Monitorowaliśmy widoczność 4 polskich sklepów internetowych w 5 silnikach AI przez 90 dni. Jeden sklep jest cytowany w ponad połowie odpowiedzi AI na pytania z jego branży. Inny praktycznie nie istnieje – AI poleca wyłącznie jego konkurencję. Różnica nie wynika z budżetu ani rozmiaru sklepu. Wynika z tego, jakie treści sklep oferuje robotom AI do zacytowania.
W tym artykule pokazujemy konkretne dane: który silnik AI cytuje polskie sklepy, jakie typy treści są cytowane, dlaczego ChatGPT jest bezużyteczny dla e-commerce i jak zbudować monitoring widoczności w AI od zera.
Co badaliśmy i jak?
Przez 90 dni (marzec-czerwiec 2026) monitorowaliśmy codziennie odpowiedzi 5 silników AI na pytania związane z asortymentem 4 polskich sklepów internetowych. Łącznie przeprowadziliśmy ponad 26 000 pomiarów (runów monitoringowych).
Badane silniki AI: Google Gemini, Google AI Overviews (dawne SGE), Google AI Mode, ChatGPT (OpenAI) i Perplexity.
Dla każdego sklepu zdefiniowaliśmy 17-36 promptów – pytań, które potencjalny klient mógłby zadać AI zamiast wpisywać je w Google. Promptów było od czysto informacyjnych („Czym się różni X od Y?”) przez porównawcze („Jaki X jest najlepszy do Y?”) po zakupowe („Gdzie kupić X?”). Codziennie sprawdzaliśmy: czy AI odpowiada na to pytanie, czy cytuje nasz sklep, czy wspomina markę, jakie inne domeny cytuje.
Monitorowane sklepy:
- Sklep A – nisza: wyposażenie ogrodowe / konstrukcje drewniane. 17 promptów. Sklep z rozbudowanym blogiem edukacyjnym i poradnikami.
- Sklep B – nisza: opakowania i materiały wysyłkowe B2B. 36 promptów. Sklep z blogiem branżowym i treściami poradnikowymi.
- Sklep C – nisza: kosmetyki i sprzęt laboratoryjny. 17 promptów. Sklep ze średnio rozbudowaną warstwą contentową.
- Sklep D – nisza: meble tapicerowane / sofy. 28 promptów. Młody serwis w fazie budowania widoczności, minimalna warstwa treści edukacyjnych.
Który silnik AI cytuje polskie sklepy – a który możesz zignorować?
Pierwsze odkrycie z naszego monitoringu: różnice między silnikami AI są gigantyczne. ChatGPT w praktyce nie istnieje dla polskiego e-commerce. Google AI Overviews cytuje polskie sklepy najstabilniej.
Średni visibility score (0-100) per silnik, uśredniony po 4 sklepach:
- Google AI Overviews: 22.6 (najstabilniejszy, najczęściej cytuje ze źródłem)
- Google AI Mode: 21.3 (nowy, ale obiecujący – brand presence najwyższy)
- Gemini: 18.2 (cytuje dużo, ale rzadko wymienia markę z nazwy)
- Perplexity: 19.4 (agresywnie linkuje – najwyższy potencjał kliknięć)
- ChatGPT: 2.1 (praktycznie zero – nie cytuje polskich sklepów)
ChatGPT ma 900 milionów użytkowników tygodniowo. A mimo to dla polskich sklepów internetowych jest bezwartościowy jako źródło ruchu. Na 4 monitorowane sklepy średni visibility score w ChatGPT wyniósł 1.7 na 100. Dla porównania Google AI Overviews daje średnio 24.9.
Dlaczego? ChatGPT odpowiada na pytania o produkty i materiały, ale prawie nigdy nie cytuje polskojęzycznych źródeł. Preferuje anglojęzyczne domeny, artykuły Wikipedii i ogólne poradniki. Jeśli ktoś mówi Ci, że „musisz być widoczny w ChatGPT” – pokaż mu te dane.
| Silnik AI | Avg visibility score | Cytuje własny URL | Wymienia markę | Generuje kliknięcia |
|---|---|---|---|---|
| Google AI Overviews | 22.6 / 100 | Najstabilniej | Tak (brand rate 8-12%) | Pośrednio (w SERP) |
| Google AI Mode | 21.3 / 100 | Wysoko | Najczęściej (10-15%) | Pośrednio (w SERP) |
| Perplexity | 19.4 / 100 | Umiarkowanie | Rzadko (3-5%) | Tak – klikalne linki |
| Gemini | 18.2 / 100 | Wysoko | Prawie nigdy (0-4%) | Nie – brak linków |
| ChatGPT | 2.1 / 100 | Prawie nigdy | Prawie nigdy (0-2%) | Minimalnie |
Perplexity to z kolei silnik, który najbardziej agresywnie linkuje do źródeł. Każda odpowiedź Perplexity zawiera klikalne linki do cytowanych stron. Dla Sklepu A (wyposażenie ogrodowe) Perplexity osiągnął visibility score 38 z 65% własnych cytowań – to znaczy, że w 2 na 3 odpowiedzi Perplexity linkował bezpośrednio do stron tego sklepu.
