Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
To pytanie usłyszałem pierwszy raz w listopadzie, przy okazji rozmowy o budżecie na przyszły rok. Klient sformułował je bardzo praktycznie: jeśli ludzie zaczną kupować przez asystentów, to czy moje pieniądze wydane w Google Ads nadal cokolwiek dają.
Odpowiadając uczciwie, muszę zacząć od zastrzeżenia. Na koniec 2025 roku nie mam danych, na których dałoby się to policzyć — ruch z asystentów jest w polskich sklepach marginalny, a mechanizmy zakupu realizowanego przez system działają wyłącznie w Stanach Zjednoczonych i dla wąskiej grupy sprzedawców. Wszystko, co napiszę dalej, opiera się na tym, jak te systemy są udokumentowane i co widać w nich z zewnątrz, nie na pomiarze wyniku.
Ale samo pytanie da się porządnie rozłożyć. I okazuje się, że kryje w sobie trzy różne sytuacje, w których odpowiedź jest inna.
Słowo „agent” oznacza dziś co najmniej trzy odmienne technologie, a ich stosunek do reklam nie jest taki sam.
Reklamy Google Ads pojawiają się w tych trzech scenariuszach na zupełnie różnych zasadach. Dlatego jedna odpowiedź na to pytanie musiałaby być albo bardzo ogólna, albo błędna.
Zacznę od najbardziej oczywistego przypadku, bo tu wiemy najwięcej.
Podsumowania generatywne w wynikach wyszukiwania od dawna sąsiadują z reklamami — Google umieszcza je nad odpowiedzią, pod nią, a od pewnego czasu również wewnątrz jej obszaru. To normalne kliknięcie płatne, rozliczane jak każde inne, pochodzące z kampanii w sieci wyszukiwania i z kampanii produktowych, bez osobnego typu kampanii do kupienia.
W trybie AI sytuacja jest mniej dojrzała. Google zapowiedziało tam reklamy na majowej konferencji dla reklamodawców, a przez kolejne miesiące pokazywały się one wyrywkowo; szersze obserwacje w naturalnych wynikach pojawiły się w połowie listopada. Google potwierdziło, że to test, a nie powszechnie dostępny format. Oznacza to, że nie mogę ani zaplanować kampanii pod tę powierzchnię, ani wykluczyć się z niej.
Praktyczny wniosek dla reklamodawcy z Polski jest na razie skromny: nie robisz nic nowego. Kampanie w wyszukiwarce i kampanie produktowe obsługują te powierzchnie same, o ile treść i zasoby są przygotowane pod dłuższe, opisowe zapytania — bo takie właśnie zadaje się asystentom. Wąskie dopasowania na trzy słowa nie łapią pytań budowanych zdaniem.
Od listopada Google ma w wyszukiwarce funkcję, w której użytkownik ustawia oczekiwaną cenę, a gdy oferta ją osiągnie, potwierdza gotowy do domknięcia zakup. Uruchomienie objęło wybranych sprzedawców w Stanach Zjednoczonych, wcześniej pokazano to jako podgląd na majowej konferencji.
Tu jest sedno odpowiedzi na pytanie z tytułu. Ta funkcja nie działa na podstawie tego, kto zapłacił za reklamę. Działa na podstawie danych o ofercie: ceny, dostępności, warunków dostawy i zwrotów oraz technicznej możliwości domknięcia transakcji u tego sprzedawcy. Sprzedawca, którego oferta nie jest kompletna albo którego sklep nie jest zintegrowany, nie pojawi się w tym procesie niezależnie od wysokości budżetu reklamowego.
Nie znaczy to, że reklama traci sens — znaczy, że pełni inną rolę. Płatny wynik decyduje o tym, czy produkt zostanie w ogóle znaleziony i czy użytkownik trafi na kartę oferty. Wybór spośród ofert już znalezionych opiera się na parametrach handlowych.
To dla mnie najważniejsza zmiana w sposobie myślenia o budżecie: pieniądze przesuwają się w stronę jakości danych o produkcie. Można mieć najwyższą stawkę i przegrać z konkurentem, który podał krótszy czas dostawy i darmowe zwroty w formie zrozumiałej dla maszyny.
