Czy AI wybiera sklepy tylko po cenie? 4 pytania z webinaru o e-commerce 2047

Wzrost ruchu z asystentów AI u amerykańskich retailerów w 2025 roku wyniósł 1200% rok do roku. Prawie połowa kupujących w USA użyła AI do zakupów pod koniec zeszłego roku — i nie chodzi już tylko o ChatGPT. Perplexity, Claude, DeepSeek, AI Overviews w Google. Każdy z tych systemów odpowiada na pytanie „który sklep wybrać?" — i prawie nikt z e-commerce nie wie, jak to zrobić.
To była stawka webinaru „E-commerce 2047: jak AI będzie wybierać produkty, sklepy i ceny za klientów?" prowadzonego przez Pawła Gontarka (SEO/AI search) i Amadeusza Bathelta (Head of Product, Dealavo). Z czatu uczestników padły cztery pytania, które wracają u każdego sprzedawcy zastanawiającego się nad strategią na kolejne 12 miesięcy. Poniżej każde z nich z konkretną odpowiedzią i praktyczną implikacją dla Twoich cen — w tym dla monitoringu cen konkurencji jako podstawy strategii.

1. „Czy AI poleci mój sklep, nawet jeśli nie mam najniższej ceny?"

Tak — ale tylko jeśli jesteś w okolicy mediany cenowej rynku. Jeśli jesteś wyraźnie droższy od konkurencji, AI prawdopodobnie poleci kogoś innego, niezależnie od jakości Twojej obsługi. Pytanie pojawiło się na czacie wprost: „Czy systemy AI będą rekomendować produkty i sklepy spełniające kryteria jakości, wiarygodności i dopasowania do potrzeb użytkownika, nawet jeśli nie oferują najniższej ceny?"

Odpowiedź Pawła Gontarka jest niewygodna, ale precyzyjna. LLM-y nie oceniają jakości. Nie mają wbudowanych algorytmów porównywania wartości w sposób, w jaki robi to Google. Bazują na prawdopodobieństwie wystąpienia słów po słowach, na fact-checkingu danych dostępnych w sieci i na halucynacjach.
„LLM-y takich algorytmów w sobie nie mają. One bazują na tym, co odczytają. Trudno jest określić, że ta odpowiedź będzie dobra czy zła, bo ona po prostu wynika z prawdopodobieństwa." - Paweł Gontarek

Co to oznacza w praktyce? AI nie wybierze Twojego sklepu, bo „jesteś jakościowy". Wybierze, bo masz dużo wiarygodnych wzmianek (brand mentions), spójne dane w sieci, recenzje klientów i konkurencyjną cenę. Cena to jeden z kilku sygnałów, ale w sytuacji, gdy AI nie potrafi ocenić jakości — staje się sygnałem dominującym.
To paradoks ostatniego roku. Im więcej rozmów o AI, tym mocniej cena wraca jako kryterium decyzyjne. Nie najniższa cena. Cena w kontekście rynku. Jeśli jesteś znacząco droższy od mediany — AI prawdopodobnie polecie innego sprzedawcę. Jeśli jesteś w okolicy mediany lub poniżej, masz szansę.

W praktyce wymaga to dwóch rzeczy:

• bieżącego monitoringu cen konkurencji na platformach, na których jesteś obecny (Allegro, Ceneo, Amazon, Google Shopping, własne sklepy konkurentów)
• możliwości szybkiej reakcji — bo cena u konkurencji może zmienić się kilka razy dziennie. Więcej o tym, jak śledzić historię zmian produktu i wyciągać wnioski operacyjne — w osobnym poradniku.

2. „Czy AI bierze pod uwagę inne parametry niż cena?"

Tak — w szczególności pakiety, recenzje, dane strukturalne i performance strony. Cena pozostaje pierwszym sygnałem, ale przy zbliżonych cenach AI bierze pod uwagę kontekst oferty. Drugie pytanie z webinaru bezpośrednio nawiązywało do pierwszego. Amadeusz Bathelt odpowiedział z perspektywy produktowej.

„Cena jest jedną z najważniejszych rzeczy, ale to, co może być mniej porównywalne, to dostosowane pakiety, które będą trudniej porównywalne. Jeśli to telewizor plus uchwyt plus kabel plus przedłużacz plus usługa gwarancji, plus montaż — trudniej będzie to porównywać AI-owi pomiędzy różnymi sklepami." - Amadeusz Bathelt

Tu pojawia się realna ścieżka różnicowania, której większość sklepów nie wykorzystuje. AI doskonale porównuje pojedyncze SKU. Z pakietem produktów — trochę gorzej. Z usługą montażu, rozszerzoną gwarancją, ratami 0% — jeszcze gorzej.

