Gemini jako asystent zakupowy — jak Google wybiera i poleca produkty

Gemini to już nie tylko chatbot — to pełnoprawny asystent zakupowy z dostępem do ponad 60 miliardów listingów produktowych, własnym koszykiem łączącym wielu sprzedawców i możliwością automatycznego zakupu, gdy cena spadnie do ustalonego poziomu. Z miliarda aktywnych użytkowników miesięcznie, z których coraz większa część używa Gemini do odkrywania i porównywania produktów, Google buduje ekosystem zakupowy, którego skala i integracja nie mają odpowiednika u konkurencji. Poniżej — jak ten ekosystem działa, co oznacza dla sklepów internetowych i jak się w nim znaleźć.

Jak Gemini działa jako asystent zakupowy?

Gemini nie przeszukuje internetu od zera przy każdym zapytaniu zakupowym. Korzysta z Shopping Graph — ogromnej bazy danych produktowych, która łączy informacje z feedów Merchant Center, danych strukturalnych ze stron sklepów, recenzji, filmów z YouTube i stanów magazynowych sklepów stacjonarnych. W maju 2021 roku Shopping Graph zawierał 24 miliardy listingów. Dziś jest ich ponad 60 miliardów, a około 2 miliardy aktualizują się co godzinę.

To, co odróżnia Shopping Graph od zwykłej bazy produktów, to warstwa AI. System rozpoznaje, że ten sam produkt sprzedawany przez pięciu retailerów to jedna pozycja z pięcioma ofertami. Potrafi też wnioskować o atrybutach, których sprzedawca nie podał w feedzie — na przykład czy kurtka jest pakowalna lub jak sprawdza się w niskich temperaturach. Dzięki temu Gemini dopasowuje produkty do zapytań, w których klient nie używa słów kluczowych z opisu produktu, lecz opisuje swoją potrzebę naturalnym językiem.

W praktyce oznacza to, że gdy użytkownik pyta Gemini o „wodoodporny plecak podróżny z łatwo dostępną kieszenią na paszport, bo lecę do Portland, gdzie pada”, system uruchamia kilka równoległych wyszukiwań (Google nazywa to query fan-out), przeszukuje Shopping Graph pod kątem wodoodporności, organizacji kieszeni i funkcjonalności podróżnej, a następnie prezentuje panel z dopasowanymi produktami — cenami, recenzjami i dostępnością. Według danych NielsenIQ 74% kupujących korzysta z AI do odkrywania produktów — a Gemini ma do tego najszerszą bazę danych.

Ten mechanizm działa zarówno w aplikacji Gemini, jak i w AI Mode w wyszukiwarce Google. Od listopada 2025 roku zakupowe funkcje Gemini — z listingami, tabelami porównawczymi i cenami — są dostępne dla wszystkich użytkowników w USA. AI Mode z kolei osiągnął miliard aktywnych użytkowników miesięcznie i stopniowo staje się domyślnym sposobem wyszukiwania produktów.

Czym jest Universal Cart i jak zmienia zakupy?

Universal Cart to jeden koszyk, który zbiera produkty z różnych sprzedawców — dodane podczas rozmowy z Gemini, przeglądania wyników w Search, oglądania filmów na YouTube czy czytania maili w Gmailu. Zamiast otwierać osobno strony Nike, Sephory i Walmartu, użytkownik gromadzi produkty w jednym miejscu i finalizuje zakup jednym procesem płatności przez Google Pay. Może też przenieść produkt na stronę sprzedawcy i dokończyć tam.

Google ogłosił Universal Cart na konferencji I/O w maju 2026 roku i uruchomił go w USA w październiku 2026, przed sezonem świątecznym. Na starcie obsługiwani są m.in. Nike, Sephora, Target, Ulta Beauty, Walmart, Wayfair oraz wybrani sprzedawcy na Shopify — w tym Fenty i Steve Madden.

Kluczowe jest to, co Gemini robi w tle po dodaniu produktu do koszyka. Śledzi spadki cen i powiadamia, gdy produkt stanieje. Sprawdza historię cenową. Informuje o ponownej dostępności wyprzedanych pozycji. Analizuje karty płatnicze zapisane w Google Wallet i sugeruje tę, która oferuje najlepszy cashback lub punkty lojalnościowe. Na prezentacji I/O Google pokazał nawet przykład, w którym Gemini wykrył niekompatybilne podzespoły komputerowe dodane z różnych sklepów — zanim użytkownik za nie zapłacił.

