Prompt → decyzja → zakup. Jak naprawdę wygląda customer journey bez klasycznego SERP-u?

Jeszcze niedawno zakup nowych butów do biegania prawdopodobnie zaczęlibyśmy od Google. W wyszukiwarkę wpisywalibyśmy kolejne pytania.

Jakie buty do biegania wybrać? Najlepsze buty do biegania do 600 zł, buty do biegania po asfalcie – każda wątpliwość oznaczałaby kolejną wizytę w wynikach wyszukiwania, następny ranking, poradnik, sklep czy kartę produktu.

Dziś ta sama droga wygląda inaczej.

Możemy opisać AI swoje potrzeby, określić budżet, poprosić o wybór odpowiednich produktów, ich porównanie, wskazanie najlepszego modelu, a na końcu – miejsca, w którym możemy dokonać zakupu.

Co w takim scenariuszu dzieje się z klasycznym SERP-em?

Postanowiliśmy to sprawdzić.

Do ChataGPT i Gemini zwróciliśmy się z tym samym problemem zakupowym. Krok po kroku przeszliśmy od ogólnej potrzeby do konkretnego produktu oraz miejsca zakupu.

Rezultat?

Oba systemy przeprowadziły użytkownika przez znaczną część customer journey. Co jednak szczególnie interesujące, mimo tych samych informacji o użytkowniku ostatecznie zarekomendowały dwa różne produkty.

To prowadzi do pytania znacznie ciekawszego niż czy AI zastąpi Google?

O co właściwie konkuruje marka, gdy to AI pomaga potencjalnemu klientowi zdecydować, co kupić?

Najważniejsze obserwacje w naszym eksperymencie

Zanim przejdziemy przez cały proces, spójrzmy na najważniejsze obserwacje:

• AI najpierw pomogło określić kryteria wyboru, a dopiero później zaczęło rekomendować konkretne produkty;
• ChatGPT i Gemini stworzyły różne propozycje produktów;
• ChatGPT ostatecznie wskazał ASICS Novablast 5, a Gemini – Brooks Ghost 15;
• Oba systemy nie zatrzymały się na wyborze produktu – po kolejnym pytaniu wskazały również miejsca, w których można zrobić zakupy;
• Użytkownik mógł przejść od ogólnej potrzeby do konkretnej decyzji bez samodzielnego przeglądania klasycznej listy wyników wyszukiwania;
• Strony internetowe, które pojawiały się w tym procesie, stanowiły źródła informacji o produktach, parametrach, cenach czy dostępności.

Warto przy tym zaznaczyć, że jest to eksperyment eksploracyjny, a nie reprezentatywne badanie zachowań konsumentów. Analizujemy jeden scenariusz zakupowy i dwa systemy AI. Nie próbujemy na tej podstawie przewidywać końca Google ani wyciągać wniosków dotyczących wszystkich użytkowników.

Chcemy pokazać coś innego: jak może wyglądać customer journey, gdy pomiędzy potrzebą klienta a ofertą firmy pojawia się dodatkowa warstwa – generatywna AI.

Kupujemy buty do biegania, ale zaczynamy od promptu

Na potrzeby eksperymentu stworzyliśmy konkretny scenariusz zakupowy.

Szukamy butów dla osoby, która:

• biega około 3 razy w tygodniu,
• pokonuje jednorazowo 5–10 km,
• biega przede wszystkim po asfalcie,
• waży około 65 kg,
• najbardziej ceni komfort i dobrą amortyzację,
• chce przeznaczyć na buty maksymalnie 600 zł.

Celowo nie wskazujemy żadnej marki ani modelu. Nie chcemy sprawdzać, co AI wie o marce, którą podamy w prompcie. Interesuje nas, jakie marki pojawią się, kiedy użytkownik opisze wyłącznie swoją potrzebę.

Proces dzielimy na kilka etapów:

potrzeba → kryteria → konkretne produkty → consideration set → rekomendacja → sprzedawca

Zaczynamy.

Etap 1. AI pomaga zdefiniować potrzebę zakupową

Pierwszy prompt brzmi:

Biegam około 3 razy w tygodniu po 5–10 km, głównie po asfalcie. Chcę kupić nowe buty do biegania. Na co powinnam zwrócić uwagę?

Na tym etapie nie pytamy jeszcze o konkretny produkt.

Użytkownik dopiero próbuje zrozumieć, jakimi kryteriami powinien kierować się podczas wyboru.

