Ruch z asystentów AI do amerykańskich sklepów urósł o 693% rok do roku w sezonie świątecznym 2025, ale nadal stanowi około 1,5% amerykańskiego e-commerce. Nie przebudowuj całego planu na Black Friday pod kątem agentów AI — przeznacz na to około 10% uwagi planistycznej. Te 10% powinno iść w dwa miejsca: jakość danych produktowych na top SKU i poprawną atrybucję ruchu z AI w GA4. Reszta — kalendarz promocyjny, zapasy, email, SMS, cutoff wysyłkowy, staffing obsługi klienta — zostaje bez zmian. Agent AI nie zastąpi Twojego checkout, ale może skierować kupującego do Twojego sklepu z wyższą intencją zakupową niż jakikolwiek inny kanał.
Ile ruchu AI generują asystenci zakupowi w peak season?
Zacznijmy od skali. Adobe Analytics za sezon świąteczny 2025 odnotował wzrost ruchu z AI do sklepów o 670% w Cyber Monday i 760% w całym okresie 1 listopada — 1 grudnia. Black Friday 2025 wygenerował rekordowe 11,8 mld dolarów sprzedaży online w USA (wzrost 9,1% YoY), a Cyber Monday osiągnął 14,25 mld. Ile z tego pochodzi z AI? Adobe mówi ostrożnie: baza użytkowników „remains modest”.
Dane Front Row Group z BFCM 2025 są bardziej konkretne: sesje z AI wzrosły o 806% YoY, przychód z AI urósł o 153% w okresie Friday-to-Monday, a średnia wartość zamówienia z AI wzrosła o 80%. Salesforce szacuje, że agenci AI i narzędzia AI miały udział w około 67 mld dolarów globalnej sprzedaży w Cyber Week 2025 — prawie 20% zamówień online. Rozmowy z agentami wzrosły o 55% tydzień do tygodnia, a liczba akcji agentowych (zmiany adresu, inicjowanie zwrotów) o 70%.
Kontekst polski: ruch z AI do polskich sklepów jest o rząd wielkości mniejszy niż w USA, ale dynamika wzrostu jest zbliżona. Jeśli jeszcze nie mierzysz kanału AI w GA4, nie wiesz, ile tracisz — o czym piszemy w artykule o atrybucji w agentic commerce.
Dlaczego ruch z AI konwertuje lepiej niż inne kanały?
Trend odwrócił się w ciągu jednego roku. W marcu 2025 ruch z AI konwertował 38% gorzej niż ruch nie-AI, a przychód per wizytę z nie-AI był 128% wyższy. Dwanaście miesięcy później dane wyglądają zupełnie inaczej.
| Metryka | Marzec 2025 | Marzec 2026 | Maj 2026 |
|---|---|---|---|
| Konwersja AI vs nie-AI | -38% (gorzej) | +42% (lepiej) | +54% (lepiej) |
| Revenue per visit AI vs nie-AI | -56% (gorzej) | +37% (lepiej) | +53% (lepiej) |
| Czas na stronie AI vs nie-AI | b.d. | +48% (dłużej) | +53% (dłużej) |
| Bounce rate AI vs nie-AI | b.d. | -32% (niższy) | b.d. |
Porównanie z konkretnymi kanałami pokazuje skalę przewagi. Według danych Adobe za maj 2026, ruch z AI konwertuje o 54% lepiej niż średnia, podczas gdy paid search jest na poziomie średniej (+/- 5%), email konwertuje o 15-20% lepiej niż średnia (ale ma znacznie większy wolumen), a social media konwertuje o 30-40% gorzej. Revenue per visit z AI jest 53% wyższy niż średnia — dwukrotnie więcej niż email i pięciokrotnie więcej niż social. Jedyny kanał, który zbliża się do AI pod względem intencji zakupowej, to remarketing — ale remarketing dociera do osób, które już odwiedziły sklep, podczas gdy AI generuje nowych klientów.
