Raporty / Suplementy 2026
Okładka raportu Jak AI rekomenduje suplementy w Polsce

Suplementy · Polska · wrzesień 2026

Jak AI rekomenduje suplementy w Polsce

W pierwszej odpowiedzi AI najczęściej wybiera składnik lub typ preparatu. Marka pojawia się dużo później — i mocno zależy od scenariusza, sposobu zadania pytania oraz systemu.

Pełny raport: 29 stron. Wyniki nie są poradą medyczną ani oceną skuteczności suplementów.

780odpowiedzi bazowych
429ocenionych follow-upów
13scenariuszy
6systemów AI
powtórzenie każdego promptu

Najważniejszy wniosek

AI buduje przede wszystkim półkę składników.

W pierwszej odpowiedzi modele najczęściej rekomendowały substancję, kategorię albo format suplementu, a nie konkretną markę. Półka marek pojawiała się później — szczególnie gdy użytkownik wprost prosił o konkretny produkt.

Marka w 25,2% odpowiedzi, jasny zwycięzca tylko w 1,9%

W 733 z 779 analizowanych odpowiedzi pojawiła się rekomendacja składnika, kategorii albo formatu. Konkretna marka została zarekomendowana w 196 odpowiedziach.

94,1%odpowiedzi rekomendowało składnik, kategorię lub format
25,2%rekomendowało konkretną markę
24,1%rekomendowało konkretny produkt
1,9%miało jasnego zwycięzcę
12,1%pytań o potrzebę kończyło się rekomendacją marki
38,3%próśb o konkretny suplement kończyło się marką

Sześć systemów, sześć zachowań

Jedna strategia dla wszystkich modeli nie wystarczy.

Google AI Mode było najbardziej skłonne do podawania marek i konkretnych produktów. GPT 5.6 Luna i Claude częściej pozostawały przy składnikach, dawkach, badaniach i warunkach stosowania.

Pierwsza odpowiedź według systemu
SystemMarkaProduktŹródła
Claude Sonnet 513/130 · 10,0%13/130 · 10,0%6/130 · 4,6%
Gemini 3.6 Flash49/130 · 37,7%47/130 · 36,2%17/130 · 13,1%
Google AI Mode68/129 · 52,7%64/129 · 49,6%116/129 · 89,9%
Google AI Overview39/130 · 30,0%37/130 · 28,5%91/130 · 70,0%
GPT 5.6 Luna5/130 · 3,8%5/130 · 3,8%130/130 · 100%
Perplexity Sonar22/130 · 16,9%22/130 · 16,9%130/130 · 100%

13 scenariuszy

Nie ma jednej półki suplementów.

Najchętniej modele wskazywały konkretne produkty przy włosach, skórze i paznokciach oraz suplementacji w ciąży. Na drugim krańcu były ogólna suplementacja, zmęczenie i odporność.

Rekomendacja marki: pytanie o potrzebę vs prośba o konkretny suplement
ScenariuszPotrzebaKonkretny suplementNajczęstsze marki
Ogólna suplementacja0/300/30Brak rekomendacji marek
Włosy / wypadanie6/3019/30Vitapil, Kerabione, Priorin
Stawy5/309/30Doppelherz, 4Flex, FlexiStav
Zmęczenie / energia2/304/30Solgar, Aliness, Diagnostyka
Odporność0/3010/30Möller's, Vigantol, Vigantoletten
Stres / sen6/3010/30LEK-AM, Olimp, Persen
Pamięć / koncentracja2/3013/30Ginkofar, Aliness, Aura Herbals
Jelita / trawienie5/3011/29Sanprobi, Debutir, Enterol
Oczy / wzrok4/3015/30SuperOptic, Nutrof, Lutezan
Odchudzanie9/302/30Wegovy, Singularis, Ozempic
Menopauza1/3014/30Remifemin, Soyfem, Promensil
Ciąża3/3021/30Femibion, Pregna, MamaDHA
Skóra / paznokcie4/3021/30Biotebal, Solgar, Doppelherz

Co zmienił follow-up

Drugie pytanie przesuwa rozmowę od składnika do produktu.

W drugim etapie wróciliśmy do odpowiedzi bez konkretnego produktu i poprosiliśmy wprost o wybór. W tych samych 429 odpowiedziach bazowych marka była rekomendowana dwa razy, a konkretny produkt ani razu. Po follow-upie marka pojawiła się w 286 odpowiedziach, produkt w 282, a jasny zwycięzca w 78.

66,7%follow-upów zakończyło się rekomendacją marki
65,7%zawierało konkretny produkt
18,2%miało jasnego zwycięzcę
97,5%follow-upów Gemini zawierało markę
80,8%follow-upów GPT 5.6 Luna zawierało markę
23,1%follow-upów Claude zawierało markę

Najczęściej rekomendowane marki

Doppelherz i Solgar prowadzą skalą. Specjalizacja daje inną przewagę.

