Google AI Shopping Insights: co MarTech w Polsce traci

Pod koniec maja Google ogłosił, że w Merchant Center pojawiają się nowe widoki pokazujące, jak produkty wyświetlają się w conversational shopping, czyli w odpowiedziach generowanych przez AI Overviews i Gemini. Pierwsza reakcja branży była przewidywalna: kilka tweetów, kilka analiz w stylu "co to zmienia dla SEO", dwa newslettery i powrót do harmonogramu. Tymczasem dla polskiego rynku MarTech i dla software house'ów obsługujących retail to jest sygnał ważniejszy, niż wygląda na pierwszy rzut oka, ponieważ pokazuje, w którym kierunku Google ciągnie cały ekosystem, i kto na tej zmianie zarobi.

Co właściwie pokazuje Merchant Center

Google zaczyna ujawniać retailerom, jak ich produkty pojawiają się w odpowiedziach AI, jakie atrybuty są pobierane przez modele, i które elementy feedu produktowego są w ogóle widoczne dla warstwy generatywnej. To znaczy, że pierwszy raz od dwudziestu lat platforma sama mówi: "tak, mamy między Tobą a kupującym warstwę algorytmiczną, oto przez jakie szczeliny widzi Twoje produkty".

Dla porównania, do tej pory wszystko, co wiedzieliśmy o tym, jak Google interpretuje feed, było rekonstrukcją z prób i błędów. Teraz dostajemy fragment widoku z drugiej strony szyby. Nadal fragment, nadal kontrolowany przez Google, ale jednak fragment.

Dlaczego to obchodzi polskich MarTechowców

Polski rynek MarTech jest niewielki w skali globalnej, natomiast bardzo skoncentrowany wokół trzech segmentów: integratorzy danych (CDP, attribution, analytics), dostawcy narzędzi do automatyzacji marketingu oraz firmy konsultingowe budujące rozwiązania szyte na miarę dla średnich i dużych retailerów. Każdy z tych segmentów ma w nowej sytuacji własne wyzwanie.

Segment MarTech PL	Co się zmienia	Okno czasowe
CDP / Attribution	Atrybucja last-click staje się fikcją; klient widzi produkt w AI Overview, kupuje 3 dni później	12 miesięcy
Automatyzacja / Feed management	Optymalizacja opisów produktów pod LLM, nie pod Google Shopping bid auction	6-9 miesięcy
Konsulting B2B dla retail	Klient enterprise zapyta o roadmapę gen-AI-commerce w Q1 2027	9-12 miesięcy

To są okna, w których można zbudować kompetencję i case study. Po nich okno się zamyka, bo dostawcy z DACH i UK będą już w Polsce z gotową ofertą, a polskie firmy IT services znów będą sprzedawać "implementację rozwiązania", zamiast samodzielnej strategii.

Atrybucja, czyli problem, którego nikt nie chce zauważyć

Twierdzenie, że da się mierzyć skuteczność marketingu w erze AI search za pomocą last-click w GA4, jest równie absurdalne, co przekonanie, że można ocenić jakość koncertu symfonicznego, licząc, ilu widzów wyszło do toalety w trzeciej części. Coś tam zliczymy, część danych nawet się zgodzi z intuicją dyrygenta, ale o samej muzyce dowiemy się dokładnie nic.

W modelu, w którym AI Overview podaje rekomendację bezpośrednio w wynikach wyszukiwania, klient widzi produkt, zapamiętuje markę, wraca po dwóch dniach z innego urządzenia, kupuje z polecenia znajomego, do którego wysłał link. Klasyczna ścieżka atrybucji notuje "direct traffic" albo "referral" i przypisuje konwersję ostatniemu touchpointowi. Cały wpływ AI search znika z raportu.

