Google AI Overviews: spadek ruchu organicznego o 35%

Wyszukiwarki napędzane przez sztuczną inteligencję, takie jak ChatGPT, Perplexity oraz Google AI Overviews, przekształcają tradycyjny lejek marketingowy B2B w model konwersacyjny, eliminując potrzebę przechodzenia na strony zewnętrzne. Aż 59% zapytań w Google kończy się obecnie bez kliknięcia w link, co drastycznie obniża tradycyjny ruch organiczny przedsiębiorstw. Organizacje SaaS i technologiczne muszą wdrożyć strategię Generative Engine Optimization (GEO), aby utrzymać widoczność w odpowiedziach syntezowanych przez modele LLM.

Przebudowa lejka B2B SaaS przez wyszukiwarki AI

Tradycyjny lejek marketingowy polegający na sekwencji wyszukiwanie-kliknięcie-konwersja przestał działać w sektorze B2B SaaS. Klienci korporacyjni delegują etap wstępnej analizy do asystentów sztucznej inteligencji, takich jak ChatGPT oraz Google AI Overviews. Decyzje zakupowe zapadają wewnątrz konwersacji AI, zanim użytkownik odwiedzi stronę dostawcy oprogramowania.

Badania zachowań użytkowników pokazują, że 37% konsumentów rozpoczyna wyszukiwanie informacji bezpośrednio w narzędziach AI zamiast w klasycznych wyszukiwarkach. Główną przyczyną jest dążenie do uzyskania zwięzłych, zsyntetyzowanych odpowiedzi (62% wskazanań) oraz zmęczenie szumem reklamowym i skomplikowanymi stronami SERP (37%). Zamiast otwierać kilkanaście kart w przeglądarce i porównywać specyfikacje techniczne, kupujący SaaS precyzują wymagania (budżet, integracje, zgodność z przepisami) bezpośrednio w oknie promptu.

W efekcie rola klasycznych wyszukiwarek ulega przewartościowaniu: AI odpowiada za etap odkrywania (discovery), podczas gdy wyszukiwarki tekstowe służą jedynie do weryfikacji faktów, cen i opinii (85% użytkowników podwójnie sprawdza odpowiedzi AI w tradycyjnym wyszukiwaniu). Zjawisko to potwierdzają dane sprzedażowe z okresu Cyber Week: agentom AI przypisuje się wpływ na 67 miliardów dolarów z globalnych wydatków cyfrowych o wartości 336,6 miliarda dolarów, co stanowi blisko 1/5 całkowitej sprzedaży.

Sztuczna inteligencja staje się głównym selekcjonerem rozwiązań technicznych. Jeśli marka nie znajdzie się w wąskiej opinii wygenerowanej przez model językowy, traci szansę na wejście do zestawienia brane pod uwagę przez architektów IT i CTO.

Ile ruchu tracą witryny przez odpowiedzi AI?

Spadek liczby przejść z klasycznych wyników wyszukiwania stawia pod znakiem zapytania dotychczasowe wskaźniki efektywności infrastruktury marketingowej. Odpowiedzi generowane przez modele językowe zaspokajają intencję informacyjną bezpośrednio na stronie wyników. Wprowadzenie podsumowań sztucznej inteligencji drastycznie redukuje wskaźnik klikalności (CTR), zmieniając strukturę pozyskiwania ruchów organicznych w organizacjach.

Pojawienie się sekcji Google AI Overviews w wynikach wyszukiwania powoduje spadek wskaźnika klikalności (CTR) o 35%. Udział podsumowań AI w amerykańskich zapytaniach desktopowych wzrósł do 13% (wzrost o 102% w ciągu zaledwie dwóch miesięcy), a ogólny wskaźnik zapytań kończących się brakiem kliknięcia osiągnął 59%. Globalne dane wydawców wskazują na spadek ruchu organicznego z Google o 33% rok do roku, a w przypadku serwisów biznesowych spadek ten sięga od 40% do 55%.

Paradoksalnie, spadek ogólnej liczby odwiedzin wiąże się ze wzrostem jakości ruchu, który dociera do serwisu:

Użytkownicy przechodzący do strony z cytowań AI znajdują się na poźniejszym etapie procesu decyzyjnego, co przekłada się na 23-krotnie wyższą konwersję w porównaniu z tradycyjnym ruchem z wyszukiwarek. Szacunki naukowe pokazują jednak, że witryny nieprzystosowane do wymogów modeli generatywnych muszą liczyć się z ze spadkiem całkowitego ruchu organicznego na poziomie od 20% do 40%.