Co jeszcze AI bierze pod uwagę poza ceną:

3. „Czy jest jakaś wzorcowa karta produktu pod AI?"

Nie ma jednej idealnej karty, ale jest 7 elementów, których nie można pominąć: pełne specyfikacje, cena z kontekstem (Omnibus), recenzje z parametrami, zdjęcia od klientów, pakiety, dane strukturalne, jednoznaczna dostępność. Pytanie zadali jednocześnie Pan Wojtek i Pan Konrad — szukali konkretnego sklepu, do którego mogliby dążyć. Odpowiedź Pawła była rozczarowująca i zarazem wyzwalająca:

„Tak naprawdę nie ma idealnych rzeczy. Każda karta będzie inaczej pokrojona, inaczej zoptymalizowana. Zawrzyjcie jak najwięcej szczegółowych informacji dotyczących danego produktu." - Paweł Gontarek

Co się jednak da wyciągnąć z webinaru jako listę elementów obowiązkowych dla karty produktu w 2026 roku:

1. Pełne specyfikacje techniczne — wszystkie parametry, nawet te „oczywiste". To, co dla Ciebie jest oczywiste (klątwa wiedzy), dla AI i klienta nie jest. Jeśli olejek działa na ból głowy, napisz to. Jeśli stół jest sosnowy i lakierowany lakierem wodoodpornym — napisz to wszystko.
2. Cena z kontekstem — cena katalogowa, cena promocyjna, cena Omnibus, jasna informacja o wielkości przeceny. Bez tego użytkownik nie wie, czy „promocja 30%" naprawdę jest promocją.
3. Recenzje klientów z parametrami — nie tylko „polecam, ekstra produkt". Konkretne cechy w opiniach to fact-checking, który LLM-y czytają i przetwarzają.
4. Zdjęcia od klientów — sekcja „Tak wygląda u naszych klientów", podpięta z Instagrama hashtagiem lub uploadowana ręcznie. To zwiększa szansę na cytowanie w LLM-ach jako „sklep z dużą liczbą rekomendacji".
5. Pakiety i komplementarne produkty — co jeszcze warto kupić, w jakim zestawie, ile dzięki temu oszczędzasz.
6. Dane strukturalne (schema Product, Offer, Review) — LLM-y i Google czytają je oddzielnie od tekstu na stronie.
7. Dostępność i stan magazynowy — wprost zaznaczona. Jeśli produkt jest niedostępny, pokazuj zamiennik. Polecanie produktów niedostępnych na stronie głównej to strata ruchu.

Element 2 — cena z kontekstem — jest tym, gdzie najczęściej widać błędy w polskim e-commerce. „Aktualne promocje" pokazują produkty bez ceny przekreślonej. Karty produktów nie pokazują, ile naprawdę oszczędzasz. AI tego nie zinterpretuje za Ciebie. Klient też nie.

4. „Czy konwersja z ChatGPT i Perplexity jest dobra?"

Tak — wyraźnie wyższa niż z klasycznego organica. Klient z LLM-a wchodzi z gotową intencją zakupową, nie eksploracyjną. Paweł podał konkretne liczby z USA:

• +1200% ruchu z AI rok do roku u retailerów,
• prawie 50% kupujących użyło AI do zakupów pod koniec 2024 roku,
  konwersja z ruchu AI jest wyraźnie wyższa niż z klasycznego organica.

Powód jest prosty. Klient, który dotarł na Twoją stronę przez ChatGPT czy Perplexity, ma już za sobą fazę edukacji i porównania. Asystent wykonał research, zawęził wybór, polecił konkretny model. Klient wchodzi z intencją zakupową, nie eksploracyjną

Jest też druga strona medalu, którą Amadeusz Bathelt zaakcentował mocno:

„Jeśli będziemy rozmawiali sobie z czatem i on będzie wybierał dla nas produkty, no to czy ja będę pamiętał z jakiego sklepu kupowałem? Zupełnie nie. Nie będę w ogóle lojalny, więc AI za każdym razem może wybierać innego dostawcę." - Amadeusz Bathelt

To zmienia ekonomię całego sklepu. Każda transakcja staje się ponowną walką cenową. Lojalność, którą wcześniej budowało się przez pamięć marki, e-mail marketing czy program lojalnościowy, w erze AI shopping traci znaczenie. Klient nie pamięta, w którym sklepie kupił mleko trzy dni temu. Pamięta jego AI, ale AI każe się prowadzić aktualnym sygnałom — w pierwszej kolejności cenie.

