Sprawdź, jak AI poleca Twoją firmę
Wykonaj darmowy audyt
Nota metodologiczna: Raport został przygotowany na podstawie danych z monitoringu 100 sklepów internetowych należących do 10 kategorii e-commerce. Dane zostały zagregowane i zanonimizowane, dlatego raport nie identyfikuje poszczególnych marek. Dla każdego sklepu codziennie monitorowano zestaw 100 zapytań odzwierciedlających różne etapy procesu zakupowego. Wyniki przedstawione w raporcie są agregatami dla całej próby oraz analizowanych segmentów i nie powinny być interpretowane jako prognoza wyników dla każdego sklepu internetowego.
Najważniejszy wniosek
W analizowanym zbiorze średnia widoczność sklepów internetowych w odpowiedziach AI wzrosła w ciągu 90 dni z 11,8% do 22,6%. Oznacza to wzrost o 10,8 punktu procentowego, czyli 91,5% względem poziomu początkowego.
Zmiana nie była jednak równomierna. Spośród 100 analizowanych profili 43 co najmniej podwoiły swoją widoczność, 35 zwiększyło ją o 25–99%, a 7 zakończyło okres obserwacji z wynikiem niższym niż na początku.
Największe wzrosty obserwowano w grupie sklepów prowadzących regularne działania związane z uzupełnianiem informacji produktowych, rozwijaniem treści odpowiadających na konkretne potrzeby klientów oraz realizacją rekomendacji wynikających z monitoringu.
Wynik pokazuje zależność pomiędzy systematycznością działań a wzrostem widoczności w analizowanej próbie. Nie oznacza jednak, że taki sam poziom wzrostu można zagwarantować każdej marce ani że obserwowana zależność wynika wyłącznie z wykonanych działań.
Raport w liczbach
| Wskaźnik | Start | Po 30 dniach | Po 60 dniach | Po 90 dniach | Zmiana po 90 dniach |
|---|---|---|---|---|---|
| Średnia widoczność | 11,8% | 14,7% | 18,2% | 22,6% | +91,5% |
| Obecność w TOP 3 rekomendacji | 4,9% | 6,3% | 8,5% | 11,7% | +138,8% |
| Citation Rate | 2,7% | 3,4% | 4,6% | 6,8% | +151,9% |
| Share of Voice | 8,6% | 10,3% | 12,5% | 15,4% | +79,1% |
| Średnia pozycja marki* | 5,8 | 5,3 | 4,7 | 4,2 | poprawa o 1,6 pozycji |
* Średnia pozycja liczona wyłącznie dla odpowiedzi, w których marka została wymieniona. Niższy wynik jest lepszy.
Zakres badania i pierwsze wnioski
- 100 profili sklepów internetowych
- 10 000 unikalnych promptów zakupowych i produktowych
- 10 analizowanych branż e-commerce
- 5 środowisk odpowiedzi AI
- 43% sklepów co najmniej podwoiło widoczność w ciągu 90 dni
- 78% sklepów zwiększyło widoczność o minimum 25%
Jak zaprojektowano model badania?
Badanie objęło 100 sklepów online, po 10 z każdej analizowanej branży. Dla każdego sklepu przygotowano 100 promptów odzwierciedlających rzeczywiste etapy decyzji zakupowej. Łącznie powstało 10 000 unikalnych zapytań.
Prompty podzielono na pięć grup:
| Rodzaj promptu | Udział w zbiorze | Intencja |
|---|---|---|
| Odkrywanie i rekomendacje | 30% | „Jakie buty trekkingowe wybrać na łatwe trasy?” |
| Problem i rozwiązanie | 25% | „Co pomoże ograniczyć linienie psa w domu?” |
| Porównania | 20% | „Lepszy będzie ekspres automatyczny czy kolbowy?” |
| Produktowe i transakcyjne | 15% | „Gdzie kupić fotel biurowy do 100 EUR?” |
| Walidacja marki | 10% | „Czy marka X jest godna zaufania?” |
Widoczność sprawdzano w pięciu środowiskach: ChatGPT, Gemini, Google AI, Claude i Grok. Ten sam zestaw promptów analizowano na starcie codziennie przez 90 dni. i 90 dniach. Przeanalizowano 4,5 mln odpowiedzi AI.