Dlaczego tak duża zmiana? Agent AI robi research za kupującego — porównuje produkty, sprawdza dostępność, filtruje po atrybutach. Kliknięcie z rekomendacji AI to nie kliknięcie eksploracyjne, lecz potwierdzające: użytkownik nie przeszukuje wyników, agent zrobił to za niego. Shopify podaje, że 75% zakupów przypisanych AI pochodzi spoza top 100 kategorii produktowych — co sugeruje, że agenci najlepiej sprawdzają się przy produktach niszowych i trudnych do opisania. Bain szacuje, że 30-45% amerykańskich konsumentów już używa generative AI do researchu produktów przed zakupem.
Dla peak season to kluczowa informacja: ruch z AI jest mały wolumenowo, ale konwertuje znacznie lepiej. Każda przeszkoda w checkout — wymuszenie rejestracji, ukryte koszty, wolny czas ładowania — ma nieproporcjonalnie duży wpływ na utratę tych konwersji. O tym, jak AI widzi Twoje produkty i co decyduje o rekomendacji, piszemy w artykule o data freshness w AI Mode.
Ile ruchu z AI realnie generuje polski sklep?
Zanim zdecydujesz, ile uwagi poświęcić agentom AI w peak season, sprawdź skalę. Przeanalizowaliśmy dane z GA4 serwisów z naszego portfolio za okres maj-październik 2026 (184 dni). Wyniki dla sześciu serwisów, w których ruch z AI jest mierzalny:
| Serwis | Typ | Sesje ogółem | Sesje z AI | Udział AI | AI sesji / dzień |
|---|---|---|---|---|---|
| Sklep A | fashion e-com | 1 786 542 | 5 422 | 0.30% | 29 |
| Sklep B | armatura łazienkowa | 1 055 243 | 7 477 | 0.71% | 41 |
| Sklep C | industrial B2B+B2C | 137 504 | 1 873 | 1.36% | 10 |
| Sklep D | meble (Shopify) | ~328 000 | ~1 494 | ~0.46% | ~8 |
| Firma A | logistyka B2B | 2 288 | 48 | 2.10% | <1 |
| Semgence | agencja SEO | 14 487 | 124 | 0.86% | <1 |
Mediana udziału AI to 0.78% wszystkich sesji. W sklepach internetowych to 0.30-1.36%, co przekłada się na 8-40 sesji z AI dziennie. W firmach usługowych i B2B — poniżej 1 sesji dziennie. ChatGPT dominuje z 80-97% udziału w ruchu AI w każdym serwisie.
Przełóżmy to na konkrety. Gdy w naszym badaniu ruchu z AI piszemy, że 73% sesji AI trafia na karty produktów, to w Sklepie B (armatura) oznacza to 30 wizyt na kartach produktów z AI dziennie — nie tysiące, nie setki, dziesiątki. Ale te 30 wizyt konwertuje 42-54% lepiej niż ruch z pozostałych kanałów. Przy średniej wartości zamówienia 300-500 zł to realnie 1-2 dodatkowe transakcje dziennie, których koszt pozyskania jest zerowy.
Dwa zastrzeżenia. Po pierwsze, AI Overviews w Google (wyniki AI w standardowej wyszukiwarce) nie są uwzględnione — te sesje mają source=google i nie da się ich odróżnić od ruchu organicznego. Realny wpływ AI na ruch może być 10-20% wyższy. Po drugie, 12.6% sesji z AI ma stronę wejścia „(not set)” w GA4, co oznacza, że część ruchu AI gubi się w atrybucji. Realne liczby są wyższe niż raportowane.
Zasada 10% — ile uwagi planistycznej poświęcić agentom AI?