• ChatGPT zwraca uwagę m.in. na dopasowanie buta, amortyzację, rodzaj konstrukcji, drop oraz odpowiedni rozmiar. Sugeruje również, że przy takim sposobie biegania warto szukać wygodnego buta treningowego przeznaczonego na asfalt.
• Gemini także koncentruje się na amortyzacji, typie stopy, dropie i dopasowaniu. W jego odpowiedzi pojawiają się również przykłady technologii konkretnych producentów, m.in. Nike, ASICS, Brooks i Hoka.

Już tutaj pojawia się pierwsza interesująca obserwacja.

AI nie tylko odpowiada na pytanie użytkownika. Pomaga zdefiniować kryteria, według których za chwilę będą oceniane konkretne produkty. W tradycyjnym customer journey tę funkcję często pełni poradnik. Użytkownik wpisuje w Google jak wybrać buty do biegania, otwiera artykuł, zdobywa potrzebną wiedzę, a następnie wraca do wyszukiwarki i kontynuuje research. W naszym eksperymencie ta część procesu odbywa się w jednej rozmowie.

Czy to oznacza, że poradniki przestają być potrzebne? Nie. Zmienia się jednak ich rola w customer journey. Użytkownik nie musi czytać całego poradnika, aby informacje w nim zawarte pomagały mu w researchu. W naszym eksperymencie ChatGPT już przy pierwszej odpowiedzi odwoływał się do zewnętrznych materiałów poradnikowych dotyczących wyboru i dopasowania butów do biegania. Dobrze przygotowany content nadal może więc budować widoczność marki, odpowiadać na pytania klientów i dostarczać informacji przydatnych podczas podejmowania decyzji – tyle że część kontaktu z tymi informacjami może odbywać się za pośrednictwem AI.

Poradniki nie przestają być ważne, wzrasta znaczenie ich jakości, konkretności i użyteczności. Treść powinna nie tylko odpowiadać na frazę wpisywaną w wyszukiwarkę, lecz przede wszystkim jasno wyjaśniać zagadnienie: definiować kryteria wyboru, odpowiadać na pytania, porównywać rozwiązania i pomagać użytkownikowi przejść do kolejnego etapu decyzji.

Etap 2. Pierwsze konkretne rekomendacje produktów

Przekazujemy systemom więcej informacji:

Ważę około 65 kg, zależy mi przede wszystkim na komforcie i dobrej amortyzacji. Budżet to maksymalnie 600 zł.

Od tego momentu rozmowa wyraźnie zmienia charakter.

Nie pytamy już wyłącznie:

Jak wybrać buty? Zaczynamy pytać: Które buty mogą być odpowiednie właśnie dla mnie?

• ChatGPT zwraca uwagę m.in. na PUMA Velocity NITRO 5 i ASICS DYNABLAST 6. Wspomina również o modelu ASICS NOVABLAST, jeśli uda się znaleźć go w promocji mieszczącej się w budżecie. Na tym etapie jego pierwszym wyborem jest PUMA Velocity NITRO 5.

• Gemini tworzy inną listę. W jego TOP3 znajdują się:

1. Brooks Ghost,
2. ASICS Gel-Cumulus,
3. Nike Pegasus.

Mamy więc tego samego użytkownika, identyczny budżet i te same potrzeby, ale dwa różne zestawy produktów.

To ważna obserwacja z perspektywy widoczności marki. W AI nie mamy jednej, stałej listy wyników podobnej do TOP10 w Google. Różne systemy mogą na to samo pytanie wskazać inne marki i produkty – dokładnie tak stało się w naszym eksperymencie. Dlatego widoczności w AI nie powinniśmy oceniać na podstawie jednego promptu i jednej odpowiedzi.

Etap 3. AI buduje własny consideration set

Idziemy krok dalej:

Jakie konkretne modele warto rozważyć?

ChatGPT wskazuje przede wszystkim:

• ASICS Novablast 5,
• ASICS Gel-Cumulus 27,
• New Balance Fresh Foam X 880 v15,
• Brooks Ghost Max 3.

Gemini proponuje:

• ASICS Gel-Cumulus 25 lub 26,
• New Balance Fresh Foam X 880 v13 lub v14,
• Brooks Ghost 15,
• Saucony Ride 16 lub 17,
• Hoka Clifton 9.

To jeden z najciekawszych momentów eksperymentu.

Użytkownik nie otrzymuje kilkudziesięciu wyników i nie musi samodzielnie otwierać kolejnych stron. Część selekcji została wykonana za niego.

Z całego mnóstwa dostępnych modeli powstaje stosunkowo niewielki zbiór produktów. Są to produkty, które uznane zostały za odpowiednie dla osoby mającej konkretne potrzeby.

Czy consideration set jest nowym TOP3?

W klasycznym SEO dużą wagę przywiązujemy do pozycji. TOP1, TOP3, TOP10.