Co z tym zrobić? Trzeba zacząć od trzech rzeczy, które dla polskich firm IT services są jednocześnie wyzwaniem technicznym i okazją sprzedażową:

1. Wprowadzenie incrementality testing zamiast atrybucji last-click. Mierzymy, co dzieje się ze sprzedażą, gdy wyłączamy pewne źródła, nie próbujemy przypisać konkretnego źródła do konkretnej transakcji.
2. Modelowanie media mix w czasie kwartalnym, nie tygodniowym. AI search działa wolniej niż performance ads, ale buduje preferencję marki w sposób, którego nie złapie raport tygodniowy.
3. Audyt feedu produktowego pod kątem LLM: czy opisy są napisane językiem, którym ktoś realnie zadaje pytanie modelowi, czy nadal pod stare keyword research z 2019 roku?

Konkretna szansa dla software house'ów

Pracowałem z kilkoma firmami IT services w Polsce, które do tej pory sprzedawały "implementację e-commerce na Magento albo Shopify Plus" za 200-400 tysięcy złotych projekt. Klient enterprise z DACH albo Skandynawii za sześć miesięcy nie zapyta o implementację. Zapyta, co firma rekomenduje w zakresie integracji feedów produktowych z AI search i jaki ma pogląd na atrybucję w nowym ekosystemie.

Software house, który będzie miał gotowe POV i dwa case studies, zgarnie kontrakt o wartości 600-800 tysięcy. Natomiast ten, który zareaguje, gdy klient zapyta, sprzeda implementację za 250 tys.. Różnica nie wynika z technologii, lecz z tego, kto wcześniej zaczął myśleć w nowych kategoriach.

Jeśli pracujesz w tym segmencie, umów konsultację, żeby omówić, jak zbudować POV i materiał sprzedażowy w ciągu kwartału, zamiast czekać aż klient sam podpowie temat. Jeśli zastanawiasz się, czy taki ruch ma sens w Twojej skali, policz koszt CMO etatowego vs Fractional i porównaj z trzema kontraktami enterprise, które chcesz wygrać w 2027.

Czego ten ruch Google nie zmienia

Trzeba też uczciwie powiedzieć, czego ogłoszenie nie zmienia. Małe i średnie sklepy e-commerce w Polsce, które żyją z performance ads i Allegro, nie obudzą się w styczniu w innym świecie. Conversational shopping w Polsce dojdzie do masy krytycznej najwcześniej w 2027, a być może w 2028, bo polski użytkownik nadal preferuje porównywarkę i fizyczne odwiedziny w sklepie przed zakupem powyżej tysiąca złotych. Polskie firmy MarTech, które pracują głównie z lokalnym retailem, mają więcej czasu, niż sugerują nagłówki amerykańskich publikacji.

Natomiast każda firma, która sprzedaje swoje usługi na zachód, zwłaszcza do DACH, Beneluxu i Skandynawii, ma kalendarz krótszy, niż jej się wydaje. Konferencje takie jak DMEXCO w Kolonii i Shoptalk Europe pokazują, że enterprise w Niemczech zacznie zadawać twarde pytania o AI search readiness na początku przyszłego roku.

Co warto zrobić w tym tygodniu

Nie mówię o przebudowie strategii. Mówię o trzech ruchach, które zajmą kilka godzin, a dadzą fundament pod resztę roku. Po pierwsze, sprawdź, jakie atrybuty produktowe są obecnie obecne w Twoim feedzie, i czy odpowiadają na pytania, które realny człowiek zadałby modelowi. Po drugie, otwórz raport atrybucji za ostatni kwartał i policz, jaki procent konwersji wpada w "direct" i "organic" bez wyraźnego źródła. Po trzecie, jeśli pracujesz w software house obsługującym retail, zaplanuj jedną rozmowę z istniejącym klientem, w której zapytasz, co on sam myśli o AI search w swoim biznesie. Odpowiedź da Ci więcej niż dziesięć raportów.

Więcej o tym, jak pracuję z firmami IT services i MarTech, znajdziesz na podstronie o moim doświadczeniu z ABM i pozycjonowaniem firm tech na rynkach europejskich.

Inspiracja: Google adds AI shopping insights to Merchant Center, MarTech.org