Mechanizm Generative Engine Optimization i wymagania techniczne GEO

Generative Engine Optimization (GEO) wymaga dostosowania architektury treści do systemów RAG oraz zbiorów treningowych modeli LLM. Zamiast optymalizacji pod kątem zagęszczenia słów kluczowych, inżynierowie i architekci treści muszą zadbać o maszynową czytelność faktów. Przewagę zyskują dokumentacje z jednoznacznymi definicjami kategorii, strukturami Q&A oraz autorytatywnymi danymi źródłowymi.

Badań naukowych przeprowadzonych przez naukowców z Princeton, Georgia Tech i IIT Delhi dowodzą, że zastosowanie metod GEO zwiększa widoczność marki w odpowiedziach silników generatywnych aż do 40%. W przypadku platformy Perplexity AI zamieszczenie bezpośrednich cytatów eksperckich podnosi widoczność o 37%, natomiast powoływanie się na autorytatywne źródła danych zwiększa widoczność słabszych domen o 115%.

Modele generatywne pozyskują wiedzę poprzez dwa główne mechanizmy:

1. Retrieval-Augmented Generation (RAG): Systemy takie jak Perplexity AI (przetwarzające 780 milionów zapytań miesięcznie) oraz Google AI Overviews przeszukują sieć w czasie rzeczywistym. Najwyżej punktują strony odpowiadające na pytanie w pierwszych 200 słowach, posiadające nagłówki H2/H3 sformułowane jako dosłowne pytania oraz wdrożone mikrodane (Schema.org / JSON-LD).
2. Pamięć ze zbiorów treningowych (Training Data): Platformy typu ChatGPT (ponad 900 milionów aktywnych użytkowników tygodniowo) i Claude opierają się na danych historycznych. Cytowalność w tych systemach zależy od cyfrowego śladu marki w niezależnych źródłach zewnętrznych.

Systemy LLM do oceny wiarygodności stosują ramę E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Analizy pokazują, że AI potrzebuje od 22 do 38 wzmianek w mediach zarobionych (earned media) oraz cytowań na zewnętrznych portalach i w społecznościach branżowych, zanim zacznie stabilnie rekomendować daną markę w odpowiedziach produktowych.

Rola wideo i platform społecznościowych w nowym ekosystemie odkrywania

Rozproszenie procesu odkrywania marek sprawia, że pojedynczy kanał nie wystarcza do zbudowania stabilnego lejka sprzedażowego. Platformy wideo i sieci społecznościowe funkcjonują jako wyszukiwarki kontekstowe, z których dane trafiają bezpośrednio do modeli generative AI. Budowanie autorytetu marki wymaga spójnej obecności w wielu środowiskach cyfrowych jednocześnie.

Średnio ścieżka zakupowa B2B i B2C obejmuje interakcję z marką w 5 lub więcej kanałach przed podjęciem decyzji (70% wszystkich zakupów). Szczególną rolę w tym ekosystemie odgrywa YouTube – druga co do wielkości wyszukiwarka świata generująca ponad 3 miliardy zapytań miesięcznie. Wyniki wideo mają 41% wyższy wskaźnik CTR niż tekst i 50-krotnie wyższą szansę na pojawienie się na pierwszej stronie Google. Z punktu widzenia architektur GEO kluczowy jest fakt, że YouTube jest cytowany w odpowiedziach ChatGPT, Perplexity i Google AI Overviews do 200 razy częściej niż TikTok, Vimeo czy Twitch.

Znaczenie poszczególnych kanałów w nowym lejkutestowym przedstawia poniższe zestawienie:

• YouTube: Odpowiada za 80% wyników wideo w Google. Wdrożenie ręcznie skorygowanych napisów zwiększa czas oglądania (watch time) o 12%, a dedykowane miniaturki podnoszą CTR o 60% do 70%.
• Social Commerce i wyszukiwanie społecznościowe: 44% dorosłych użytkowników szuka informacji o markach w mediach społecznościowych, a dla grupy wiekowej 16–34 lata jest to główny kanał badawczy. Rynek social commerce wyceniany na 1,3 tryliona dolarów w 2023 r. osiągnie 8 trylionów dolarów do 2030 r..
• Wyszukiwanie konwersacyjne: Liczba zapytań w Google formułowanych jako pełne pytania wzrosła w ciągu ostatnich 3 lat o 163%, stanowiąc już 21% wszystkich wyszukiwań.