Dlaczego Sklep A jest cytowany w 55% odpowiedzi, a Sklep D w 7%?
To kluczowe pytanie naszego badania. Oba sklepy działają na polskim rynku, oba sprzedają produkty fizyczne, oba mają kompletne karty produktowe. Ale jeden jest widoczny w AI, a drugi praktycznie nie istnieje.
Sklep A (wyposażenie ogrodowe) – visibility score 35, own citation rate 59%:
Ten sklep ma rozbudowany blog z poradnikami technicznymi. Artykuły odpowiadają na konkretne pytania klientów: jak przygotować fundament, jakie pozwolenia są potrzebne, jak wybrać materiał. Treści są długie (2000-4000 słów), zawierają tabele porównawcze, specyfikacje techniczne i odpowiedzi na pytania prawne.
Efekt: kiedy ktoś pyta AI „Jak przygotować fundament pod domek?”, AI cytuje artykuł tego sklepu, bo to najbardziej kompletne polskojęzyczne źródło na ten temat. Sklep jest cytowany nie jako „sklep”, ale jako „ekspert w temacie”.
Dwa URL-e tego sklepu pojawiają się w top 10 najczęściej cytowanych źródeł: poradnik o fundamentach (ponad 460 cytowań) i artykuł blogowy o formalnościach budowlanych (ponad 460 cytowań). Oba to treści edukacyjne, nie karty produktowe.
Sklep D (meble / sofy) – visibility score 4.2, own citation rate 7%:
Ten sklep jest młodym serwisem w fazie budowania widoczności. Ma karty produktowe, ale minimalna warstwę treści edukacyjnych. Kiedy ktoś pyta AI „Jaką sofę wybrać do salonu?”, AI cytuje konkurencję: portale meblarskie (mebline, twojemeble), duże sklepy (abra-meble, nobonobo) i kanały YouTube z recenzjami. Poniżej widoczność tego sklepu.
W top 10 najczęściej cytowanych URL-i dla promptów tego sklepu nie ma ani jednego URL-a z jego domeny. Wszystkie 10 to konkurencja.
Co je różni? Nie budżet, nie wiek domeny (choć młodość Sklepu D jest czynnikiem), nie liczba produktów. Różni je jedno: Sklep A daje AI treści, które warto zacytować – obszerne poradniki odpowiadające na realne pytania klientów. Sklep D daje AI tylko karty produktowe – a tych AI ma tysiące do wyboru od setek konkurentów. Trzeba jednak uczciwie powiedzieć: Sklep D to młody serwis, który dopiero buduje swoją obecność w internecie. Niski visibility score to nie porażka – to punkt startowy. Dane z monitoringu służą właśnie temu, żeby wskazać, które treści zbudować w pierwszej kolejności.
Jak blog B2B buduje cytowania w AI?
Sklep B (opakowania B2B) osiągnął visibility score 16 z 24% własnych cytowań. To wynik pośredni – lepszy niż Sklep D, ale daleko do Sklepu A.
Kluczowa obserwacja: najczęściej cytowany URL tego sklepu to artykuł blogowy „Jak wybrać opakowania do sklepu internetowego” z ponad 400 cytowaniami. To treść edukacyjna skierowana do właścicieli e-commerce – dokładnie ta grupa, która pyta AI o rozwiązania opakowaniowe.
Ale reszta cytowań rozprasza się między konkurencją: portale biznesowe (Business Insider), specjalistyczne blogi opakowaniowe, sklepy konkurencyjne. Sklep B ma jeden silny artykuł, ale nie ma klastra tematycznego – serii wzajemnie powiązanych treści, które budowałyby topical authority w oczach AI.
Wniosek: jeden dobry artykuł blogowy może generować cytowania w AI. Ale systematyczna widoczność wymaga klastra treści pokrywającego temat z wielu stron.