Co oznacza widoczność w tym raporcie?
Podstawowy wskaźnik pokazuje odsetek promptów, przy których monitorowana marka pojawiła się w odpowiedzi AI. Przykładowo widoczność na poziomie 20% oznacza, że marka została wymieniona w 20 na 100 sprawdzonych zapytań.
Sama wzmianka nie wyczerpuje jednak analizy. Dlatego uwzględniono również:
- TOP 3 Rate, czyli udział odpowiedzi, w których marka znalazła się w pierwszych trzech rekomendacjach
- Citation Rate, odsetek wszystkich analizowanych odpowiedzi, w których strona monitorowanej marki została wskazana jako źródło informacji lub pojawił się prowadzący do niej link
- Share of Voice, czyli udział marki we wszystkich wzmiankach dotyczących jej oraz monitorowanych konkurentów
- Średnią pozycję, czyli przeciętne miejsce marki na liście rekomendacji, jeśli została wymieniona
Widoczność po trzech miesiącach: wzrost o 91,5%
Na początku badania marki pojawiały się średnio w 11,8% odpowiedzi. Po pierwszym miesiącu wynik wzrósł do 14,7%. Wyraźniejsze przyspieszenie nastąpiło między 30. a 90. dniem: po dwóch miesiącach widoczność wynosiła 18,2%, a po trzech 22,6%.
| Moment pomiaru | Widoczność | Indeks, start = 100 | Wzrost względem startu |
|---|---|---|---|
| Start | 11,8% | 100 | 0% |
| 30 dni | 14,7% | 125 | +24,6% |
| 60 dni | 18,2% | 154 | +54,2% |
| 90 dni | 22,6% | 192 | +91,5% |
Dane pokazują, że ocena efektów po kilku lub kilkunastu dniach może być przedwczesna. Treść musi zostać opublikowana, odkryta przez systemy pozyskujące informacje, przetworzona i wykorzystana w odpowiedziach. W praktyce pierwsze sygnały mogą pojawić się wcześniej, ale pełniejszy obraz zmiany daje dopiero kilka kolejnych cykli pomiarowych.
Nie wszystkie sklepy rosły w takim samym tempie
Rozkład zmian był wyraźnie zróżnicowany:
- 43 sklepy co najmniej podwoiły widoczność
- 35 sklepów zwiększyło ją o 25-99%
- 15 sklepów odnotowało wzrost mniejszy niż 25% lub wynik zbliżony do początkowego
- 7 sklepów zakończyło okres z wynikiem niższym niż na starcie
Na starcie 31 na 100 sklepów nie pojawiło się w żadnym z najważniejszych promptów swojej kategorii. Po 90 dniach liczba takich sklepów spadła w badaniu do 9. Jednocześnie mediana widoczności wzrosła z 10,6% do 20,1%.
Wniosek jest prosty: wzrost średniej nie był rezultatem pojedynczych wyjątkowo mocnych marek. Poprawa objęła większość próby, choć jej skala zależała od branży i intensywności działań.
Które branże zyskały najwięcej?
Najwyższą dynamikę uzyskały branże, w których pytania klientów są szczegółowe, problemowe i wymagają wyjaśnienia. Dotyczy to między innymi suplementów, produktów dla zwierząt, części motoryzacyjnych oraz wyposażenia domu.
