Google AI Mode pokazuje średnio 4,3 produkty na zapytanie zakupowe. Standardowe wyniki Google Shopping — 22,5. To redukcja o ponad 80%, a overlap między tymi dwoma powierzchniami wynosi 0,8%. W praktyce AI Mode nie filtruje listy produktów z Google Shopping — buduje własną, niemal od zera. Dla polskich sklepów sytuacja jest jeszcze ostrzejsza: w naszym monitoringu AI widoczności 7 sklepów z portfolio widoczność w AI Mode waha się od 2/90 do 46/90 w zależności od typu produktu. Sklepy z produktami technicznymi i specyfikacyjnymi przechodzą przez filtr. Sklepy lifestyle’owe — znikają.
Co mówią dane Productrise o listingach w AI Mode?
Productrise przeanalizowało ponad 100 000 zapytań zakupowych w ciągu 21 dni w lipcu 2026, śledząc ponad 2 miliony listingów produktowych w USA i Wielkiej Brytanii. Porównano te same zapytania w Google Shopping i w AI Mode, tego samego dnia, w niespersonalizowanych sesjach. Wyniki są jednoznaczne.
| Metryka | Google Shopping | AI Mode | Zmiana |
|---|---|---|---|
| Średnia liczba produktów na zapytanie | 22,5 | 4,3 | -81% |
| Zapytania zwracające jakiekolwiek produkty | 88% | 23% | -65 pp |
| Overlap produktów (te same produkty w obu) | 0,8% | — | |
| Łączna widoczność produktowa | bazowa | -95% | — |
Overlap 0,8% oznacza, że AI Mode w zasadzie nie korzysta z rankingu Google Shopping. To osobna powierzchnia z osobnym algorytmem selekcji. Produkt, który jest na pierwszej stronie Google Shopping, ma mniej niż 1% szansy na pojawienie się w AI Mode dla tego samego zapytania.
Dwa miesiące później Productrise opublikowało drugą analizę — tym razem cenową. Wynik: lead price w AI Mode jest średnio o 21,6% wyższy niż w standardowych wynikach. Mediana produktu w AI Mode to 149 USD wobec 100 USD w tradycyjnym wyszukiwaniu. Na 49,6% dopasowanych produktów AI Mode wybiera innego sprzedawcę niż Google Shopping. To nie jest błąd cenowy — to inny mechanizm selekcji, który faworyzuje inne sygnały niż najniższa cena.
Jak AI Mode wybiera produkty?
AI Mode opiera się na Google Shopping Graph — bazie ponad 60 miliardów listingów produktowych. Gemini (silnik AI Mode) nie przegląda listy produktów liniowo. Stosuje query fan-out: rozkłada jedno zapytanie na pod-zapytania dotyczące materiałów, rozmiarów, funkcji, marek i przedziałów cenowych. Każde pod-zapytanie przeszukuje inną część Shopping Graph, a produkty matchujące kilka nakładających się sygnałów są faworyzowane.
Kluczowe czynniki selekcji (na podstawie analizy Productsup i obserwacji Productrise):
- Kompletność atrybutów w feedzie — tytuł, opis, kolor, rozmiar, materiał, GTIN, identyfikatory wariantów. Im więcej atrybutów, tym więcej pod-zapytań produkt matchuje.
- Semantic matching — dopasowanie intencji zapytania do atrybutów produktu. AI Mode nie szuka słów kluczowych — szuka odpowiedzi na pytanie „który produkt najlepiej pasuje”.
- Świeżość danych — stała cena, aktualna dostępność, poprawne warianty. Przestarzałe dane to jeden z głównych powodów wypadnięcia z AI Mode.
- Walidacja feedu — Merchant Center sprawdza brakujące dane, problemy z identyfikatorami i naruszenia polityk. Odrzucenia (disapprovals) obniżają widoczność.
- Opinie i reputacja sprzedawcy — podsumowania recenzji i sygnały zaufania wpływają na panele produktowe.
- Visual embeddings — AI Mode analizuje zdjęcia produktów: kształt, teksturę, wzór, cechy funkcjonalne. Dopasowuje je do obrazów w katalogu.
