Raport agentic performance w Merchant Center mierzy ekspozycję produktu w AI Mode i Shopping Graph, ale nie pokazuje, dlaczego produkt został wybrany ani czy doprowadził do zakupu. Sklep, który opiera decyzje wyłącznie na impression z jednego raportu platformowego, nie widzi pełnego obrazu — brakuje mu danych o intencji użytkownika, kontekście konkurencyjnym i rzeczywistej konwersji. Pełny pomiar wymaga zestawienia Merchant API, GSC, GA4 i niezależnej obserwacji odpowiedzi AI. Ten artykuł pokazuje, co raporty agentic performance mogą mierzyć, czego nie wolno z nich wywnioskować i jak zbudować wielowarstwowy system pomiaru widoczności produktu w AI.
Raporty platformowe w Merchant Center mogą pokazywać ekspozycję produktów w powierzchniach agentowych, takich jak AI Mode, Shopping Graph czy agentic checkout. Ale sam impression w raporcie nie mówi, dlaczego produkt został wybrany, jak wypadł na tle konkurencji ani czy doprowadził do sprzedaży. Pełny pomiar wymaga zestawienia danych platformowych z Merchant API, GSC, GA4 i niezależną obserwacją odpowiedzi AI. Żaden pojedynczy raport nie daje kompletnego obrazu widoczności produktu w AI.
Co Google zapowiedział w kontekście raportów agentic performance?
Google na przestrzeni 2025-2026 rozbudowywał Merchant Center o nowe funkcje raportowe związane z AI. W ramach Merchant API updates pojawiały się nowe metryki i wymiary powiązane z powierzchniami AI. Istotne jest jednak rozróżnienie między trzema stanami dokumentacji, bo nie wszystko, co jest opisane, jest dostępne.
| Stan | Co oznacza | Jak traktować |
|---|---|---|
| Available | Funkcja jest wdrożona i dostępna w API | Można implementować i zbierać dane |
| Rolling out | Funkcja jest wdrażana stopniowo | Może nie być dostępna na wszystkich kontach |
| Coming soon / Announced | Google zapowiedział funkcję | Nie implementować – czekać na release |
Na dzień weryfikacji (sierpień 2026) Merchant Center oferuje raporty performance z możliwością filtrowania po programie i kontekście. Szczegóły dostępności poszczególnych metryk agentowych zależą od rynku i statusu konta. Sam fakt, że Google zapowiedział raport, nie oznacza, że dane w nim są kompletne lub porównywalne z danymi z innych źródeł. Wczesne wersje raportów mogą mieć ograniczony zakres i pokrycie.
Jak odróżnić availability, rollout i dokumentację coming soon?
To jedno z najczęstszych źródeł nieporozumień w rozmowach o nowych funkcjach Merchant Center. Sprzedawca czyta blogpost o nowej funkcji i zakłada, że jest dostępna na jego koncie. W rzeczywistości między zapowiedzią a pełnym wdrożeniem mogą minąć miesiące.
Jak sprawdzić status funkcji na swoim koncie
Najszybszym sposobem weryfikacji jest wywołanie Reports API z parametrami dla danego reporting context. Jeśli zwraca dane, funkcja jest aktywna na Twoim koncie. Alternatywnie sprawdź w interfejsie Merchant Center, czy nowa zakładka lub filtr pojawia się w sekcji Performance. Brak elementu UI zazwyczaj oznacza, że funkcja nie jest jeszcze dostępna na Twoim koncie. W dokumentacji API szukaj statusu „Beta”, „Preview” lub „Generally available” przy opisie endpointu, a changelog pokazuje daty wprowadzenia zmian.
Rekomendacja: nie planuj strategii wokół zapowiedzianych funkcji. Planuj wokół danych, które faktycznie możesz dzisiaj pobrać z API.
Potencjalne poziomy pomiaru: od konta do działania
Raport agentic performance może operować na różnych poziomach granularności. Im bardziej szczegółowy, tym więcej mówi o rzeczywistej widoczności produktu.
| Poziom | Co mierzy | Wartość diagnostyczna |
|---|---|---|
| Konto | Łączna ekspozycja wszystkich produktów | Niska – nie pokazuje, które produkty działają |
| Produkt | Ekspozycja konkretnego SKU | Średnia – widać, co się wyświetla, ale nie dlaczego |
| Oferta | Ekspozycja konkretnej oferty (cena+dostępność+sprzedawca) | Wysoka – widać kontekst transakcyjny |
| Zapytanie | Na jakie pytania produkt się wyświetla | Bardzo wysoka – widać intencje użytkowników |
| Działanie | Kliknięcie, checkout, zakup | Najwyższa – widać konwersję |
Na dzień publikacji nie wiemy, które z tych poziomów są lub będą dostępne w raportach Merchant Center. Zakładamy, że początkowo dostępne będą poziomy konta i produktu, a poziomy zapytania i działania mogą pojawić się później. To nie jest spekulacja, lecz praktyczne podejście do planowania. Buduj infrastrukturę pomiarową pod wszystkie poziomy, żeby być gotowym, gdy dane się pojawią.