Wniosek operacyjny: w 2026 i kolejnych latach automatyzacja zmian cen przestaje być przewagą konkurencyjną, a staje się warunkiem brzegowym. Sprzedawca, który aktualizuje ceny raz dziennie ręcznie, traci do tego, który aktualizuje je co godzinę algorytmem.

Co z tego wynika dla strategii cenowej w 2026?

Synteza z czterech pytań to lista czterech rzeczy, którymi warto się zająć zanim AI shopping wejdzie głębiej do Polski (a wejdzie szybciej, niż się wydaje — ChatGPT Shopping testowany w USA, AI Overviews już w Google w PL).

Po pierwsze, monitoring cen konkurencji w czasie zbliżonym do rzeczywistego. Nie raz w tygodniu, nie raz dziennie. Z częstotliwością odpowiadającą dynamice Twojej kategorii. W elektronice użytkowej, AGD, produktach z dużą rotacją — kilka razy dziennie. W kategoriach stabilnych — raz dziennie wystarczy.

Po drugie, automatyzacja reakcji cenowej. Manualne sprawdzanie i aktualizowanie cen dla sklepu z 1000 SKU na 5 platformach to ok. 49 godzin tygodniowo, czyli pełen etat. To nie jest nieefektywne — to jest niemożliwe do skalowania. Repricing oparty na regułach (między dwoma konkurentami, utrzymanie marży, pozycja rynkowa, niskie stany magazynowe) zastępuje pracę zespołu pricingowego, którego mały lub średni sklep i tak nie ma.

Po trzecie, karta produktu pod LLM. Pełne specyfikacje, cena z kontekstem (omnibus, przecena), recenzje, zdjęcia od klientów, dane strukturalne. Performance strony poniżej 200 ms, żeby scrapery zdążyły Cię odczytać.

Po czwarte, pakiety i wartość dodana jako differentiator obok ceny. Im trudniej AI porównać Twoją ofertę 1:1 z konkurentem, tym większa szansa, że klient (lub jego agent) wybierze Twój sklep nawet bez najniższej ceny. Jeśli zastanawiasz się, gdzie kończy się repricing, a zaczyna pełny dynamic pricing — to dobry moment, żeby sprawdzić różnicę.

Dealavo pomaga w pierwszych dwóch punktach: monitorujemy ceny konkurencji na dowolnych platformach z 99% dokładnością i dostarczamy moduł repricingu, który reaguje na zmiany cen konkurencji bez Twojego udziału. Jeśli chcesz sprawdzić, jak wygląda mapa cen Twoich produktów względem konkurencji — umów rozmowę z naszym zespołem.

FAQ — najczęstsze pytania o AI w e-commerce i ceny

Czy LLM-y czytają cenę z karty produktu w czasie rzeczywistym?

Tak, ale z opóźnieniem. Scrapery LLM-ów odwiedzają strony okresowo — częstotliwość zależy od autorytetu domeny i częstotliwości aktualizacji. Im szybciej się ładuje strona, tym częściej jest odwiedzana. Dane strukturalne (schema Product/Offer) zwiększają szansę poprawnego odczytu ceny.

Czy warto być w porównywarce cen, jeśli AI i tak wybiera za klienta?

Tak — i to z dwóch powodów. Po pierwsze, porównywarki są źródłem danych dla LLM-ów. Po drugie, klienci, którzy nie korzystają jeszcze z AI shopping, nadal stanowią większość ruchu. Wycofanie się z Ceneo czy Idealo dziś = strata ruchu. Optymalne jest być w obu kanałach.

Czy mogę używać Dealavo równolegle z innym narzędziem do monitoringu cen?

Tak. Część klientów Dealavo używa nas jako podwójnego checku jakości danych obok innego dostawcy. To pomaga zweryfikować, czy obecne dane są wiarygodne.

Co z LinkedIn — naprawdę warto tam postować pod AI?

Według Pawła Gontarka — tak, bo LinkedIn jest mocno cytowany w LLM-ach i AI Overviews. To dziś jeden z najlepiej rankujących serwisów społecznościowych jako źródło dla asystentów AI. Jeśli prowadzisz B2B e-commerce, LinkedIn jest praktycznie obowiązkowy.

Źródła i metodologia

Adobe Analytics Holiday Shopping Report 2024 — wzrost ruchu z AI do retailerów w okresie Cyber Week (źródło danych +1200% YoY).

Webinar Dealavo „E-commerce 2047: jak AI będzie wybierać produkty, sklepy i ceny za klientów?" — Paweł Gontarek (SEO/AI search) i Amadeusz Bathelt (Head of Product, Dealavo), 16 czerwca 2026. Nagranie webinaru.