Shortlista to nie wygrana
„Warto rozważyć” i „wybrałbym” to dwa różne etapy decyzji. Samo wejście do odpowiedzi nie wystarcza.
Raporty / Beauty 2026
Beauty · Polska · sierpień–wrzesień 2026
Jedna potrzeba, pięć różnych półek
Co systemy AI rekomendują konsumentom kosmetyków w Polsce, gdzie wysyłają ich po zakup i co zmienia kolejne pytanie?
Pełny raport: 18 stron. Badanie mierzy zachowanie systemów AI podczas decyzji produktowej, nie jakość kosmetyków.
3 200odpowiedzi bazowych
1 180follow-upów
4 380łącznie odpowiedzi / etapów
128unikalnych pytań
5systemów AI
Najważniejszy wniosek
Marka nie ma jednej pozycji w AI.
La Roche-Posay miało największy zasięg rekomendacji, a CeraVe najczęściej otwierało shortlistę. To jednak nie tworzy jednego stabilnego rankingu: zmiana systemu, potrzeby, budżetu albo kolejnego pytania potrafi przestawić całą półkę.
Ta sama pierwsza marka we wszystkich pięciu systemach tylko 5 razy
W 265 w pełni porównywalnych przypadkach wszystkie systemy wskazały pierwszą markę. Zgodziły się co do tej samej tylko w 5 przypadkach, czyli 1,9%.
74,3%odpowiedzi bazowych zawierało rekomendację marki
39,4%odpowiedzi rekomendowało La Roche-Posay
21,4%odpowiedzi otwierało rekomendację od CeraVe
14,2%zestawów miało tę samą pierwszą markę w 5/5 powtórzeń
98,1%porównywalnych follow-upów zawierało rekomendację marki
8badanych potrzeb konsumenckich
Ranking ogólny
Największy zasięg i pierwszy wybór to dwa różne rodzaje przewagi.
La Roche-Posay było rekomendowane najczęściej. CeraVe pojawiało się jako rekomendacja nieco rzadziej, ale niemal dwa razy częściej zajmowało pierwszą pozycję. Sam share of voice nie pokazuje więc, kto faktycznie otwiera odpowiedź.
| Marka | Rekomendacje | Recommendation rate | Pierwsza pozycja | First exposure |
|---|---|---|---|---|
| La Roche-Posay | 1 260 | 39,4% | 343 | 10,7% |
| CeraVe | 1 173 | 36,7% | 685 | 21,4% |
| Bioderma | 518 | 16,2% | 121 | 3,8% |
| BasicLab | 467 | 14,6% | 114 | 3,6% |
| Bielenda | 425 | 13,3% | 70 | 2,2% |
| Avène | 385 | 12,0% | 56 | 1,8% |
| The Ordinary | 319 | 10,0% | 94 | 2,9% |
| Eucerin | 250 | 7,8% | 78 | 2,4% |
| Cetaphil | 185 | 5,8% | 30 | 0,9% |
| Geek & Gorgeous | 168 | 5,2% | 39 | 1,2% |
To samo pytanie, inny system
„AI” nie jest jednym kanałem.
Gotowość do rekomendowania konkretnej marki różniła się między systemami prawie dwukrotnie. Każdy z nich budował też inną shortlistę, dlatego średnia ze wszystkich modeli może ukrywać realny problem marki.
| System | Odpowiedzi z marką | Odpowiedzi | Udział |
|---|---|---|---|
| Gemini 3.5 Flash | 584 | 640 | 91,2% |
| Google AI Overview | 520 | 640 | 81,2% |
| Claude Sonnet 4.5 | 514 | 640 | 80,3% |
| OpenAI GPT-5.4 mini | 412 | 640 | 64,4% |
| Perplexity Sonar Pro | 348 | 640 | 54,4% |
Osiem potrzeb, osiem półek
Zmiana problemu użytkownika zmienia lidera.
Dla producenta ważniejsze od ogólnego rankingu jest pytanie, w których potrzebach marka automatycznie trafia do consideration set, a w których AI najpierw myśli o konkurencji.
| Potrzeba | Lider rekomendacji | Wynik | Pierwsza marka | Wynik |
|---|---|---|---|---|
| Aging / retinoidy | La Roche-Posay | 30,5% | CeraVe | 14,8% |
| SPF | La Roche-Posay | 48,2% | La Roche-Posay | 23,2% |
| Nawilżanie | CeraVe | 45,2% | CeraVe | 25,0% |
| Oczyszczanie | CeraVe | 53,0% | CeraVe | 31,2% |
| Bariera | CeraVe | 51,7% | CeraVe | 37,2% |
| Przebarwienia | La Roche-Posay | 36,0% | Eucerin | 10,2% |
| Trądzik | CeraVe | 43,8% | CeraVe | 26,8% |
| Wrażliwość | La Roche-Posay | 49,2% | CeraVe | 21,8% |
Pierwsza odpowiedź to dopiero początek
Kolejne pytanie potrafi zmienić zwycięzcę.
