadzieścia lat sprzedawcy internetowi walczyli o pozycję i kliknięcia w wyszukiwarkach czy systemach reklamowych. Dziś coraz więcej zakupów zaczyna się od rozmowy z modelem językowym, który zamiast listy linków wskazuje konkretny produkt i sklep. W sklepach na Shoperze ruch z asystentów AI wzrósł rok do roku 2,4-krotnie, a sprzedaż z tego kanału 4,3-krotnie.…
Przez ostatnie dwadzieścia lat sprzedawcy internetowi walczyli o pozycję i kliknięcia w wyszukiwarkach czy systemach reklamowych. Dziś coraz więcej zakupów zaczyna się od rozmowy z modelem językowym, który zamiast listy linków wskazuje konkretny produkt i sklep. W sklepach na Shoperze ruch z asystentów AI wzrósł rok do roku 2,4-krotnie, a sprzedaż z tego kanału 4,3-krotnie. To wciąż niewielki ułamek e-commerce, ale kolejny poziom doświadczenia zakupowego, w którym agenci sami porównują oferty i finalizują zakup, jest już widoczny.
Środek ciężkości przesuwa się więc z pytania „jak przyciągnąć ruch” na pytanie „czy modele mają prawdziwe i aktualne informacje o mojej ofercie”. Raport pokazuje, że z tym bywa różnie: AI odsyła do archiwalnych regulaminów, przytacza sponsorowane porównania bez ostrzeżenia, wskazuje adresy łudząco podobne do znanych sklepów. Widzimy to na wszystkich rynkach, na których działamy, od Polski po Francję, Hiszpanię i Włochy.
Sklepy mogą dobrze przygotować się na przyjęcie ruchu z AI, ale wymaga to skrupulatności. Opisy i metadane muszą być kompletne i spójne. To nie magiczny trik na widoczność, ale dzięki nim maszyny poprawnie odczytują cenę, dostępność czy warunki dostawy. Feed produktowy musi być zawsze aktualny, bo asystenci coraz częściej korzystają z plików od sprzedawców, a nieaktualna cena czy stan magazynu to dziś błąd widoczny w rozmowie chata z klientem. Nagroda jest realna: mały sklep z rzetelnymi danymi potrafi wygrać rekomendację z największymi marketplace’ami.
Każde z wyzwań opisanych w raporcie dotyczy innej warstwy sklepu: domen, platformy, integracji, płatności. Gdy obsługuje się ponad 700 tys. firm w całym ekosystemie, widać wyraźnie, że podstawy widoczności sklepu w AI nie mogą spoczywać wyłącznie na barkach sprzedawcy. Dlatego budujemy nasze rozwiązania zgodnie z zasadą AI-first.
AI nie zastąpi relacji sklepu z klientem, ale coraz częściej zdecyduje, czy ta relacja w ogóle się zacznie.
Tradycyjne stosowanie prawa spowalnia biznes i e-commerce
AI zaczyna zmieniać e-commerce w miejscu, którego jeszcze niedawno wiele firm w ogóle nie traktowało jako technologicznego problemu: w reklamacjach, obsłudze klienta i compliance.
AI zaczyna zmieniać e-commerce w miejscu, którego jeszcze niedawno wiele firm w ogóle nie traktowało jako technologicznego problemu: w reklamacjach, obsłudze klienta i compliance.
Konsument nie musi już znać prawa, godzinami szukać przepisów ani płacić prawnikowi. Może wejść do darmowego chatbota i w kilka minut wygenerować reklamację, wezwanie, odstąpienie od umowy, skargę czy nawet pozew. Taki dokument zwykle wygląda profesjonalnie, jest logiczny i przekonujący. Problem w tym, że równie dobrze może zawierać błędną podstawę prawną, nadinterpretację albo halucynację.
Dla sklepów oznacza to lawinowy wzrost liczby pism, które trzeba przeczytać, ocenić i obsłużyć. Nie da się skalować tego procesu wyłącznie ludźmi. Im bardziej regulowany biznes, tym większe ryzyko, bo organ nadzoru oczekuje prawidłowej, konkretnej odpowiedzi na roszczenia konsumenta, a błędy mogą kosztować bardzo dużo, jako naruszenie zbiorowych interesów konsumentów.
Dlatego firmy będą musiały odpowiadać AI na AI: wykorzystywać ją do wstępnej kwalifikacji spraw, wyszukiwania podobnych przypadków, analizy historii wcześniejszych decyzji, przygotowania odpowiedzi i kontroli spójności stanowiska. Człowiek powinien pozostać tam, gdzie potrzebna jest ocena, decyzja lub odpowiedzialność. Ale bez automatyzacji pierwszej warstwy obsługi skala zacznie po prostu przerastać organizacje i rodzić nieznane dotychczas ryzyka.