| Branża | Start | Po 90 dniach | Zmiana względna | Zmiana w p.p. |
|---|---|---|---|---|
| Zdrowie i suplementy | 8,4% | 20,3% | +141,7% | +11,9 |
| Części i akcesoria motoryzacyjne | 7,6% | 17,2% | +126,3% | +9,6 |
| Artykuły dla zwierząt | 9,8% | 21,8% | +122,4% | +12,0 |
| Dom i ogród | 12,1% | 25,4% | +109,9% | +13,3 |
| Sport i outdoor | 11,7% | 23,8% | +103,4% | +12,1 |
| Dzieci i zabawki | 13,9% | 25,6% | +84,2% | +11,7 |
| Moda i obuwie | 13,5% | 23,9% | +77,0% | +10,4 |
| Elektronika użytkowa | 10,9% | 18,6% | +70,6% | +7,7 |
| Żywność specjalistyczna | 14,3% | 23,6% | +65,0% | +9,3 |
| Uroda i kosmetyki | 15,8% | 25,8% | +63,3% | +10,0 |
Największy wzrost względny nie zawsze oznacza najwyższą widoczność końcową. Branża zdrowia i suplementów zaczynała z niskiego poziomu, dlatego wzrost z 8,4% do 20,3% dał dynamikę przekraczającą 140%. Z kolei kosmetyki miały najwyższą widoczność początkową i po trzech miesiącach osiągnęły najwyższy wynik końcowy, mimo niższej dynamiki procentowej.
Dlaczego niektóre kategorie rosną szybciej?
W badaniu przewagę uzyskiwały kategorie spełniające trzy warunki:
- Klienci zadają w nich wiele szczegółowych pytań przed zakupem
- Wybór produktu zależy od parametrów, zastosowania lub problemu użytkownika
- Sklep może publikować konkretną wiedzę, której nie da się zmieścić w krótkim opisie produktu
Może to częściowo wyjaśniać wysoką dynamikę obserwowaną w kategorii dom i ogród. Użytkownik rzadko pyta wyłącznie o konkretną nazwę produktu. Częściej opisuje przestrzeń, budżet, ograniczenia i oczekiwany efekt. Sklep, który wyjaśnia takie sytuacje lepiej niż konkurencja, dostarcza modelom materiału potrzebnego do zbudowania użytecznej rekomendacji.
Wyniki różniły się między systemami AI
Ta sama marka może być dobrze widoczna w jednym systemie i niemal niewidoczna w drugim. Każde środowisko wykorzystuje inny zestaw źródeł, sposób wyszukiwania informacji oraz mechanizm konstruowania odpowiedzi.
| Środowisko AI | Widoczność na starcie | Widoczność po 90 dniach | Zmiana względna |
|---|---|---|---|
| ChatGPT | 13,7% | 25,4% | +85,4% |
| Gemini | 11,9% | 23,7% | +99,2% |
| Google AI | 9,4% | 18,2% | +93,6% |
| Claude | 10,1% | 20,1% | +99,0% |
| Grok | 13,9% | 25,6% | +84,2% |
| Średnia | 11,8% | 22,6% | +91,5% |
Jeszcze większe różnice widać w cytowaniach:
| Środowisko AI | Citation Rate na starcie | Citation Rate po 90 dniach |
|---|---|---|
| ChatGPT | 3,1% | 7,6% |
| Gemini | 3,4% | 8,2% |
| Google AI | 5,8% | 10,9% |
| Claude | 0,9% | 2,9% |
| Grok | 0,3% | 4,4% |
| Średnia | 2,7% | 6,8% |
Wynik pokazuje, dlaczego pojedynczy test w jednym czacie nie wystarcza do oceny widoczności. Marka może być często wymieniana, ale rzadko cytowana. Może też pojawiać się wysoko przy pytaniach porównawczych, a znikać przy zapytaniach problemowych. Dopiero stały monitoring wielu modeli i grup promptów pokazuje rzeczywistą strukturę widoczności.
Największy wzrost widoczności odnotowały prompty problemowe
Nie każda grupa pytań reagowała na działania w takim samym stopniu. Największą dynamikę uzyskały zapytania, w których użytkownik opisywał problem, oczekiwany efekt albo warunki użycia produktu.
| Intencja promptu | Start | Po 90 dniach | Zmiana względna |
|---|---|---|---|
| Problem i rozwiązanie | 9,8% | 23,4% | +138,8% |
| Odkrywanie i rekomendacje | 8,4% | 19,2% | +128,6% |
| Porównania | 12,9% | 24,6% | +90,7% |
| Produktowe i transakcyjne | 11,6% | 20,5% | +76,7% |
| Walidacja marki | 22,8% | 28,1% | +23,2% |
Prompty zawierające nazwę marki miały wysoką widoczność już na starcie. Ich potencjał wzrostu był więc ograniczony. Znacznie większą przestrzeń do poprawy dawały pytania zadawane zanim klient pozna konkretną markę, na przykład:
- „Jaki materac wybrać przy bólu pleców i spaniu na boku?”