Dane GA4 Sklepu B potwierdzają, że AI generuje realny ruch B2B:
| Źródło AI | Sesje (90 dni) | Engagement rate | Śr. czas sesji |
|---|---|---|---|
| ChatGPT | 170 | 88% | 3 min 48 s |
| Gemini | 40 | 81% | 13 min 26 s |
| Perplexity | 42 | 35% | 5 min 12 s |
| Copilot + Claude | 5 | 100% | 6 min 15 s |
| Razem AI | 257 | 72% | 5 min 34 s |
Co ważniejsze – Sklep B ma pełny lejek e-commerce z ruchu AI, z realnym zamówieniem:
| Etap lejka | ChatGPT | Gemini | Pozostałe |
|---|---|---|---|
| Przeglądanie list produktów | 710 | 215 | 28 |
| Oglądanie produktu | 130 | 44 | 6 |
| Szukanie w sklepie | 38 | 11 | 2 |
| Dodanie do koszyka | 4 | 7 | – |
| Rozpoczęcie checkout | 2 | 9 | – |
| Dane do wysyłki + płatności | – | 2 | – |
| Zakup (purchase) | – | 1 (340 PLN) | – |
| Kontakt telefoniczny | 2 | – | – |
Pierwsza obserwacja: Gemini konwertuje lepiej niż ChatGPT. ChatGPT generuje 4x więcej ruchu (710 vs 215 przeglądanych list), ale to Gemini doprowadził do jedynego zakupu. Gemini ma też wyższy współczynnik konwersji na każdym etapie lejka: 3.3% użytkowników przeglądających listy dodaje do koszyka (vs 0.6% w ChatGPT).
Druga obserwacja: uczciwie – kanał AI sprzedaje w tym sklepie słabo. 340 PLN za jedyne zamówienie w 90 dni to nie jest rewolucja. Sklep B to docelowo B2B – hurtowe zamówienia opakowań za tysiące złotych. Klientów B2B na takie zakupy przez AI po prostu nie stać, bo decyzje zakupowe w firmach przechodzą przez procurement, porównanie ofert i negocjacje cenowe. Kto kupuje opakowania przez ChatGPT za 340 PLN? Prawdopodobnie mały e-commerce, który szuka kilku kartonów do wysyłki – nie hurtowy klient na 20 palet.
Trzecia obserwacja: 2 kliknięcia „kontakt telefoniczny” z ChatGPT to potencjalnie ciekawszy sygnał niż sam purchase. W B2B prawdziwe zamówienia hurtowe są składane telefonicznie lub mailowo po negocjacjach cenowych. Jeśli klient B2B trafia na sklep przez AI, przegląda asortyment i dzwoni – to zamówienie może być warte dziesiątki tysięcy złotych. Ale GA4 tego nie pokaże jako konwersję z AI. To kolejny przykład ciemnej materii AI traffic.
Czy cytowania w AI przekładają się na ruch i sprzedaż?
To pytanie za milion dolarów. Monitoring cytowań mówi nam, że AI „zna” nasz sklep. Ale czy to przekłada się na odwiedziny i zakupy?
Ruch z AI w Google Analytics 4 można śledzić filtrując sesje po źródle (sessionSource): chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com. To bezpośrednie kliknięcia z odpowiedzi AI.
Problem: to wierzchołek góry lodowej. Większość interakcji z AI nie generuje kliknięcia. Użytkownik czyta odpowiedź AI, dowiaduje się o marce lub produkcie, ale nie klika w link. Potem otwiera Google i wpisuje nazwę sklepu lub produktu. Ten ruch pojawia się w GA4 jako „organic” lub „direct” – nie jako „AI”.
Jak zmierzyć tę ciemną materię? Branded search uplift. Jeśli po rozpoczęciu budowania widoczności w AI rośnie liczba zapytań brandowych w Google Search Console (ludzie szukają nazwy Twojego sklepu), to sygnał, że AI generuje świadomość marki – nawet bez bezpośrednich kliknięć.
Dla Sklepu A (59% citation rate) obserwujemy wyraźną korelację między wzrostem cytowań w AI a wzrostem zapytań brandowych w GSC. To nie jest dowód przyczynowy – korelacja to nie kauzacja – ale kierunek jest spójny.
Dla Sklepu D (6% citation rate) branded search jest stabilny i niski. AI go nie cytuje, więc nie buduje świadomości marki w nowym kanale.
Dlaczego pojedynczy pomiar widoczności w AI nic nie znaczy?
Jedno z najważniejszych odkryć z 90 dni monitoringu: odpowiedzi AI są niestabilne. Ten sam prompt, ten sam silnik, dzień później – zupełnie inna odpowiedź.
Przykład z naszych danych: prompt „Jaki materiał jest najtrwalszy?” dla Sklepu B. Poniedziałek: Gemini cytuje sklep, visibility score 60. Wtorek: Gemini nie cytuje nikogo z branży, score 0. Środa: cytuje konkurencję, score 20. To nie błąd pomiaru – to natura modeli językowych.