Ten mechanizm wyjaśnia, dlaczego AI Mode wybiera inne produkty i innych sprzedawców niż Google Shopping. Standard shopping ranking bazuje na aukcji reklamowej i dopasowaniu do zapytania. AI Mode bazuje na semantycznym dopasowaniu atrybutów, jakości danych i reputacji.
Dlaczego ceny w AI Mode są wyższe?
Lead price w AI Mode jest średnio o 21,6% wyższy niż w standardowym Google Shopping. To nie znaczy, że AI Mode celowo wybiera droższe produkty. Oznacza, że mechanizm selekcji faworyzuje inne sygnały niż najniższa cena:
| Metryka cenowa | Wartość |
|---|---|
| Średnia różnica lead price (AI Mode vs standard) | +21,6% |
| Mediana ceny produktu w AI Mode | 149 USD |
| Mediana ceny produktu w standard | 100 USD |
| Produkty z różnicą cenową | 38,1% |
| Kiedy ceny się różnią — AI Mode droższy | 68,4% przypadków |
| Produkty z innym głównym sprzedawcą | 49,6% |
Jamie D’Alessandro z JAKALA zaobserwował, że AI Mode częściej linkuje do oficjalnych stron marek niż do marketplace’ów. To sugeruje, że AI Mode faworyzuje bezpośredni kanał sprzedaży — co jest spójne z zachowaniem Gemini, który w naszym monitoringu też częściej cytuje oficjalne domeny.
57% linków produktowych zostaje w ekosystemie Google
Według analizy Marketscale 57% linków produktowych w AI Mode prowadzi do kart produktowych wewnątrz Google Shopping, nie bezpośrednio do sklepu sprzedawcy. Google buduje w AI Mode zamknięty ekosystem zakupowy: agentic checkout pozwala finalizować zakup przez Google Pay bez opuszczania AI Mode, a virtual try-on umożliwia przymierzanie ubrań w ramach odpowiedzi AI.
Dla sklepów to podwójny filtr. Najpierw musisz przejść selekcję do AI Mode (4,3 produkty z 22,5). Potem 57% kliknięć i tak zostaje w Google. Efektywnie, sprzedawca, który przejdzie oba filtry, konkuruje o mniej niż 2 z 22,5 slotów — porównując z tradycyjnym Google Shopping.
Dane z naszego monitoringu: 7 polskich sklepów w AI Mode
Monitorujemy widoczność w AI sklepów z naszego portfolio za pomocą narzędzia do monitoringu AI widoczności. Sprawdzamy, czy asystenci AI (Google AI Mode, Gemini, ChatGPT, Copilot, Perplexity, Claude) cytują URL sklepu, wymieniają markę i w jakiej pozycji umieszczają sklep w odpowiedzi. Dane poniżej dotyczą 7 sklepów z portfolio, silnik Google AI Mode, ostatnie 30 dni.
| Sklep | Nisza | AI Mode score | Cytuje URL | Podaje markę | Promptów |
|---|---|---|---|---|---|
| Sklep A | baterie / elektronika | 46/90 | 59% | 59% | 1 |
| Sklep G | akumulatory przemysłowe | 45/90 | 55% | 59% | 9 |
| Sklep D | dom / ogród, drewno | 29/90 | 66% | 6% | 17 |
| Sklep B | kosmetyki i laboratorium | 15/90 | 27% | 5% | 17 |
| Sklep E | opakowania B2B | 10/90 | 18% | 9% | 36 |
| Sklep F | rolety | 2/90 | 6% | 0% | 4 |
| Sklep C | meble / sofy | 2/90 | 3% | 2% | 28 |
Rozstrzał jest ogromny: od 46/90 (Sklep A, baterie) do 2/90 (Sklep C, sofy i Sklep F, rolety). Trzy rzeczy rzucają się w oczy.
Produkty techniczne dominują. Sklep A (baterie) i Sklep G (akumulatory przemysłowe) mają score 45-46/90. Oba sprzedają produkty o jednoznacznych specyfikacjach: pojemność, napięcie, wymiary, kompatybilność z konkretnymi urządzeniami. AI Mode może jednoznacznie matchować takie produkty do zapytań.