W customer journey wspieranym przez AI konkurencja może częściowo przesuwać się w inne miejsce. Kluczowe staje się pytanie:

Czy nasz produkt w ogóle znalazł się w zbiorze produktów, które AI uznało za warte rozważenia?

AI może już na początku ograniczyć wybór do kilku produktów. Użytkownik dostaje wstępną listę opcji wartych rozważenia. Jeśli Twojej marki nie ma na tej liście, może nie pojawić się również na kolejnych etapach procesu – w porównaniu, rekomendacji, a ostatecznie także przy wyborze produktu.

Najpierw marka musi pojawić się w odpowiedzi. Następnie produkt musi zostać uznany za odpowiadający potrzebom użytkownika. Później powinien zostać zarekomendowany. To jednak nie koniec. Pojawia się kolejne pytanie: gdzie go kupić? Ale, o tym nieco później. 

Etap 4. ChatGPT i Gemini podejmują różne decyzje

Przechodzimy do najważniejszego pytania:

Gdybyś miał wybrać dla mnie jeden model, który byś wybrał i dlaczego?

ChatGPT wybiera:

ASICS Novablast 5.

Argumentuje, że przy wadze 65 kg, bieganiu trzy razy w tygodniu na dystansie 5–10 km i głównie po asfalcie model dobrze łączy komfort z uniwersalnością.

W uzasadnieniu pojawiają się m.in. amortyzacja, neutralna konstrukcja oraz możliwość wykorzystania buta zarówno podczas spokojnych, jak i nieco szybszych treningów.

Gemini podejmuje inną decyzję.

Wybiera:

Brooks Ghost 15.

W tym przypadku argumentacja koncentruje się przede wszystkim na amortyzacji, komforcie, trwałości, uniwersalności oraz korzystnej cenie starszej generacji modelu.

Otrzymujemy więc jeden z najważniejszych wyników eksperymentu:

ten sam użytkownik + ta sama potrzeba + ten sam budżet = dwie różne rekomendacje.

To ważne również z punktu widzenia firm próbujących mierzyć swoją widoczność w odpowiedziach generowanych przez AI.

Ten eksperyment pokazuje również, dlaczego widoczności w AI nie warto oceniać na podstawie pojedynczego promptu i jednej odpowiedzi.

Co sprawiło, że AI wybrało właśnie te produkty?

Systemy nie argumentowały: Kup ten produkt, ponieważ producent twierdzi, że jest świetny. Rekomendacje powstawały poprzez dopasowanie cech produktu do konkretnej potrzeby użytkownika. To cenna wskazówka dla producentów, usługodawców i sklepów internetowych. Opis oparty na hasłach takich jak: najwyższa jakość, innowacyjna technologia czy wyjątkowy design nie odpowiada na pytanie, kiedy produkt jest właściwym wyborem

Znacznie bardziej użyteczne są informacje:

• Dla kogo jest ten produkt?
• W jakich sytuacjach sprawdzi się najlepiej?
• Jaki problem rozwiązuje?
• Czym różni się od alternatyw?
• Jakie ma mocne strony?
• Kiedy lepiej wybrać inny wariant?

To właśnie takie informacje pomagają powiązać produkt z konkretną intencją zakupową.

Etap 5. Od rekomendacji do sklepu

Nie zatrzymujemy eksperymentu na wyborze produktu. Pytamy:

Gdzie mogę kupić dany model?

ChatGPT przechodzi od rekomendacji ASICS Novablast 5 do konkretnych sprzedawców.

Wskazuje m.in. Stylsport, Sportano, Nuumi, Butyjana.pl oraz Intersport. Podaje ceny, a w niektórych przypadkach również informacje o dostępnych rozmiarach.

Gemini po rekomendacji Brooks Ghost 15 również kieruje użytkownika w stronę zakupu. Wymienia m.in. specjalistyczne sklepy biegowe oraz większych sprzedawców i platformy e-commerce.

I tutaj pojawia się kolejna warstwa konkurencji.

Producent konkuruje o rekomendację produktu.

Ale później:

sprzedawca konkuruje o obecność na ostatnim etapie customer journey.

Można więc wyobrazić sobie sytuację, w której marka wygrywa consideration set i rekomendację, ale konkretny sklep przegrywa w momencie wskazywania przez AI miejsca zakupu

A może użytkownik wróci do Google?

Możliwy jest jeszcze jeden scenariusz. Po otrzymaniu konkretnej rekomendacji użytkownik może zakończyć rozmowę z AI i wkleić nazwę wybranego modelu w Google. W tym momencie nie szuka już odpowiedzi na pytanie: co kupić? ale gdzie kupić najkorzystniej.