Przewagę konkurencyjną budują organizacje, które tworzą unikalne dane źródłowe (badania branżowe, benchmarki, raporty) i dystrybuują je w wielu formatach. Pomiary pokazują, że treści generowane w 100% przez AI stanowią ponad połowę nowo publikowanych materiałów, ale generują poniżej 5% ruchu organicznego; z kolei treści tworzone przez ekspertów odpowiadają za 87% ruchu.

Analityka i śledzenie atrybucji w dobie wyszukiwarek bez kliknięć

Dotychczasowe systemy analityczne nie potrafią poprawnie zidentyfikować ruchu inicjowanego przez asystentów sztucznej inteligencji, przypisując go do wejść bezpośrednich lub anonimowych odsyłaczy. Brak widoczności na poziomie zapytań promptowych utrudnia ocenę zwrotu z inwestycji w marketing. Wdrożenie odpowiednich grup kanałów oraz audytów cytowań jest warunkiem koniecznym do poprawnej oceny pipeline’u.

Standardowa konfiguracja Google Analytics 4 (GA4) ukrywa ruch generowany przez silniki generatywne pod kategoriami Direct lub Referral, co zaciemnia rzeczywiste źródło pierwszego punktu styku. Dzieje się tak, ponieważ odpowiedź syntezowana w AI rozwiązuje problem użytkownika zanim dojrzeje on do kliknięcia w odnośnik.

Aby usunąć tę martwą strefę w analityce, kadra zarządzająca IT i marketingiem musi wdrożyć dwuwarstwowy model pomiarowy:

1. Warstwa konwersji i atrybucji w GA4: Utworzenie niestandardowej grupy kanałów (Custom Channel Group) filtrującej ruch z domen: chatgpt.com, chat.openai.com, perplexity.ai, gemini.google.com oraz claude.ai.
2. Warstwa widoczności promptowej (Audyt GEO): Regularne badanie udziału w cytowaniach (Share of Citations) dla top 20 komercyjnych zapytań branżowych.

Należy pominąć wskaźniki ilościowe na rzecz analizy jakościowej. Pytanie otwarte w formularzu kontaktowym („Jak do nas trafiłeś?”) ujawnia ścieżki decyzyjne niewidoczne dla kodów śledzących, pokazując nakładanie się rekomendacji AI, wideo na YouTube oraz dyskusji branżowych przed wykonaniem zapytania markowego w wyszukiwarce.

Wnioski practicalzne i rekomendacje

• Skonfiguruj w Google Analytics 4 dedykowaną grupę kanałów dla odsyłaczy z modeli LLM (chatgpt.com, perplexity.ai, gemini.google.com, claude.ai), aby oddzielić ruch generatywny od wejść bezpośrednich.
• Zmierz udział marki w odpowiedziach AI poprzez audyt 20 kluczowych pytań intencjonalnych zadawanych w ChatGPT, Perplexity oraz Google AI Overviews, weryfikując obecność w zestawieniach i kontekst cytowań.
• Zweryfikuj pliki robots.txt oraz strukturę techniczną pod kątem dostępności dla crawlerów AI (np. GPTBot), usuwając błędy w kodzie JavaScript i mikrodanych Schema.org (FAQPage, Article), które blokują parsowanie treści przez systemy RAG.
• Wdróż zasadę „odpowiedź w pierwszych 200 słowach” we wszystkich dokumentacjach technicznych i artykułach branżowych, przekształcając nagłówki H2/H3 w dosłowne pytania zadawane przez architektów systemowych.
• Wdróż proces publikacji autorskich danych, raportów z badań własnych oraz opinii imiennych ekspertów, pozyskując od 22 do 38 wzmianek na zewnętrznych portalach branżowych w celu zbudowania autorytetu maszynowego E-E-A-T.

Źródła

• AI + Search Behavior Study 2026 | Eight Oh Two
• From Search to Sidekick: How AI Agents Are Reshaping Marketing | VML
• Generative Engine Optimization (GEO): The Complete 2026 Guide | Enrich Labs
• How AI search is defining the new funnel for SaaS buyer discovery – Surfaced
• How Brand Discovery on Social Accelerated in 2025 – We Are Social UK
• Social commerce in 2025: What actually works, from discovery to checkout – Profitero
• The New Customer Journey: How AI Search Engines Are Rewriting the Marketing Funnel
• The New Discovery Funnel: How to Win Across AI, Search, Social & YouTube