Wniosek 1: AI już służy do zdobywania informacji i porad
Badanie użytkowania OpenAI z września 2025 roku przeanalizowało 1.5 miliona rozmów konsumentów. Opublikowane podsumowanie sklasyfikowało 49% wiadomości jako pytania, 40% jako wykonywanie zadań, a 11% jako wyrażanie myśli. Około 70% użytkowania konsumenckiego odbywało się poza pracą. Liczby opisują populację i okres badania danego produktu; nie oznaczają, że połowa wszystkich wiadomości dotyczyła zakupów.
Znaczenie biznesowe tkwi w miejscu, w którym zaczyna się decyzja. Człowiek może prosić o wyjaśnienie, porównywać podejścia i ustalać wymagania, zanim zapyta o dostawcę. Moim zdaniem firmy mogą być oceniane, zanim pojawi się rozpoznawalne pytanie sprzedażowe. Strona wyjaśniająca tylko, czym jest firma, może niewiele wnosić do wcześniejszych decyzji, nawet jeśli dobrze pozycjonuje się na własną markę. To zmiana w ścieżce zdobywania informacji, a nie dowód, że każda rozmowa zawiera zamiar zakupu.
Wniosek 2: źródło może pomóc odpowiedzieć na pytanie bez otrzymania wizyty
Pew przeanalizował przeglądanie internetu przez 900 dorosłych mieszkańców USA. Kliknięcia tradycyjnych wyników wystąpiły w 8% wizyt w Google z podsumowaniem AI, wobec 15% bez niego; kliknięcia źródeł podsumowania wystąpiły w 1%. Badanie wykorzystało dane z marca 2025 roku i odtworzone wyniki zebrane w kwietniu. Jest obserwacyjne, a nie randomizowaną oceną tego, jak podsumowania spowodowały zmianę kliknięć.
Wniosek rozróżnia ekspozycję i ruch. Nie ustala finansowej wartości odpowiedzi dla konkretnego reklamodawcy, wydawcy czy usługodawcy.
Wniosek 3: osoby, które wejdą na stronę, mogą zachowywać się inaczej
Raport Adobe z 29 października 2026 roku przedstawia inną obserwację: we wrześniu wizyty z AI na amerykańskich stronach handlowych przekładały się na zakupy o 90% skuteczniej niż wizyty spoza AI i generowały o 83% wyższy przychód na wizytę. Ruch z AI wzrósł o 71% rok do roku. Analiza handlu detalicznego obejmuje ponad 1 bilion wizyt, 100 milionów produktów i 18 kategorii.
To względne porównania obserwowanych wizyt, a nie bezwzględny współczynnik konwersji ani dowód, że AI spowodowało dodatkowe zakupy. Osoby klikające po rozmowie z AI mogły już zawęzić wybór. Liczby dotyczą handlu detalicznego w USA, nie cyklu sprzedaży oprogramowania czy rodziny wybierającej opiekę. Mimo to pokazują, dlaczego liczba odwiedzających i wartość każdego z nich to odrębne pytania biznesowe. Mniejszy strumień wejść może zasługiwać na uwagę, nie stając się największym źródłem ruchu.
Pozorna sprzeczność znika po rozdzieleniu jednostek
Interakcja wyszukiwania, wyświetlenie odpowiedzi, wizyta z odesłania i zakup nie są wymiennymi jednostkami. Mniejsza skłonność do opuszczania strony odpowiedzi może współistnieć z wyższą konwersją wśród osób, które ją opuszczają. Nie jest to wspólny wniosek przyczynowy z powyższych badań: różnią się próbami, datami i produktami. Dlatego ich procentów nie można mnożyć, aby uzyskać prognozę dla firmy.
