Ruch z AI rośnie o 197%. Dane Shopify pokazują, że ChatGPT i Google pełnią różne role w ścieżce zakupowej

Przez ostatnie dwa lata dyskusja dotycząca AI Search bardzo często sprowadzała się do pytania, czy ChatGPT, Gemini, Perplexity i inne narzędzia oparte na dużych modelach językowych zabiorą ruch Google. Pojawiły się GEO, AEO, monitoring cytowań przez modele oraz kolejne narzędzia mające mierzyć widoczność marki w odpowiedziach generowanych przez AI. Nadal jednak brakowało jednej rzeczy: dobrych danych pokazujących, co właściwie robi użytkownik, który po rozmowie z modelem trafia na stronę internetową.

Nowe dane Shopify za drugi kwartał 2026 roku dają na to częściową odpowiedź i są znacznie ciekawsze niż kolejny raport pokazujący liczbę cytowań w ChatGPT.

Ruch z platform AI do sklepów działających na Shopify wzrósł w ciągu roku o 197%, czyli niemal trzykrotnie. Liczba zamówień przypisanych do tego kanału również wzrosła około trzykrotnie. Jednocześnie organiczny ruch z wyszukiwarek zwiększył się o 12% i nadal jest zdecydowanie większym źródłem użytkowników niż wszystkie monitorowane platformy AI razem.

Najważniejsze liczby wyglądają więc następująco:

• ruch z platform AI wzrósł o 197% rok do roku,
• liczba zamówień pochodzących z tego kanału wzrosła mniej więcej trzykrotnie,
• organic search urósł o 12%,
• ruch organiczny nadal generuje większy wolumen niż wszystkie monitorowane źródła AI razem.

Nie wygląda więc na to, żeby użytkownicy masowo porzucali Google na rzecz ChatGPT. Z danych wyłania się znacznie ciekawszy obraz: klasyczna wyszukiwarka i narzędzia AI zaczynają obsługiwać różne etapy i różne rodzaje procesu decyzyjnego.

AI Search nie zastępuje Google. Przynajmniej na razie

Jednym z problemów obecnej dyskusji dotyczącej GEO jest przedstawianie Google Search i narzędzi LLM jako dwóch konkurujących ze sobą kanałów, pomiędzy którymi użytkownik musi dokonać wyboru.

Dane Shopify tego nie potwierdzają.

W drugim kwartale 2026 roku organic search nadal rósł, mimo bardzo szybkiego wzrostu ruchu z AI. Oba kanały zwiększają więc swój udział równocześnie, chociaż oczywiście startują z zupełnie innych poziomów bazowych.

Można to interpretować jako rozszerzanie się całego ekosystemu wyszukiwania. Jeszcze kilka lat temu typowa ścieżka rozpoczynała się od wpisania zapytania w Google. Dzisiaj ten sam użytkownik może rozpocząć poszukiwania w Google, ChatGPT, Gemini albo Perplexity, a później wielokrotnie przechodzić pomiędzy tymi środowiskami.

Samo pytanie „czy AI zabierze ruch Google?” może być więc źle postawione.

Znacznie ciekawsze jest pytanie, do czego użytkownicy wykorzystują poszczególne sposoby wyszukiwania.

I tutaj dane Shopify robią się naprawdę interesujące.

Użytkownik z AI przychodzi na stronę znacznie później

Shopify zwraca uwagę na zjawisko określane jako buyer journey compression, czyli skrócenie ścieżki zakupowej.

W klasycznym wyszukiwaniu użytkownik może rozpocząć od bardzo szerokiego zapytania, odwiedzić kilka artykułów, porównać produkty, przeczytać opinie i dopiero później przejść na konkretną kartę produktu.

W przypadku ChatGPT lub innego asystenta AI duża część tego procesu odbywa się jeszcze przed wejściem na stronę.

Użytkownik może zapytać:

„Jaki laptop do 5000 zł będzie najlepszy do pracy w Photoshopie, jeśli zależy mi na dobrej matrycy, 32 GB RAM i możliwości podłączenia dwóch monitorów?”

Model może wtedy:

• dopytać o dodatkowe wymagania,
• porównać kilka urządzeń,
• wskazać różnice między nimi,
• odrzucić modele niespełniające części kryteriów,
• zaproponować dwa lub trzy konkretne produkty.

Dopiero wtedy następuje kliknięcie.

Użytkownik trafiający z AI nie musi więc znajdować się na początku procesu zakupowego. Bardzo często sporą część researchu ma już za sobą.