- „Jak dobrać karmę dla psa z wrażliwym układem pokarmowym?”
- „Które buty do biegania sprawdzą się dla osoby z szeroką stopą?”
- „Jaki robot koszący poradzi sobie na pochyłej działce?”
To właśnie na tym etapie odpowiedź AI może wprowadzić nową markę do procesu zakupowego. Dla e-commerce jest to najcenniejszy obszar, ponieważ pozwala dotrzeć do użytkownika, który nie zdecydował jeszcze, gdzie kupi produkt.
Intensywność działań a zmiana widoczności w ciągu 90 dni
Badane sklepy podzielono na trzy grupy na podstawie intensywności działań realizowanych w okresie obserwacji.
Do oceny wykorzystano Semly AI Growth Score - wskaźnik porządkujący profile według regularności działań związanych z poprawą widoczności w odpowiedziach AI.
Analiza pokazała wyraźną zależność pomiędzy poziomem aktywności a zmianą widoczności. Grupa prowadząca najbardziej regularne działania osiągnęła największą poprawę w ciągu 90 dni.
Jest to zależność obserwacyjna. Na podstawie samego porównania grup nie można stwierdzić, że intensywność działań była jedyną przyczyną różnic w wynikach.
| Grupa | Charakterystyka | Start | Po 90 dniach | Zmiana |
|---|---|---|---|---|
| Wysoka aktywność | regularne publikacje, aktualizacja danych i realizacja większości rekomendacji | 12,0% | 31,2% | +160% |
| Średnia aktywność | 2-3 działania miesięcznie, częściowa realizacja rekomendacji | 11,8% | 22,0% | +86% |
| Niska aktywność | pojedyncze działania lub brak regularności | 11,6% | 14,8% | +28% |
Różnica między grupami była niewielka na początku, ale po trzech miesiącach stała się bardzo wyraźna. Najbardziej aktywne sklepy uzyskały ponad dwukrotnie wyższą widoczność końcową niż grupa o niskiej aktywności.
Nie oznacza to, że sama liczba publikacji automatycznie powoduje wzrost. Liczy się dopasowanie treści do rzeczywistych luk w odpowiedziach AI. Cztery artykuły odpowiadające na pytania, przy których marka przegrywa z konkurencją, mogą mieć większą wartość niż kilkanaście ogólnych tekstów przygotowanych bez analizy promptów.
Co łączyło najszybciej rosnące profile?
W badanej grupie liderów najczęściej występowało pięć elementów:
- Precyzyjne dane o produktach. Parametry, zastosowania, ograniczenia, kompatybilność i informacje o dostępności były zapisane w treści możliwej do odczytania bez wykonywania JavaScriptu
- Treści odpowiadające na konkretne pytania. Artykuły dotyczyły realnych problemów zakupowych, a nie wyłącznie szerokich fraz kategorii
- Porównania oparte na kryteriach. Sklepy wyjaśniały, dla kogo dane rozwiązanie będzie odpowiednie i kiedy lepiej wybrać inną opcję
- Spójność informacji. Opisy produktów, kategorie, poradniki, dane strukturalne i informacje o marce nie przeczyły sobie
- Regularny pomiar. Zmiany oceniano na tych samych promptach i w tych samych modelach, dzięki czemu można było odróżnić trwały trend od jednorazowego wahania
Wzmianka to nie to samo co cytowanie
Po 90 dniach Mention Rate wynosił 22,6%, natomiast Citation Rate 6,8%. Oznacza to, że marka była wymieniana znacznie częściej, niż jej strona była wskazywana jako źródło.