Framework Ecommerce Fastlane proponuje prostą regułę: przeznacz na agentic commerce tyle uwagi, ile odpowiada jego udziałowi w przychodach, plus niewielka premia. Przy udziale AI w zamówieniach na poziomie około 2% to daje mniej więcej 10% uwagi planistycznej. Reszta idzie tam, gdzie zawsze: paid search, email, SMS, reklamy społecznościowe i SEO.
Zwiększ ten udział, jeśli sprzedajesz wąską kategorię produktową (agenci lepiej radzą sobie z niszami), Twoje konwersje z sesji AI są powyżej średniej sklepu, lub masz już czysty feed produktowy i /.well-known/ucp. Ogranicz go, jeśli nie mierzysz jeszcze ruchu z AI w GA4 — bez danych decyzje są strzelaniem w ciemno.
| Udział AI w przychodach | Sugerowana uwaga planistyczna | Rekomendacja |
|---|---|---|
| Poniżej 1% | 5% | Popraw atrybucję, sprawdź czy nie logujesz AI jako direct |
| 1-3% | 10% | Product data + atrybucja + ewentualny test ChatGPT Ads |
| 3-5% | 15% | Dedykowane optymalizacje feedów, serwer MCP, landing pages |
| Powyżej 5% | 20%+ | Pełna strategia agentic commerce, rewizja planu na Q1 |
Co zmienić przed Black Friday?
Zmiany koncentrują się na trzech obszarach: dane produktowe, atrybucja i opcjonalnie mały test płatny. Nic więcej — nowe integracje protokołów (UCP, ACP) to decyzja na 2027, nie na tydzień przed peak.
1. Dane produktowe na top SKU
Agent AI czyta dane strukturalne, nie HTML. Jeśli Twoje produkty mają niekompletne atrybuty, marketing-speak zamiast dosłownych opisów, lub nieaktualne stany magazynowe, agent nie poleci ich kupującemu — szczególnie w peak season, gdy ceny i dostępność zmieniają się co godzinę. Adobe szacuje, że 34% stron produktowych nie jest poprawnie dostępnych dla systemów AI, a 25% treści na stronach głównych i kategorii nie jest zoptymalizowanych pod LLM-y.
Sprawdź cztery rzeczy na swoich top 20 SKU (to około 90 minut pracy):
| Atrybut | Co sprawdzić | Dlaczego istotne w peak season |
|---|---|---|
| Grupowanie wariantów | Czy warianty (kolor, rozmiar) są poprawnie zmapowane w feedzie i schema (isVariantOf)? | Agent musi wiedzieć, że XL jest niedostępny, ale L tak — w sezonie warianty wyczerpują się w ciągu godzin |
| Taksonomia produktowa | Czy product_type jest specyficzny (nie „Odzież” lecz „Kurtki zimowe męskie”)? | Agenci filtrują po szczegółowych kategoriach — ogólna taksonomia = niewidoczność |
| Opisy dosłowne | Czy opis zawiera materiał, wymiary, kompatybilność, a nie tylko język marketingowy? | Agent odpowiada na pytania typu „czy ta kurtka ma kaptur?” — nie znajdzie odpowiedzi w „Zimowa kolekcja premium” |
| Real-time pricing i inventory | Czy feed aktualizuje się co najmniej co godzinę? Czy API zwraca aktualną cenę promocyjną? | Stara cena w feedzie = agent poleca produkt za 299 zł, klient widzi 399 zł na stronie = utracona konwersja |
O roli conversational attributes (certyfikaty, materiał, kompatybilność) w feedzie piszemy osobno w artykule o Conversational Attributes w Merchant Center. O tym, dlaczego feed musi działać poza Google Merchant — w artykule o product feed i AI visibility.
2. Atrybucja ruchu z AI w GA4
To najwyżej dźwigniowe zadanie agentic commerce przed peak season. Jeśli sesje z ChatGPT, Gemini i Perplexity lądują w GA4 jako „direct” lub „(not set)”, nie zobaczysz kanału, który konwertuje 42-54% lepiej niż reszta ruchu. Konfiguracja jest prosta: dodaj do GA4 niestandardową grupę kanałów z regułą source/medium zawierającą ChatGPT, Perplexity, Gemini, Copilot, Claude. Stwórz też segment porównawczy, żeby widzieć AI vs nie-AI w raportach konwersji.
