Rekomendacje tracą blask. AI przejmuje ocenianie atrakcyjności ofert

Na początku XXI wieku badacze, m.in. Jennifer Gibbs, prognozowali, że rozwój handlu internetowego będzie napędzany przez oczekiwania konsumentów dotyczące wygody, dostępu do użytecznych treści oraz szerszego wyboru produktów. Publikacja „Handel elektroniczny. Ewolucja i perspektywy” z 2016 r. wskazywała, że kluczowym narzędziem tego rozwoju stanie się Big Data, które dzięki algorytmom „wykrywania wiedzy” o klientach pozwoli tworzyć precyzyjne rekomendacje i dobierać reklamy profilowane. Choć polski e-handel zrealizował dawne prognozy wzrostu – na przykład te z „Raportu e-commerce 2010”, przewidujące przekroczenie 10 mld zł wartości rynku do 2014 r. – dziś wszedł w fazę pełnej dojrzałości. Zakupy online deklaruje już 78 proc. internautów.

Jak podaje dr Aleksandra Chmielewska w raporcie „E-commerce w Polsce 2025”, personalizacja stała się w tym modelu teoretycznym fundamentem komunikacji marketingowej. Ma zwiększać konwersję i budować lojalność, dostarczając oferty dopasowane do przewidywanych potrzeb i aspiracji użytkownika.

Dane empiryczne z tego badania jednak pokazują ograniczenia tego podejścia. Zaledwie 28 proc. konsumentów przyznaje, że spersonalizowane sugestie mają wpływ na ich zakupy, podczas gdy 38 proc. badanych wprost zaprzecza takiemu wpływowi. Ekspertka określa to mianem „paradoksu personalizacji”. Tłumaczy, że w dobie „ekonomii uwagi” masowość i powtarzalność schematycznych komunikatów wywołują u klientów znużenie, „ślepotę banerową” oraz aktywny opór wobec tradycyjnych mechanizmów sprzedażowych.

Dlaczego mechanizm „klienci kupili również” przestaje działać

Ewa Kraińska, właścicielka whenUbuy, platformy łączącej popularne sklepy i zbierającej w jednym miejscu dane o wszystkich zakupach online użytkownika, wskazuje, że tradycyjny rynek rekomendacji w e-commerce nadal działa. Zmienia się jednak to, co go napędza i dlaczego staje się skuteczny.

Mechanizm oparty wyłącznie na formule „inni klienci kupili również” coraz rzadziej wystarcza do podejmowania decyzji zakupowych. Współczesny konsument oczekuje rekomendacji dopasowanej nie do zachowań anonimowej grupy użytkowników, lecz do własnych potrzeb, sytuacji i kontekstu zakupowego.

– Mechanizm oparty wyłącznie na formule „inni klienci kupili również” coraz rzadziej wystarcza do podejmowania decyzji zakupowych. Współczesny konsument oczekuje rekomendacji dopasowanej nie do zachowań anonimowej grupy użytkowników, lecz do własnych potrzeb, sytuacji i kontekstu zakupowego. Nie interesuje go już wyłącznie to, co kupili inni. Chce wiedzieć, czy dany produkt będzie odpowiedni właśnie dla niego, czy rzeczywiście odpowiada na jego potrzeby i czy warto kupić go teraz, w tej cenie oraz u konkretnego sprzedawcy – mówi Ewa Kraińska.

Filip Kapusta, dyrektor operacyjny CogniVis, wskazuje, że zmienia się także rola tradycyjnych formatów reklamowych, takich jak banery, reklamy display oraz klasyczne rekomendacje „klienci kupili też”, które stają się niewystarczające.

– Konsument coraz częściej ignoruje przekaz, który nie jest osadzony w kontekście jego bieżącej intencji zakupowej. Praktyka pokazuje rosnący efekt „banner blindness” i spadające CTR w niemal wszystkich klasycznych formatach – mówi Filip Kapusta.

Jednak jak wskazuje Ewa Kraińska, nie oznacza to końca systemów rekomendacyjnych.