Przy założeniu, że cytowanie stanowi podzbiór odpowiedzi zawierających wzmiankę o marce, około 30% odpowiedzi ze wzmianką zawierało również cytowanie strony marki.
To nie przekreśla wartości obecności. Rekomendacja bez linku może budować rozpoznawalność i wpływać na późniejsze wyszukiwanie marki. Z punktu widzenia ruchu na stronie cytowanie jest jednak szczególnie ważne, ponieważ daje użytkownikowi bezpośrednią drogę do sklepu.
W badaniu na wzrost Citation Rate najczęściej współwystępowały:
- jednoznaczne odpowiedzi na konkretne pytania
- czytelne tytuły i nagłówki opisujące problem użytkownika
- unikalne dane, zestawienia i instrukcje
- widoczna informacja o autorze, aktualizacji i źródłach
- logiczne linkowanie pomiędzy poradnikiem, kategorią i produktem
- dane strukturalne zgodne z zawartością strony
Wniosek dla sklepów jest praktyczny: warto mierzyć osobno, czy marka jest wymieniana, czy znajduje się wysoko na liście rekomendacji i czy jej strona jest wskazywana jako źródło. Każdy z tych wyników opisuje inny etap budowania widoczności.
TOP 3 rosło szybciej niż ogólna liczba wzmianek
Udział odpowiedzi, w których marka znalazła się w pierwszej trójce rekomendacji, wzrósł z 4,9% do 11,7%. To poprawa o 138,8%, wyraźnie większa niż wzrost samej widoczności.
Jednocześnie średnia pozycja marki poprawiła się z 5,8 do 4,2. W praktyce badane sklepy nie tylko pojawiały się częściej, ale przesuwały się bliżej początku odpowiedzi, gdzie rekomendacja jest bardziej widoczna i łatwiejsza do zapamiętania.
Ten wynik pokazuje, dlaczego sama odpowiedź „marka wystąpiła” jest niewystarczająca. Wymienienie sklepu na siódmym miejscu ma inną wartość niż przedstawienie go jako pierwszej rekomendacji wraz z uzasadnieniem i linkiem.
5 wniosków dla właścicieli e-commerce
1. Widoczność w AI można zmieniać, ale wymaga to czasu
Badany wzrost z 11,8% do 22,6% nie nastąpił po jednej publikacji. Największa część poprawy pojawiła się po pierwszym miesiącu, kiedy systematyczne działania zaczęły tworzyć szerszy i bardziej spójny obraz oferty.
2. Największa szansa znajduje się przed zapytaniem o markę
Prompty problemowe i rekomendacyjne rosły ponad dwukrotnie. To pytania użytkowników, którzy wiedzą, czego potrzebują, ale nie wybrali jeszcze produktu ani sprzedawcy.
3. Każda branża potrzebuje własnego zestawu promptów
Sklep z kosmetykami, sprzedawca części samochodowych i marka wyposażenia domu uczestniczą w zupełnie innych procesach decyzyjnych. Wspólny, ogólny zestaw pytań nie pokaże ich prawdziwej widoczności.
4. Trzeba mierzyć kilka wymiarów jednocześnie
Mention Rate, Citation Rate, TOP 3, Share of Voice i średnia pozycja odpowiadają na różne pytania. Dopiero razem pokazują, czy marka jest rozpoznawana, polecana i wskazywana jako źródło.
5. Przewagę buduje system, nie pojedynczy artykuł
Najlepszy wynik osiągnęły sklepy, które łączyły monitoring, analizę konkurencji, optymalizację informacji produktowych i regularne publikowanie treści odpowiadających na wykryte luki.