Rozważmy fikcyjną firmę, która otrzymuje mniej wizyt, ale prowadzi więcej odpowiednich rozmów handlowych. Jej sytuacja biznesowa może się poprawiać. Inna firma może otrzymywać więcej cytowań, ale mniej rentownych zamówień. Może tracić wartość. Obie możliwości pasują do świata, w którym odpowiedź i strona obsługują różne części decyzji. Użyteczne rozróżnienie ekonomiczne dotyczy widoczności, kwalifikowanego popytu i zrealizowanego biznesu.
| Obserwowana jednostka | Co potwierdza | Czego nadal nie wiemy |
|---|---|---|
| Nazwa pojawiła się w odpowiedzi z próby | Ilu kupujących ją zobaczyło lub jej zaufało | |
| Stronę podlinkowano jako dowód | Czy firma została polecona | |
| Ktoś dotarł na mierzoną stronę | Czy wizyta była dodatkowa | |
| Wystąpił wynik biznesowy | Co stałoby się bez ekspozycji |
Wniosek 4: treść może wpływać na widoczność, ale znany wzrost nie jest prognozą
Artykuł GEO przyjęty na KDD 2024 wprowadził zestaw porównawczy 10,000 zapytań i odnotował poprawę widoczności do 40% według eksperymentalnych miar. Testował zmiany treści, takie jak dodawanie trafnych źródeł, cytatów i statystyk. Efekty różniły się zależnie od dziedziny. Osobny eksperyment z Perplexity również wykazał, że wynik zależał od zastosowanej miary widoczności.
To dowód, że sposób przedstawienia materiału źródłowego może wpłynąć na odpowiedź. Nie obiecuje 40% więcej leadów, a systemy eksperymentalne nie reprezentują wszystkich obecnych produktów komercyjnych. Widoczność w artykule obejmowała miary ilości i położenia wykorzystanego materiału źródłowego. Ważne jest rozróżnienie między zmianą treści, która zmieniła mierzoną odpowiedź, a programem biznesowym, który zwiększył zysk. Artykuł potwierdza pierwsze, nie drugie.
Wniosek 5: wyszukiwanie z AI nadal zależy od istniejącej sieci
Aktualne wytyczne Google dotyczące wyszukiwania generatywnego opisują odpowiedzi oparte na indeksie wyszukiwarki oraz rozgałęzianie zapytań: pytanie może uruchomić powiązane wyszukiwania przed złożeniem odpowiedzi. Zaleceniem pozostają przydatne, oryginalne informacje wspierane przez zwykłe podstawy wyszukiwania. Osobna strona dla każdego sformułowania nie jest modelem wartości opisanym w tych wytycznych.
Oznacza to większą konkurencję na poziomie wyjaśnienia. Kupujący rozważający złożony zakup może jednocześnie potrzebować ceny, zgodności, ryzyka i dowodów wdrożenia. Różne strony mogą dostarczać różne elementy. Firma może więc wnieść przydatny fakt, nie kontrolując całej odpowiedzi. Z kolei znana marka może być nieobecna przy konkretnej decyzji, jeśli dostępne materiały nie odnoszą się do jej warunków. To moja interpretacja udokumentowanego pobierania informacji, a nie ujawniony wzór rankingu.
Wniosek 6: widoczność w wyszukiwaniu i trenowanie modeli to osobne wybory
OpenAI opisuje OAI-SearchBot jako robota wyszukiwania, a GPTBot jako osobnego robota związanego z treningiem. Rozróżnienie jest wyraźne: polityka firmy dotycząca treningu nie musi być identyczna z polityką dotyczącą obecności w wyszukiwaniu.
Ma to znaczenie ekonomiczne, ponieważ ograniczanie treningu i pozostawanie widocznym nie muszą być sprzecznymi celami. Wyjaśnia też, dlaczego strony zablokowanej lub wykluczonej nie można oceniać tak samo jak dostępnej strony, której nie wybrano. Zespół handlowy może widzieć tę samą nieobecność na panelu, choć jej przyczyny są różne. Ani zgoda, ani udane indeksowanie przez robota nie gwarantują cytowania.