Lifestyle znika. Sklep C (sofy) i Sklep F (rolety) mają score 2/90. To produkty, gdzie wybór zależy od gustu, koloru, stylu — atrybutów, które trudniej zmatchować semantycznie i które rzadziej mają kompletne specyfikacje w feedzie. Sklep B (kosmetyki) z 15/90 wypada lepiej — kosmetyki laboratoryjne mają składy (INCI), pojemności i przeznaczenie, co daje AI więcej atrybutów do matchowania.
Cytowanie URL ≠ podanie marki. Sklep D (dom/ogród) ma wysoki citation rate (66%), ale niski brand rate (6%). AI Mode cytuje URL sklepu, ale nie wymienia go z nazwy. To oznacza, że sklep jest źródłem danych, ale nie buduje rozpoznawalności marki w AI.
Porównanie AI Mode z innymi silnikami AI
AI Mode to nie jedyna powierzchnia. Porównaliśmy widoczność tych samych sklepów w 5 silnikach:
| Sklep | AI Mode | Gemini | Copilot | Perplexity | ChatGPT |
|---|---|---|---|---|---|
| Sklep A (baterie) | 46/90 | 51/90 | 22/90 | 0/90 | 0/90 |
| Sklep G (akumulatory) | 45/90 | 61/90 | 31/90 | 32/90 | 24/90 |
| Sklep D (dom/ogród) | 29/90 | 25/90 | 38/90 | 26/90 | 0/90 |
| Sklep E (opakowania) | 10/90 | 17/90 | 31/90 | 22/90 | 3/90 |
| Sklep F (rolety) | 2/90 | 9/90 | 0/90 | 1/90 | 0/90 |
| Sklep C (meble) | 2/90 | 4/90 | 2/90 | 0/90 | 0/90 |
| Sklep B (kosmetyki) | 15/90 | 10/90 | 19/90 | 18/90 | 9/90 |
Sklep G (akumulatory przemysłowe) jest jedynym sklepem widocznym we wszystkich 5 silnikach z dwucyfrowym score. Ma silne specyfikacje techniczne, kompletne dane produktowe i aktywne opinie. Sklep B (kosmetyki laboratoryjne) jest widoczny umiarkowanie (15/90 w AI Mode) — ma specyfikacje składów i pojemności, ale brak silnej marki w AI. W naszej analizie GA4 firm z portfolio widzieliśmy, że ruch z AI trafia przede wszystkim na karty produktów (mediana 73% w sklepach), ale sam wolumen zależy od tego, czy AI w ogóle rekomenduje produkty danego sklepu. Bez widoczności w AI Mode i Gemini nie ma ruchu do konwersji.
Dlaczego produkty techniczne wygrywają w AI Mode?
Mechanizm query fan-out w Gemini wyjaśnia przewagę produktów technicznych. Gdy użytkownik pyta „akumulator do wózka widłowego 48V 400Ah”, Gemini rozkłada to na pod-zapytania: napięcie, pojemność, typ (trakcyjny), kompatybilność z wózkami widłowymi, dostępność w Polsce. Produkt z kompletnym feedem matchuje wszystkie pod-zapytania jednocześnie. Sofa „w stylu skandynawskim” matchuje jedno pod-zapytanie — styl — ale pozostałe (materiał obicia? wymiary? dostawa?) często nie mają odpowiedników w atrybutach feedu.
To potwierdza to, co widzimy w danych Productrise: AI Mode nie filtruje listy. Buduje nową listę, matchując atrybuty produktów do pod-zapytań. Produkty z 15 wypełnionymi atrybutami przechodzą 15 filtrów. Produkty z 3 atrybutami — przechodzą 3. Conversational attributes w Merchant Center pomagają uzupełnić te luki.
Co traci sklep, który nie jest widoczny w AI Mode?
Raport Alhena AI (State of AI Commerce, 329 marek) pokazuje, że AI dotyka około 1% wizytatorów strony, ale generuje około 10% sprzedaży. Konwersja z ruchu AI (LLM referral) wynosi średnio 2,47%, ale w poszczególnych branżach jest znacznie wyższa: beauty/skincare 5,36%, zdrowie/suplementy 4,68%, auto parts 3,53%. W USA konwersja z LLM wynosi 3,50%, a w EU 0,41% — różnica wynika głównie z miksu branżowego i 6-12 miesięcznego opóźnienia adopcji w Europie.
Case study Tatcha (beauty) z tego raportu: 3x wyższa konwersja z AI niż z innych kanałów, 38% wzrost średniej wartości zamówienia, 11,4% przychodów strony z kanału AI. W naszej analizie konwersji z ruchu AI widzieliśmy podobny wzorzec: Sklep C z portfolio (kosmetyki) miał CR 5,5% z ChatGPT wobec średniej polskiego e-commerce 1,5-3%.
Ale 10% sprzedaży z 1% ruchu działa tylko wtedy, gdy AI w ogóle rekomenduje Twoje produkty. Sklep z visibility score 1-2/90 w AI Mode nie łapie tego ruchu. Widoczność w AI to warunek wstępny — bez niej nie ma konwersji do optymalizacji.
Jak zwiększyć widoczność produktów w AI Mode?
Na podstawie mechanizmu selekcji AI Mode i obserwacji z naszego monitoringu, oto konkretne działania:
- Uzupełnij atrybuty w feedzie do 100%. Kolor, rozmiar, materiał, GTIN, MPN, brand. Każdy brakujący atrybut to pod-zapytanie, którego produkt nie matchuje.
- Tytuły produktów: specyfikacja przed marketingiem. „Akumulator trakcyjny 48V 400Ah PzS” matchuje query fan-out. „Super Energia Plus Pro” nie matchuje nic.
- Dane wariantowe na poziomie SKU. Każdy wariant (kolor, rozmiar) jako osobny listing z unikalnymi atrybutami, nie jako opcje na jednej karcie. Szczegóły o feedach produktowych pod AI.
- Zdjęcia o wysokiej jakości na białym tle. Visual embeddings AI Mode matchują kształt i cechy produktu. Lifestyle’owe zdjęcia z modelką w kawiarni nie matchują zapytania o „czarną skórzaną torebkę na ramię”.
- Aktualizuj ceny i dostępność w czasie zbliżonym do real-time. AI Mode downrankuje przestarzałe dane. Jeśli feed aktualizuje się raz dziennie, w godzinach szczytu możesz stracić widoczność.
- Zbieraj i zarządzaj opiniami. Podsumowania recenzji i merchant reputation to sygnały selekcji.
- Napraw błędy w Merchant Center. Disapprovale i ostrzeżenia obniżają widoczność. Regularny przegląd diagnostyki.
- Dodaj conversational attributes. Merchant Center pozwala dodać atrybuty konwersacyjne — opisujemy je szczegółowo w osobnym artykule.
- Monitoruj widoczność w AI Mode osobno. Score w AI Mode nie koreluje z pozycją w Google Shopping. Potrzebujesz osobnego monitoringu — audyt widoczności w AI daje punkt wyjścia.
Jakie dane strukturalne wpływają na widoczność w AI Mode?