Doppelherz pojawił się w 30 rekomendacjach i sześciu scenariuszach. Solgar miał 29 rekomendacji i najszerszy zasięg — osiem scenariuszy. Jednocześnie marki wyspecjalizowane potrafiły mocno wygrywać konkretne potrzeby.

Najczęściej rekomendowane marki w pierwszej odpowiedzi
MarkaRekomendacjePierwsza wzmiankaSystemyScenariusze
Doppelherz301256
Solgar29758
Biotebal221352
Olimp20748
Femibion19852
Kerabione19732
Pregna17351
Aliness15436
Vitapil15342
MamaDHA14031

Widoczność nie oznacza stabilności

Jedna odpowiedź często nie odtwarza się za drugim razem.

W 155 kompletnych zestawach prompt × system tylko 63 przynajmniej raz rekomendowały markę. W tej grupie dokładnie ten sam zestaw marek utrzymał się we wszystkich pięciu powtórzeniach tylko w dwóch przypadkach.

30,2%zestawów z marką rekomendowało jakąś markę we wszystkich 5 próbach
20,6%miało tę samą markę obecną we wszystkich 5 próbach
3,2%miało dokładnie ten sam zestaw marek w 5/5
4razy ta sama marka była polecona przez co najmniej 4 systemy
0razy ta sama marka uzyskała rekomendację 5 lub 6 systemów jednocześnie
155kompletnych zestawów prompt × system

Źródła widoczne w odpowiedziach

AI przechodzi od warstwy informacyjnej do komercyjnej.

W pierwszej odpowiedzi mocniej widoczne były źródła medyczne i instytucjonalne. Po prośbie o konkretny produkt częściej pojawiały się e-apteki, sklepy, rankingi i strony producentów. W 429 sparowanych rozmowach udział odpowiedzi ze źródłem wzrósł z 56,9% do 65,7%.

Cytowanie domeny nie jest dowodem wpływu na rekomendację, ale pokazuje informacyjny ekosystem, z którego korzystają systemy.

Najczęściej widoczne domeny
DomenaOdpowiedziSystemyScenariusze
doz.pl207413
gemini.pl130512
drmax.pl108512
medonet.pl106410
pantabletka.pl104512
wapteka.pl7748
ods.od.nih.gov71211
leki.pl6948
aptekarosa.pl6658
sklep.doppelherz.pl5337

Co z tego wynika dla marek suplementów

Najpierw potrzeba. Potem składnik. Dopiero potem marka.

Ogólny opis marki nie wystarczy. Produkty muszą być jednoznacznie powiązane z sytuacją użytkownika, składnikiem, dawką, formą, grupą użytkowników i ograniczeniami stosowania.

Zbuduj most składnik → produkt

AI zna witaminę D3, magnez, probiotyk, kolagen czy luteinę znacznie częściej niż wybiera konkretną markę.

Mierz każdy system osobno

Marka może być mocna w jednym systemie i prawie niewidoczna w drugim. Zachowuj podział na model, scenariusz i powtórzenie.

Retailerzy są częścią półki informacyjnej

Spójność nazwy, składu, wariantu, dawkowania i zastosowania powinna być utrzymana zarówno na stronie producenta, jak i w e-aptekach.

Specjalizacja może być mocniejsza niż zasięg

Dla wielu marek lepszym celem będzie wygranie konkretnego scenariusza niż próba bycia marką do wszystkiego.

Metodologia

13 scenariuszy, dwa typy pytań, pięć powtórzeń.

Badanie przeprowadzono 20 września 2026 w Polsce, po polsku. Zakres obejmował 13 scenariuszy i 26 promptów. Każdy prompt wykonano w pięciu niezależnych sesjach dla sześciu systemów. Planowana macierz liczyła 780 odpowiedzi, a do analizy głównej weszło 779.

Do 433 wybranych odpowiedzi bazowych bez konkretnego produktu dołączono wcześniejsze pytanie i odpowiedź oraz prośbę o produkt. 429 wyników z Claude, Gemini, GPT i Sonar weszło do analizy follow-upów.

  • Wyniki opisują zamkniętą baterię pytań i nie reprezentują wszystkich użytkowników ani całego rynku suplementów.
  • Odpowiedzi modeli są probabilistyczne; pięć powtórzeń ogranicza wpływ pojedynczej próby, ale go nie usuwa.
  • Rankingi marek mają charakter wielokrotnego wyboru i nie sumują się do 100%.
  • Cytowanie domeny nie jest dowodem wpływu źródła ani związku przyczynowego.
  • Wyniki nie są poradą medyczną ani oceną skuteczności poszczególnych suplementów.

Wniosek końcowy

W suplementach AI najpierw wybiera rozwiązanie, dopiero później markę.

Widoczność produktu powstaje na styku potrzeby użytkownika, składnika, formy, modelu AI, kolejnego pytania i źródeł. Dlatego markom nie wystarczy „być widocznym w AI”. Trzeba wiedzieć, w jakich scenariuszach model w ogóle przechodzi od substancji do produktu i czy wtedy wybiera właśnie tę markę.

Jak wygląda półka AI w Twojej kategorii?

Zamów audyt