Jak zestawić raport platformowy z GSC, GA4 i obserwacją AI?
Raport Merchant Center to jedno źródło danych. Pełny obraz widoczności produktu w AI wymaga zestawienia z co najmniej trzema dodatkowymi źródłami — o tym, jak feed produktowy wpływa na widoczność w AI poza Merchant Center, pisaliśmy osobno.
GSC – Search Console
Google Search Console pokazuje kliknięcia i wyświetlenia z Google Search, w tym z AI Mode i AI Overviews. Dane GSC są opóźnione o 2-3 dni, ale pozwalają zobaczyć, na jakie zapytania użytkownicy trafiają do sklepu z wyników wyszukiwania. Ograniczenie: GSC nie rozróżnia, czy kliknięcie pochodzi z klasycznego wyniku organicznego czy z powierzchni AI. Filtr po typie wyszukiwania pozwala wyodrębnić Shopping, ale nie AI Mode osobno.
GA4 – Google Analytics
GA4 może rejestrować zdarzenia i konwersje, ale poprawna klasyfikacja ruchu z AI, w tym atrybucja agentic commerce, wymaga odpowiednio skonfigurowanych parametrów UTM lub identyfikacji referrera. Część ruchu z AI Mode może być klasyfikowana jako organic lub direct. Z obserwacji Semgence na kontach klientów e-commerce wynika, że od 30% do nawet 60% ruchu z AI Mode jest klasyfikowane w GA4 jako organic lub direct, co utrudnia poprawną atrybucję. Właściwe rozróżnienie wymaga analizy referrerów i parametrów URL specyficznych dla powierzchni AI.
Obserwacja odpowiedzi AI
Niezależna obserwacja oznacza systematyczne pytanie AI o konkretne produkty i sprawdzanie, czy i jak sklep klienta pojawia się w odpowiedziach. To najbardziej bezpośredni pomiar widoczności i element pozycjonowania w AI, ale wymaga powtarzalnej metodologii. Semgence realizuje to w ramach audytu widoczności w AI, łącząc obserwację AI Mode, ChatGPT i Perplexity w spójny obraz cytowania marki.
Czego nie wolno wywnioskować z samego impression?
Impression w raporcie Merchant Center oznacza, że produkt został wyświetlony w jakiejś formie na powierzchni agentowej. Ale impression nie mówi, dlaczego ten produkt został wybrany. Problem narasta, gdy AI poleca produkt, którego nie ma w magazynie (czy ze względu na cenę, dostępność, sentyment opinii czy markę), na jakiej pozycji się pojawił, czy użytkownik go zauważył, dlaczego nie konwertował ani jak wypadł na tle konkurencji. Raport platformowy pokazuje dane jednego sprzedawcy – nie widać, kto jeszcze się wyświetlał i dlaczego wygrał.
To nie jest wada raportów Merchant Center, lecz ich natura. Platformowy raport mierzy ekspozycję, nie intencję. Zrozumienie intencji wymaga dodatkowych warstw pomiaru, które opisujemy poniżej.
Model raportu Semgence: od danych platformowych do decyzji
W Semgence budujemy model raportu, który łączy dane z wielu źródeł w spójny obraz widoczności produktu w AI. Model składa się z pięciu warstw, z których każda wymaga osobnych danych i metod (w tym atrybutów konwersacyjnych w feedzie) — w tym audytu treści produktowych. Pierwsza to ekspozycja platformowa (dane z Merchant Center i relacja feedu z kartą produktu) – dane z Merchant Center Reports API pokazujące, ile produktów jest widocznych i w jakich kontekstach. Druga warstwa to popyt wyszukiwarkowy z GSC, czyli na jakie zapytania użytkownicy szukają produktów klienta. Trzecia to niezależna obserwacja AI – systematyczne pomiary odpowiedzi AI Mode, ChatGPT i Perplexity na zapytania produktowe. Czwarta warstwa to zachowanie użytkowników z GA4 (ruch, konwersje, ścieżki zakupowe z atrybuowanym źródłem AI). Piąta to jakość danych produktowych, czyli audyt feedu, schema i strony produktu jako warunków koniecznych widoczności.
Model nie obiecuje pełnej atrybucji. Separujemy pięć etapów (wiarygodność danych na wejściu weryfikujemy przez fact-check z wielu źródeł): visibility (produkt się wyświetla), citation (źródło jest cytowane), selection (sprzedawca jest wybierany), click (użytkownik przechodzi) i purchase (transakcja dochodzi do skutku). Każdy z tych etapów ma osobne metryki i osobne ograniczenia. Więcej o metodologii pomiaru widoczności produktów pisaliśmy w kontekście pozycjonowania sklepu internetowego.