Potwierdzają to wcześniejsze dane Shopify z pierwszego kwartału 2026 roku. Ponad połowa sesji pochodzących z AI rozpoczynała się bezpośrednio na karcie produktu, podczas gdy w przypadku organic search było to około 20%. Użytkownicy AI rozpoczynający sesję na stronie produktu konwertowali niemal 50% lepiej, a średnia wartość ich zamówienia była o 14% wyższa.

Dane z drugiego kwartału pokazują, że ten wzorzec nie zniknął wraz ze wzrostem skali ruchu. Około 50% sesji AI nadal rozpoczyna się bezpośrednio na kartach produktów, a użytkownicy trafiający tam z AI konwertują około 80% lepiej niż użytkownicy organiczni.

To ważna obserwacja również poza ecommerce.

Jeżeli ktoś zapyta ChatGPT o sposób rozwiązania problemu, porówna kilka usług i dopiero później odwiedzi stronę firmy, może wejść znacznie głębiej w strukturę serwisu niż użytkownik Google. Nie musi zobaczyć strony głównej, kategorii ani artykułu poradnikowego. Pierwszym kontaktem z marką może być od razu strona konkretnej usługi.

AI szczególnie dobrze radzi sobie tam, gdzie trzeba coś porównać

Największa różnica pojawia się w kategoriach wymagających dokładniejszego researchu.

Shopify określa je jako spec-led categories. Są to zakupy, przy których użytkownik porównuje między innymi:

• parametry techniczne,
• kompatybilność,
• zastosowania,
• opinie,
• różnice pomiędzy wariantami,
• kompromisy pomiędzy ceną a funkcjami.

W takich przypadkach ruch pochodzący z AI konwertował około dwukrotnie lepiej niż ruch organiczny.

To właściwie idealne zastosowanie obecnych modeli językowych.

Jeżeli chcemy kupić prostą białą koszulkę, przeglądanie zdjęć produktów w Google może być wygodniejsze niż rozmowa z ChatGPT. Jeśli jednak szukamy zegarka spełniającego pięć konkretnych wymagań, dobieramy komponenty komputera albo próbujemy znaleźć urządzenie kompatybilne z posiadanym sprzętem, możliwość zadania jednego złożonego pytania staje się bardzo atrakcyjna.

Dobrze pokazują to dane dotyczące poszczególnych kategorii. W całej kategorii odzieżowej ruch AI konwertował około 1,6 raza lepiej niż organiczny, ale w bardziej wymagających researchu podkategoriach różnica rosła. Dla zegarków było to około 2,4 raza, a dla naszyjników około 2,3 raza.

Nie oznacza to oczywiście, że zegarki są „dobre pod GEO”, a inne produkty złe. Pokazuje raczej coś znacznie ważniejszego: znaczenie AI Search może zależeć od rodzaju decyzji podejmowanej przez użytkownika.

Im więcej warunków trzeba uwzględnić przed dokonaniem wyboru, tym bardziej użyteczny staje się model zdolny przeanalizować je jednocześnie.

To zmienia sposób myślenia o frazach long tail

Dla SEO jest tutaj jeszcze jeden interesujący wniosek.

Od lat optymalizujemy strony między innymi pod długi ogon wyszukiwania. Użytkownik coraz dokładniej określa swoje wymagania:

• laptop,
• laptop do pracy,
• laptop do Photoshopa,
• laptop do Photoshopa z 32 GB RAM,
• laptop do Photoshopa z 32 GB RAM i dobrą matrycą.

Każde kolejne doprecyzowanie zmniejsza wolumen wyszukiwania, ale zwiększa intencję.

Interfejs konwersacyjny pozwala ten proces przenieść na zupełnie inny poziom. Użytkownik nie musi już zastanawiać się, jak skonstruować odpowiednią frazę kluczową. Może po prostu opisać cały problem własnymi słowami.

W praktyce otrzymujemy coś w rodzaju ekstremalnego long taila, którego nie da się sensownie analizować tradycyjnymi narzędziami keywordowymi.

To może być jeden z powodów, dla których optymalizacja treści wyłącznie poprzez dokładanie kolejnych fraz kluczowych będzie stopniowo traciła znaczenie. Znacznie ważniejsze staje się dostarczenie informacji pozwalających systemowi odpowiedzieć na bardzo konkretne warunki użytkownika.

Dla sklepu będą to między innymi:

• parametry produktu,
• kompatybilność,
• materiały,
• zastosowania,
• ograniczenia,
• scenariusze typu „najlepszy dla”,
• warianty i różnice między modelami.