AI Mode czerpie dane z Shopping Graph, feedów Merchant Center i structured data na stronie. Oto encje, które mają udokumentowany wpływ na selekcję:
| Encja / typ danych | Gdzie eksponować | Wpływ na AI Mode |
|---|---|---|
| Product schema (name, description, sku, gtin) | JSON-LD na karcie produktu | Bazowe dane identyfikacyjne — bez nich produkt nie istnieje w Shopping Graph |
| Offer (price, priceCurrency, availability) | Schema.org + feed GMC | Aktualność ceny i dostępności to warunek bycia matchowanym; stale dane = downrank |
| AggregateRating / Review | Schema.org + Google Customer Reviews | Podsumowania opinii wpływają na panele produktowe w AI Mode |
| Product attributes (color, size, material, pattern) | Feed GMC (custom labels, product_type, atrybuty) | Każdy atrybut to dodatkowe pod-zapytanie matchowane przez query fan-out |
| GTIN / MPN / brand | Feed GMC + schema.org | Identyfikatory wariantowe — AI Mode matchuje po GTIN, nie po tytule |
| Warianty (itemGroupId, poszczególne SKU) | Feed GMC | Osobne listingi per wariant = osobne szanse na matchowanie per zapytanie |
| Zdjęcia (image_link, additional_image_link) | Feed GMC | Visual embeddings — AI Mode analizuje cechy wizualne produktu |
| ShippingDeliveryTime | Schema.org + GMC shipping settings | Czas dostawy wpływa na selekcję, szczególnie przy zapytaniach z pilnością |
| MerchantReturnPolicy | Schema.org + GMC return settings | Polityka zwrotów jako sygnał zaufania i merchant reputation |
| BuyAction / PotentialAction | Schema.org JSON-LD | Umożliwia agentowi agentic checkout — dodanie do koszyka bez nawigacji |
| sale_price + sale_price_effective_date | Feed GMC | AI Mode wyświetla cenę promocyjną — bez tych pól pokazuje cenę regularną, co tworzy rozbieżność |
| product_type / google_product_category | Feed GMC | Klasyfikacja taksonomiczna — pomaga query fan-out matchować produkt do właściwej kategorii zapytania |
| Offer.priceValidUntil | Schema.org JSON-LD | Informuje AI, do kiedy cena jest aktualna — zmniejsza ryzyko wyświetlenia przestarzałej oferty |
| ItemAvailability (InStock, OutOfStock, PreOrder) | Schema.org Offer + feed GMC | Jednoznaczny status dostępności — AI Mode downrankuje produkty bez explicite podanego stanu magazynowego |
Z naszych obserwacji wynika, że Sklep A i Sklep G — liderzy w AI Mode — mają w feedzie kompletne GTIN-y, atrybuty techniczne per wariant i aktualne ceny. Sklep C (sofy) i Sklep F (rolety) mają tytuły opisowe bez specyfikacji technicznych i brak GTIN na większości produktów. Sklep B (kosmetyki) plasuje się pośrodku — ma składy INCI i pojemności, co daje mu 15/90 zamiast 2/90. Korelacja między kompletnością feedu a visibility score w AI Mode jest w naszym portfolio jednoznaczna.
Ile realnie kosztuje brak widoczności w AI Mode?
Zróbmy prostą kalkulację na danych z naszego portfolio i Alhena AI.
Sklep G (akumulatory) ma score 45/90 i około 40 sesji z AI dziennie (dane z GA4). Przy konwersji 2,47% (średnia LLM z Alhena) to ~1 transakcja dziennie z kanału AI. Przy średniej wartości zamówienia na akumulatory przemysłowe (kilka tysięcy złotych) to potencjalnie 60 000-90 000 PLN miesięcznie z kanału o zerowym koszcie pozyskania.
Sklep C (sofy) ma score 2/90 i poniżej 5 sesji z AI dziennie. Przy tej samej konwersji to mniej niż 1 transakcja tygodniowo. Sklep B (kosmetyki) z 15/90 wypada lepiej — ale nadal traci wobec liderów. Różnica w przychodzie z AI między score 45/90 a 2/90 to nie optymalizacja — to obecność vs nieobecność.
Alhena AI podaje, że top 10% marek przypisuje AI 8-12% przychodów strony. Jeśli sklep z obrotem 500 000 PLN miesięcznie mógłby uzyskać 8% przychodów z AI, to 40 000 PLN miesięcznie. Ale ten potencjał jest dostępny tylko dla sklepów, których produkty przechodzą filtr AI Mode. Przy 4,3 produktach na zapytanie (vs 22,5 w standardzie) 80% sprzedawców jest po prostu poza grą.
Podsumowanie
AI Mode to nie kolejna modyfikacja Google Shopping. To osobna powierzchnia z osobnym algorytmem, która pokazuje 5x mniej produktów, wybiera innych sprzedawców i ma wyższe ceny. Overlap z tradycyjnymi wynikami to poniżej 1%. Dla polskich sklepów widoczność w AI Mode waha się od 1 do 46 na 90 — i kluczowym czynnikiem jest typ produktu i kompletność danych w feedzie. Produkty techniczne z pełnymi specyfikacjami przechodzą filtr. Produkty lifestyle’owe z ogólnikowymi opisami — znikają.