Kontekst architektoniczny: patenty związane z pomiarem i interakcją
Ramka metodologiczna: poniższe patenty opisują mechanizmy techniczne zgłoszone lub przyznane Google. Nie dowodzą, że są obecnie używane w Merchant Center. Wykorzystujemy je wyłącznie jako kontekst architektoniczny, zgodnie z metodyką diagnostyczną opracowaną przez Semgence (zgłoszenie patentowe w toku). Klasyfikacja: Direct = mechanizm bezpośrednio powiązany; Supporting = mechanizm wspierający; Directional = wskazuje kierunek rozwoju; Context = kontekst architektoniczny.
US20250190719A1 – interakcja użytkownika z podsumowaniem (Directional)
Patent US20250190719A1 opisuje system śledzenia interakcji użytkownika z wygenerowanym podsumowaniem. W kontekście e-commerce system mógłby mierzyć, które elementy podsumowania produktowego użytkownik przeczytał, kliknął lub pominął. To wykracza poza prosty impression i wskazuje kierunek, w którym mogą zmierzać raporty agentic performance.
US20250218088A1 – wybór elementu w przestrzeni generatywnej (Context)
Patent US20250218088A1 opisuje mechanizm wyboru elementu w dynamicznie generowanym interfejsie. W kontekście AI shopping sposób prezentacji produktu (layout, kolejność, rozmiar) wpływa na prawdopodobieństwo interakcji. Zrozumienie tych mechanizmów pomaga interpretować różnice w conversion rate między produktami o podobnej ekspozycji.
US12474938B2 – ujawnianie cech rekomendacji (Supporting)
Patent US12474938B2 opisuje system, który ujawnia użytkownikowi, dlaczego konkretna rekomendacja AI w e-commerce została wyświetlona, i zbiera feedback. W kontekście raportów sprzedawca mógłby w przyszłości wiedzieć nie tylko, że produkt się wyświetlił, ale jakie cechy produktu zdecydowały o wyborze. To byłby przełom w diagnostyce widoczności.
US8972392B2 – współwystępowanie treści w sesji (Context)
Patent US8972392B2 opisuje pomiar współwystępowania treści w sesji użytkownika. W kontekście agentowym produkt nie występuje w izolacji – pojawia się obok innych produktów, opinii, porównań. Kontekst sesji wpływa na konwersję i jest niewidoczny w standardowych raportach platformowych.
Co może zrobić sklep już teraz?
Zacznij od sprawdzenia dostępnych raportów w Merchant Center. Zaloguj się i przejrzyj sekcję Performance, szukając nowych filtrów lub metryk związanych z AI. Upewnij się, że dane strukturalne są spójne z DOM. Nawet jeśli dane agentowe nie są jeszcze dostępne na Twoim koncie, skonfiguruj Reports API, żeby infrastruktura do automatycznego pobierania raportów była gotowa w momencie, gdy dane się pojawią.
Równolegle połącz dane z GSC i GA4. Już teraz możesz zestawiać dane o ruchu z wyszukiwarki z konwersjami w sklepie i zbudować baseline przed pojawieniem się danych agentowych. Sprawdź też checklistę agentic commerce readiness — bez gotowości technicznej raport nie pomoże. Uruchom też niezależny monitoring AI – systematycznie sprawdzaj, jak AI odpowiada na pytania o Twoje produkty. Pełne podejście do tego tematu opisujemy w ramach pozycjonowania sklepu internetowego Semgence.
Nie czekaj na idealny raport. Zacznij mierzyć to, co możesz dzisiaj, a równolegle inwestuj w content marketing, który zwiększa szanse na cytowanie przez AI. Idealny raport platformowy może pojawić się za miesiące, a w tym czasie konkurencja zbiera dane i buduje przewagę informacyjną.
Czego nie robić?
Nie traktuj impression jako dowodu sprzedaży. Impression to ekspozycja, nie konwersja. Nie porównuj impression z różnych kontekstów – impression w free listings i impression w AI Mode to różne metryki o różnej wartości. Nie buduj strategii na zapowiedzianych funkcjach, bo coming soon to nie available. Planuj na podstawie danych, które masz.
Nie ignoruj danych z innych źródeł. Raport Merchant Center to jeden kawałek puzzla, a bez GSC, GA4 i obserwacji AI obraz jest niekompletny. Wreszcie, nie utożsamiaj widoczności z atrybucją – fakt, że produkt się wyświetla w AI, nie dowodzi, że sprzedaż pochodzi z tego kanału. Więcej o właściwym podejściu do pomiaru widoczności pisaliśmy w kontekście audytu SEO.