Więcej szczegółów o tym, jak rozdzielić ruch agentowy od ruchu bezpośredniego, opisujemy w artykule o atrybucji w agentic commerce. Jeśli nie masz tego skonfigurowanego przed Black Friday, jedyne co możesz zrobić post factum to filtrowanie logów serwera — co jest znacznie mniej wygodne.
3. Mały test ChatGPT Ads (opcjonalnie)
Jeśli Twój sklep generuje powyżej 500 tys. zł przychodu rocznie i masz czyste dane produktowe, rozważ mały, ograniczony test ChatGPT Ads w peak season. Kluczowe zasady: ustal budżet, który możesz spisać na straty (to jest test informacyjny, nie kanał przychodu na Q4); ustaw z góry regułę stop-loss (np. ROAS poniżej 1.0 przez 7 dni = stop); traktuj wyniki jako dane do decyzji na 2027. O tym, jak działa kampania ChatGPT Ads dla sklepu i jak podłączyć feed, piszemy w artykule o ChatGPT Ads dla sklepu internetowego.
Czego nie zmieniać przed peak season?
99% kupujących planuje zakupy w BFCM, 42% deklaruje, że wyda więcej niż rok wcześniej, a około 80% zaczyna przed tygodniem Thanksgiving. Te decyzje zakupowe nie zmienią się, bo dodasz endpoint /.well-known/ucp. Lista rzeczy do zostawienia w spokoju:
- Kalendarz promocyjny — daty i warunki promocji zostają jak zaplanowane. Agent AI nie zmieni tego, kiedy klienci kupują.
- Zamówienia i zapasy — inventory buy powinien być zamknięty. Domawianie pod kanał AI przy 1,5% udziale nie ma sensu.
- Email i SMS flows — automatyzacje porzuconego koszyka, countdown, cross-sell — to dalej Twoje najsilniejsze kanały konwersji w peak.
- Cutoff wysyłkowy i polityka zwrotów — te daty muszą być sztywne i zakomunikowane. Jedyne co zmień: upewnij się, że są czytelne maszynowo (MerchantReturnPolicy, ShippingDeliveryTime w schema).
- Staffing obsługi klienta — nie redukuj zespołu zakładając, że AI przejmie zapytania. Salesforce odnotował 55% wzrost rozmów z agentami AI w Cyber Week 2025, ale to asystowało, nie zastępowało ludzką obsługę.
- Performance strony pod obciążeniem — optymalizacja Core Web Vitals i load testing to zadanie z Q3, nie z listopada.
Jakie protokoły wdrożyć przed Black Friday, a jakie mogą czekać?
Większość decyzji protokołowych to decyzje na 2027, nie na Q4. Nie wdrażaj nowych integracji w ostatnich tygodniach przed peak — ryzyko jest nieproporcjonalnie duże do potencjalnego zysku.
| Protokół / integracja | Priorytet przed BFCM | Timing | Nakład pracy |
|---|---|---|---|
| Shopify Catalog / Agentic Storefronts | Tak — jeśli na Shopify | Teraz (włączone domyślnie) | 0 — działa automatycznie |
| Feed produktowy w Google Merchant Center | Tak — dla każdej platformy | Teraz | 2-4h na oczyszczenie |
| ChatGPT Ads | Opcjonalny mały test | Teraz (jeśli dane czyste) | 2-3h na setup |
| Atrybucja AI w GA4 | Tak — wysoki priorytet | Teraz (przed BFCM) | 30 min |
| UCP (/.well-known/ucp) | Nie — poczekaj | Q1 2027 | 8-16h engineering |
| ACP (Agentic Commerce Protocol) | Nie — spec stagnuje | 2027+ | Zależy od platformy |
| Mastercard Agent Connect | Nie — brak timeline | Watch only | n/d |
Wyjątek: jeśli jesteś na Shopify, nie musisz nic wdrażać — Agentic Storefronts działają domyślnie od Spring ’26 Edition. O tym, jak Shopify udostępnia katalog agentom, piszemy w artykule o Shopify Catalog i Agentic Storefronts. Pełny przegląd gotowości technicznej (checklista 26 punktów) znajdziesz w artykule o agentic commerce readiness.