Co to oznacza praktycznie? Jeśli sprawdzisz raz, czy ChatGPT zna Twój sklep, i dostaniesz odpowiedź „tak” – to nic nie znaczy. Jutro może powiedzieć „nie”. Wiarygodne wnioski wymagają minimum 14 dni codziennych pomiarów na każdym silniku. Dlatego monitoring AI to nie jednorazowy audyt, a ciągły proces – jak monitoring pozycji w Google.
Nasze dane z 26 000 pomiarów pokazują, że dopiero po 30+ dniach średnie visibility score stabilizują się i można podejmować na ich podstawie decyzje strategiczne.
Od promptu do decyzji contentowej – jak wygląda proces?
Monitoring cytowań to dopiero połowa pracy. Kluczowe pytanie brzmi: co zrobić z danymi? Jeśli AI nie cytuje Twojego sklepu na pytanie „Jaki materiał wybrać do X?” – co konkretnie powinieneś zrobić?
W Semgence stosujemy 5-etapowy proces, który łączy monitoring AI z Google Search Console, analizą patentów Google dotyczących retrieval i decyzjami contentowymi.
Etap 1: Monitoring promptów w AI. Codzienne pomiary widoczności w 5 silnikach. Identyfikacja promptów, na które sklep NIE jest cytowany, a powinien być (bo dotyczy jego asortymentu). Na przykład: Sklep A nie był cytowany na prompt „Jakie pozwolenia potrzebne do budowy?” – mimo że sprzedaje produkty wymagające takich pozwoleń.
Etap 2: Weryfikacja promptów w GSC. Sprawdzamy, czy prompty z monitoringu AI pojawiają się jako zapytania w Google Search Console. Jeśli ludzie wpisują to pytanie w Google (i widzimy je w GSC) – to potwierdza, że jest na nie realne zapotrzebowanie. Jeśli prompt pojawia się tylko w AI ale nie w GSC – nadal jest wartościowy, bo reprezentuje intencję zakupową, ale priorytet może być niższy.
Etap 3: Mapowanie URL do promptu (retrieval). Patenty Google dotyczące retrieval (m.in. US10019513B1, US12158907B1) opisują, jak algorytmy dobierają „najlepszą odpowiedź” do zapytania – przez matching terminów, semantyczną bliskość i autorytet źródła. Wykorzystujemy tę logikę odwrotnie: dla każdego promptu z monitoringu AI szukamy, który istniejący URL w sklepie jest najbliższy tematycznie. Jeśli taki URL istnieje – wiemy gdzie dopisać treść. Jeśli nie istnieje – wiemy, że trzeba stworzyć nowy artykuł. Szczegółowo opisaliśmy tę metodologię w artykule Jak AI wybiera źródła do cytowania.
Etap 4: Decyzja contentowa. Na podstawie mapowania prompt – URL podejmujemy jedną z czterech decyzji:
- Dopisz FAQ – jeśli istniejący artykuł pokrywa temat, ale brakuje bezpośredniej odpowiedzi na konkretne pytanie. Dodajemy pytanie i odpowiedź do sekcji FAQ ze schema markup.
- Rozbuduj istniejący artykuł – jeśli URL jest tematycznie bliski, ale brakuje głębokości. Dopisujemy sekcję H2 z odpowiedzią na prompt.
- Napisz nowy artykuł blogowy – jeśli żaden istniejący URL nie pasuje do promptu. Nowy artykuł wchodzi do klastra tematycznego i linkuje do stron produktowych.
- Publikacja zewnętrzna – jeśli prompt dotyczy tematu, na który lepiej pozycjonować się z poziomu zewnętrznego portalu branżowego (np. artykuł sponsorowany na portalu budowlanym dla Sklepu A).
Cały proces decyzyjny opisaliśmy w artykule Jak wykorzystać monitoring promptów w SEO oraz AI Search.
Klastry tematyczne – dlaczego jeden artykuł nie wystarczy?
Sklep A (59% cytowań) nie zbudował widoczności w AI jednym artykułem. Zbudował ją klastrem – grupą wzajemnie powiązanych treści pokrywających temat z wielu stron. Poradnik o fundamentach linkuje do artykułu o pozwoleniach, ten linkuje do porównania materiałów, a to z kolei prowadzi do stron produktowych.
AI widzi ten klaster jako dowód topical authority – głębokiej wiedzy eksperckiej na dany temat. Pojedynczy artykuł blogowy może zostać zacytowany raz. Klaster 8-12 wzajemnie powiązanych treści buduje systemową widoczność, gdzie AI cytuje różne URL-e sklepu w odpowiedzi na różne pytania z tego samego tematu.
