AI Search: atrybucja, decyzje zakupowe i pomiar wpływu AI

AI Search: atrybucja, decyzje zakupowe i pomiar wpływu AI. Przewodnik krok po kroku: co 4 eksperymenty z wyszukiwaniem AI mówią o atrybucji i decyzjach zakupowych (i jak to zmierzyć u siebie)

Ten przewodnik opiera się głównie na 4 eksperymentach opisanych przez Search Engine Land oraz na kilku twardych źródłach, które tłumaczą „dlaczego analityka tego nie widzi”, mimo że AI realnie wpływa na wybory klientów.

0) Najważniejsza teza (żebyś wiedział, po co to robisz)

AI search rzadko „zostawia ślady” w klasycznej analityce, ale potrafi:

skrócić czas decyzji (sales velocity),
ułożyć shortlistę dostawców,
zmniejszyć opór cenowy,
przenieść konwersję do innego kanału (np. finalnie „Instagram” albo „Direct”), przez co atrybucja wygląda jakby AI „nie istniało”.

1) Co ujawniają 4 eksperymenty: wnioski + praktyczny „checklist” (krok po kroku)

Eksperyment 1: „Best of” na własnej stronie (samopromocja na liście)

Co zrobiono: autor opublikował na własnej stronie listę typu „Best SEO agencies in Sydney” i umieścił siebie w rankingu. W ciągu ~2 tygodni strona zaczęła pojawiać się w odpowiedziach narzędzi AI.

Wniosek o atrybucji

„Widoczność w AI” ≠ zaufanie, a tym bardziej ≠ przychód. Tego typu strony mogą szybciej wejść do odpowiedzi LLM, ale sygnał „pojawiam się w AI” jest łatwy do „nagrzania”, więc nie może być KPI sam w sobie.

Krok po kroku: jak przetestować bez psucia marki

Jeśli chcesz to sprawdzić, zrób test na niskiego ryzyka zasobie (np. mikro-domena / subdomena / projekt poboczny), nie na głównej marce.
Zbuduj 1 stronę „best X” z jasnym formatem (lista, kryteria, aktualizacja), ale:
- dodaj transparentność (jakie kryteria, kto jest autorem, konflikt interesów),
- nie ustawiaj siebie „na siłę” na #1, jeśli sprzedajesz B2B high-trust. (To napięcie autor opisuje wprost jako „visibility vs trust”.)
Mierz nie „czy AI cytuje”, tylko:
- czy rośnie liczba zapytań z fraz brandowych,
- czy skraca się czas decyzji,
- czy lead przychodzi „dogrzany” (bez edukacji na początku rozmowy).

Eksperyment 2: „Best of” dla fałszywego biznesu (strona testowa bez reputacji)

Co zrobiono: postawiono prostą stronę testową (nowy, fikcyjny biznes) i opublikowano analogiczną listę „best X”. Po ~2 tygodniach znów pojawiła się w odpowiedziach AI.

Wniosek o atrybucji

Jeśli „nowa i pusta” domena potrafi szybko wejść do odpowiedzi AI, to sama obecność w AI jest łatwa do zmanipulowania i nie mówi nic o intencji zakupu.

Krok po kroku: jak wyciągnąć z tego wartość (a nie tylko „zasięg”)

Traktuj „AI visibility” jak sygnał diagnostyczny, nie jak cel.
Wewnętrznie rozdziel KPI na:
- Visibility (AI): pojawiam się / jestem cytowany,
- Trust: czy AI opisuje mnie poprawnie + czy lead potwierdza to w rozmowie,
- Decision impact: czy skraca się ścieżka i rośnie wartość koszyka / scope.
Ustal zasadę: żadnych decyzji budżetowych na podstawie samych screenów z LLM. Autor wskazuje, że tracking oparty o API może dramatycznie rozmijać się z tym, co widzi realny użytkownik.

Eksperyment 3: e-commerce i „granice digital PR bez fundamentów”

Co zrobiono: w marce e-commerce (Kadi) postawiono na szybkie efekty przez digital PR (kampanie danych, placementy, round-upy). To dało wzrosty autorytetu i skoki widoczności, ale… nie domknęło przewagi nad konkurencją bez pracy nad fundamentem strony.

Najmocniejszy fragment jest o zakupie z Black Friday:

klient znalazł markę przez ChatGPT,
potem sprawdzał politykę dostawy, przeglądał ofertę, dodał inne produkty,
a finalna atrybucja pokazała inny kanał (Instagram).

Wniosek o atrybucji

AI potrafi zainicjować i ukształtować decyzję, ale „ostatni klik” wpada gdzie indziej. To tworzy „czarną dziurę” atrybucji, jeśli polegasz tylko na GA/last-click.

Krok po kroku: jak to zmierzyć w e-commerce / lead-gen

W GA4 zbuduj osobną grupę kanałów dla AI referral (chat.openai.com / chatgpt.com, perplexity.ai, copilot, gemini itp.) – żeby przestać wrzucać to do „Referral/Other”. (To nie rozwiąże „dark influence”, ale ogarnie to, co da się złapać kliknięciem.)
Dodaj w checkout / formularzu pytanie „Skąd o nas wiesz?” z opcjami: ChatGPT, Perplexity, Gemini, AI Overviews, Copilot, Grok + „inne”. To jest najprostszy sposób na „source of truth”, gdy klików nie ma.
W CRM/e-commerce dopisz pole: AI Assisted (tak/nie + narzędzie) oraz krótkie „jaki prompt / jaki temat”. Wtedy zobaczysz wpływ AI na:
- wielkość koszyka,
- liczbę produktów,
- czas od pierwszej wizyty do zakupu.
Ustal minimum analizy: Assisted conversions + time-to-close, nie tylko ROAS/last-click.