Sprzedawca pozostaje stroną transakcji (seller of record) — to on wysyła potwierdzenie zamówienia i obsługuje zwroty. Google jest pośrednikiem płatności i discovery, nie marketplace’em w klasycznym sensie.

Co to jest UCP i dlaczego sprzedawcy powinni go znać?

Universal Commerce Protocol (UCP) to otwarty standard, współtworzony przez Google i Shopify, opublikowany na GitHubie pod licencją Apache 2.0. Oficjalnie ogłoszony na targach NRF w styczniu 2026 roku, UCP definiuje sposób, w jaki agenci AI komunikują się ze sklepami internetowymi — od wyszukiwania produktów, przez budowanie koszyka i finalizację płatności, po obsługę posprzedażową.

W praktyce sprzedawca publikuje jeden, maszynowo-czytelny profil swoich możliwości (capability profile) — akceptowane metody płatności, dostępne warianty checkout, politykę zwrotów — i każdy agent AI zgodny z UCP może z niego korzystać. Sprzedawca może wystawić ten profil przez REST API, serwer MCP lub protokół Agent2Agent (A2A).

Protokół rozwijał się szybko. W marcu 2026 dodano funkcje Cart, Catalog i Identity Linking oraz uproszczone onboarding przez Merchant Center. W kwietniu do Tech Council dołączyli Amazon, Meta, Microsoft, Salesforce i Stripe — co oznacza, że UCP nie jest projektem wyłącznie Google. W maju rozszerzono checkout na YouTube Shopping Ads i dodano Affirm oraz Klarnę do Google Pay. W czerwcu Shopify otworzył UCP jako self-serve dla wszystkich developerów — bez potrzeby zatwierdzania.

Dla sklepów internetowych UCP oznacza jedno: kto nie jest widoczny dla agentów AI, ten traci kanał sprzedaży. W sklepach na Shopify UCP jest już wbudowany. W pozostałych przypadkach integracja wymaga pracy po stronie developera, ale otwarty standard i rosnąca lista partnerów (Visa, Mastercard, Stripe, Best Buy, Macy’s, Zalando, Flipkart) sugerują, że UCP stanie się takim samym fundamentem e-commerce jak wcześniej XML feed produktowy. Warto tu podkreślić różnicę: feed produktowy nadal jest bazą danych, z której agent czyta, ale UCP definiuje, co agent może z tymi danymi zrobić — zbudować koszyk, zapłacić, śledzić zamówienie.

Porównanie z konkurencją wypada tu jednoznacznie na korzyść UCP. Agent Commerce Protocol (ACP), rozwijany przez OpenAI i Stripe, oferował Instant Checkout w ChatGPT — ale OpenAI wycofał Instant Checkout w marcu 2026 roku. Perplexity Buy działa, ale opiera się wyłącznie na partnerstwie z Shopify. UCP jako otwarty standard z ponad 20 partnerami i wsparciem Tech Council obejmującego największe firmy technologiczne ma najszersze zaplecze ekosystemowe.

Jak działa agentic checkout — czy AI naprawdę kupuje za klienta?

Tak, pod warunkiem że klient wyrazi zgodę. Mechanizm wygląda następująco: użytkownik znajduje produkt w AI Mode lub aplikacji Gemini, wybiera opcję „track price” i ustawia parametry — konkretny rozmiar, kolor i maksymalną kwotę, którą jest gotów zapłacić. Gdy cena spadnie poniżej tego progu, Google wysyła powiadomienie. Użytkownik potwierdza szczegóły zakupu (adres dostawy, metodę płatności) i klika „buy for me”. Google dodaje produkt do koszyka sprzedawcy i finalizuje checkout przez Google Pay.

Agentic checkout wystartował w listopadzie 2025 roku z partnerami Wayfair, Chewy i Quince oraz wybranymi sprzedawcami Shopify. Działa na listingach produktowych w Search i AI Mode w USA. To nie jest autonomiczny agent, który kupuje bez wiedzy użytkownika — każda transakcja wymaga potwierdzenia. Ale automatyzacja monitoringu cen i finalizacji zakupu eliminuje kilka kroków, które wcześniej wymagały ręcznego wchodzenia na stronę sklepu.

Kolejnym krokiem jest Agent Payments Protocol (AP2), ogłoszony wraz z Universal Cart. AP2 pozwoli agentom AI — zaczynając od Gemini Spark — kupować w imieniu użytkownika w ramach ustalonych limitów wydatków i preferencji marki. To oznacza, że w przyszłości użytkownik będzie mógł powiedzieć „kup mi pastę do zębów, którą zwykle biorę, gdy spadnie poniżej 15 złotych” — i Gemini to zrealizuje bez dalszej interakcji. Termin uruchomienia AP2: „w najbliższych miesiącach”.

Dla sprzedawców Business Agent w Merchant Center daje możliwość kontrolowania, jak produkty prezentują się w odpowiedziach generowanych przez AI. Marki takie jak Poshmark i Reebok już korzystają z tej funkcji.

„Let Google Call” — jak AI dzwoni do sklepów stacjonarnych?

Jedną z najbardziej zaskakujących funkcji jest „Let Google Call”. Gdy użytkownik szuka produktu „blisko mnie” w Search, może wybrać opcję, w której AI dzwoni do pobliskich sklepów stacjonarnych i pyta o dostępność, cenę i aktualne promocje. Wyniki przychodzą mailem lub SMS-em, uzupełnione o dane o local inventory z innych sklepów w okolicy.

Technologicznie opiera się to na Duplex — systemie Google do prowadzenia rozmów telefonicznych przez AI, znanym z rezerwacji restauracji. Nowy upgrade modelu Gemini pozwala systemowi wybierać, do których sklepów zadzwonić, sugerować pytania i streszczać odpowiedzi. Na razie funkcja działa w USA w trzech kategoriach: zabawki, zdrowie i uroda oraz elektronika.

Dla sklepów stacjonarnych z dobrze zarządzanym local inventory w Merchant Center to szansa na ruch, którego inaczej by nie było. Klient, który nie znalazłby sklepu w wynikach wyszukiwania, dostaje teraz informację, że poszukiwany produkt czeka na niego dwie ulice dalej — zweryfikowaną telefonicznie przez AI.

Ile produktów widzi AI Mode w porównaniu z klasycznym wyszukiwaniem?

Znacznie mniej — i to jest kluczowa zmiana, którą muszą zrozumieć wszyscy sprzedawcy internetowi. Badanie Productrise z lipca 2026 roku (ponad 100 000 identycznych zapytań, 2 miliony listingów, 21 dni, rynki US i UK) pokazuje skalę:

• W klasycznym wyszukiwaniu 88% zapytań zwraca wyniki produktowe. W AI Mode — tylko 23%.
• Gdy produkty się pojawiają, w klasycznych wynikach jest ich średnio 22,5 na stronę. W AI Mode — 4,3. To ponad pięciokrotna redukcja.
• Łącznie AI Mode pokazuje około 95% mniej listingów produktowych niż tradycyjne wyniki.
• Overlap między produktami widocznymi w standard search i AI Mode wynosi zaledwie 0,8%. Pozycja w klasycznym Google Shopping nie gwarantuje widoczności w AI Mode.

To oznacza drastyczną konsolidację. Z 22 slotów na produkty spada się do 4. Kto nie zmieści się w tych czterech, jest niewidoczny — niezależnie od tego, jak dobrze radzi sobie w klasycznych wynikach. Jednocześnie mniejsza liczba slotów oznacza potencjalnie wyższy CTR dla tych, którzy się w nich znajdą — choć Google nie opublikował oficjalnych danych CTR dla AI Mode.

Dodatkowy kontekst: według danych SparkToro i Similarweb z pierwszych czterech miesięcy 2026 roku, 68% wyszukiwań Google kończy się bez kliknięcia (wzrost z 60,45% w 2024). AI Overviews, pojawiające się na ponad 20% wyszukiwań, obniżają CTR o blisko 60%. Tendencja jest jasna — bycie w pierwszym fragmencie odpowiedzi AI ma znaczenie, bo coraz mniej użytkowników klika dalej.

Jak zoptymalizować feed produktowy pod Gemini i AI Mode?

Skoro AI Mode pokazuje 95% mniej produktów, kluczowe pytanie brzmi: co decyduje o tym, które 5% się wyświetla? Google nie opublikował oficjalnego rankingu czynników, ale analiza dostępnych danych i zachowań systemu wskazuje na kilka obszarów.

Kompletność atrybutów w Merchant Center

AI Mode czyta atrybuty strukturalne — materiał, kompatybilność, wymiary, odporność — a nie słowa kluczowe w tytule. Brakujący GTIN, nieaktualna dostępność czy generyczny tytuł mogą wykluczyć produkt z odpowiedzi AI. W styczniu 2026 roku Google dodał nowe pola konwersacyjne: product FAQ, compatible accessories i substitutes. Te pola zasilają Business Agenta i AI Mode.

Spójność feed–strona–schema

Rozbieżność między feedem a stroną produktową (np. „w magazynie” w feedzie vs „wyprzedane” na stronie) obniża zaufanie AI do listingu. Markup Schema.org Product i Offer powinien zgadzać się z danymi w Merchant Center — cena, dostępność, marka, GTIN, oceny. Google i tak przetwarza dane z feeda we własną wersję produktu — im mniej rozbieżności na wejściu, tym lepiej.

Synchronizacja w czasie rzeczywistym

Agenci UCP odmówią transakcji, jeśli cena lub stan magazynowy na stronie sprzedawcy nie zgadzają się z danymi w feedzie. Sugerowany próg synchronizacji to poniżej 4 godzin. Automatyczny import Merchant Center odświeża dane co 24 godziny, ale specjaliści raportują opóźnienia sięgające 9–10 dni. Przy agentic checkout każda niezgodność to utracona sprzedaż.

Opisy i obrazy pod AI

Opisy powyżej 100 słów, wyjaśniające zastosowania produktu (nie tylko specyfikację), poprawiają selekcję przez AI. Obrazy powinny być wysokiej rozdzielczości, na neutralnym tle, z wielu kątów — a dla odzieży na różnych typach sylwetek (pod virtual try-on). Format kwadratowy (1:1) jest wymagany dla Demand Gen i YouTube Shopping.

Recenzje i product highlights

Recenzje — szczególnie te zintegrowane z Merchant Center (np. przez Judge.me na Shopify) — zasilają odpowiedzi AI i pojawiają się w panelach porównawczych. Atrybut product_highlight pozwala wyróżnić kluczowe cechy produktu w sposób, który AI może bezpośrednio wykorzystać w generowanej odpowiedzi. Google informuje, że reklamodawcy dodający feed produktowy do kampanii Demand Gen notują średnio 33% wzrost konwersji.

Efekty dobrze przygotowanego feeda potwierdzają case studies z rynku. Kanadyjska marka odzieżowa Aritzia odnotowała 80% wzrost sprzedaży online po wdrożeniu AI Max for Performance Max — kampanii, w której Gemini automatycznie optymalizuje kreacje i targetowanie na podstawie danych z feeda. Etsy z kolei raportuje 36% wzrost GMV i 21% więcej nowych kupujących w sezonie świątecznym 2025, częściowo dzięki AI Max. To nie są efekty samego SEO — to efekty jakości danych w feedzie, z których AI korzysta zarówno w odpowiedziach organicznych, jak i w kampaniach reklamowych.

Monitoring widoczności w AI to osobny temat. Google zapowiedział raport AI performance w Merchant Center (czerwiec 2026), ale nie podał daty uruchomienia. Szczegóły o tym, co te raporty będą mierzyć i czego nie, opisujemy w dedykowanym artykule.

Czym Gemini jako asystent zakupowy różni się od ChatGPT i Perplexity?

Wszystkie trzy platformy oferują rekomendacje produktowe, ale mechanizmy i ekosystemy za nimi są fundamentalnie różne.

Źródła danych o produktach

Gemini czerpie z Shopping Graph (60 mld+ listingów), który integruje dane z Merchant Center, danych strukturalnych, recenzji, YouTube i local inventory. ChatGPT korzysta głównie z danych crawlowanych z sieci i partnerstwa z wybranymi platformami — OpenAI wycofał Instant Checkout (oparty na Agent Commerce Protocol) w marcu 2026. Perplexity bazuje na web crawling plus partnerstwo z Shopify przez Perplexity Buy, co ogranicza zakres dostępnych produktów.

Checkout i transakcja

Gemini oferuje Universal Cart z checkout przez Google Pay u wielu sprzedawców jednocześnie, agentic checkout z automatycznym zakupem przy spadku ceny i zapowiedź AP2 dla w pełni autonomicznych agentów. ChatGPT nie ma natywnego checkoutu po wycofaniu ACP — kieruje użytkownika na stronę sprzedawcy. Perplexity Buy umożliwia checkout bezpośrednio w interfejsie, ale tylko u sprzedawców na Shopify. Bing Copilot z kolei korzysta z Microsoft Merchant Center i innego indeksu, co czyni go odrębnym kanałem wymagającym osobnej optymalizacji — w tym kampanii w Microsoft Ads.

Skala i zasięg

Gemini osiągnął miliard aktywnych użytkowników miesięcznie w aplikacji (sierpień 2026), a AI Mode w Search — kolejny miliard. ChatGPT raportuje 900 milionów tygodniowo aktywnych użytkowników. Perplexity — około 45 milionów miesięcznie. Różnica widoczna jest też w ruchu referralowym: ChatGPT generuje 79,4% ruchu AI do stron internetowych, Gemini — 10,9%. Mimo mniejszego udziału w referralach Gemini integruje się z ekosystemem Google (Search, YouTube, Gmail, Maps), co daje mu przewagę w kontekście zakupowym — użytkownik nie musi wychodzić poza produkty Google, by przejść od odkrycia do zakupu.

Virtual try-on i multimodalna interakcja

Gemini oferuje virtual try-on — użytkownik uploaduje swoje zdjęcie i widzi, jak odzież wygląda na jego sylwetce. Funkcja działa na miliardach listingów odzieżowych i wykorzystuje dedykowany model generowania obrazów dla mody. Google deklaruje, że zdjęcia użytkowników nie są wykorzystywane do trenowania modeli. ChatGPT i Perplexity nie mają porównywalnej funkcji przymierzania.

Co to wszystko oznacza dla polskich sklepów internetowych?

Na dzień pisania tego artykułu Universal Cart, agentic checkout, „Let Google Call” i Shopping w AI Mode działają wyłącznie w USA (z rozpoczętą ekspansją UCP na Kanadę, Australię i Wielką Brytanię). Polscy sprzedawcy nie mogą jeszcze korzystać z tych funkcji bezpośrednio. Ale wnioski strategiczne są już teraz aktualne.

Po pierwsze, Shopping Graph jest globalny. Polskie produkty w Merchant Center już zasilają bazę, z której korzysta Gemini. Gdy zapytanie polskojęzyczne trafi do Gemini (a coraz więcej trafia — Gemini obsługuje ponad 200 krajów przez AI Overviews), odpowiedź będzie oparta na danych z feedu. Sklep z niekompletnym feedem lub rozbieżnościami cenowymi jest niewidoczny nie od dnia uruchomienia AI Mode w Polsce, lecz od dnia, gdy Gemini zaczął odpowiadać na pytania o produkty dostępne w polskich sklepach.

Po drugie, UCP to otwarty standard z globalną ambicją. Zalando jest jednym z partnerów założycielskich. Shopify otworzył self-serve onboarding. Gdy UCP wejdzie do Europy — a ekspansja UK już trwa — polskie sklepy na Shopify będą gotowe natychmiast. Sklepy na WooCommerce, PrestaShop czy dedykowanych platformach będą potrzebowały integracji. Lepiej ją przygotować, niż doganiać po fakcie.

Po trzecie, trend jest jednoznaczny: mniej slotów, wyższe wymagania. Badanie Productrise pokazuje, że AI Mode redukuje widoczność o 95%. Jednocześnie reklamy Shopping pojawiają się już w AI Mode (od sierpnia 2026), generowane automatycznie z feeda. Sklepy z bogatymi, spójnymi danymi produktowymi będą widoczne. Pozostałe — nie. To nie jest kwestia algorytmu czy sztuczki SEO. To kwestia danych.

Praktyczny plan optymalizacji pozycjonowania sklepu internetowego pod ekosystem Gemini obejmuje: audyt feedu w Merchant Center (kompletność GTIN, product_highlight, nowe pola konwersacyjne), synchronizację cen i stanów magazynowych w czasie rzeczywistym, spójność danych strukturalnych na stronie z feedem, rozbudowę opisów o zastosowania i kontekst użycia oraz integrację recenzji. Optymalizacja karty produktu pod AI Overviews i optymalizacja pod Gemini to w dużej mierze te same działania — bo oba systemy czerpią z tego samego Shopping Graph.

Najczęściej zadawane pytania