Ruch z ChatGPT na strony B2B wzrósł o 303%. Jak mierzyć wpływ AI na klientów?

Klient może poznać firmę w rozmowie z AI, porównać rozwiązania, a dopiero później wpisać nazwę dostawcy w Google. Raport źródeł ruchu pokaże wtedy wejście z wyszukiwarki, choć asystent mógł odegrać rolę w wyborze marki. Żeby ocenić znaczenie tego procesu, trzeba odróżnić trzy rzeczy: rekomendację, przejście na stronę i efekt sprzedażowy.

Co pokazało badanie Demandbase?

Komunikat opublikowany 12 sierpnia 2026 roku dotyczy przejść użytkowników po kliknięciu linku w asystencie AI. Zbiór obejmował ponad 11 mld wizyt i 1584 odrębne instancje platformy Demandbase. Nie należy utożsamiać tej liczby z potwierdzoną liczbą unikalnych firm.

Wartości miesięczne są sumą dla badanej próby, nie średnią na firmę. ChatGPT odpowiadał za wzrost, podczas gdy przejścia z Perplexity spadły, a Gemini i Claude pozostały na zbliżonym poziomie. Źródło i metodologia: Demandbase.

Wynik uzasadnia sprawdzenie własnych danych. Nie jest prognozą wzrostu dla pojedynczej witryny ani dowodem na proporcjonalny wzrost sprzedaży. Do decyzji o budżecie potrzebna jest jeszcze ocena jakości kontaktów, kosztu ich pozyskania i wartości zawartych umów.

Dlaczego GA4 nie pokazuje całego wpływu rekomendacji AI?

Załóżmy, że dyrektor sprzedaży pyta asystenta o system CRM dla firmy zatrudniającej 50 handlowców. Otrzymuje kilka propozycji, omawia je z zespołem, a po dwóch dniach szuka jednego z dostawców w Google. To przykład ścieżki, w której moment odkrycia marki i wejście na jej stronę są od siebie oddzielone.

Jeżeli użytkownik kliknie bezpłatny wynik Google, prawidłowo rozpoznana wizyta będzie zwykle miała źródło i medium google / organic. Kliknięcie reklamy może trafić do kanału płatnego. Oznaczenie direct / none wskazuje natomiast brak rozpoznanego źródła. Samo wyszukanie nazwy marki nie czyni wizyty wejściem bezpośrednim. Dokumentacja źródeł ruchu GA4, wyjaśnienie ruchu direct.

To rozróżnienie ma praktyczne konsekwencje. Dodanie osobnej grupy kanałów dla AI porządkuje rozpoznane przejścia, ale nie odtwarza rozmów, które odbyły się wcześniej poza witryną. W raporcie warto więc osobno przedstawiać ruch przypisany do platform AI i sygnały ich możliwego wpływu na zainteresowanie marką.

Co oznaczają liczby Similarweb: 8,8% i 55,9%?

Similarweb analizował wizyty po rekomendacjach marek w ChatGPT. W badanych ścieżkach 8,8% wizyt pochodziło z kanału AI, 55,9% z wyszukiwarek, 19,9% z wejść bezpośrednich, a 13,5% z innych odesłań. Źródło: Similarweb.

Wizyty po rekomendacji marki w badanej próbie Similarweb. Pokazane kategorie sumują się do 98,1%; pozostałego udziału nie rozpisano w przywołanym zestawieniu. Źródło: Similarweb.

Analiza dotyczyła użytkowników komputerów w USA, sektorów finansów, turystyki i beauty oraz okresu lipiec–grudzień 2025. Obserwowano siedem dni po rekomendacji. Wykluczono osoby, które odwiedziły witrynę marki w poprzednich czterech tygodniach lub podały jej nazwę w zapytaniu. To inna próba niż zbiór B2B Demandbase.

Wskaźnik 55,9% opisuje ruch z wyszukiwarek, nie wyłącznie wyszukiwania nazwy marki. Nie wolno przedstawiać go jako udziału zapytań brandowych. Źródło: The Downstream Impact of AI Visibility.

Badanie wskazuje, że rekomendacja i późniejsza wizyta mogą wystąpić w różnych kanałach. Nie daje uniwersalnego przelicznika dla firm B2B ani podstaw, by każdą późniejszą wizytę uznać za spowodowaną przez AI.

Jak sposób prezentowania odpowiedzi wpływa na liczbę przejść?3

W odrębnej analizie Similarweb opisał bardziej widoczne linki do marek w odpowiedziach ChatGPT od 7 maja 2026 roku. Porównanie tygodnia przed zmianą i po niej pokazało wzrost przejść o 157,7%. Udział wizyt kierowanych na strony główne zwiększył się z około 26–32% do około 60%. Badanie obejmowało panel desktopowy w okresie 30 kwietnia-20 maja 2026. Źródło: Similarweb.