Eksperyment 4: rebrand + przebudowa strony i efekt na „sales velocity”

Co zrobiono: StudioHawk przebudował stronę (UX, social proof, usługi, całość) i po czasie zauważono, że leady „z AI” zaczęły się domykać szybciej. W artykule pada konkret: SEO leady ~29 dni do zamknięcia vs AI leady ~18 dni (ok. 10 dni różnicy).

Wniosek o decyzjach zakupowych

AI nie tylko „poleca”, ale kompresuje etap rozważania: lead przychodzi już wstępnie ustawiony na fit, z oczekiwaniami i mniejszą potrzebą edukacji.

Krok po kroku: jak sprawdzić, czy u Ciebie AI skraca decyzję

W CRM oznaczaj leady:
- „AI mentioned in call/form” (checkbox),
- „No-education call” (czy pierwsza rozmowa zaczyna się od konkretu, nie od tłumaczenia).
Porównuj 3 metryki dla „AI-assisted” vs reszta:
- czas do oferty,
- czas do podpisu,
- średnia wartość (deal size / koszyk).
Jeśli widzisz różnicę: inwestuj w to, co AI „lubi streszczać” i „ułatwia porównanie” (klarowne usługi, dowody, parametry, FAQ, polityki, case’y), bo to przyspiesza decyzję.

2) Dlaczego analityka „nie widzi” wpływu AI: 3 mechanizmy, które psują atrybucję

Mechanizm A: mniej klików (zwłaszcza przy AI Overviews)

Pew pokazał, że gdy pojawia się AI summary, ludzie klikają rzadziej:

klik w klasyczny wynik: 8% vs 15% (bez AI summary),
klik w źródła w AI summary: ok. 1% wizyt.

To oznacza: AI wpływa na decyzję, ale nie generuje kliknięcia → rośnie „Direct” i „inne kanały”.

Mechanizm B: API ≠ to, co widzi użytkownik

W samym artykule SEL pada ostrzeżenie, że dane z API potrafią mocno odbiegać od realnych interfejsów. Wątek 24% overlap (API vs real UI) jest cytowany jako argument, by nie opierać strategii na samych trackerach promptów.

Mechanizm C: AI działa jak „asystent rozważania”, nie jak „ostatni klik”

To dokładnie widać w eksperymencie e-commerce (AI inicjuje i modeluje), ale ostatni bodziec przychodzi z innego kanału.

3) Gotowy plan wdrożenia pomiaru w 14 dni (bez wielkich narzędzi)

Dzień 1–2: definicje i pola w danych

Zdefiniuj „AI-assisted” jako: AI było wspomniane przez klienta lub widać wejście z AI referral.
Dodaj 2 pola do CRM:
- AI tool (lista),
- AI topic/prompt (tekst krótki).

Dzień 3–5: analityka „klików, które da się złapać”

W GA4:
- kanał grupujący AI referral,
- raport porównujący AI referral vs organic vs paid: engagement, konwersje, wartość.

Dzień 6–10: „źródło prawdy” z rozmów i formularzy

Dodaj do formularzy jedno pytanie: „Skąd o nas wiesz?” + opcje AI.
Skrypt dla handlowca: jedno zdanie na początku rozmowy: „Zanim zaczniemy: czy korzystał/a Pan/Pani z ChatGPT/Perplexity/Gemini przy wyborze dostawcy?”

Dzień 11–14: raport decyzyjny (minimum)

Porównaj:
- time-to-close,
- win rate,
- średnią wartość,
- liczbę interakcji przed ofertą (ile maili/spotkań).

4) Jak podejmować decyzje marketingowe na bazie tych wniosków

Nie kupuj „AI visibility” jako KPI (łatwo ją nabić listą).
Inwestuj w elementy, które skracają ryzyko w głowie kupującego:
- dowody (case’y, liczby, wdrożenia),
- jasne warunki (dostawa, serwis, gwarancja),
- porównania i parametry (AI to uwielbia streszczać).
Jeśli jesteś w branży, gdzie AI Overviews tnie kliknięcia, wzmacniaj „branded demand” i inne kanały dotarcia (Seer pokazuje, że branded bywa mniej dotknięty niż non-branded i zaleca wzmacnianie brandu).

Źródła (linki)

Search Engine Land: What 4 AI search experiments reveal about attribution and buying decisions
Ahrefs: Do Self-Promotional “Best” Lists Boost ChatGPT Visibility? Study of 26,283 Source URLs
Pew Research Center: Google users are less likely to click on links when an AI summary appears
Seer Interactive: Case Study: Analyzing the Impact of AI Overviews on Organic Search Performance
Gumshoe.ai (omówienie badania SurferSEO o rozbieżności API vs UI): How APIs Unlock Better Insights Into AI Search Visibility