Dobra wiadomość: mechanizm selekcji AI Mode opiera się na jakości danych, nie na budżecie reklamowym. Uzupełnienie atrybutów w feedzie, poprawienie tytułów i regularna aktualizacja cen to działania, które mogą przenieść sklep z 2/90 do 20/90 bez wydawania złotówki na reklamy. Pozycjonowanie sklepu internetowego w erze AI zaczyna się od danych produktowych, nie od linkbuildingu. A pozycjonowanie w AI wymaga monitorowania widoczności w AI Mode jako osobnej metryki, niezależnej od pozycji w Google Shopping.
Jeśli prowadzisz sklep i nie mierzysz widoczności w AI Mode, nie wiesz, czy Twoje produkty w ogóle istnieją dla rosnącej grupy kupujących. Opisaliśmy pełną checklistę gotowości na agentic commerce, przygotowanie na peak season i kierunek local commerce w osobnych artykułach.
FAQ
Ile produktów pokazuje AI Mode w porównaniu z Google Shopping?
Średnio 4,3 produkty na zapytanie w AI Mode wobec 22,5 w standardowym Google Shopping — dane Productrise z lipca 2026, 100 000+ zapytań w US i UK. To redukcja widoczności o ponad 80%. Overlap między produktami w obu powierzchniach wynosi zaledwie 0,8%, co oznacza, że AI Mode buduje własną listę na podstawie Shopping Graph i atrybutów feedu, a nie filtruje wyniki standardowego rankingu.
Dlaczego ceny w AI Mode są wyższe niż w Google Shopping?
Lead price w AI Mode jest średnio o 21,6% wyższy, a mediana produktu to 149 USD wobec 100 USD w standardzie — Productrise, sierpień 2026. AI Mode na 49,6% dopasowanych produktów wybiera innego sprzedawcę niż Google Shopping. Mechanizm selekcji faworyzuje kompletność danych, reputację sprzedawcy i dopasowanie atrybutów, a nie najniższą cenę. Oficjalne strony marek mogą być faworyzowane nad marketplace’ami.
Jakie produkty mają najwyższą widoczność w AI Mode?
Produkty techniczne i specyfikacyjne — baterie, akumulatory przemysłowe, części — mają w naszym monitoringu score 45-46/90 w AI Mode. Produkty lifestyle’owe — torby, sofy, rolety — 1-2/90. AI Mode stosuje query fan-out (rozkłada zapytanie na pod-zapytania dotyczące parametrów technicznych) i matchuje atrybuty feedu. Im więcej jednoznacznych specyfikacji (napięcie, pojemność, wymiary, kompatybilność), tym wyższy score.
Czy widoczność w AI Mode koreluje z pozycją w Google Shopping?
Nie. Overlap produktów między AI Mode a standardowym Google Shopping wynosi poniżej 1% (Productrise). W naszym portfolio Sklep D (dom/ogród) ma dobrą pozycję w Google Shopping, ale zaledwie 29/90 w AI Mode, a Sklep A (baterie) ma 46/90 w AI Mode przy podobnej pozycji w Google Shopping. To osobny algorytm selekcji wymagający osobnego monitoringu — więcej o AI Mode w e-commerce.
Co zrobić, żeby mój sklep pojawiał się w AI Mode?
Trzy najważniejsze działania: (1) uzupełnij atrybuty w feedzie Merchant Center do 100% — kolor, rozmiar, materiał, GTIN, MPN, brand; każdy brakujący atrybut to pod-zapytanie, którego produkt nie matchuje. (2) Zmień tytuły z marketingowych na specyfikacyjne — „Akumulator 48V 400Ah PzS trakcyjny” zamiast „Super Energia Plus Pro”. (3) Aktualizuj ceny i dostępność w trybie zbliżonym do real-time — stale dane powodują downrank. Szczegóły o feedach produktowych pod AI.