Jak przygotować się per platforma?
Shopify: Katalog jest już zsynchronizowany z agentami AI (ChatGPT, Gemini, Copilot). Twoja praca to jakość danych: wystandaryzuj tytuły produktów, uzupełnij brakujące atrybuty (materiał, certyfikaty, kompatybilność), sprawdź poprawność wariantów. Włącz Shop Pay do tokenizowanej płatności. Zweryfikuj Google Merchant Center — błędy w feedzie to najczęstszy bloker, szczególnie gdy zmieniasz ceny na Black Friday. Nie dodawaj nowych aplikacji w ostatnich dwóch tygodniach przed peak.
WooCommerce: Jeśli masz plugin Agentic Commerce for WooCommerce, sprawdź w WooCommerce > Settings > UCP, czy endpoint /.well-known/ucp odpowiada poprawnie i poniżej 200ms (przetestuj: curl -w "%{time_total}" https://twojsklep.pl/.well-known/ucp). Jeśli nie masz pluginu — nie wdrażaj go teraz, zrób to w styczniu. Na teraz trzy rzeczy: (1) feed produktowy — ustaw aktualizację co godzinę w peak (w większości pluginów feedowych: CTX Feed, Product Feed PRO, YITH — to ustawienie w cronie lub harmonogramie feedu); (2) atrybucja AI w GA4; (3) jeśli używasz Stripe, rozważ Stripe MCP Server — eksponuje około 25 narzędzi płatniczych agentom AI, ale wymaga 2-4h na konfigurację, więc rób to tylko jeśli zdążysz przed 15 listopada. Sprawdź też, czy WooCommerce Store API (REST endpoint /wp-json/wc/store/v1/cart) odpowiada poprawnie — agenci mogą go odpytywać o stan koszyka. O pozycjonowaniu sklepu internetowego pod discovery przez agentów AI piszemy osobno.
Shoper: Bez natywnej integracji z protokołami agentic commerce, Twoja jedyna ścieżka to tradycyjne structured data (Product schema na kartach produktów) i czysty feed w Merchant Center. Upewnij się, że ceny promocyjne Black Friday są w feedzie z poprawnym sale_price i sale_price_effective_date. O sezonowym SEO dla sklepów piszemy w artykule o SEO sezonowym i Black Friday.
Harmonogram przygotowań — 6 tygodni do Black Friday
Black Friday 2026 wypada 27 listopada. Poniższy plan zakłada start od połowy października.
| Tydzień | Daty (2026) | Działania agentic commerce |
|---|---|---|
| 1-2 | 14-27 października | Audyt danych produktowych na top 20 SKU (4 atrybuty). Konfiguracja atrybucji AI w GA4. Baseline ruchu AI. |
| 3-4 | 28 paź — 10 lis | Repricing pod landed costs. Weryfikacja feedu w Merchant Center. Setup ChatGPT Ads (jeśli test). |
| 5-6 | 11-24 listopada | Freeze. Żadnych nowych integracji, aplikacji, endpointów. Monitoring konwersji z AI vs plan. |
| Peak | 25 lis — 2 gru | Monitoring w czasie rzeczywistym: czy feed aktualizuje się co godzinę, czy ceny promocyjne są czytelne dla agentów, czy atrybucja AI działa. |
| Post-peak | 3-14 grudnia | Analiza: udział AI w przychodach, konwersja AI vs nie-AI, decyzja o skali na Q1. |
Dlaczego data freshness ma krytyczne znaczenie w peak season?
