Ruch z agentów AI konwertuje o 42% lepiej niż ruch z pozostałych kanałów — tak wynika z Adobe Digital Economy Index za Q1 2026 (dane z ponad biliona wizyt w amerykańskim e-commerce). Przychód per wizytę jest 37% wyższy, czas na stronie 48% dłuższy, bounce rate 32% niższy. Ale to średnia — sklepy, które optymalizują doświadczenie po kliknięciu z AI, przechwytują tę intencję. Te, które tego nie robią, marnują najcenniejszy ruch, jaki kiedykolwiek miały. Rok wcześniej (marzec 2025) ten sam ruch konwertował o 38% gorzej — zmiana o 80 punktów procentowych w 12 miesięcy. Nie zmienił się ruch, zmienili się kupujący: przychodzą z rekomendacją AI, która pełni rolę pre-purchase research. To zmienia wszystko w optymalizacji konwersji.
Dlaczego ruch z AI konwertuje inaczej niż każdy inny kanał?
Jason Barnard (Kalicube) zdefiniował koncept „Perfect Click” — kliknięcie, które kończy research, a nie go zaczyna. W tradycyjnym SEO użytkownik klika wynik, ogląda stronę, wraca do wyników, klika kolejny — to kliknięcie eksploracyjne. W AI search użytkownik dostaje rekomendację od agenta (ChatGPT, Gemini, Copilot, Perplexity), który już za niego porównał produkty, sprawdził cenę i dostępność. Kiedy klika link do sklepu, nie eksploruje — potwierdza decyzję. Barnard nazywa to kliknięciem konfirmacyjnym (confirmatory click).
To wyjaśnia dane Shopify: ponad 50% sesji z AI zaczyna się na stronie produktu, podczas gdy w organiku ten odsetek to około 20%. Kupujący z AI omija stronę główną, listę kategorii i wyszukiwarkę wewnętrzną — ląduje prosto na produkcie, który agent mu polecił. Jeśli strona potwierdzi to, co AI obiecało (cena, dostępność, warunki dostawy), intencja zakupowa jest najwyższa ze wszystkich kanałów. Jeśli nie potwierdzi — bounce jest natychmiastowy, bo użytkownik wraca do agenta po alternatywę. O tym, na które podstrony AI wysyła ruch, pisaliśmy na podstawie danych GA4 z naszego portfolio.
Jak wypada konwersja z AI na tle innych kanałów?
Dwa niezależne źródła pozwalają umiejscowić ruch AI w hierarchii kanałów e-commerce. Adobe porównuje ruch AI z agregatem wszystkich kanałów nie-AI (organik, paid, social, email, direct razem). Alhena w raporcie na 329 markach podaje absolutne wskaźniki konwersji per kanał.
| Kanał | Konwersja (CVR) | Źródło |
|---|---|---|
| SMS | 5,49% | Alhena, 329 marek |
| Affiliate | 3,12% | Alhena, 329 marek |
| 2,92% | Alhena, 329 marek | |
| AI / LLM referral | 2,47% | Alhena, 329 marek |
| Google Shopping | 1,95% | Alhena, 329 marek |
| Google Ads (search) | 1,82% | Alhena, 329 marek |
| Direct | 0,73% | Alhena, 329 marek |
| Meta Ads | 0,52% | Alhena, 329 marek |
| TikTok Ads | 0,09% | Alhena, 329 marek |
AI referral plasuje się na 4. miejscu — powyżej Google Shopping, Google Ads i Meta Ads. Warto zwrócić uwagę na dwa dodatkowe punkty danych. Po pierwsze, Shopify raportuje, że sesje AI konwertują o 50% lepiej niż organik na stronach produktowych, a średnia wartość zamówienia (AOV) jest o 14% wyższa. Po drugie, według Alhena użytkownicy, którzy wchodzą w interakcję z asystentem AI na stronie sklepu, konwertują na poziomie 9,84% — 4x lepiej niż baseline. To wskazuje, że optymalizacja pod AI traffic dotyczy nie tylko źródła wejścia, ale całego doświadczenia zakupowego. Jak mierzyć ROI z pozycjonowania w AI, opisujemy osobno.