Drugi etap badania objął 1 180 follow-upów. Testowaliśmy wybór jednego zwycięzcy, zamiennik, produkt uzupełniający, zmianę budżetu oraz sytuację, w której użytkownik wprost prosi o konkretną rekomendację.
Budżet tworzy nową półkę
W module Budget Shift La Roche-Posay spadało z 39,4% w benchmarku ogólnym do 4,2% odpowiedzi w tym module. To nie jest klasyczny uplift test, ale pokazuje, jak mocno kryterium ceny zmienia decyzję.
98,1%porównywalnych follow-upów z rekomendacją marki
99,5%z konkretnym produktem
246jednoznacznych zwycięzców
831odpowiedzi ze źródłem
25,6%odpowiedzi „wybierz jeden produkt” wygrywało CeraVe
47,9%odpowiedzi upsellowych rekomendowało CeraVe
Retail i źródła
Cytowanie, wpływ i miejsce zakupu to trzy różne rzeczy.
AI często dopowiada nie tylko co kupić, ale również gdzie. Rossmann dominował jako rekomendowane miejsce zakupu, podczas gdy Super-Pharm był najczęściej widoczną domeną w warstwie źródeł.
Cytowanie ≠ wpływ ≠ rekomendacja. Widoczność domeny pokazuje ekosystem informacyjny, ale sama nie dowodzi, że źródło spowodowało wybór marki.
36,4%odpowiedzi wskazywało ogólny kanał zakupu
21,1%wymieniało konkretnego retailera
13,1%wyraźnie wskazywało miejsce zakupu
81,6%odpowiedzi retailowych zawierało Rossmanna
1 034wystąpienia superpharm.pl w źródłach
977wystąpień rossmann.pl w źródłach
Co to oznacza dla producentów
Nie optymalizuj jednej „widoczności AI”.
Minimum to osobne mierzenie recommendation rate, first-position exposure, use case'u, systemu, stabilności i wyniku po follow-upie. Strategia powinna zaczynać się od potrzeb, w których marka ma prawo być naturalną odpowiedzią AI.
Badaj każdy system osobno
Średnia może wyglądać dobrze, kiedy jeden z kluczowych systemów praktycznie nie bierze marki pod uwagę.
Badaj rozmowę, nie jeden prompt
Zwycięzca, zamiennik, uzupełnienie rutyny i tańszy wariant mogą prowadzić do innych marek.
Treści muszą wspierać decyzję
AI powinno rozumieć: dla kogo jest produkt, na jaki problem, dlaczego ten, czym różni się od innych, kiedy go nie stosować, co jest substytutem i z czym można go połączyć.
Metodologia
Pojedyncza odpowiedź nie jest pomiarem.
Badanie bazowe obejmowało 128 naturalnych pytań w ośmiu obszarach pielęgnacji skóry. Każdy prompt wykonano pięć razy w pięciu systemach AI. Powstało 3 200 odpowiedzi bazowych. Drugi etap objął 1 180 follow-upów.
Wyniki pokazują zachowanie systemów w czasie badania. Nie są rankingiem jakości kosmetyków, badaniem skuteczności klinicznej, rankingiem sprzedaży ani rekomendacją dermatologiczną.
- Odpowiedzi generatywne są zmienne; pięć powtórzeń ogranicza wpływ pojedynczego wyniku, ale go nie eliminuje.
- Prompty mierzą różne etapy decyzji i nie powinny być traktowane jako identyczny test recommendation rate.
- Źródło nie oznacza wpływu; współwystępowanie domeny i rekomendacji nie dowodzi związku przyczynowego.
- Follow-up celowo zmienia etap decyzji, więc nie jest klasycznym testem liftu.
Wniosek końcowy
Marka nie ma jednej pozycji w AI.
Zmiana potrzeby użytkownika zmienia lidera. Zmiana systemu zmienia shortlistę. Budżet potrafi całkowicie przestawić półkę. Kolejne pytanie może zawęzić kilka rekomendacji do jednego produktu, wskazać zamiennik, dobudować cały basket albo zmienić wcześniejszy wybór. Do tego dochodzą źródła, stabilność odpowiedzi i miejsce zakupu.
Prawdziwa półka AI: czy marka wchodzi do rozważanych marek → jak wysoko jest ustawiona → przy jakiej potrzebie wygrywa → co dzieje się po kolejnym pytaniu → skąd model bierze informacje → i dokąd ostatecznie kieruje użytkownika.
Do AI przychodzi konsument, który często już wie, czego potrzebuje. Opisuje problem, budżet i preferencje i oczekuje konkretnej odpowiedzi. Dlatego rekomendacja ma inną wartość niż sama wzmianka. Nie wystarczy być często cytowanym ani mieć dużo treści w internecie. Najpierw trzeba zmierzyć, gdzie marka jest wybierana, gdzie przegrywa i z kim, potem zrozumieć dlaczego, a dopiero na tej podstawie budować plan działań dotyczący treści, architektury informacji, danych produktowych i źródeł.
Bo walka nie toczy się już tylko o to, czy AI zna markę. Toczy się o to, czy wybierze ją wtedy, kiedy konsument naprawdę chce coś kupić.
Gdzie na tej półce znajduje się Twoja marka?
Zamów audyt