Drugi obszar to marketing i zgodność treści. E-commerce działa w czasie rzeczywistym, a prawo nie. Kampania, opis produktu, komunikat promocyjny czy treść publikowana w marketplace’ie powstają dziś, natomiast tradycyjna konsultacja prawna może przyjść za kilka godzin albo następnego dnia. Wtedy często jest już za późno, bo moment marketingowy minął.
Jednocześnie rośnie liczba obowiązków dotyczących oznaczeń, etykietowania, prezentowania cen, komunikatów reklamowych, informacji o produkcie i treści kierowanych do konsumenta. Im więcej kanałów sprzedaży i marketplace’ów, tym trudniej kontrolować zgodność ręcznie.
Dlatego przewagę będą miały firmy, które wbudują AI bezpośrednio w procesy sprzedażowe, marketingowe i obsługowe. Nie jako kolejny chatbot dla zespołu, lecz jako warstwę kontroli, która od razu sprawdza treść, wskazuje ryzyka, porównuje ją z regułami organizacji i podpowiada bezpieczniejszą wersję. Pod kontrolą prawnika, który przygotuje wzory, playbooki i będzie nadzorował narzędzia.
W praktyce pytanie przestaje brzmieć „czy korzystać z AI?”. Pytanie brzmi: jak szybko zintegrować ją z procesami, zanim skala nowych obowiązków, treści i oczekiwań klientów zacznie blokować wzrost biznesu.
AI kształtuje oczekiwania, ale to marka odpowiada za ich spełnienie
Z perspektywy customer experience, moim zdaniem najważniejszy wniosek z tego badania brzmi następująco: AI zaczyna kształtować oczekiwania klientów wobec marki, zanim trafią do jej własnych kanałów.
Z perspektywy customer experience, moim zdaniem najważniejszy wniosek z tego badania brzmi następująco: AI zaczyna kształtować oczekiwania klientów wobec marki, zanim trafią do jej własnych kanałów.
Kiedyś klient sprawdzał warunki dostawy czy zwrotu na stronie sklepu, w regulaminie albo pytał konsultanta. Dziś coraz częściej zadaje pytanie asystentowi AI, np. „który sklep ma darmowe zwroty do 30 dni?”, i zanim wejdzie na stronę marki, ma już w głowie gotową odpowiedź, trafną lub nie. W ten sposób część doświadczenia zakupowego przenosi się w obszar, którego firma nie może bezpośrednio projektować ani mierzyć. Widać to w różnicach między typami pytań oraz w tym, jak modele korzystają z opisów oferty, stron pomocy, regulaminów i zewnętrznych źródeł. Sklep dobrze widoczny przy pytaniu „gdzie kupić” może być znacznie słabiej obecny przy pytaniach o dostawę czy zwrot. Z kolei to, że model cytuje treści marki, jeszcze nie oznacza, że ją poleca. Obraz marki, który otrzymuje klient, zależy więc od tego, o co pyta i do jakich informacji dotrze model.
W rozmowach z klientami Univio często pada pytanie, skąd modele AI biorą informacje o ich ofercie i czy są one zgodne z tym, co marka faktycznie oferuje. To pytanie prowadzi do sedna: czy firma potrafi zarządzać całą pętlą doświadczenia, od tego, co sama deklaruje, przez sposób, w jaki model interpretuje tę deklarację, po weryfikację na stronie i realne doświadczenie po zakupie? Rozbieżność na którymkolwiek z tych etapów może sprawić, że klient wejdzie do sklepu z oczekiwaniem, którego marka świadomie nie zbudowała. Jeśli jednak to oczekiwanie nie zostanie spełnione, i tak wpłynie to na ocenę marki.
W kolejnych latach ta spójność może stać się jednym z nowych źródeł przewagi. GEO pozostanie ważnym elementem widoczności, ale fundamentem nadal będą dobra oferta, wiarygodne dane i procesy, dzięki którym sklep dotrzymuje obietnic. Marketing, e-commerce oraz zespoły odpowiedzialne za dane i operacje muszą więc wspólnie odpowiadać za to, co marka komunikuje i co klient rzeczywiście otrzymuje, również wtedy, gdy pierwszy kontakt odbywa się przez AI.
W odpowiedzi AI znikają sygnały, które uczą konsumenta ostrożności
Najważniejsza zmiana opisana w raporcie dotyczy moim zdaniem nie technologii, lecz czujności kupującego. Gdy klient sam szuka i porównuje oferty, ma szansę dostrzec, że dany materiał jest sponsorowany, i sprawdzić, na jakiej stronie się znajduje. Takie sygnały budzą pewien sceptycyzm wobec przekazu handlowego.
Najważniejsza zmiana opisana w raporcie dotyczy moim zdaniem nie technologii, lecz czujności kupującego. Gdy klient sam szuka i porównuje oferty, ma szansę dostrzec, że dany materiał jest sponsorowany, i sprawdzić, na jakiej stronie się znajduje. Takie sygnały budzą pewien sceptycyzm wobec przekazu handlowego.
Kiedy porównanie zleca modelowi AI, dostaje gotową odpowiedź, w której tych sygnałów może już nie być. Dane pokazują to wyraźnie. Na 1 848 odpowiedzi odsyłających do artykułów oznaczonych jako sponsorowane tylko jedna informowała o tym odbiorcę. W 303 odpowiedziach ChatGPT pojawiły się adresy podobne do domen znanych sklepów, a w 331 odpowiedziach link do regulaminu oznaczonego w adresie jako archiwalny lub nieobowiązujący już w czasie badania. Kupujący ma w tych sytuacjach powody, by ufać: zna nazwę sklepu, widzi źródło, czyta rzeczowy ton. Nie dostaje jednak informacji, która pozwoliłaby mu to zaufanie sprawdzić.
Dla sklepów wynika z tego praktyczny wniosek. Oczekiwania klienta powstają w tym momencie, zanim wejdzie on na stronę sprzedawcy. Jeśli model przypisze sklepowi zasady zwrotu, których ten już nie stosuje, rozczarowanie obciąży sklep, a nie model.
Odpowiedź AI warto więc traktować jak pierwszy kontakt klienta z marką i regularnie sprawdzać, co obiecuje w naszym imieniu: jakie warunki, na podstawie którego dokumentu i pod jakim adresem. Autorzy uczciwie zastrzegają, że nie mierzyli wpływu tych sytuacji na faktyczne zakupy. To dobre zadanie dla badaczy: sprawdzić w eksperymencie, czy brak informacji o sponsorowaniu w odpowiedzi AI zmienia ocenę wiarygodności porównania i wybór sklepu.
Moja hipoteza jest prosta: konsument ufa gotowej odpowiedzi bardziej, niż ufałby jej źródłom, gdyby obejrzał je sam.
Zasady zakupu docierają do klienta także poza stroną sklepu
Aktualny regulamin musi dać się odróżnić od archiwalnego
Przy standardowej liście wyników Google klient sam otwiera strony sklepów, wyszukuje zasady i je porównuje. Asystentowi AI może zlecić tę pracę: poprosić na przykład o sklep, który przyjmie zwrot użytego produktu albo pomoże po dostarczeniu uszkodzonego towaru. Wtedy istotna staje się nie tylko dostępność informacji, ale też wersja dokumentu, do której model odsyła.
Instytucja może być cytowana, nawet gdy klient pyta o sklep
O wyborze źródeł nie decyduje sam język pytania
Allegro pojawia się znacznie częściej niż pięć porównanych platform
W całym zestawie pytań Allegro występowało w 7,0–17,6 % odpowiedzi, zależnie od modelu. Amazon w 1,0–3,4 %, a eBay w 0,2–0,5 %. Temu, AliExpress i Shein miały znacznie niższe wyniki.
Polskie instytucje są obecne obok zagranicznych
Oznaczenie sponsorowania na stronie rzadko miało odpowiednik w tekście AI
Znana nazwa sklepu nie wystarcza do rozpoznania adresu
Wynik widoczności wymaga punktu odniesienia w czasie
Zmieniać może się odpowiedź, nawet gdy pytanie pozostaje to samo
W trakcie pomiaru odnotowaliśmy zmianę sposobu odpowiadania dwóch modeli. Od 15 października ChatGPT wymieniał średnio więcej firm i marek: 6,2 zamiast 4,9 w odpowiedzi. Od 16 października Gemini rzadziej dodawał linki: w 58,8 % odpowiedzi zamiast 64,7 %. Pytania i sposób ich zadawania po naszej stronie pozostały takie same.
Kto kształtuje informacje, na podstawie których klient wybiera sklep?
Opisane wyniki łączy jedno wyzwanie: wybór sklepów, źródeł wiedzy i zasad zakupu jest przedstawiany konsumentowi przez kolejnego pośrednika: firmę, która dostarcza model AI. To on projektuje usługę, która wybiera i prezentuje informacje w odpowiedzi. Może to wpływać na to, jakie oferty klient weźmie pod uwagę, którym porównaniom zaufa i czego będzie oczekiwał od sklepu.