Google udostępnia teraz osobne ustawienie włączania do AI
Ustawienie Search Console dotyczące generatywnych funkcji AI w wyszukiwarce wdrożono globalnie 31 sierpnia 2026 roku. Domyślnie włączenie jest aktywne, lecz usługa może dziedziczyć wybór usługi nadrzędnej. Dokumentacja odróżnia to od ustawień treningu i od wykluczenia z wyszukiwarki jako całości.
Istotny wniosek jest taki, że możliwość znalezienia firmy ma teraz widoczną warstwę zarządzania obok warstwy treści. Brak w odpowiedziach może odzwierciedlać decyzję wydawcy, odziedziczone ustawienie, dostęp lub wybór. Ten sam widoczny wynik nie potwierdza tej samej przyczyny. To rozróżnienie kwalifikowalności, nie dowód, że włączenie poprawia pozycję firmy.
Wniosek 7: raporty platform są coraz lepsze, ale luka w atrybucji pozostaje
Osobny raport skuteczności generatywnej AI w Google, wdrożony globalnie 31 sierpnia 2026 roku, pokazuje wyświetlenia w obsługiwanych funkcjach AI wyszukiwarki. Widoki obejmują strony, kraje, daty i urządzenia. Witryna z niewystarczającą liczbą wyświetleń może go nie widzieć. To przydatne dowody ekspozycji linków, nie pełny rejestr promptów, klientów czy sprzedaży.
Bing mierzy wykorzystanie źródeł, nie wyniki klientów
Zapowiedź Bing AI Performance z lutego 2026 roku opisuje liczby cytowań, cytowane adresy URL i próbki zapytań służących do podparcia odpowiedzi w obsługiwanych produktach. Odróżnia je od roli lub położenia strony w pojedynczej odpowiedzi. Dzięki temu wykorzystanie źródeł staje się bardziej widoczne, ale nie staje się atrybucją sprzedaży. Cytowana strona techniczna i cytowana strona zakupowa mogą obsługiwać bardzo różne decyzje, nawet jeśli każda dodaje jedno cytowanie do sumy.
Wniosek biznesowy: szansą jest lepiej poinformowany popyt, nie uniwersalny mnożnik ruchu
Moja interpretacja dowodów jest taka, że wyszukiwanie z AI zmienia zarówno to, czego potencjalny klient się dowiaduje, jak i moment, w którym potrzebuje strony. To sprawia, że poprawne informacje o produktach i usługach są ważne biznesowo jeszcze przed kliknięciem. Sprawia też, że sam wynik cytowań jest niepełną miarą wartości. Otwarte pytanie dla każdej firmy brzmi: jak te ekspozycje łączą się z odpowiednimi, dodatkowymi wynikami przy akceptowalnym koszcie.
Pracuję w Searchable. Jako partner strategiczny łączę tę analizę z rzeczywistą ofertą firmy, rynkami i decyzjami klientów: własnym Prompt Universe, praktycznym wdrożeniem zespołu i wspólną interpretacją wyników. Użyteczna rozmowa ze mną zaczyna się od tego, gdzie firma może skorzystać na lepiej poinformowanym popycie. Nie zaczyna się od obietnicy procentowego wzrostu.
Zakres badania
Przegląd z 3 listopada 2026 roku. To synteza badań pierwotnych i oficjalnej dokumentacji produktów, nie nowe badanie konsumentów ani kontrolowany eksperyment z klientami. Daty i populacje badań pozostają rozdzielone. Wyniki liczbowe przypisano wydawcom; interpretacje biznesowe są moje. Raporty Google i Bing mierzą różne jednostki. Żadne badanie w tym przeglądzie nie wykazuje uniwersalnego wpływu na przychody we wszystkich branżach.
Źródła i uwagi
Źródła sprawdzono: 3 listopada 2026. Plany i przykłady są poradami, nie zmierzonymi wynikami klientów. Pracuję w Searchable. Linki do produktu odzwierciedlają tę relację.
1
Searchable