Może samodzielnie porównać ceny, koszty i czas dostawy, dostępne rozmiary, opinie o sklepach, możliwość zwrotu czy dodatkowe rabaty, np. za zapis do newslettera. W takim customer journey AI nie zastępuje więc wyszukiwarki – przejmuje część researchu i pomaga wybrać produkt, a Google wraca do gry bliżej transakcji.

Ścieżka może wyglądać wtedy tak:

potrzeba → AI → doprecyzowanie potrzeb → consideration set → rekomendacja produktu → Google → porównanie sklepów → zakup

To pokazuje, że nie musimy mówić o zastąpieniu klasycznego wyszukiwania przez AI. Bardziej prawdopodobny jest hybrydowy customer journey, w którym użytkownik płynnie przechodzi między AI, wyszukiwarką, stronami producentów i sklepami – zależnie od tego, jakiej odpowiedzi potrzebuje na danym etapie.

Co to oznacza dla SEO?

Najłatwiej byłoby powiedzieć: AI zabije SEO. Nasz eksperyment tego nie pokazuje. Pokazuje jednak, że zmienia się sposób, w jaki marka zdobywa widoczność. Liczy się już nie tylko to czy użytkownik znajdzie naszą firmę w Google i kliknie link, ale również to, czy AI weźmie ją pod uwagę podczas tworzenia rekomendacji.

Do tej pory jednym z podstawowych pytań było:

• Na której pozycji znajduje się moja strona?

Dziś warto do niego dodać kolejne:

• Czy moja marka jest uwzględniona w odpowiedziach AI?
• Kiedy AI rekomenduje moje produkty zamiast konkurencji?
• Czy mój sklep jest rekomendowany jako miejsce zakupu?

Nie oznacza to odejścia od klasycznego SEO. Oznacza raczej potrzebę szerszego spojrzenia na widoczność marki w całym cyfrowym procesie decyzyjnym.

AI Visibility Funnel – jak spojrzeć na widoczność marki?

Na podstawie eksperymentu możemy zaproponować prosty model.

1. Mention

Czy marka lub produkt pojawia się w odpowiedzi?

To podstawowy poziom widoczności.

2. Consideration

Czy AI uznaje produkt za realną opcję odpowiadającą potrzebom użytkownika?

Marka może być znana systemowi, ale nie musi zostać uwzględniona w konkretnym scenariuszu zakupowym.

3. Recommendation

Czy produkt zostaje wskazany jako najlepszy lub jeden z najlepszych?

To poziom znacznie bliższy decyzji zakupowej.

4. Merchant

Czy AI wskazuje konkretną firmę lub sklep jako miejsce zakupu?

Tutaj do gry wchodzi już nie tylko producent, ale również sprzedawca.

5. Purchase

Czy użytkownik może łatwo przejść od rekomendacji do transakcji?

Dopiero tutaj widoczność ma szansę przełożyć się na sprzedaż.

Dlatego analizowanie obecności w AI wyłącznie poprzez liczbę wzmianek może być niewystarczające. Znacznie ciekawsze jest pytanie:

Jak daleko w tym lejku dociera moja marka?

AI nie tylko wyszukuje. Zaczyna uczestniczyć w decyzji

AI staje się dodatkową warstwą pomiędzy intencją klienta a ofertą firm. Dlatego marki powinny interesować się nie tylko tym, czy AI je zna. Znacznie ciekawsze jest pytanie:

Jak AI interpretuje naszą markę i w jakich sytuacjach uznaje jej ofertę za właściwy wybór?

Zmieniają się narzędzia, sposób wyszukiwania i ścieżki prowadzące do zakupu. Jedno pozostaje bez zmian: firma musi odpowiadać na rzeczywiste potrzeby potencjalnego klienta.
Dziś nie oznacza to już wyłącznie walki o wysokie pozycje na pojedyncze frazy. Coraz większego znaczenia nabiera cały ekosystem widoczności: techniczne SEO, wartościowy content, odpowiednio przygotowane strony ofertowe i produktowe, wiarygodność marki oraz informacje, na podstawie których użytkownik – lub wspierający go system AI – może ocenić ofertę.
W 1stplace.pl pomagamy firmom budować właśnie taką widoczność – opartą nie na pojedynczym działaniu, ale na przemyślanej strategii SEO i content marketingu dopasowanych do zmieniającego się sposobu wyszukiwania informacji.

Chcesz sprawdzić, jak wygląda widoczność Twojej firmy i gdzie tracisz potencjalnych klientów? Skontaktuj się z zespołem 1stplace.pl. Przeanalizujemy sytuację i zaproponujemy działania dopasowane do Twojego biznesu.