Jedna odpowiedź ChatGPT na pytanie zakupowe mówi, czy marka pojawiła się w tej konkretnej rozmowie. Nie wystarcza do oceny, jak często zobaczą ją inni użytkownicy. W preprincie opublikowanym 16 września 2026 r. autorzy audytu ConsumerQ pokazali, że listy polecanych produktów zmieniały się między powtórzeniami pytań, a API i interfejsy chatbotów wskazywały różne źródła.
Ile pytań i odpowiedzi objął audyt
ConsumerQ zawiera 2528 rzeczywistych zapytań o porady zakupowe. Do audytu autorzy wybrali z tego zbioru 117 pytań o produkty fizyczne. Każde zadali trzy razy w pięciu warunkach: przez interfejsy ChatGPT i Gemini, przez API obu narzędzi oraz w Google AI Overviews. Dało to 1755 obserwacji, z których 1536 zakończyło się odpowiedzią. Liczba 2528 opisuje cały zbiór pytań, a nie liczbę ocenionych odpowiedzi.
Interfejsy chatbotów sprawdzano w wylogowanych sesjach, w nowym profilu przeglądarki bez historii, z lokalizacji w Holandii. API otrzymywało to samo pytanie tuż po interfejsie. Autorzy nie mieli pewności, czy za interfejsem ChatGPT i jego API działał identyczny model. Te warunki mają znaczenie, gdy ktoś chce porównać wynik audytu z własnym zapytaniem po polsku.
Powtórzenia zmieniały listy produktów
Autorzy porównali nazwy produktów polecanych przy kolejnych zadaniach tego samego pytania. Średnia zgodność zestawów, mierzona miarą Jaccarda, wyniosła 0,178 dla ChatGPT, 0,287 dla Gemini i 0,421 dla AI Overviews. W tej skali wynik bliższy 1 oznacza większą zgodność.
Wyniki wskazują na zmienność rekomendacji w badanej próbie. Nie oznaczają, że każde dwa powtórzenia dadzą inne marki. Autorzy zwracają też uwagę, że różne zapisy nazwy tego samego produktu mogły obniżyć zmierzoną zgodność.
Różniły się również cytowane strony. Dla tego samego pytania interfejsy ChatGPT i Gemini miały średnio 5,4% wspólnych domen. W 76,7% porównań nie miały żadnej. Gdy autorzy porównali API z odpowiadającym mu interfejsem, średnia zgodność domen wyniosła 12,0% dla ChatGPT i 14,8% dla Gemini. Wyniku zebranego przez API nie należy więc traktować jako prostego zapisu źródeł widocznych dla osoby korzystającej z czatu.
Jak zapisywać własne obserwacje marki
Jeśli sprawdzasz obecność produktu w odpowiedziach AI, zachowaj pełne pytanie i warunki każdego powtórzenia. Jedna odpowiedź powinna zajmować jeden wiersz. Poniższa pusta karta służy do prowadzenia własnych notatek; nie jest odtworzeniem audytu ConsumerQ ani gotową metodą reprezentatywnego pomiaru.
| Data i godzina | Dokładne pytanie | Narzędzie, interfejs lub API i stan sesji | Język i lokalizacja | Nr powtórzenia | Polecane produkty i marki | Cytowane domeny |
|---|---|---|---|---|---|---|
Przy kolejnych próbach zachowaj tę samą treść pytania i zapisuj również brak odpowiedzi. Oddziel porównanie powtórzeń w jednym interfejsie od porównania interfejsu z API. Dzięki temu wiadomo, czy zmieniła się lista produktów, czy także sposób dostępu do narzędzia. Karta pomaga uporządkować obserwacje; bez odpowiednio dobranej próby nie mówi, jak często polscy konsumenci widzą daną markę.
Czego badanie nie wyjaśnia
Audyt dotyczył wybranych pytań o produkty fizyczne i warunków z lokalizacją w Holandii. Nie daje wyniku reprezentatywnego dla Polski. Jest też preprintem, więc jego liczb nie należy przedstawiać jako ustalonego konsensusu naukowego.
Badanie nie ustala przyczyn pojawienia się marki w odpowiedzi. Choć autorzy omawiają problem bezstronności porad zakupowych w kontekście monetyzacji AI, ich wyniki nie dowodzą wpływu wydatków na reklamy w ChatGPT na rekomendacje produktów.
Zacznij od kilku pytań, które dotyczą Twojej kategorii, i zapisz powtórzone odpowiedzi wraz z warunkami. Dopiero wtedy porównuj produkty i źródła. Pojedynczy zrzut ekranu zachowaj jako przykład odpowiedzi, nie jako wynik pomiaru obecności marki.
Źródła
- Lucas G. Uberti-Bona Marin, Thales Bertaglia i in., „If I Had to Buy Just ONE: Galaxy S26 Ultra”: Auditing AI-Generated Product Recommendations, preprint, 16 września 2026 r.