Dla firmy usługowej mogą to być:

• obsługiwane przypadki,
• lokalizacja,
• zakres usługi,
• cena lub sposób wyceny,
• czas realizacji,
• ograniczenia,
• konkretne problemy, które firma potrafi rozwiązać.

To jest istotna zmiana w myśleniu o content strategy. Nie chodzi już wyłącznie o to, czy strona odpowiada na konkretną frazę, ale czy zawiera komplet informacji potrzebnych do dopasowania jej do konkretnego scenariusza użytkownika.

Dane strukturalne zaczynają mieć jeszcze bardziej praktyczne znaczenie

Jeden z najciekawszych fragmentów raportu Shopify dotyczy sposobu, w jaki system AI zdobył informacje o produkcie.

Jeżeli rekomendacja została przygotowana na podstawie uporządkowanych danych znajdujących się w Shopify Catalog, użytkownicy skierowani później do sklepu konwertowali około dwukrotnie lepiej niż w przypadku sesji, w których AI korzystało z danych pozyskanych przez scraping lub z zewnętrznych feedów.

Nie należy oczywiście wyciągać z tego wniosku, że samo dodanie schema.org podwoi sprzedaż. Shopify Catalog jest znacznie szerszym systemem danych produktowych.

Mechanizm pokazuje jednak coś ważnego.

Im dokładniej system rozumie produkt, tym lepiej może dopasować go do potrzeb użytkownika.

To dokładnie ten sam fundament, który od lat jest istotny w klasycznym SEO ecommerce:

• poprawne nazwy produktów,
• warianty,
• parametry,
• dostępność,
• cena,
• identyfikatory,
• dane Merchant Center,
• prawidłowe dane strukturalne.

GEO nie wymaga więc porzucenia SEO. W wielu przypadkach wymusza po prostu wykonanie podstawowej pracy znacznie dokładniej.

Samo Google w oficjalnych materiałach dotyczących funkcji AI w wyszukiwarce podkreśla, że dla AI Overviews i AI Mode nadal obowiązują podstawowe zasady SEO i nie są wymagane specjalne znaczniki ani dodatkowe pliki przeznaczone dla modeli AI.

Karta produktu może stać się pierwszą stroną marki, którą zobaczy klient

Jeżeli około połowa użytkowników z AI rozpoczyna wizytę bezpośrednio na karcie produktu, zmienia się również rola samego PDP.

W klasycznej architekturze ecommerce często zakładamy, że klient pozna wcześniej sklep, zobaczy kategorię albo przejdzie przez inne elementy serwisu.

AI może ominąć prawie całą tę ścieżkę.

Dlatego karta produktu musi nie tylko umożliwiać zakup, ale również bardzo szybko potwierdzić użytkownikowi, że rekomendacja otrzymana od modelu była właściwa.

Dobrze przygotowana karta produktu powinna więc jasno pokazywać:

• jednoznaczne parametry,
• zastosowanie produktu,
• kompatybilność,
• warianty,
• dobre zdjęcia,
• opinie klientów,
• warunki dostawy,
• zwroty,
• odpowiedzi na pytania pojawiające się bezpośrednio przed zakupem.

Ta sama zasada dotyczy usług.

Jeżeli ChatGPT poleci użytkownikowi konkretną usługę i skieruje go bezpośrednio na landing page, strona musi być przygotowana dla człowieka, który nie potrzebuje już ogólnej edukacji. Chce przede wszystkim zweryfikować rekomendację:

• czy firma rzeczywiście wykonuje tę usługę,
• ile to kosztuje,
• gdzie działa,
• jak długo trzeba czekać,
• czy istnieją ograniczenia,
• dlaczego można jej zaufać.

To nie jest wyłącznie kwestia GEO. To optymalizacja strony pod nowy sposób docierania użytkownika.

Ruch z AI trzeba zacząć mierzyć inaczej

Przez długi czas jednym z głównych tematów GEO było mierzenie liczby cytowań marki przez ChatGPT, Gemini czy Perplexity.

To interesujący wskaźnik widoczności, ale sam w sobie niewiele mówi o biznesie.

Dane Shopify sugerują, że znacznie ciekawsze może być obserwowanie tego, co dzieje się już po kliknięciu:

1. AI referral,
2. landing page,
3. zaangażowanie,
4. konwersja,
5. wartość konwersji.

Jeżeli ruch z AI jest niewielki, ale konwertuje dwa razy lepiej, ocenianie go wyłącznie przez liczbę sesji prowadzi do błędnych wniosków.