Przykład klastra Sklepu A (wyposażenie ogrodowe):
- Pillar (strona kategorii): główna strona produktowa z asortymentem
- Poradnik 1: Jak przygotować fundament – techniczny, 3000 słów, tabele specyfikacji
- Poradnik 2: Zgłoszenie vs pozwolenie na budowę – prawny, z linkami do aktów prawnych
- Poradnik 3: Jak wybrać materiał – porównawczy, tabela cech
- Poradnik 4: Ile kosztuje budowa – cennikowy, kalkulacja kosztów
- FAQ na stronie kategorii: 8-10 pytań z odpowiedziami i schema markup
Każdy element klastra odpowiada na inny prompt z monitoringu AI. Każdy linkuje do stron produktowych. Każdy buduje autorytet domeny w oczach algorytmów retrieval. Szczegółowo o mierzeniu siły klastrów pisaliśmy w artykule Jak zmierzyć topical authority.
Sklep D (6% cytowań) nie ma takiego klastra. Ma karty produktowe i kilka krótkich wpisów blogowych bez wzajemnych powiązań. Dla AI to losowy zbiór stron, nie spójna baza wiedzy. Ale to młody serwis w fazie budowania – właśnie na podstawie danych z monitoringu AI planujemy, które klastry zbudować w pierwszej kolejności, żeby jak najszybciej wejść na radar algorytmów retrieval.
Jak zbudować monitoring widoczności w AI od zera?
Minimum viable monitoring dla sklepu internetowego:
Krok 1 – zdefiniuj 15-20 promptów. Podziel je na trzy grupy: informacyjne (5-7 pytań, np. „Czym się różni X od Y?”), porównawcze (5-7, np. „Jaki X jest najlepszy do Y?”) i zakupowe (3-5, np. „Gdzie kupić X?”). Prompty powinny odzwierciedlać realne pytania Twoich klientów – sprawdź Google Search Console, sekcję „Pytania” w Ahrefs lub po prostu zapytaj dział obsługi klienta.
Krok 2 – wybierz 3 silniki do monitoringu. Na podstawie naszych danych rekomendujemy: Google AI Overviews (najstabilniejszy), Perplexity (generuje realne kliknięcia) i Gemini (wysokie cytowania). ChatGPT możesz pominąć – dla polskiego e-commerce jest bezwartościowy.
Krok 3 – uruchom codzienne pomiary. Każdy prompt × 3 silniki × 1 pomiar dziennie = 45-60 pomiarów na dobę. Po 14 dniach masz pierwszy wiarygodny raport (630-840 data points). Po 30 dniach możesz podejmować decyzje strategiczne.
Krok 4 – skonfiguruj GA4. Utwórz segment „AI traffic” filtrujący sessionSource zawierający: chatgpt, perplexity, gemini, copilot, claude. Monitoruj: sesje, engagement rate, konwersje (zakup, koszyk, formularz kontaktowy).
Krok 5 – monitoruj branded search. W Google Search Console sprawdzaj miesięcznie liczbę zapytań zawierających nazwę Twojego sklepu. Wzrost branded search to pośredni sygnał, że AI buduje świadomość Twojej marki.
Narzędzia: na rynku są dedykowane platformy monitoringu AI (Otterly.ai, Peec AI, BrightEdge Copilot), ale można zacząć od ręcznego monitoringu w arkuszu kalkulacyjnym lub zbudować własne rozwiązanie na bazie API silników AI.
Czy AI faktycznie sprzedaje Twoje produkty?
Sesje i engagement rate to jedno. Ale czy ruch z AI przekłada się na realne zachowania zakupowe? Sprawdziliśmy eventy e-commerce w GA4 dla Sklepu D (meble – młody serwis, visibility score 4 na 100).
Wynik jest zaskakujący. Mimo najniższego visibility score ze wszystkich badanych sklepów, Sklep D ma aktywny lejek zakupowy z ruchu AI:
| Etap lejka | Zdarzenia (90 dni) | Wartość produktów | Źródło AI |
|---|---|---|---|
| Oglądanie produktów (view_item) | 740 | 3 150 000 PLN | ChatGPT 97% |
| Szukanie w sklepie (search) | 27 | – | ChatGPT 100% |
| Dodanie do koszyka (add_to_cart) | 3 | 12 400 PLN | ChatGPT 100% |
| Rozpoczęcie checkout (begin_checkout) | 4 | 22 800 PLN | ChatGPT 100% |
| Dane do wysyłki (add_shipping_info) | 1 | 3 800 PLN | ChatGPT |
| Dane do płatności (add_payment_info) | 1 | 6 200 PLN | ChatGPT |
| Formularze kontaktowe (form_submit) | 4 | – | ChatGPT |
740 obejrzeń produktów o łącznej wartości ponad 3 miliony złotych – z jednego kanału, w 90 dni, dla sklepu, który dopiero buduje widoczność. Użytkownicy trafiają na Sklep D głównie z ChatGPT (97% ruchu AI), przeglądają sofy i narożniki, część dodaje do koszyka, a pojedyncze osoby dochodzą do etapu płatności.
Zakupów (purchase) jeszcze nie odnotowaliśmy z ruchu AI – ale lejek jest aktywny. Przy średniej wartości koszyka powyżej 3 000 PLN, nawet jedna finalizowana transakcja miesięcznie z AI daje realny przychód. A ruch z AI dla tego sklepu rośnie miesiąc do miesiąca.
Dla porównania: Sklep A (wyposażenie ogrodowe) ma 14 wysłanych formularzy kontaktowych z ruchu ChatGPT. Przy średniej wartości zamówienia w tej niszy (tysiące złotych za konstrukcje drewniane), to potencjalnie kilkadziesiąt tysięcy złotych w pipeline sprzedażowym wygenerowanym przez AI.
Wniosek: AI już sprzedaje. Nie w skali Google Ads czy organik – ale lejek istnieje i jest mierzalny. Sklepy, które dziś zbudują widoczność w AI (klastry treści, entity-building, extractability), jutro będą zbierać konwersje z kanału, w którym konkurencja jeszcze nie istnieje.
Ile zakupów z AI generuje sklep kosmetyczny w 90 dni?
Sklep C (kosmetyki i sprzęt laboratoryjny) to najsilniejszy dowód w całym badaniu. Przy visibility score 15 na 100 i zaledwie 160 sesjach z AI – ten sklep zanotował 10 realnych zakupów z ruchu AI.
| Etap lejka | ChatGPT | Pozostałe AI | Wartość |
|---|---|---|---|
| Oglądanie produktów | 180 | 9 | 25 600 PLN |
| Dodanie do koszyka | 43 | 2 | 7 700 PLN |
| Rozpoczęcie checkout | 14 | 1 | 4 500 PLN |
| Dane do płatności | 3 | 1 | 1 800 PLN |
| Zakup (purchase) | 8 | 1 (Copilot) | 3 200 PLN |
| Formularze kontaktowe | 18 | – | – |
Conversion rate z ChatGPT: 8 zakupów z 145 sesji = 5.5%. Dla porównania – średni conversion rate w polskim e-commerce wynosi 1.5-3%. Ruch z AI konwertuje LEPIEJ niż średnia rynkowa.
Dlaczego akurat kosmetyki? Bo to kategoria, w której ludzie pytają AI o konkretne rekomendacje: „jaki krem z retinolem do cery dojrzałej?”, „który peeling enzymatyczny jest najskuteczniejszy?”. AI odpowiada, podaje link, użytkownik klika i kupuje. Średnia wartość zamówienia to ok. 350 PLN – wystarczająco niska, żeby podjąć decyzję zakupową bez długich negocjacji czy porównywania ofert.
To odwrotność Sklepu B (opakowania B2B, 1 zakup za 340 PLN) – tam AI nie pasuje do procesu zakupowego (procurement, negocjacje, zamówienia hurtowe). W kosmetykach AI idealnie wpasowuje się w lejek: pytanie → rekomendacja → kliknięcie → zakup. Jeden kanał, zero tarcia.
Sklep A (wyposażenie ogrodowe) ma inny model konwersji. 14 wysłanych formularzy kontaktowych z ChatGPT – zero zakupów online. To spójne z modelem biznesowym: konstrukcje drewniane za kilka-kilkanaście tysięcy złotych wymagają indywidualnej wyceny, pomiaru i dostawy. AI generuje leady (formularze), nie bezpośrednią sprzedaż. Przy wartości jednego projektu rzędu 8 000-15 000 PLN, 14 formularzy to potencjalnie ponad 100 000 PLN w pipeline – nawet jeśli konwersja na zamówienie wyniesie 10-20%.
Jaki jest związek między visibility score a ruchem z AI?
| Sklep | Nisza | Visibility score | Cytuje własny URL | Sesje z AI (90 dni) | Engagement rate |
|---|---|---|---|---|---|
| Sklep A | Ogrodowy | 33 / 100 | 55% | 1 217 | 63% |
| Sklep D | Meble (start) | 4 / 100 | 7% | 260 | 92% |
| Sklep B | Opakowania B2B | 18 / 100 | 24% | 257 | 72% |
| Sklep C | Kosmetyki | 15 / 100 | 24% | 160 | 36% |
Tabela ujawnia zaskakujący wzorzec. Sklep D (meble, młody serwis) ma najniższy visibility score (4 na 100), ale więcej sesji z AI niż Sklep B (opakowania B2B, score 18). I najwyższy engagement rate: 92%. Meble to kategoria intensywnego researchu – klienci wklejają linki do sof w ChatGPT i pytają o opinie. ChatGPT nie cytuje tego sklepu samodzielnie (za młody), ale użytkownicy sami przynoszą mu ruch.
Wniosek: ruch z AI w GA4 i widoczność w monitoringu AI to dwa różne kanały wymagające różnych strategii. Ruch z ChatGPT (użytkownicy wklejają linki) rośnie naturalnie z popularnością sklepu. Widoczność w AI (sklep cytowany samodzielnie) wymaga celowej pracy nad treściami edukacyjnymi i klasterami tematycznymi. Pierwszy daje krótkoterminowy ruch. Drugi buduje długoterminową przewagę konkurencyjną.
Co naprawdę mówią dane z 26 000 pomiarów?
1. Nie musisz być widoczny w ChatGPT, żeby mieć sprzedaż z AI. ChatGPT ma visibility score bliski zeru dla wszystkich 4 sklepów – a mimo to generuje 66-97% całego ruchu z AI. Użytkownicy sami wklejają linki do produktów i pytają o opinie. Monitoring widoczności i ruch z AI to dwa osobne kanały, które wymagają osobnej analizy.
2. Niski visibility score nie oznacza złego doboru promptów. Sklep D ma score 4 na 100, ale 260 sesji z AI z engagement rate 92%. Prompty są trafne – po prostu sklep jest za młody, żeby AI cytował go samodzielnie. Monitoring promptów pokazuje CEL, do którego zmierzamy, nie bieżący wynik.
3. AI nie sprzedaje każdemu jednakowo. Sklep C (kosmetyki B2C) ma 9 zakupów z AI w 90 dni. Sklep B (opakowania B2B) ma 1 zakup za 340 PLN. Różnica nie wynika z jakości treści ani widoczności – wynika z modelu biznesowego. W B2C klient pyta AI, dostaje rekomendację i kupuje. W B2B klient przechodzi przez procurement, negocjacje cenowe i zamówienia hurtowe – AI nie pasuje do tego procesu.
4. Młode sklepy mogą mieć wartościowy ruch z AI mimo minimalnej widoczności. Sklep D (4/100 visibility) ma aktywny lejek zakupowy: 740 obejrzeń produktów o wartości 3 milionów PLN, 3 koszyki, 4 checkouty. Sklep się rozkręca – a AI traffic rośnie razem z nim. To punkt startowy, nie porażka.
5. Blog edukacyjny to najsilniejszy driver cytowań w AI. Sklep A (55% citation rate) buduje widoczność poradnikami technicznymi, nie kartami produktowymi. Dwa artykuły blogowe tego sklepu mają ponad 460 cytowań każdy. AI cytuje eksperta, nie katalog produktów.
6. Gemini konwertuje lepiej niż ChatGPT. W Sklepie B Gemini doprowadził do jedynego zakupu mimo 4x mniejszego ruchu. W Sklepie C ChatGPT generuje wolumen, ale engagement z Gemini jest wyższy. Gemini cytuje ze źródłem, ChatGPT odpowiada ogólnie – to się przekłada na jakość ruchu.
7. Jeden pomiar nic nie znaczy – potrzebujesz 30 dni danych. Odpowiedzi AI wahają się dzień do dnia o 60 punktów. Visibility score 50 w poniedziałek, 0 we wtorek, 30 w środę – to norma, nie błąd. Dopiero średnia z 30+ dni daje stabilny obraz, na którym można oprzeć decyzje contentowe.
Najważniejszy wniosek? AI traffic to nie jest kolejny kanał do „ogarnięcia” obok Google Ads i SEO. To kanał, który dopiero się formuje – z własnymi regułami, własnym lejkiem i własną logiką konwersji. Sklepy, które dziś budują monitoring i treści pod AI, za rok będą zbierać ruch z kanału, w którym konkurencja dopiero zacznie się orientować.
Semgence – monitorujemy widoczność w AI od 90 dni
Semgence to warszawska agencja performance marketingu, która od początku 2026 roku prowadzi systematyczny monitoring widoczności klientów w AI Search. Agencja monitoruje ponad 100 promptów dziennie w 5 silnikach AI dla kilkunastu projektów, w tym sklepów e-commerce, firm usługowych i serwisów B2B.
Dane GA4 Sklepu A (wyposażenie ogrodowe) za ostatnie 90 dni pokazują konkretne liczby ruchu z AI:
| Źródło AI | Sesje (90 dni) | Engagement rate | Śr. czas sesji |
|---|---|---|---|
| ChatGPT | 1 100 | 63% | 4 min 31 s |
| Gemini | 50 | 61% | 6 min 38 s |
| Perplexity | 40 | 58% | 2 min 50 s |
| Copilot | 18 | 62% | 2 min 19 s |
| Claude | 9 | 70% | 6 min 39 s |
| Razem AI | 1 217 | 63% | 4 min 12 s |
Paradoks: ChatGPT generuje 90% całego ruchu z AI mimo visibility score bliskiego zeru (0.5 na 100). Jak to możliwe? Prawdopodobnie użytkownicy wklejają linki do produktów Sklepu A w ChatGPT z pytaniem „co sądzisz o tym produkcie?” lub „czy to dobry wybór?”. ChatGPT analizuje stronę i odpowiada – ale w naszym monitoringu promptów zakupowych NIE cytuje tego sklepu samodzielnie.
To ważna lekcja: monitoring cytowań AI (visibility score) i ruch z AI w GA4 to dwa osobne kanały. Wysoki visibility score nie gwarantuje ruchu (Gemini cytuje często, ale nie linkuje). Niski visibility score nie oznacza braku ruchu (ChatGPT nie cytuje, ale użytkownicy sami wklejają linki). Pełny obraz wymaga obu perspektyw jednocześnie.
Co istotne: engagement rate ruchu z AI (63%) jest porównywalny z ruchem organicznym z Google. Użytkownicy, którzy trafiają na sklep przez AI, spędzają na stronie średnio 4 minuty i przeglądają produkty z zaangażowaniem zbliżonym do ruchu z wyszukiwarki. To nie jest „śmieciowy” ruch – to potencjalni klienci.
Dane prezentowane w tym artykule pochodzą z wewnętrznego systemu monitoringu Semgence, który codziennie wykonuje pomiary widoczności, cytowań i wzmianek brandowych w odpowiedziach Google Gemini, Google AI Overviews, Google AI Mode, ChatGPT i Perplexity. System generuje raporty trendów, alertuje o anomaliach i dostarcza rekomendacje contentowe oparte na danych z monitoringu.
Semgence – agencja z siedzibą w Warszawie – publikuje badania dotyczące wpływu AI na e-commerce, w tym analizy danych strukturalnych w polskich sklepach, audyty widoczności w AI i monitoring cytowań. Agencja jest autorem ebooka „Audyt widoczności w AI – kompletny przewodnik po 8 warstwach” oraz serii artykułów na temat AI Search na blogu semgence.pl.
FAQ
Jak dane produktowe, schema i relacje miedzy encjami wplywaja na cytowalnosc przez AI? Odpowiedz oparta na 74 patentach Google znajdziesz w mapie 10 warstw SEO e-commerce.
Który silnik AI jest najważniejszy dla polskiego e-commerce?
Na podstawie 26 000 pomiarów: Google AI Overviews (najstabilniejszy), Perplexity (agresywnie linkuje) i Gemini. ChatGPT jest bezwartościowy jako źródło cytowań dla polskich sklepów – średni visibility score poniżej 2 na 100.
Ile czasu potrzeba na wiarygodny pomiar widoczności w AI?
Minimum 14 dni codziennych pomiarów na każdym silniku. Odpowiedzi AI są niestabilne dzień do dnia. Dopiero po 30+ dniach średnie się stabilizują.
Czy cytowania w AI przekładają się na ruch w sklepie?
Tak, ale nie wprost. Dane GA4 z 4 sklepów pokazują 160-1 200 sesji z AI w 90 dni. Paradoksalnie ChatGPT generuje 90% ruchu mimo najniższego visibility score – bo użytkownicy wklejają linki do produktów.
Jakie treści w sklepie są cytowane przez AI?
Przede wszystkim treści edukacyjne: poradniki, porównania, artykuły blogowe. Karty produktowe są cytowane znacznie rzadziej, bo AI ma do wyboru tysiące podobnych kart od setek sklepów.
Ile kosztuje monitoring widoczności w AI?
Minimum viable monitoring (15 promptów, 3 silniki, codzienne pomiary) można uruchomić od kilkuset PLN miesięcznie za narzędzia. Największy koszt to czas analityka na interpretację danych i podejmowanie decyzji contentowych.