W normalnym miesiącu opóźnienie aktualizacji feedu o kilka godzin jest akceptowalne. W Black Friday nie. Ceny zmieniają się co godzinę, popularne warianty wyczerpują się w ciągu minut, a polityki zwrotów mogą być rozszerzone na okres świąteczny. Jeśli agent AI poleci kupującemu produkt za cenę sprzed promocji, lub przekieruje go na stronę z informacją „produkt niedostępny”, utracisz konwersję o wyższej wartości niż średnia.
Konkretny scenariusz: sklep uruchamia flash sale na kurtkę za 199 zł (normalna cena 399 zł) o 10:00. Do 11:30 kurtka wyprzedaje się w rozmiarach M i L. Feed produktowy aktualizuje się co 4 godziny — następna aktualizacja dopiero o 14:00. Przez 2,5 godziny agenci AI polecają kurtkę za 199 zł w rozmiarach, które są niedostępne. Kupujący klikają, widzą „produkt niedostępny” i wracają do agenta po alternatywę — u konkurencji. W normalnym miesiącu to irytujące. W Black Friday, gdy wolumen jest 3-5x większy, to setki utraconych konwersji z najlepiej konwertującego kanału. Dlatego w peak season aktualizacja feedu musi być co godzinę, a stany magazynowe powinny być serwowane przez real-time API, nie statyczny plik.
Konkretne checklist na peak season:
- Feed produktowy: aktualizacja co 1 godzinę (nie co 24h jak w normalnym trybie)
- Ceny promocyjne: sale_price i sale_price_effective_date w feedzie i schema
- Stany magazynowe: real-time API, a nie statyczny plik XML
- Polityka zwrotów: jeśli rozszerzasz ją na święta, zaktualizuj MerchantReturnPolicy w schema
- Czas dostawy: jeśli się zmienia (więcej zamówień = dłuższy czas), zaktualizuj ShippingDeliveryTime
O tym, dlaczego nieaktualne dane są przyczyną nr 1 niewidoczności w AI Mode, piszemy w artykule o data freshness w e-commerce.
Jak zmierzyć efekt po peak season?
Dwa tygodnie po Cyber Monday powinieneś mieć odpowiedzi na cztery pytania:
- Jaki udział w przychodach miał kanał AI? — Jeśli przekroczył 5% przez pełen kwartał, pora na dedykowaną strategię agentic commerce na Q1.
- Jak konwersja AI wypadła vs inne kanały? — Czy potwierdziła się różnica 42-54% widoczna w danych Adobe, czy Twój sklep ma inny pattern?
- Które produkty agenci AI polecali najczęściej? — Sprawdź landing pages z AI w GA4. Jeśli agenci kierują ruch na 5 produktów z 500, masz problem z jakością danych na reszcie katalogu.
- Czy ChatGPT Ads (jeśli testowałeś) miały sens? — ROAS, CPA, nowi klienci vs returning. Dane do decyzji o budżecie na Q1.
Decyzja po peak season jest binarna: albo AI jest kanałem wartym dedykowanej uwagi (i wchodzisz w UCP, serwer MCP, optymalizację feedów pod agentów), albo jest zbyt mały, żeby inwestować — i wracasz do tematu za kwartał. Nie ma pośredniej drogi.
Czego unikać — najczęstsze błędy przed peak season
- Wdrażanie UCP na tydzień przed Black Friday — każda nowa integracja to ryzyko. Nowy endpoint, nowy punkt awarii, nowy wektor security. Nie teraz.
- Porzucenie tradycyjnych kanałów na rzecz AI — Paid search i email nadal generują ogromną większość sprzedaży w peak season. AI to uzupełnienie, nie zamiennik.