W praktyce warto więc obserwować między innymi:

• liczbę sesji z AI,
• źródła tych sesji,
• strony wejścia,
• współczynnik zaangażowania,
• leady lub transakcje,
• współczynnik konwersji,
• wartość konwersji,
• różnicę względem organic search.

Trzeba jednak pamiętać o problemie z atrybucją. Shopify zaznacza, że część ruchu z funkcji AI Google, w tym AI Overviews, może być w standardowej analityce klasyfikowana jako organic search. Oznacza to, że rzeczywisty udział AI w procesie zakupowym jest prawdopodobnie większy niż liczba widocznych referralów z ChatGPT, Gemini, Claude czy Perplexity.

Dlatego nie traktowałbym „AI traffic” jako kolejnego prostego kanału podobnego do Organic, Paid czy Social. Coraz częściej AI będzie elementem ścieżki użytkownika, nawet jeśli ostatnie kliknięcie zostanie przypisane gdzie indziej.

Co to oznacza dla strategii SEO i contentowej

Najważniejsze jest to, że nie trzeba tworzyć osobnej strategii od zera i zastępować nią SEO. Bardziej sensowne jest rozszerzenie obecnego sposobu pracy.

W praktyce oznacza to kilka zmian priorytetów:

• mniej skupienia na samym wolumenie frazy,
• więcej uwagi na scenariusze decyzyjne użytkownika,
• mniej produkowania wielu podobnych treści pod odmiany long taila,
• więcej kompletnych informacji o produkcie, usłudze i zastosowaniu,
• większy nacisk na dane, które system może jednoznacznie zinterpretować,
• ocenianie ruchu z AI przez konwersje, a nie tylko sesje,
• przygotowywanie landing page’y i kart produktów na sytuację, w której są pierwszym kontaktem użytkownika z marką.

To szczególnie ważne w branżach, w których decyzja wymaga porównania wielu parametrów. Ecommerce technologiczny, finanse, B2B, oprogramowanie, usługi specjalistyczne czy produkty wymagające kompatybilności mogą być naturalnymi obszarami, w których znaczenie AI Search będzie rosło szybciej.

Czy w takim razie nadal warto inwestować w SEO?

Paradoksalnie dane Shopify są jednymi z lepszych argumentów za tym, żeby tego nie zmieniać.

Organic search nadal generuje znacznie większy wolumen ruchu i w drugim kwartale 2026 roku nadal rósł. AI rośnie znacznie szybciej, ale startuje z dużo mniejszej bazy.

Próba zastąpienia SEO przez GEO byłaby więc dzisiaj przedwczesna.

Znacznie rozsądniejsze jest rozszerzenie sposobu myślenia o wyszukiwaniu.

Przy tworzeniu strony produktu lub usługi warto już nie tylko zastanawiać się, pod jakie frazy ma ona pojawiać się w Google. Trzeba również zadać sobie pytanie, czy znajdują się na niej informacje potrzebne systemowi AI do stwierdzenia:

„to rozwiązanie pasuje do warunków podanych przez użytkownika”.

To niewielka różnica w pytaniu, ale dość duża różnica w podejściu do contentu.

Nie chodzi o produkowanie tekstów „pod ChatGPT”. Chodzi o dokładniejsze opisanie rzeczywistości: parametrów, zastosowań, ograniczeń, kompatybilności, kosztów, doświadczeń klientów i wszystkich elementów wpływających na decyzję.

Najciekawszy wniosek z nowych danych Shopify jest więc inny niż „AI Search rośnie o 197%”.

Ważniejsze jest to, że zaczynamy widzieć, jaką funkcję AI pełni w procesie wyszukiwania.

Google pozostaje ogromnym kanałem discovery. AI coraz częściej przejmuje natomiast część researchu, porównywania i zawężania wyboru. Użytkownik może dzięki temu pojawić się na stronie później, ale za to z dużo większą wiedzą i intencją.

Dla SEO oznacza to, że nie wystarczy już mierzyć, czy zdobyliśmy kliknięcie.

Coraz ważniejsze będzie również to, w którym momencie procesu decyzyjnego to kliknięcie otrzymaliśmy i ile jest ono warte.

Źródła: pełna analiza danych Q2 2026 Shopify, wcześniejsze dane Shopify dotyczące ruchu AI w Q1 2026 oraz oficjalne wytyczne Google dotyczące funkcji AI w Search.