Według danych Amazona nawet 35 proc. przychodów platformy jest generowanych dzięki rekomendacjom. Ich skuteczność wynika jednak nie z samego mechanizmu podpowiedzi, ale z jakości danych. Amazon od ponad 20 lat buduje wiedzę o zachowaniach zakupowych użytkowników i potrafi ją skutecznie interpretować.

– Wręcz przeciwnie, ich znaczenie rośnie. Według danych Amazona nawet 35 proc. przychodów platformy jest generowanych dzięki rekomendacjom. Ich skuteczność wynika jednak nie z samego mechanizmu podpowiedzi, ale z jakości danych. Amazon od ponad 20 lat buduje wiedzę o zachowaniach zakupowych użytkowników i potrafi ją skutecznie interpretować. Podobnie działa Temu, którego sukces w dużej mierze opiera się na bardzo precyzyjnej analizie zachowań konsumentów. No i na umiejętnym kreowaniu potrzeb zakupowych – wskazuje Ewa Kraińska.

Dodaje, że zmienia się także sposób, w jaki konsumenci podchodzą do nadmiaru ofert i rekomendacji.

– Z jednej strony użytkownicy są dziś otoczeni podpowiedziami zakupowymi praktycznie na każdym etapie ścieżki zakupowej: od strony głównej, przez kartę produktu i koszyk, po mailing, aplikacje czy remarketing. Zbyt częste lub źle dopasowane rekomendacje mogą zamienić się w szum informacyjny – mówi Ewa Kraińska.

Przeczytaj: Koniec katalogu dla wszystkich. Jak AI sprzedaje każdemu z osobna

Zakupy pod dyktando agentów AI

Ewa Kraińska wskazuje też, że z drugiej strony rosnąca liczba produktów i nadpodaż ofert sprawiają, że konsumenci coraz częściej oczekują uproszczenia wyboru i konkretnych podpowiedzi.

– Widać to szczególnie w systemach opartych na agentach AI. Użytkownik często nie analizuje już samodzielnie dziesiątek opcji. Otrzymuje gotowy zestaw rekomendowanych produktów, usług lub subskrypcji potrzebnych do realizacji określonego celu – mówi Ewa Kraińska.

Filip Kapusta uzupełnia ten wątek, wskazując, że AI zmienia sposób podejmowania decyzji zakupowych na kilku poziomach jednocześnie.

– Po pierwsze, AI skraca ścieżkę zakupową. Zamiast przeglądać dziesiątki ofert, konsument coraz częściej otrzymuje przefiltrowaną rekomendację dopasowaną do jego historii, preferencji i kontekstu. Po drugie, rośnie rola zaufania do systemu rekomendującego. Konsument deleguje część procesu oceny na algorytm lub agenta AI. To oznacza, że to agent staje się pierwszym „odbiorcą” komunikatu marki – wskazuje Filip Kapusta.

Ekspert dodaje, że skoro odbiorcą przekazu marketingowego może być nie tylko człowiek, ale również jego agent AI, firmy muszą zacząć myśleć o komunikacji dwutorowej. Czyli osobno dla konsumenta, osobno dla maszyny.

Agent AI nie reaguje na emocje, storytelling czy estetykę kreacji - przetwarza dane: ustrukturyzowane opisy produktów, atrybuty, recenzje, sygnały zaufania, dostępność, politykę zwrotów. To oznacza, że jakość i kompletność danych produktowych staje się nowym „copywritingiem”.

– Agent AI nie reaguje na emocje, storytelling ani estetykę kreacji. Przetwarza dane: ustrukturyzowane opisy produktów, atrybuty, recenzje, sygnały zaufania, dostępność i politykę zwrotów. To oznacza, że jakość i kompletność danych produktowych stają się nowym „copywritingiem”. Marki, które dbają o semantycznie bogate, spójne i dobrze ustrukturyzowane dane w katalogach i feedach, będą miały przewagę w środowisku agentycznym – mówi Filip Kapusta.

Ewa Kraińska dodaje, że w dobie sztucznej inteligencji coraz większe znaczenie mają nie tylko same produkty, ale również cena, historia jej zmian, koszty dostawy, dostępność, warunki zwrotu, wiarygodność sprzedawcy oraz zgodność zakupu z rzeczywistą potrzebą użytkownika.