- Budowanie in-chat checkout — model nie zadziałał nawet u Walmarta (3x gorsze konwersje). Nie próbuj go w peak season.
- Ignorowanie atrybucji — jeśli nie wiesz, ile ruchu AI generujesz, nie możesz podjąć żadnej opartej na danych decyzji na Q1.
- Traktowanie danych produktowych jako „nice to have” — to fundament. Shopify mówi wprost: „primary time investment is not coding but data quality optimization.” To dotyczy każdej platformy.
Jakie encje powinien eksponować sklep przed peak season?
Agenci AI czytają dane strukturalne — im więcej encji Twój sklep eksponuje w schema.org, feedzie i endpointach API, tym lepiej agenci rozumieją Twoją ofertę w peak season. Poniżej kluczowe encje z uwzględnieniem specyfiki Black Friday.
| Warstwa | Encja / typ danych | Gdzie eksponować | Dlaczego krytyczne w peak season |
|---|---|---|---|
| Schema.org | Product > Offer (price, priceCurrency, availability, sale_price) | JSON-LD na karcie produktu | Agent musi widzieć cenę promocyjną BF i aktualną dostępność — stara cena = utracona konwersja |
| Schema.org | Offer > priceValidUntil, sale_price_effective_date | JSON-LD + feed produktowy | Agent wie, kiedy promocja wygasa — może przekazać kupującemu poczucie pilności |
| Schema.org | AggregateOffer (lowPrice, highPrice, offerCount) | JSON-LD na kategorii / porównywarce | Agent porównuje zakresy cenowe — istotne przy wielu wariantach w różnych cenach BF |
| Schema.org | MerchantReturnPolicy (returnPolicyCategory, merchantReturnDays) | JSON-LD na karcie produktu | Rozszerzona polityka zwrotów na święta musi być czytelna maszynowo — agent informuje kupującego |
| Schema.org | ShippingDeliveryTime (handlingTime, transitTime) | JSON-LD na karcie produktu + feed | Czas dostawy w peak jest dłuższy — agent musi podać realistyczną datę, nie standardową |
| Feed produktowy | Product (GTIN, title, sale_price, availability, shipping) | Google Merchant Center / Shopify Catalog | Aktualizacja co godzinę w peak — co 24h to za mało przy flash sales i zmieniających się stanach |
| Feed produktowy | Conversational attributes (materiał, certyfikaty, kompatybilność) | Google Merchant Center | Agent odpowiada na pytania konwersacyjne — „czy ten prezent pasuje dla 10-latka?” wymaga atrybutów |
| UCP manifest | Capabilities (checkout type, payment methods, shipping methods) | /.well-known/ucp | Jeśli masz UCP — sprawdź, czy manifest odzwierciedla zmiany peak (dodatkowe metody wysyłki, ekspres) |
| MCP Resources | Product catalog (read-only), inventory (real-time) | MCP Server > Resources | Agent odpytuje live dane — stale data w cache MCP serwera to ten sam problem co stary feed |
| MCP Tools | Cart operations, shipping rates calculator | MCP Server > Tools | Agent oblicza koszty wysyłki peak (ekspres, paczkomat) w czasie rzeczywistym |
| BuyAction / PotentialAction | Schema.org JSON-LD na karcie produktu | Feed + schema | Umożliwia agentowi dodanie do koszyka bez nawigacji po stronie |
| ItemAvailability | InStock, OutOfStock, PreOrder, BackOrder | Schema.org Offer + feed | Agent wie, które warianty są dostępne — krytyczne przy szybkim wyczerpywaniu zapasów w peak |
Praktyczna zasada: zacznij od warstwy Schema.org (JSON-LD na kartach produktów) i feedu — to działa niezależnie od platformy i daje natychmiastowy efekt. Upewnij się, że sale_price i sale_price_effective_date są poprawne na wszystkich produktach objętych promocją Black Friday. O schema dla zwrotów piszemy osobno w artykule o MerchantReturnPolicy i danych strukturalnych. O roli feedów w discovery przez AI — w artykule o product feed i AI visibility.