Wniosek dla firmy: wzrost ruchu po aktualizacji własnej strony trzeba porównać ze zmianami po stronie platformy. Więcej sesji nie musi oznaczać, że marka zaczęła pojawiać się częściej. Równie dobrze użytkownikom mogło być łatwiej kliknąć link.

W miesięcznym raporcie warto zestawić trzy wskaźniki: częstotliwość obecności marki w monitorowanych odpowiedziach, liczbę rozpoznanych wizyt i liczbę wartościowych kontaktów. Jeżeli rośnie tylko drugi wskaźnik, trzeba sprawdzić sposób prezentowania linków, strony docelowe i zmiany w pomiarze, zanim przypisze się wynik własnym działaniom.

Czy odwiedziny botów oznaczają więcej klientów z AI?

Automatyczne pobranie treści z witryny i przejście użytkownika z asystenta to odrębne zdarzenia. Dokumentacja Cloudflare rozdziela żądania crawlerów od ruchu odsyłającego z platform AI i pozwala analizować je osobno. Źródło: Cloudflare AI Crawl Control.

Logi serwera pomagają wykrywać problemy z dostępem do treści. Monitoring odpowiedzi pokazuje, czy marka pojawia się przy wybranych pytaniach. Analityka strony opisuje zachowanie odwiedzających, a CRM pozwala ocenić kontakty i szanse sprzedaży. Żadne z tych źródeł samodzielnie nie opisuje całego procesu.

Dlatego obserwacja, że boty jednego dostawcy częściej pobierają stronę, nie wystarcza do porównania skuteczności marketingowej asystentów. Zanim powstanie taki wniosek, trzeba określić rodzaj mierzonych zdarzeń, okres i zakres danych.

Jak mierzyć wpływ AI na pozyskiwanie klientów B2B?

Proponujemy raport, który zachowuje odrębność poszczególnych etapów, a jednocześnie pozwala szukać zależności między nimi.

1. Zbuduj zestaw pytań z procesu zakupowego

Punktem wyjścia powinny być rozmowy handlowe, zapytania ofertowe i problemy zgłaszane przez klientów. Zestaw może obejmować pytania o wybór kategorii rozwiązania, wymagane integracje, ograniczenia wdrożenia i porównania dostawców.

Przykładowo firma oferująca system CRM może monitorować pytanie: „Jaki CRM wybrać dla zespołu sprzedaży terenowej, który potrzebuje pracy offline?”. Takie pytanie pozwala sprawdzić obecność przy konkretnej potrzebie. Osobno warto analizować pytania zawierające nazwę firmy, aby nie mieszać odkrywania nowych dostawców z weryfikacją już znanej marki.

2. Zachowaj porównywalność pomiarów

Ustal język, rynek, zestaw pytań i platformy. Zapisuj daty oraz warunki testów. Zmianę oceniaj na podstawie kilku pomiarów, a po modyfikacji zestawu pytań oznacz przerwę w porównywalności. W przeciwnym razie lepszy wynik może odzwierciedlać łatwiejsze pytania zamiast rzeczywistej poprawy.

Przydaje się również rozdzielenie wzmianki o marce od wskazania jej strony jako źródła. Ten temat rozwijamy w raporcie Semly o widoczności e-commerce w odpowiedziach AI. Zakres tego raportu jest odmienny od analiz omawianych tutaj; służy jako uzupełnienie sposobu pomiaru.

3. Połącz analitykę z oceną jakości kontaktów

W GA4 analizuj rozpoznane wejścia z AI oraz działania istotne dla biznesu: wysłanie formularza, zapis na demonstrację czy rozpoczęcie kontaktu. Następnie sprawdzaj w CRM, ile zgłoszeń spełnia kryteria klienta docelowego i przechodzi do kolejnych etapów sprzedaży.

Współczynnik konwersji zawsze pokazuj razem z liczebnością próby. Dwie konwersje na dziesięć sesji dają 20%, ale nie stanowią jeszcze stabilnej podstawy prognozy. Uwzględniaj też opóźnienie między pierwszą wizytą a podpisaniem umowy. Więcej o tym procesie przeczytasz w artykule jak mierzyć i raportować sprzedaż z AI Search.