– Rekomendacja staje się więc bardziej kontekstowa i analityczna. Dobrym przykładem są rozwiązania typu „kup ponownie lub taniej”, w których system analizuje historię zakupów użytkownika, przewiduje moment ponownej potrzeby zakupu i automatycznie wyszukuje najkorzystniejszą ofertę na rynku. Tego typu funkcjonalności spotykają się z dużym zainteresowaniem użytkowników, ponieważ odpowiadają na realną potrzebę oszczędzania czasu i pieniędzy – mówi Ewa Kraińska.

Komentarz partnera cyklu

Nowy fundament e-commerce: kontekst, intencja i transparentność

Tradycyjny model e-commerce koncentrował się w dużej mierze na wspieraniu decyzji klienta: rekomendacjach, filtrach i sugestiach. W świecie agentic commerce sztuczna inteligencja przejmuje kolejne etapy ścieżki zakupowej – od analizy potrzeb, przez porównywanie ofert, po inicjowanie transakcji zgodnie z wyraźną zgodą i preferencjami użytkownika. Rekomendacje nie są już końcem procesu, lecz jego częścią.

W tym modelu tradycyjne mechanizmy oparte wyłącznie na zagregowanych wcześniejszych zachowaniach innych klientów tracą na znaczeniu. Liczy się intencja użytkownika: kontekst sytuacyjny, budżet, preferencje, ograniczenia oraz rzeczywista potrzeba. AI wykracza poza rozpoznawanie wzorców i pomaga rozwiązać konkretny problem zakupowy w sposób bardziej kontekstowy oraz spersonalizowany.

Dlatego rekomendacje powinny być oparte na intencji, kontekstowe, transparentne, zrozumiałe i możliwe do wykorzystania w działaniu. Przesuwa to ich rolę z obszaru marketingu w stronę dostarczania użytkownikowi realnej wartości i użyteczności. Zmienia się również rola reklamy. Coraz częściej musi być ona istotna nie tylko z punktu widzenia przyciągania uwagi człowieka, ale także pod względem jasności, jakości danych i wiarygodności w interakcjach z systemami opartymi na AI.

W agentic commerce zaufanie do marki pozostaje kluczowe, ale zyskuje nowy wymiar. Firmy muszą być transparentne dla konsumentów i „zrozumiałe” dla algorytmów, aby umożliwiać jednoznaczną interpretację oraz interakcję. Muszą mieć przejrzyste regulaminy, wysokiej jakości aktualne dane oraz uporządkowane informacje dotyczące katalogów produktów, cen i dostępności. Brak widoczności dla agenta może oznaczać brak obecności w decyzji zakupowej.

Równie ważne są transparentność, odpowiedzialność i jasność mechanizmów stojących za rekomendacjami. Użytkownik powinien wiedzieć, dlaczego pojawia się konkretna oferta i czy wynika ona z jego potrzeb, czy z ustaleń komercyjnych, takich jak płatna promocja. W tym świecie nie wygrywa ten, kto mówi najgłośniej, lecz ten, kto najlepiej odpowiada na rzeczywistą intencję klienta, zachowując jednocześnie zaufanie, bezpieczeństwo i kontrolę nad doświadczeniem.

Małgorzata Domagała

Wiceprezes, dyrektorka ds. produktów i rozwiązań Mastercard na Polskę, Czechy i Słowację

Era podwójnej komunikacji marek

W obliczu rozwoju agentic commerce pojawia się pytanie: kto będzie faktycznym odbiorcą komunikacji marketingowej – człowiek czy jego agent AI?

– Odpowiedź brzmi: oboje, ale w różnych momentach ścieżki zakupowej. Agent AI będzie pierwszym filtrem: selekcjonującym, porównującym i zawężającym pole wyboru. Człowiek pozostanie finalnym decydentem, szczególnie przy zakupach angażujących emocjonalnie lub o wysokiej wartości. Marki muszą projektować komunikację, która najpierw przejdzie przez „bramkę algorytmiczną”. Dopiero później trafi do człowieka z odpowiednim ładunkiem emocjonalnym i informacyjnym – mówi Filip Kapusta.