Jakie dane ma Adobe o zachowaniu kupujących z AI?
| Metryka | Ruch AI vs nie-AI | Kierunek |
|---|---|---|
| Konwersja | +42% | AI wyższy |
| Przychód per wizytę | +37% | AI wyższy |
| Czas na stronie | +48% | AI dłuższy |
| Strony per wizytę | +13% | AI więcej |
| Engagement rate | +12% | AI wyższy |
| Bounce rate | -32% | AI niższy |
| Skłonność do zwrotów (deklaracja) | -69% | AI niższa (ankieta 5000 osób) |
Dwa punkty wymagają komentarza. Bounce rate niższy o 32% nie oznacza, że użytkownicy z AI nie odchodzą — oznacza, że ci, którzy klikają, mają wyższą intencję. Ci, którzy natrafią na niespójność (inna cena, niedostępny produkt, wymuszony login), znikają natychmiast i wracają do agenta, a nie do wyników wyszukiwania. Dane o skłonności do zwrotów pochodzą z ankiety (5000 respondentów), nie z twardych transakcji — 69% kupujących z AI deklaruje, że jest mniej skłonnych do zwrotu, bo czują się pewniej po rekomendacji AI. 79% mówi, że ma większe zaufanie do zakupu wspartego AI.
Ile to realnie znaczy? Dane z polskich sklepów
42% lepsza konwersja brzmi imponująco. Ale ile to jest w bezwzględnych liczbach? Przeanalizowaliśmy dane z GA4 serwisów z naszego portfolio za okres maj-październik 2026.
| 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 |
42% lepszych konwersji z 41 sesji dziennie (Sklep B, armatura łazienkowa) to realnie 1-2 dodatkowe transakcje dziennie vs co byłoby bez kanału AI. Przy średniej wartości zamówienia 300-500 zł to 300-1000 zł dodatkowego przychodu dziennie. Nie rewolucja — ale rosnący kanał, którego koszt pozyskania jest zerowy. I tu właśnie leży wartość optymalizacji: jeśli te 41 sesji trafia na stronę z niespójną ceną lub wymuszonym loginem, tracisz 1-2 transakcje dziennie z najlepiej konwertującego kanału.
Ruch z AI jest rozproszony. Sklep B dostał sesje z AI na ponad 4000 różnych podstron, a top 10 zebrało zaledwie 10% sesji. Agent nie poleca kilku hitów — poleca odpowiedzi na konkretne pytania. To oznacza, że optymalizacja pod AI nie dotyczy 10 najpopularniejszych produktów, lecz jakości danych na całym katalogu.
Najsilniejszy sygnał konwersji mamy ze Sklepu C (kosmetyki i sprzęt laboratoryjny, 160 sesji AI w 90 dni): 10 realnych zakupów z ruchu AI, conversion rate 5.5% z ChatGPT — vs średnia polskiego e-commerce 1.5-3%. Przy zaledwie 160 sesjach każda utracona konwersja jest widoczna. A powody utraty są te same co w dużych sklepach: niespójna cena, wymuszony login, wolna strona. O tym, na które podstrony AI wysyła ruch, pisaliśmy na podstawie pełnych danych GA4 z 17 firm.
Jakie punkty tarcia najbardziej zabijają konwersję z AI?
Standardowe przyczyny porzucania koszyków (średnia porzuceń w e-commerce to 70,22% według meta-analizy Baymard Institute na 50 badaniach) uderzają w ruch z AI nieproporcjonalnie mocno. Benchmarki AI Shopping Agent wskazują, że porzucenie koszyka przy checkout zainicjowanym przez agenta AI sięga 77,45% — siedem punktów procentowych powyżej średniej. Główne przyczyny: brak zaufania do checkout (użytkownik nie zna sklepu, bo wybrał go agent), niekompletne dane produktowe i eksploracyjne porównywanie wielu opcji podsuniętych przez agenta. Użytkownik, który przyszedł z rekomendacji agenta, oczekuje, że obietnica AI zostanie spełniona — to kliknięcie konfirmacyjne, nie eksploracyjne. Każda rozbieżność między tym, co agent powiedział, a tym, co strona pokazuje, jest natychmiastowym sygnałem do powrotu.
| Punkt tarcia | % porzuceń (ogół) | Dlaczego AI traffic reaguje gorzej |
|---|---|---|
| Ukryte koszty (wysyłka, podatek, opłaty) | 48% | Agent podał cenę produktu; jeśli total na stronie jest wyższy, użytkownik traktuje to jako kłamstwo AI |
| Łączna kwota wyższa niż oczekiwana | 36% | Agent mógł nie uwzględnić regionalnej stawki VAT lub dynamicznej opłaty za wysyłkę |
| Wymuszenie rejestracji (brak guest checkout) | 26% | Użytkownik AI to często nowy klient bez konta — jeśli musi je zakładać, wraca do agenta po alternatywę |
| Checkout zbyt skomplikowany lub wolny | 22% | Confirmatory click to mikromoment — każdy dodatkowy krok obniża szansę na konwersję bardziej niż w tradycyjnym lejku |
| Brak pewności co do bezpieczeństwa płatności | 18% | Agent zbudował zaufanie do produktu, ale nie do sklepu — brak trust signals na checkout jest tu krytyczny |
Do tego dochodzą dwa punkty tarcia specyficzne dla ruchu z AI, których tradycyjne badania porzuceń nie obejmują:
- Niespójność ceny — agent podał cenę 149 zł, strona produktu pokazuje 159 zł (bo cena w feedzie jest nieaktualna). Użytkownik nie szuka wyjaśnienia — wraca do agenta. Pisaliśmy o tym problemie w kontekście data freshness w e-commerce.
- Produkt niedostępny — agent polecił konkretny wariant (kolor, rozmiar), ale na stronie widnieje „brak w magazynie”. Agent pracował na danych z feeda, który nie jest aktualizowany w czasie rzeczywistym. O znaczeniu jakości feedu piszemy w artykule o product feed i AI visibility.
Dlaczego guest checkout jest ważniejszy niż kiedykolwiek?
26% kupujących porzuca koszyk, bo musi założyć konto. Dla ruchu z AI ten problem jest ostrzejszy. Agent AI generuje ponadprzeciętny odsetek nowych klientów — Walmart raportował, że ChatGPT dostarczał około 2x więcej nowych klientów niż wyszukiwarki. Nowy klient nie ma konta w Twoim sklepie. Jeśli jedyną opcją finalizacji jest rejestracja z hasłem i potwierdzeniem emailowym, tracisz dokładnie tych kupujących, których AI Ci dostarczył.
Dane są jednoznaczne: oferowanie guest checkout zwiększa konwersję o 34% (Digital Applied, agregacja badań e-commerce). Shopify domyślnie włącza Shop Pay z jednym kliknięciem — to jeden z powodów, dla których sklepy Shopify konwertują ruch z AI lepiej niż WooCommerce, gdzie checkout domyślnie wymaga konta (choć można to zmienić w ustawieniach: WooCommerce → Płatności → „Zezwól na składanie zamówień bez konta”).
Praktyczna zasada: checkout musi mieć ścieżkę od produktu do płatności w maksymalnie 3 krokach, bez wymuszania rejestracji. Konto można zaproponować po zakupie, nie przed nim.
Jak powinna wyglądać strona, na którą trafia użytkownik z AI?
Ponad 50% sesji z AI zaczyna się na stronie produktu, nie na stronie głównej czy kategorii. To zmienia priorytety optymalizacji. W tradycyjnym lejku strona kategorii filtruje, strona produktu informuje, a checkout konwertuje. W lejku AI strona produktu musi pełnić wszystkie trzy funkcje naraz — bo użytkownik nie przeszedł przez filtrowanie (zrobił to agent) i oczekuje, że informacja na stronie potwierdzi rekomendację AI.
Co musi być widoczne above the fold na stronie produktu dla ruchu z AI:
- Cena finalna — ta sama, którą agent podał. Jeśli masz dynamiczne ceny (np. per region), upewnij się, że feed odzwierciedla cenę, którą zobaczy kupujący z danej lokalizacji.
- Dostępność — nie „sprawdź dostępność”, tylko jednoznaczne „w magazynie” / „dostawa do 24h” / „ostatnie 3 sztuki”.
- Koszt wysyłki — widoczny bez wchodzenia do koszyka. Jeśli masz darmową wysyłkę od progu, pokaż próg i ile brakuje.
- Przycisk „Dodaj do koszyka” — wyraźny, powyżej linii zaginania. Agent sprowadził użytkownika z konkretną intencją — nie każ mu szukać przycisku.
- Metody płatności — ikony Google Pay, Apple Pay, BLIK, karty — jako sygnały zaufania jeszcze przed checkout.
Czego unikać: pop-upów z newsletterem, które zasłaniają stronę natychmiast po wejściu. Kupujący z AI ma 48% dłuższy czas na stronie, ale tylko dlatego, że przyszedł z intencją — pop-up w pierwszych 3 sekundach sygnalizuje „ta strona chce moich danych, nie chce mi sprzedać”. Na temat zaufania agenta do sklepu pisaliśmy w artykule o merchant trust score.
Czy cena i dostępność na stronie muszą zgadzać się z tym, co powiedział agent?
Tak, i to jest najważniejszy punkt tej listy. Agent AI buduje swoją rekomendację na danych z feeda produktowego (Google Merchant Center, Shopify Catalog) lub z endpointów UCP/MCP. Jeśli dane w feedzie są nieaktualne — cena się zmieniła, produkt się wyprzedał, wariant jest niedostępny — agent składa obietnicę, której sklep nie dotrzyma.
Konsekwencje są potrójne. Po pierwsze, kupujący odchodzi. Po drugie, agent „uczy się” (przez feedback loop), że Twój sklep dostarcza niespójne dane — i w przyszłych rekomendacjach spada Twoja pozycja. Po trzecie, Google Merchant Center może zawiesić listing z powodu niespójności ceny między feedem a stroną (Mismatched price error). Według analizy Clispot, 58% kupujących traci zaufanie do marki po błędnej rekomendacji AI dotyczącej jej produktów.
Minimalny standard: feed produktowy aktualizowany co najmniej raz dziennie (co godzinę przy zmiennym stocku), ceny w feedzie identyczne z cenami na stronie produktu, statusy dostępności (InStock, OutOfStock, PreOrder) zsynchronizowane z rzeczywistym stanem magazynu z opóźnieniem poniżej 5 minut. To te same wymagania, które opisujemy w checkliście agentic commerce readiness.
Jak szybkość ładowania wpływa na konwersję z AI?
Każda sekunda opóźnienia obniża konwersję o około 7% (Digital Applied, agregacja danych 2026). Przy 3-5 sekundach ładowania tracisz 15-30% konwersji. Przy 5-10 sekundach — 30-50%. Sklepy z LCP poniżej 2,5s konwertują o 23% lepiej niż te z LCP powyżej 4s.
Dla ruchu z AI te liczby są jeszcze ostrzejsze. Kupujący z confirmatory click ma wąskie okno cierpliwości — nie szuka niczego nowego, przyszedł potwierdzić decyzję. Jeśli strona ładuje się wolno, sygnał jest taki: „ten sklep nie jest gotowy”. Mediana LCP w e-commerce to 4,8s na mobile — prawie 2x powyżej progu „Good” (2,5s). Tylko 37% stron e-commerce przechodzi wszystkie trzy Core Web Vitals na mobile.
| Czas ładowania | Strata konwersji | Wpływ na ruch AI |
|---|---|---|
| Poniżej 2s | Baseline | Pełne przechwycenie intencji |
| 2-3s | ~7-14% | Akceptowalne, ale AOV spada |
| 3-5s | 15-30% | Część użytkowników wraca do agenta |
| 5-10s | 30-50% | Większość użytkowników AI odbija |
| Powyżej 10s | 50%+ | De facto brak konwersji z AI |
Priorytety techniczne: lazy loading obrazków poniżej fold, preload CSS krytycznego, eliminacja render-blocking JavaScript na stronie produktu, CDN z edge caching. Dla WooCommerce — rozważ plugin cache (FlyingPress, WP Rocket) z prewarming dla stron produktowych. Dla Shopify — sprawdź sekcje Liquid, które blokują rendering.
Dlaczego mobile-first jest krytyczny dla ruchu z AI?
Ponad 69% transakcji e-commerce w sezonie świątecznym 2024 odbyło się na urządzeniach mobilnych, a udział mobile w całym e-commerce przekroczył 56% w 2025. Asystenci AI — ChatGPT, Gemini, Copilot — działają natywnie na smartfonach. Użytkownik pyta agenta o produkt w telefonie, dostaje rekomendację z linkiem i klika. Ląduje na stronie produktu na mobile. Jeśli ta strona nie jest zoptymalizowana pod mobile, confirmatory click zamienia się w frustrację.
Trzy konkretne problemy mobilne, które zabijają konwersję z AI:
- Przycisk „Dodaj do koszyka” poniżej fold — na mobile fold jest znacznie wyższy niż na desktopie. Jeśli użytkownik musi scrollować przez galerię zdjęć i opis, żeby znaleźć przycisk, traci momentum confirmatory click. Rozwiązanie: sticky CTA button na dole ekranu.
- Checkout wielostronicowy na mobile — każda dodatkowa strona checkout to kolejny moment, w którym użytkownik może wrócić do agenta. Dane Baymard Institute: mediana checkout flow w mobile e-commerce to 5,1 kroków (23 elementów formularza). Optymalne to 3 kroki i 12 elementów. Shopify Shop Pay sprowadza to do jednego kliknięcia.
- Pop-upy i interstitiale — Google od lat penalizuje intrusive interstitials na mobile. Dla ruchu z AI efekt jest podwójny: użytkownik przyszedł z jasną intencją i pop-up z newsletterem go blokuje fizycznie (nie może zamknąć na małym ekranie) i psychologicznie (sklep chce jego danych, nie chce mu sprzedać).
Shopify raportuje, że sklepy z mobile-first checkout (Shop Pay, Apple Pay, Google Pay) konwertują ruch mobilny o 91% lepiej niż te z tradycyjnym formularzem. Przy 50%+ sesji AI zaczynających się na stronie produktu na mobile, to nie jest optymalizacja — to warunek konieczny. O optymalizacji konwersji bez zwiększania ruchu piszemy w artykule o sprzedaży z SEO.
Jak zmierzyć konwersję z AI osobno w GA4?
GA4 domyślnie nie rozdziela ruchu AI od organika — część sesji z ChatGPT czy Perplexity ląduje w „direct” lub „organic”. Żeby zmierzyć konwersję z AI osobno, potrzebujesz segmentacji po źródle sesji. Szczegółowy przewodnik opisujemy w artykule o atrybucji w agentic commerce, tu kluczowe kroki:
- Zidentyfikuj źródła AI — w GA4 filtruj sessionSource zawierający: chatgpt.com, chat.openai.com, perplexity.ai, gemini.google.com, copilot.microsoft.com, claude.ai. Uwaga: część ruchu z AI nie niesie referrera (trafia jako direct).
- Stwórz segment „AI referral” — w Explore → Custom Segment → Session Segment, warunek: sessionSource matches regex
chatgpt|openai|perplexity|gemini|copilot|claude. - Porównaj z innymi kanałami — metryki: session conversion rate, revenue per session, average order value, bounce rate, pages per session.
- Sprawdź landing pages — Landing Page report z segmentem AI pokaże, na które strony agenci kierują Twoich użytkowników. Jeśli 80% ląduje na stronach produktu, tam kieruj optymalizację.
Problem do rozwiązania: ruch z ChatGPT może „znikać” w GA4 z powodu błędnej atrybucji — sprawdź, czy nie tracisz danych przez brak referrera lub błędne mapowanie domen.
Które kategorie produktowe zyskują na ruchu z AI?
Nie każda kategoria profituje z ruchu AI jednakowo. Adobe identyfikuje trzy grupy:
| Grupa | Kategorie | Wpływ AI na konwersję |
|---|---|---|
| Silny boost | Kosmetyki, pielęgnacja, odzież, zabawki i produkty dziecięce, dom i ogród, produkty dla zwierząt | Najwyższy wzrost konwersji i AOV |
| Umiarkowany boost | Sport, auto-części, meble i wyposażenie sypialni, AGD, elektronika | Wzrost widoczny, ale mniejszy niż grupa 1 |
| Słabszy boost | Artykuły gospodarcze, home improvement, grocery, biżuteria | AI traffic rośnie, ale konwersja nie odbiega od średniej |
Osobno warto wskazać dane Alhena per wertykał AI: beauty konwertuje na 5,36%, health & wellness na 4,68%, auto parts na 3,53% — przy średniej 2,47% dla AI/LLM referral. Shopify dodaje, że trzy czwarte zamówień z AI pochodziło spoza top 100 kategorii — co sugeruje, że agenci AI napędzają long tail e-commerce lepiej niż tradycyjne kanały. To argument za jak najlepszym pokryciem conversational attributes w danych produktowych Merchant Center.
Checklista: 15 punktów optymalizacji konwersji pod ruch z AI
Poniższa lista zbiera rekomendacje z poprzednich sekcji w jedną checklistę do przejścia. Każdy punkt oceniany binarnie (TAK/NIE).
Spójność danych (P0)
- Cena na stronie produktu = cena w feedzie produktowym (odchylenie 0%)
- Status dostępności na stronie = status w feedzie (opóźnienie poniżej 5 minut)
- Feed aktualizowany co najmniej raz dziennie (co godzinę przy zmiennym stocku)
- Warianty (kolor, rozmiar) widoczne i kupowalne, jeśli są w feedzie
- Koszt wysyłki widoczny na stronie produktu, nie dopiero w koszyku
Checkout (P0)
- Guest checkout dostępny (bez wymuszania rejestracji)
- Checkout wymaga maksymalnie 3 kroków od strony produktu do płatności
- Tokenizowana płatność dostępna (Google Pay, Apple Pay, BLIK)
- Łączna kwota z wysyłką widoczna przed finalizacją
Szybkość (P1)
- LCP strony produktu poniżej 2,5s na mobile
- Brak render-blocking JavaScript na stronie produktu
- Lazy loading obrazków poniżej fold
UX i trust (P1)
- Brak pop-upów blokujących stronę w pierwszych 10 sekundach po wejściu
- Ikony metod płatności widoczne na stronie produktu
- Trust signals: certyfikat SSL, polityka zwrotów, dane kontaktowe — widoczne na checkout
Co zrobić na Shopify, WooCommerce i Shoper?
Shopify: Największa przewaga to automatyczny guest checkout przez Shop Pay (jedno kliknięcie, tokenizowana płatność). Shopify automatycznie eksponuje dane produktowe przez Shopify Catalog, co minimalizuje ryzyko niespójności cenowej. Sprawdź w Shopify Admin → Settings → Checkout, czy guest checkout jest włączony (domyślnie jest). Skup się na jakości danych w feedzie: tytuły, atrybuty, zdjęcia. Więcej o Shopify Catalog i agentic storefronts — w naszym artykule o Shopify Catalog i ChatGPT.
WooCommerce: Domyślnie WooCommerce wymaga konta do zakupu — włącz guest checkout w WooCommerce → Ustawienia → Konta i prywatność → „Zezwól klientom na składanie zamówień bez konta”. Zainstaluj plugin cache (FlyingPress, WP Rocket) z prewarmingiem stron produktowych. Sprawdź, czy feed produktowy (WooCommerce → Google Listings) jest zsynchronizowany z Merchant Center. Rozważ Stripe jako bramkę płatności — obsługuje Google Pay, Apple Pay i tokenizację. Więcej o gotowości WooCommerce na agentic commerce — w checkliście readiness.
Shoper: Brak natywnej integracji z protokołami agentic commerce, ale optymalizacja konwersji pod ruch z AI dotyczy tych samych fundamentów: guest checkout (sprawdź w panelu administracyjnym → Zamówienia → Ustawienia), szybkość ładowania (rozważ CDN i minimalizację JavaScript), spójność cen w Google Merchant Center. Kluczowa luka: Shoper nie ma automatycznego eksponowania danych agentom — ruch z AI będzie bazował na scrapowaniu, nie na strukturyzowanych danych.
Jakie encje wpływają na konwersję ruchu z AI?
Agent AI buduje rekomendację na danych strukturalnych — schema.org, feed produktowy, endpointy UCP/MCP. Im precyzyjniej sklep eksponuje encje, tym mniejsze ryzyko rozbieżności między obietnicą agenta a doświadczeniem na stronie. Poniżej kluczowe encje i ich bezpośredni wpływ na konwersję z AI.
| Encja / typ danych | Gdzie eksponować | Wpływ na konwersję z AI |
|---|---|---|
| Offer.price + priceCurrency | JSON-LD Product schema, feed GMC | Agent pokazuje cenę kupującemu — musi zgadzać się z ceną na stronie (0% odchylenia) |
| Offer.availability | JSON-LD, feed (availability) | Agent poleca tylko dostępne produkty — InStock/OutOfStock/PreOrder musi być real-time |
| sale_price + sale_price_effective_date | Feed GMC | Podczas promocji agent podaje cenę promocyjną — stara cena = utracona konwersja |
| AggregateRating / Review | JSON-LD, feed (rating, review_count) | Agent cytuje ocenę jako trust signal — wzmacnia confirmatory click |
| ShippingDeliveryTime | JSON-LD, feed (transit_time, handling_time) | Agent obiecuje „dostawa do 24h” — strona musi to potwierdzić |
| MerchantReturnPolicy | JSON-LD na stronie produktu | Gwarancja zwrotu redukuje ryzyko zakupu po rekomendacji AI |
| BreadcrumbList | JSON-LD, HTML breadcrumbs | Potwierdza kontekst kategorii — użytkownik wie, że trafił we właściwe miejsce |
| PotentialAction (BuyAction) | JSON-LD Product schema | Umożliwia agentowi bezpośrednie akcje (dodaj do koszyka) bez parsowania HTML |
| og:title, og:description, og:image | Metatagi OpenGraph | Kontrolują, co agent i platformy social pokazują o produkcie — wpływają na CTR rekomendacji |
| LCP, CLS (Core Web Vitals) | Optymalizacja techniczna strony | LCP powyżej 2,5s = utrata 7%+ konwersji per sekundę; CLS powoduje misclicks na mobile |
| Guest checkout availability | Konfiguracja platformy | 26% porzuceń z powodu wymuszonego konta — krytyczne dla nowych klientów z AI |
Praktyczna zasada: zacznij od spójności Offer.price i Offer.availability między feedem a stroną — to eliminuje dwa największe punkty tarcia. Następnie dodaj ShippingDeliveryTime i MerchantReturnPolicy — to redukuje niepewność zakupową po rekomendacji AI. O pełnej mapie encji w kontekście agentic commerce piszemy w artykule o agentic commerce readiness. O roli BuyAction w technical SEO — w artykule o technicznych SEO akcji produktowych.
Podsumowanie
Ruch z agentów AI to najszybciej rosnący kanał e-commerce (393% rok do roku w Q1 2026) i jednocześnie ten o najwyższym wskaźniku konwersji spośród płatnych kanałów — 2,47% według Alhena (wyżej niż Google Shopping i Google Ads). Konwertuje o 42% lepiej niż średnia (Adobe), generuje o 37% wyższy przychód per wizytę i ma o 32% niższy bounce rate. Ale porzucenie koszyka przy checkout zainicjowanym przez agenta sięga 77,45% — siedem punktów powyżej średniej e-commerce. Sklepy, które tracą tę konwersję, robią to z pięciu powodów: niespójna cena, niedostępny produkt, wymuszony login, wolna strona, ukryte koszty. Na mobile — gdzie odbywa się ponad 56% e-commerce — każdy z tych problemów jest ostrzejszy: mniejszy ekran, krótsze okno cierpliwości, więcej kroków do checkout. Kluczowe encje (Offer.price, availability, ShippingDeliveryTime, MerchantReturnPolicy) muszą być spójne między feedem, schema a stroną — to eliminuje rozbieżność między obietnicą agenta a doświadczeniem kupującego. Guest checkout, spójność feeda, LCP poniżej 2,5s i transparentne koszty na stronie produktu — to fundament, który decyduje, czy confirmatory click z agenta AI zamieni się w transakcję. Jak mierzyć efekt? Segmentacja AI w GA4 — technicznie opisana w artykule o atrybucji agentic commerce. Jak wzmocnić widoczność produktów w AI? Zacznij od audytu widoczności w AI i pozycjonowania w AI. Jeśli potrzebujesz kompleksowego wsparcia, pozycjonowanie sklepu internetowego obejmuje również optymalizację pod AI discovery.
O przygotowaniu sklepu na Black Friday z perspektywy agentów AI piszemy w artykule o agentic commerce w peak season. O tym, jak agentic commerce wchodzi w local commerce — grocery, restauracje, hotele — w artykule o agentic commerce w local.
FAQ
Dlaczego ruch z AI konwertuje lepiej niż ruch z Google Ads?
Użytkownik z AI przychodzi po confirmatory click — agent już za niego porównał produkty, sprawdził cenę i dostępność. To kliknięcie kończy research, nie go zaczyna. Według raportu Alhena na 329 markach, AI/LLM referral konwertuje na 2,47% vs Google Ads na 1,82%. Shopify raportuje, że sesje AI konwertują o 50% lepiej niż organik na stronach produktowych, a ponad 50% sesji AI zaczyna się bezpośrednio na stronie produktu.
Jak sprawdzić w GA4, ile konwersji pochodzi z agentów AI?
W GA4 stwórz segment sesji filtrujący sessionSource po wartościach: chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com, claude.ai. Następnie porównaj session conversion rate, revenue per session i AOV z innymi kanałami. Część ruchu AI trafia jako direct (brak referrera) — szczegółowe rozwiązanie tego problemu opisujemy w artykule o atrybucji w agentic commerce.
Czy guest checkout jest konieczny dla ruchu z AI?
Tak. Agent AI generuje ponadprzeciętny odsetek nowych klientów (Walmart raportował 2x więcej nowych klientów z ChatGPT niż z wyszukiwarek). Nowy klient nie ma konta w Twoim sklepie. Według agregacji Digital Applied, 26% kupujących porzuca koszyk z powodu wymuszonej rejestracji, a oferowanie guest checkout zwiększa konwersję o 34%.
Co się dzieje, gdy cena na stronie różni się od ceny, którą podał agent AI?
Użytkownik odchodzi natychmiast — traktuje to jako błąd rekomendacji. Agent “uczy się”, że Twój sklep dostarcza niespójne dane, co obniża Twoją pozycję w przyszłych rekomendacjach. Google Merchant Center może zawiesić listing (Mismatched price error). Minimalny standard: feed aktualizowany co najmniej raz dziennie, ceny identyczne na stronie i w feedzie, stany magazynowe zsynchronizowane z opóźnieniem poniżej 5 minut.
Jaki czas ładowania strony produktu jest wymagany dla ruchu z AI?
LCP poniżej 2,5 sekundy na mobile. Każda sekunda opóźnienia obniża konwersję o około 7%. Przy 3–5 sekundach tracisz 15–30% konwersji, przy 5–10 sekundach — 30–50%. Mediana LCP w e-commerce to 4,8s na mobile, co oznacza, że większość sklepów traci konwersję z AI już na etapie ładowania strony. Priorytety: lazy loading obrazów, preload CSS, eliminacja render-blocking JS, CDN.