Drugi mechanizm uruchomiono we wrześniu: możliwość zakupu bez wychodzenia z rozmowy, na start dla użytkowników w Stanach Zjednoczonych i sprzedawców jednej platformy, z zapowiedzią kolejnych. Stoi za tym otwarty protokół zakupowy współtworzony przez OpenAI i Stripe.
Dokumentacja tego rozwiązania mówi wprost dwie rzeczy, które warto zapamiętać. Pierwsza: wybór produktu i sprzedawcy nie jest miejscem sprzedawanym reklamodawcom — kolejność wynika z dopasowania do zapytania i z parametrów oferty. Druga: sprzedawca ponosi opłatę od zrealizowanej transakcji, czyli płaci za skutek, nie za miejsce w odpowiedzi.
Trzeba do tego dodać kontekst na koniec 2025 roku: w oknie czatu OpenAI nie ma płatnych wyników. To środowisko bez powierzchni reklamowej, więc pytanie o wpływ Google Ads na wybór w tym kanale jest po prostu bezprzedmiotowe — dwa systemy nie mają punktu styku.
Osobno warto zauważyć, co się z tego wyłania jako model: prowizja od sprzedaży zamiast opłaty za kliknięcie. Jeśli ten kierunek się utrzyma, część budżetu, którą dziś planuje się jako koszt pozyskania ruchu, przesunie się do rachunku kosztów sprzedaży. To zmiana raczej dla dyrektora finansowego niż dla specjalisty od kampanii.
Zostaje trzeci scenariusz, najbardziej niedoceniany. Agent działający w przeglądarce — czy to jako osobna przeglądarka z wbudowanym asystentem, czy jako funkcja asystenta wykonującego zadania — wchodzi na stronę wyników wyszukiwania i widzi ją w całości.
To znaczy, że widzi też reklamy, bo one są elementem tej strony. Czy w nie kliknie, zależy od tego, jak zostały napisane instrukcje sterujące jego zachowaniem, a tego nie wiemy i to się zmienia z wersji na wersję. Z obserwacji własnych, na małej liczbie prób i bez żadnej wartości statystycznej: zachowanie jest niekonsekwentne. Czasem agent trafia na kartę produktu z płatnego wyniku, czasem wyraźnie kieruje się do wyników organicznych albo do porównywarki.
Konsekwencje są za to całkiem konkretne i nieprzyjemne. Takie kliknięcie jest rozliczane jak kliknięcie człowieka, a intencja stojąca za nim niekoniecznie jest zakupowa — agent może po prostu zbierać informacje o cenie. Nie ma dziś ani standardu, który pozwalałby taki ruch odróżnić, ani mechanizmu wykluczenia go w kampanii.
Sprowadza się to do rady, którą i tak powtarzam od lat: pilnuj raportu wyszukiwanych haseł i wykluczeń, a nietypowe wzorce ruchu — kliknięcia bez żadnej interakcji na stronie, z powtarzalnym czasem trwania — sprawdzaj w logach serwera, a nie tylko w panelu.
Największym problemem nie jest to, czy agent klika w reklamę. Największym problemem jest to, że nie potrafimy tego dziś zmierzyć, a więc każda odpowiedź na pytanie z tytułu pozostaje opowieścią.
Wynika to z kilku rzeczy naraz. Odesłania z asystentów wpadają do raportów jako zwykłe źródło odsyłające i mieszają się z resztą, o ile nikt nie utworzył dla nich osobnej grupy kanałów. Część odpowiedzi generowanych przez asystentów nie tworzy żadnego odesłania — użytkownik czyta rekomendację i wchodzi na stronę marki bezpośrednio, wpisując nazwę. Zakup domykany po stronie platformy w ogóle nie przechodzi przez Twoją stronę, więc Twoja analityka go nie widzi; wiedzę o nim masz z panelu platformy sprzedażowej.
Minimum, które warto ustawić teraz, jest tanie. Osobna grupa kanałów dla domen asystentów w narzędziu analitycznym. Wydzielenie w analizie logów zapytań pochodzących od znanych robotów asystentów. Obserwacja ruchu bezpośredniego i zapytań na własną markę jako pośredniej miary tego, że ktoś nas gdzieś polecił. Żadne z tych nie da pewnej liczby, ale razem pozwalają zauważyć trend przed konkurencją.
Zapisuję też u siebie prostą rzecz: raz w miesiącu te same pytania zakupowe zadane kilku asystentom, z datą i pełnym zapisem odpowiedzi. Metoda prymitywna, ale po pół roku daje jedyny punkt odniesienia, jaki mam.
Odpowiadając na pytanie klienta z pierwszego akapitu: nie, nie przenosiłbym pieniędzy z Google Ads nigdzie, bo nie ma dokąd. W Polsce nie istnieje na koniec 2025 roku kanał zakupów agentowych, do którego można by przenieść budżet, a powierzchnie generatywne w wyszukiwarce obsługują istniejące kampanie.
Zrobiłbym natomiast trzy rzeczy, które są tanie i nie zależą od tego, w którą stronę to pójdzie. Po pierwsze, doprowadziłbym do porządku dane o ofercie: atrybuty, identyfikatory, stany, ceny, dostawa, zwroty. To jedyny czynnik, który działa jednocześnie w kampaniach produktowych, w wynikach bezpłatnych i w każdym mechanizmie wybierającym ofertę automatycznie. Po drugie, przygotowałbym zasoby reklamowe pod zapytania opisowe, zdaniowe, a nie tylko pod krótkie frazy. Po trzecie, uruchomiłbym pomiar z poprzedniej sekcji, żeby za rok mieć własne dane, a nie cudze przypuszczenia.
I rzecz, którą uważam za najważniejszą w tej całej dyskusji: nie wiemy, jak to się rozwinie. Zapowiedź, test i standard to trzy różne stany, a branża ma skłonność do mieszania ich w jednym nagłówku. Widziałem już kilka technologii opisywanych jako nieunikniona przyszłość reklamy, które ostatecznie zostały wycofane razem z narzędziami przygotowanymi pod nie. Dlatego wolę wydawać czas na rzeczy, które zwrócą się bez względu na scenariusz.
Używamy plików cookies, aby ułatwić Ci nawigację oraz wykonywanie określonych funkcji. Szczegółowe informacje o wszystkich plikach cookies znajdziesz w każdej kategorii zgody poniżej.
Pliki cookies oznaczone jako "Niezbędne" są przechowywane w Twojej przeglądarce, ponieważ są one kluczowe dla zapewnienia podstawowych funkcji strony.
Używamy również plików cookies firm trzecich, które pomagają nam analizować, w jaki sposób korzystasz z tej strony, zapamiętują Twoje preferencje oraz dostarczają treści i reklamy odpowiednie dla Ciebie. Te pliki cookies będą przechowywane w Twojej przeglądarce tylko za Twoją uprzednią zgodą.
Możesz zdecydować, czy chcesz włączyć lub wyłączyć niektóre bądź wszystkie te pliki cookies, jednak wyłączenie niektórych z nich może wpłynąć na Twoje doświadczenia podczas przeglądania strony.
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __cf_bm | 13 minutes | Cloudflare bot management — distinguishes humans from bots. |
| rc::* | Persistent | Google reCAPTCHA — localStorage holding anti-bot challenge state. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| wpEmojiSettingsSupports | Session | WordPress — sessionStorage flag caching whether the browser can render emoji (feature detection). |
| ytidb* | Persistent | YouTube — IndexedDB storing playback/search state for embedded videos. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| _ga_* | 400 days | Google Analytics 4 — persists session state per property. |
| _ga | 400 days | Google Analytics — distinguishes unique users via a client id. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| NID | 183 days | Google — stores preferences for personalized ads. |
| fr | 90 days | Meta — encrypted Facebook id and browser id for ads. |
| _gcl_au | 90 days | Google AdSense/Ads — experiments with advertising efficiency (conversion linker). |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __Secure-YNID | 180 days | |
| YSC | Session | |
| __Secure-ROLLOUT_TOKEN | 180 days | |
| VISITOR_INFO1_LIVE | 180 days | |
| VISITOR_PRIVACY_METADATA | 180 days | |
| datr | 400 days | |
| sb | 400 days | |
| wd | 7 days |