Ewa Kraińska dodaje, że przyszłość e-commerce będzie opierać się nie tylko na segmentach i szerokich grupach odbiorców, lecz także na możliwie precyzyjnym rozumieniu potrzeb każdego użytkownika.

Im więcej jakościowych danych posiada marka lub platforma zakupowa i im lepiej potrafi je interpretować w czasie rzeczywistym, tym trafniejsze będą rekomendacje i tym większa szansa na budowanie powtarzalnej sprzedaży oraz lojalności klientów.

– Im więcej jakościowych danych posiada marka lub platforma zakupowa i im lepiej potrafi je interpretować w czasie rzeczywistym, tym trafniejsze będą rekomendacje. Czyli też tym większa szansa na budowanie powtarzalnej sprzedaży oraz lojalności klientów. Jednocześnie konsumenci są coraz bardziej skłonni dzielić się danymi, jeśli widzą w tym konkretną wartość. Może chodzić o oszczędność czasu, lepsze dopasowanie oferty czy realne korzyści finansowe – mówi Ewa Kraińska.

Przeczytaj: Cicha rewolucja w portfelu. AI zmienia płatność w niewidzialny proces

Marki uczą się mówić językiem algorytmów

Nowe zasady gry będą oznaczać nowe rozwiązania po stronie marek. Raport Deloitte „Agentic Commerce: Redefining Retail Economics” prognozuje, że do 2029 r. wydatki na reklamy w wyszukiwarkach AI w USA wzrosną do 26 mld dolarów. To wymusi na detalistach opracowanie formatów reklamowych typu agent-native, zintegrowanych bezpośrednio z doświadczeniami generatywnymi.

McKinsey uzupełnia ten punkt widzenia w raporcie „The agentic commerce opportunity: How AI agents are ushering in a new era for consumers and merchants”. Zwraca uwagę, że tradycyjne kanały reklamowe są omijane przez systemy agentowe. To zaś zmusza marki do wdrażania sponsorowanych sugestii opartych na kontekście i intencji użytkownika. Celem będzie przechwycenie zamiaru agenta, zanim konsument odwiedzi stronę produktu.

W tym kontekście pojawia się pytanie, czy powstaną nowe formaty reklam, zaprojektowane specjalnie pod algorytmy rekomendacyjne.

Widzimy zalążki tego trendu w tzw. agent-readable content, czyli treściach zoptymalizowanych nie pod SEO, lecz pod LLM. Kolejnym krokiem będą formaty oparte na API-first commerce, w których marka udostępnia agentowi AI ustrukturyzowany „profil ofertowy” zamiast tradycyjnego landing page’a.

– Jestem przekonany, że tak, a część z nich już powstaje. Widzimy zalążki tego trendu w tzw. agent-readable content, czyli treściach zoptymalizowanych nie pod SEO, lecz pod LLM. Kolejnym krokiem będą formaty oparte na API-first commerce. Marka udostępnia w nich agentowi AI ustrukturyzowany „profil ofertowy” zamiast tradycyjnego landing page’a. Prawdopodobnie pojawiają się też mechanizmy sponsored placement w odpowiedziach modeli AI. Trochę analogiczne do linków sponsorowanych w wyszukiwarkach, ale osadzone w interfejsie konwersacyjnym. Ten ekosystem dopiero się kształtuje, ale kierunek jest już wyraźny. Reklama będzie musiała być czytelna dla algorytmu, zanim dotrze do człowieka – wskazuje Filip Kapusta.

Główne wnioski

1. E-commerce osiągnął etap dojrzałości, a tradycyjne mechanizmy personalizacji nie gwarantują już skuteczności sprzedażowej. Coraz większe znaczenie mają kontekst, intencja i indywidualna sytuacja zakupowa użytkownika.
2. Konsumenci są zmęczeni nadmiarem komunikatów marketingowych, dlatego skuteczność klasycznych banerów, reklam display i prostych systemów rekomendacyjnych systematycznie spada.
3. Sztuczna inteligencja skraca ścieżkę zakupową, przejmując część procesu analizy i selekcji produktów, co zwiększa znaczenie zaufania do systemów rekomendacyjnych.