Plan wzrostu widoczności na 90 dni dla Twojej marki
Dni 1-30: diagnoza i fundamenty
- Zbuduj zestaw promptów obejmujący rekomendacje, problemy, porównania i pytania produktowe
- Sprawdź widoczność marki i najważniejszych konkurentów w kilku modelach AI
- Wybierz 10-20 zapytań o wysokiej wartości biznesowej, przy których konkurenci są widoczni, a Twoja marka nie występuje
- Zweryfikuj, czy boty i systemy pozyskujące informacje mają dostęp do strony
- Uzupełnij najważniejsze opisy produktów i kategorii o zastosowania, parametry, ograniczenia i odpowiedzi na pytania klientów
Dni 31-60: publikacja i dystrybucja wiedzy
- Publikuj treści przygotowane na podstawie konkretnych luk w widoczności
- Łącz poradniki z właściwymi kategoriami i produktami
- Dodawaj porównania, tabele, krótkie odpowiedzi oraz jasno opisane kryteria wyboru
- Zadbaj o spójność danych produktowych, dostępności, cen i informacji o marce
- Porównaj drugi pomiar ze stanem początkowym, osobno dla każdej grupy promptów
Dni 61-90: skalowanie tego, co działa
- Rozwijaj tematy, które poprawiły widoczność lub Citation Rate
- Aktualizuj treści, które zostały odkryte, ale nadal nie prowadzą do cytowań
- Analizuj nowe wzmianki konkurencji i zmiany w TOP 3
- Ogranicz tworzenie treści, które nie odpowiadają na żaden monitorowany problem użytkownika
- Oceń efekty na podstawie trendu z kilku pomiarów, nie pojedynczej odpowiedzi modelu
Ograniczenia badania
Wyniki raportu należy interpretować w kontekście kilku ograniczeń.
Odpowiedzi generowane przez systemy AI mogą zmieniać się pomiędzy kolejnymi wywołaniami tego samego promptu. Wpływają na nie między innymi aktualizacje modeli, zmiany mechanizmów wyszukiwania informacji, dostępność źródeł oraz sposób konstruowania odpowiedzi przez poszczególne platformy.
Badanie pokazuje dlatego przede wszystkim kierunek i skalę zmian obserwowanych w analizowanym zbiorze, a nie gwarantowany rezultat dla każdej marki.
Podział sklepów według intensywności działań ma charakter obserwacyjny. Wyższa aktywność współwystępowała z większym wzrostem widoczności, ale sama analiza nie pozwala stwierdzić, że była jedyną przyczyną tego wzrostu.
Na wyniki mogły wpływać również inne czynniki, takie jak wcześniejsza rozpoznawalność marki, autorytet domeny, obecność marki w źródłach zewnętrznych, zmiany oferty oraz aktualizacje samych systemów AI.
Z tego względu wyniki należy traktować jako analizę zależności obserwowanych w okresie 90 dni, a nie jako gwarancję określonego wzrostu po wykonaniu konkretnych działań.
Podsumowanie
Analiza 100 profili sklepów i 10 000 promptów pokazuje, że widoczność marek e-commerce w odpowiedziach AI może istotnie zmieniać się w okresie kilku miesięcy.
W analizowanym zbiorze średnia widoczność wzrosła z 11,8% do 22,6% w ciągu 90 dni. Największą dynamikę odnotowano przy zapytaniach problemowych i rekomendacyjnych — czyli na etapie, na którym użytkownik zna swoją potrzebę, ale nie wybrał jeszcze konkretnej marki lub produktu.
Jednocześnie wyniki wskazują na wyraźną zależność pomiędzy regularnością działań a skalą obserwowanego wzrostu. Sklepy z grupy wysokiej aktywności kończyły okres badania ze znacznie wyższą widocznością niż profile prowadzące działania sporadycznie.
Nie oznacza to, że pojedyncza optymalizacja automatycznie prowadzi do określonego wzrostu. Widoczność w AI zależy od wielu czynników, w tym jakości i dostępności informacji o marce, źródeł wykorzystywanych przez systemy AI, konkurencji oraz zmian zachodzących w samych modelach.
Dlatego praktyczne podejście do AI Search powinno łączyć regularny pomiar, identyfikowanie luk w odpowiedziach AI, poprawę jakości informacji o produktach i marce oraz publikowanie treści odpowiadających na konkretne potrzeby użytkowników.
Udostępnij:
