Jeszcze niedawno walka o widoczność w e-commerce sprowadzała się do jednego: pozycji w Google’u. Dziś coraz częściej użytkownik nie wchodzi na żadną stronę, bo odpowiedź dostaje od razu w AI. Dane pokazują, że liczba kliknięć w tradycyjne wyniki spada w takich przypadkach niemal o połowę – z ok. 15% do ok. 8%1. W praktyce oznacza to, że decyzja zakupowa coraz częściej zapada, zanim ktoś w ogóle zobaczy Twoją stronę. Jeśli Twojego sklepu nie ma w tej odpowiedzi, nie bierzesz udziału w tym procesie. Przeczytaj, jak należy to rozumieć, żeby nie zostać w tyle.
Jak działa wyszukiwanie AI? I gdzie tracisz widoczność?
Z punktu widzenia użytkownika wszystko wygląda znajomo: wpisuje pytanie i dostaje odpowiedź. Problem polega na tym, że systemy rozwijane przez OpenAI czy Google’a nie działają jak klasyczny algorytm wyszukiwania, który pokazuje listę wyników i pozwala użytkownikowi samemu zdecydować, co wybrać. Zamiast tego budują jedną odpowiedź, która w wielu przypadkach całkowicie zamyka temat.
Model najpierw próbuje zrozumieć intencję zapytania – czy użytkownik chce coś kupić, porównać produkty, czy tylko zdobyć wiedzę. Dopiero później zaczyna szukać dopasowania, ale nie na poziomie stron, tylko encji, czyli bytów, które mają sens w danym kontekście. Jeśli Twoja marka nie funkcjonuje jako spójna i rozpoznawalna encja, nie trafia nawet do etapu, w którym mogłaby zostać rozważona jako źródło.
To właśnie tutaj większość sklepów traci widoczność. Model musi zawęzić wybór do kilku opcji, które uzna za bezpieczne. Cała reszta zostaje odrzucona, zanim użytkownik zobaczy jakikolwiek wynik.
Widok odpowiedzi i źródeł AI w wynikach wyszukiwania zamiast klasycznych linków. Źródło: Google.com
Skąd ChatGPT i AI Overviews biorą informacje?
Modele językowe nie działają jak wyszukiwarki indeksujące strony i przypisujące im pozycje. Zamiast tego łączą kilka warstw danych jednocześnie. Wykorzystują wiedzę treningową, systemy pobierania aktualnych informacji oraz grafy wiedzy, które pozwalają im rozumieć relacje między markami, produktami i tematami.
Co to oznacza dla Ciebie? To, że Twoja strona jest tylko jednym z wielu elementów, które AI bierze pod uwagę. Model widzi nie tylko to, co publikujesz u siebie, ale też to, jak Twoja marka funkcjonuje w całym internecie. Jeśli informacje są niespójne albo nie tworzą jednego, wyraźnego obrazu, AI nie ma podstaw, żeby uznać Cię za wiarygodne źródło.
Właśnie dlatego możesz mieć dobrze zoptymalizowaną stronę i jednocześnie nie pojawiać się w AI. Model nie widzi Cię jako konkretnej marki, tylko jako jedną z wielu stron bez wyraźnej tożsamości.
Dlaczego jedne sklepy trafiają do AI, a inne znikają?
Z punktu widzenia modelu każdy sklep przechodzi coś w rodzaju filtra wiarygodności. I to nie jest metafora, tylko realny proces selekcji. Dane rynkowe dobrze pokazują, jak bardzo zmieniła się skala konkurencji. AI Overviews pojawiają się już w ok. 20-25% zapytań2, a odpowiedzi generatywne bazują zazwyczaj na zaledwie kilku źródłach – najczęściej od trzech do pięciu3.
Jaki z tego wniosek? Zamiast walczyć o widoczność w pierwszej dziesiątce wyników, walczysz o kilka miejsc w odpowiedzi. Dla użytkownika to drobna różnica, dla rynku ogromna. Większość sklepów zostaje odcięta od widoczności, jeszcze zanim ktoś zacznie porównywać oferty.
W praktyce prowadzi to do sytuacji, w której dwa bardzo podobne sklepy mogą mieć zupełnie inne wyniki. Jeden pojawia się w AI i zbiera ruch, drugi istnieje tylko w tle, mimo że spełnia wszystkie „klasyczne” wymagania SEO.
Przeczytaj też: Sztuczna inteligencja w marketingu – jak wykorzystać AI w e-commerce
Jak AI ocenia źródła i co faktycznie ma znaczenie?
Najprościej spojrzeć na to jak na system oceny zaufania. AI nie ustawia bowiem stron w rankingu, tylko decyduje, czy dana marka jest wystarczająco wiarygodna, żeby ją zacytować w odpowiedzi. I robi to na podstawie kilku powtarzających się sygnałów.
Najważniejsze z nich to:
- spójność danych, czyli czy Twoja firma występuje w sieci w tej samej formie,
- kontekst tematyczny, czyli czy faktycznie działasz w danej kategorii,
- potwierdzenia zewnętrzne, czyli czy ktoś poza Tobą mówi o Twojej marce.
Brak któregokolwiek z tych elementów nie zawsze eliminuje sklep od razu, ale obniża jego wiarygodność. A przy selekcji kilku źródeł do odpowiedzi nawet niewielka różnica może zdecydować o tym, kto się pojawi, a kto nie.
Jak wygląda wybór sklepu w praktyce?
Żeby to zobrazować, weźmy na tapet przykładowe zapytanie:
„jaka wkrętarka do użytku domowego do 500 zł”
W takim przypadku model nie zaczyna od listy sklepów z narzędziami. Najpierw buduje kontekst: zastosowanie, budżet i typ produktu. Dopiero później szuka marek i sklepów, które pasują do tej sytuacji. Następnie sprawdza, które z nich mają treści odpowiadające na takie potrzeby, czy są rozpoznawalne jako sklepy z narzędziami i czy pojawiają się w innych źródłach. Na tej podstawie eliminuje większość kandydatów i zostawia kilka opcji, które spełniają wszystkie warunki.
Dla użytkownika wygląda to jak szybka rekomendacja. W rzeczywistości to efekt bardzo agresywnej selekcji, w której większość sklepów odpada, jeszcze zanim pojawi się jakakolwiek odpowiedź.
Rekomendacja sklepu w wynikach AI. Źródło: ChatGPT.com
Rola NAP – najczęstszy powód utraty widoczności
Jednym z najczęściej pomijanych elementów jest spójność danych identyfikacyjnych. Dlaczego to takie ważne? Jeśli Twoja firma występuje w różnych miejscach pod innymi nazwami, adresami lub numerami telefonu, AI nie jest w stanie przypisać jej jednej tożsamości. Dla modelu to nie jest drobna nieścisłość, tylko sygnał niepewności. A ponieważ systemy AI są zaprojektowane tak, żeby minimalizować ryzyko błędu, wolą nie używać takiego źródła w ogóle.
W praktyce oznacza to, że nawet dobrze wypozycjonowany sklep może zostać pominięty tylko dlatego, że jego dane są niespójne. To właśnie dlatego NAP przestaje być dodatkiem do SEO, a staje się fundamentem widoczności w AI.
Przeczytaj też: Dlaczego Twój sklep nie pojawia się w AI Search? Problem spójności danych (NAP i entity SEO)
Jak AI „czyta” content i gdzie sklepy tracą najwięcej?
Drugim obszarem, w którym sklepy tracą najwięcej, jest sposób tworzenia treści. Większość opisów produktów czy kategorii nadal opiera się na ogólnikach, które dobrze wyglądały kilka lat temu, ale dziś nie mają żadnej wartości dla modeli językowych.
AI nie szuka słów kluczowych, tylko znaczenia. Interesuje go to, czy treść odpowiada na konkretne pytania użytkownika i czy pozwala przypisać produkt do określonego kontekstu. Jeśli opis jest ogólny, model nie ma z czego zbudować takiego powiązania. W praktyce oznacza to, że content musi być bardziej precyzyjny i osadzony w realnym użyciu. To właśnie konkret i kontekst decydują o tym, czy treść zostanie wykorzystana w odpowiedzi.
To faktycznie zwiększa szansę wejścia do AI – 3 kluczowe obszary
Widoczność w AI nie jest efektem jednej optymalizacji, tylko spójnego obrazu marki w całym internecie. Kluczowe jest uporządkowanie danych i konsekwentne budowanie obecności w wielu miejscach jednocześnie.
W praktyce sprowadza się to do kilku działań, które powinny działać równolegle:
- ujednolicenie danych w całej sieci (strona, profile, katalogi),
- tworzenie treści odpowiadających na realne pytania użytkowników,
- budowanie obecności w innych źródłach (opinie, artykuły, wzmianki).
Dopiero połączenie tych elementów daje efekt, który AI potrafi wykorzystać.
Przeczytaj też: Funkcja Orders w ChatGPT a przyszłość e-commerce
Jak AI wybiera źródła – podsumowanie
- Widoczność w AI nie zależy już od pozycji w Google’u, tylko od tego, czy marka funkcjonuje jako spójna i wiarygodna encja, którą model może wykorzystać w odpowiedzi.
- Odpowiedzi generatywne bazują na bardzo małej liczbie źródeł, co sprawia, że tylko niewielka część sklepów trafia do realnego procesu decyzyjnego użytkownika.
- Kluczowe znaczenie mają spójność danych, kontekst treści i obecność w innych źródłach, które razem budują poziom zaufania niezbędny do pojawienia się w wynikach AI.
Źródła:
1 https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/
2 https://www.semrush.com/blog/ai-search-study/
3 https://ahrefs.com/blog/ai-overviews-study/