Podsumowanie
Agentic commerce w peak season to nie rewolucja planu BFCM — to 10% uwagi planistycznej skoncentrowanej na dwóch rzeczach: jakość danych produktowych na top SKU i poprawna atrybucja ruchu z AI w GA4. Ruch z asystentów AI rośnie o setki procent rok do roku, konwertuje 42-54% lepiej niż ruch nie-AI i generuje 37-53% wyższy przychód per wizytę. Ale baza jest nadal niewielka — około 1,5% e-commerce w USA, mniej w Polsce. Nie przebudowuj planu Black Friday pod agentów. Zadbaj o dane, zmierz efekt i podejmij decyzję o skali po peak season. Jeśli AI przekroczy 5% przychodów przez kwartał — wchodzisz w UCP, serwer MCP i dedykowaną strategię. Jeśli nie — wracasz za kwartał z lepszymi danymi. O pełnej checkliście gotowości technicznej piszemy w artykule o agentic commerce readiness, a o pozycjonowaniu w AI jako kanale discovery szerzej. Jeśli chcesz sprawdzić, jak agenci AI widzą Twoje produkty, zacznij od audytu widoczności w AI.
O tym, jak protokoły agentic commerce wchodzą w local — grocery, restauracje i hotele — piszemy w artykule o agentic commerce w local. Jak optymalizować konwersję z ruchu, który agenci AI kierują do sklepu, opisujemy w artykule o konwersji z ruchu AI.
FAQ
Czy warto wdrażać UCP przed Black Friday?
Nie. Wdrożenie UCP wymaga 8-16 godzin pracy inżynierskiej i niesie ryzyko nowej integracji w krytycznym okresie. UCP to decyzja na Q1 2027. Przed peak season skup się na jakości danych produktowych i atrybucji AI w GA4 — to daje natychmiastowy efekt bez ryzyka.
Ile ruchu z AI można spodziewać się w BFCM?
W sezonie świątecznym 2025 ruch z AI do amerykańskich sklepów wzrósł o 693% rok do roku (Adobe Analytics), a w BFCM 2025 sesje z AI wzrosły o 806% YoY (Front Row Group). Mimo to baza jest niewielka — około 1,5% amerykańskiego e-commerce. W Polsce udział jest jeszcze mniejszy, ale dynamika wzrostu jest porównywalna.
Jak zmierzyć ruch z agentów AI w GA4 przed Black Friday?
Dodaj w GA4 niestandardową grupę kanałów z regułą source/medium zawierającą ChatGPT, Perplexity, Gemini, Copilot i Claude. Stwórz segment porównawczy AI vs nie-AI. Cała konfiguracja zajmuje około 30 minut. Bez tego sesje z AI lądują jako „direct” i nie zobaczysz kanału, który według danych Adobe konwertuje 42-54% lepiej niż reszta ruchu.
Czy testować ChatGPT Ads w peak season?
Tylko jeśli spełniasz trzy warunki: przychód powyżej 500 tys. zł rocznie, czyste dane produktowe w feedzie, i gotowość do traktowania testu jako inwestycji informacyjnej (nie kanału przychodu). Ustaw budżet, który możesz spisać na straty, i regułę stop-loss z góry. Wyniki posłużą do decyzji o skali na Q1.
Co jest ważniejsze w peak season — nowe protokoły czy jakość danych?
Jakość danych, bez dyskusji. Każdy agent AI — niezależnie od protokołu — czyta structured product data. Jeśli Twoje produkty mają nieaktualne ceny, brakujące atrybuty lub źle zmapowane warianty, żaden protokół tego nie naprawi. Shopify mówi wprost: „primary time investment is not coding but data quality optimization.” Nowe protokoły (UCP, ACP) to decyzja na Q1 2027.