4. Zbieraj deklaracje klientów bez sugerowania odpowiedzi

Pytanie „Gdzie po raz pierwszy usłyszałeś o naszej firmie?” może uzupełnić dane techniczne. Daj możliwość swobodnej odpowiedzi i zapisuj ją w CRM. Jeśli klient wskazuje asystenta AI, warto doprecyzować, czego szukał i jakie informacje pomogły mu w wyborze.

Takie deklaracje traktuj jako dodatkowe źródło wiedzy. Pamięć klienta bywa niepełna, a w decyzji może uczestniczyć kilka osób. Nie należy automatycznie przypisywać całej wartości umowy jednemu wskazanemu kontaktowi z marką.

5. Oceniaj zmiany w kontekście pozostałego marketingu

Prowadź wspólny kalendarz publikacji, kampanii, wydarzeń i zmian oferty. Jeżeli rośnie widoczność w AI oraz zainteresowanie marką, sprawdź, czy w tym samym czasie nie ruszyła kampania reklamowa albo publikacja medialna.

Przy większej skali porównuj grupy tematów lub stron objętych zmianami z podobnymi grupami bez zmian. Taki układ może wzmocnić ocenę efektów, choć nadal wymaga kontroli różnic między grupami. Prosta korelacja nie wystarcza do potwierdzenia przyczyny.

Co poprawić na stronie, aby użytkownik mógł zweryfikować rekomendację?

Zacznij od treści potrzebnych do decyzji: jasno opisz odbiorcę rozwiązania, zastosowania, integracje, warunki wdrożenia i ograniczenia. W studiach przypadków pokaż punkt wyjścia, wykonane działania i sposób obliczenia wyników. Aktualizuj informacje, które mogą się zmieniać.

Warto również zadbać o czytelną nawigację między poradnikiem, opisem produktu i kontaktem. Użytkownik, który trafił na stronę główną po rekomendacji, powinien szybko odnaleźć potwierdzenie, że oferta odpowiada jego potrzebom.

W kontekście obecności w Google AI Overviews i AI Mode Google wskazuje na podstawy SEO: dostępność dla robotów, linkowanie wewnętrzne, ważne informacje w formie tekstowej i dane strukturalne zgodne z treścią. Nie wymaga specjalnego oznaczenia „pod AI”. Są to wskazówki dotyczące funkcji Google, a nie gwarancja cytowania przez dowolnego asystenta. Źródło: Google Search Central.

Najczęstsze pytania o ruch z ChatGPT

Czy wzrost o 303% oznacza wzrost całego ruchu B2B?

Wynik dotyczy przejść z ChatGPT w próbie Demandbase. Nie opisuje całego ruchu witryn ani wzrostu liczby klientów. Źródło: Demandbase.

Czy 55,9% oznacza wyszukiwania nazwy marki?

Similarweb opisuje ten wskaźnik jako udział ruchu z wyszukiwarek w analizowanych wizytach powiązanych z rekomendacją AI. Nie jest to miara ograniczona do zapytań brandowych. Źródło: Similarweb.

Czy GA4 mierzy wszystkie wizyty wynikające z rekomendacji AI?

GA4 może rozpoznać źródło wizyty, gdy dostępna jest odpowiednia informacja. Nie identyfikuje automatycznie wcześniejszej rozmowy z asystentem, po której użytkownik wszedł na stronę inną drogą. Źródło: dokumentacja GA4.

Od czego zacząć pomiar efektów AI w firmie B2B?

Od ustalenia pytań zakupowych, pomiaru obecności marki i wydzielenia rozpoznanego ruchu z AI. Następnie warto połączyć te dane z kwalifikacją kontaktów w CRM i odpowiedziami klientów o sposobie poznania firmy.

Sprawdź, czy AI uwzględnia Twoją firmę przy wyborze dostawcy

Zacznij od pytań, na które odpowiada Twój produkt lub usługa. Sprawdź, czy marka pojawia się w odpowiedziach, jak jest opisywana i z jakimi konkurentami jest porównywana. Dopiero na tej podstawie wybierz informacje i materiały, które wymagają uzupełnienia.

Sprawdź za darmo widoczność swojej firmy w AI. Wyniki monitoringu zestawiaj z analityką strony i CRM, aby oceniać zarówno obecność marki, jak i jakość pozyskiwanych kontaktów.

Nota metodologiczna: artykuł jest opracowaniem publicznych analiz Demandbase i Similarweb oraz dokumentacji narzędzi. Nie przedstawia własnego badania ruchu Semly. Próby i okresy poszczególnych analiz są różne; rekomendacje pomiarowe stanowią komentarz redakcyjny. Stan weryfikacji źródeł: 21 września 2026.

Udostępnij:

Skopiuj link