Jakie pytania o pomiar widoczności w AI zadają sprzedawcy?
Temat pomiaru widoczności produktów w AI łączy się z wieloma ścieżkami wyszukiwania. Poniżej odpowiadamy na pytania, które najczęściej pojawiają się w rozmowach ze sprzedawcami.
Jak mierzyć widoczność sklepu w AI Mode?
Pomiar widoczności w AI Mode wymaga połączenia trzech warstw: danych z Merchant Center Reports API (ekspozycja platformowa), danych z GSC (zapytania i kliknięcia) oraz niezależnej obserwacji odpowiedzi AI na zapytania produktowe. Żadne jedno źródło nie daje pełnego obrazu. Semgence łączy te warstwy w ramach audytu widoczności w AI.
Co to jest agentic performance w Google Merchant Center?
Agentic performance to termin opisujący metryki związane z wyświetlaniem i interakcją produktów w powierzchniach agentowych Google, takich jak AI Mode, agentic checkout i Shopping Graph. Na wybór sprzedawcy przez agenta wpływa też merchant trust score. Dane te są dostępne (lub zapowiedziane) w Merchant API jako część rozszerzonych raportów performance z filtrami po reporting context. Istotne jest rozróżnienie między tym, co jest available, a tym, co jest coming soon.
Czy GA4 śledzi ruch z AI wyszukiwarek?
GA4 może rejestrować ruch z AI, ale wymaga to poprawnej konfiguracji. Część ruchu z AI Mode jest klasyfikowana jako organic lub direct, ponieważ referrer nie zawsze jest prawidłowo przekazywany. Rozwiązaniem jest konfiguracja niestandardowych kanałów w GA4, identyfikacja referrerów specyficznych dla AI (np. google.com/search z parametrami AI) oraz tagowanie UTM w linkach z Merchant Center, o ile platforma to umożliwia.
Jak porównać widoczność w AI z konkurencją?
Raport Merchant Center pokazuje dane tylko jednego sprzedawcy, więc bezpośrednie porównanie z konkurencją nie jest możliwe (dynamika jest inna, gdy konkurujesz z marketplace — porównanie marketplace vs sklep w AI search pokazuje te różnice) na podstawie samych danych platformowych. Fundamenty budowania widoczności opisujemy w artykule o tym, jak sprawić, żeby AI polecała Twoje produkty. Porównanie wymaga niezależnej obserwacji: systematycznego zadawania tych samych pytań AI i notowania, kto pojawia się w odpowiedziach, na jakiej pozycji i z jakim kontekstem. To podejście stosujemy w Semgence, łącząc obserwację AI z danymi z konsultacji SEO.
Czym różni się impression w AI od impression w Google Shopping?
Impression w klasycznym Google Shopping oznacza wyświetlenie karty produktu w wynikach zakupowych. Impression w AI Mode oznacza, że produkt został wspomniany lub zaprezentowany w odpowiedzi generowanej przez AI. Różnica jest fundamentalna: w Shopping użytkownik widzi listę produktów z cenami i zdjęciami; w AI Mode produkt jest osadzony w kontekście narracyjnym, gdzie kolejność, sposób prezentacji i towarzyszące informacje wpływają na percepcję. Metryki o tej samej nazwie mierzą różne rzeczy.
Raporty agentic performance w praktyce — pytania sprzedawców
Kiedy raporty agentic performance będą dostępne w Polsce?
Nie mamy potwierdzonej daty. Google wdraża nowe funkcje stopniowo i zazwyczaj zaczyna od rynku US. Rekomendujemy monitorowanie Merchant API latest updates i regularne sprawdzanie dostępności nowych filtrów w interfejsie Merchant Center.
Czy potrzebuję osobnego narzędzia do pomiaru widoczności w AI?
Raport Merchant Center mierzy ekspozycję platformową. Niezależna obserwacja odpowiedzi AI mierzy rzeczywistą widoczność z perspektywy użytkownika. To uzupełniające się podejścia, nie alternatywy. Oba są potrzebne do pełnego obrazu, podobnie jak GA4 i GSC mierzą różne aspekty widoczności w klasycznym wyszukiwaniu.
Czy impression w AI Mode przekłada się na sprzedaż?
Bezpośrednia korelacja między impression a sprzedażą nie jest jeszcze udowodniona danymi publicznie dostępnymi. Impression oznacza, że produkt został wyświetlony, ale między wyświetleniem a zakupem jest wiele kroków: użytkownik musi zauważyć produkt, zainteresować się, kliknąć, trafić na stronę i dokonać transakcji. Każdy z tych kroków ma swój drop-off rate, który na razie możemy jedynie estymować.
