Plecaki
CoolPack 36,7%, Topgal 21,3%, ST.RIGHT 17,9%.
Raporty / Wyprawka szkolna 2026
Raport LLM Shelf · Polska · sierpień 2026
Jak sztuczna inteligencja kompletuje wyprawkę szkolną
Co generatywna AI pakuje do plecaka? Sprawdziliśmy, jakie marki, produkty i sklepy rekomenduje sześć systemów AI.
Pełny raport: 33 strony. Badanie opisuje rekomendacje systemów AI, nie jakość produktów.
64pytania zakupowe
6badanych systemów AI
3powtórzenia każdego pytania
1150uzyskanych odpowiedzi
1085odpowiedzi przyjętych do analizy
Najważniejszy wniosek
AI chętnie wybiera.
Rzadko wybiera tak samo.
Nie istnieje jedna wspólna półka rekomendacji produktów szkolnych. Każdy system układa ją inaczej, a zmiana budżetu, wieku dziecka, kategorii lub nawet sposobu zadania pytania potrafi wymienić większość polecanych marek.
Ta sama marka wygrała tylko w co czwartym porównaniu
W całym badaniu zgodność pierwszego wyboru między systemami wyniosła 25,5%. Najwyższa była w elektronice, najniższa przy jedzeniu i przekąskach.
36,7%odpowiedzi o plecakach wskazywało markę CoolPack
25,5%porównań miało ten sam wybór numer 1 między systemami
63,6-95,9%odpowiedzi zawierało konkretny produkt, zależnie od systemu
30sieci handlowych pojawiło się po normalizacji wyników
3 z 3ręcznie sprawdzonych koszyków kosztowało więcej niż deklarowała AI
7%wyniosło pokrycie konkretnych produktów dla dziewczynek i chłopców
Ranking marek
CoolPack wygrywa skalą. Kategorie mają własnych liderów.
Ranking ogólny premiuje marki obecne w wielu częściach wyprawki. CoolPack był liderem całego badania, ale w poszczególnych kategoriach AI tworzyło inne shortlisty: BIC wygrywał artykuły papiernicze, b.box bidony i lunchboxy, Kubuś jedzenie, Adidas buty na WF, a Sony elektronikę.
Obecność marki w rankingu oznacza rekomendację konkretnego produktu tej marki. Jedna odpowiedź mogła zawierać kilka marek, dlatego udziały nie sumują się do 100%.
| Pozycja | Marka | Odpowiedzi | Udział |
|---|---|---|---|
| 1 | CoolPack | 170 | 15,7% |
| 2 | Faber-Castell | 135 | 12,4% |
| 3 | Stabilo | 131 | 12,1% |
| 4 | BIC | 112 | 10,3% |
| 5 | Maped | 110 | 10,1% |
| 6 | Pilot | 108 | 10,0% |
| 7 | Adidas | 98 | 9,0% |
| 8 | Astra | 86 | 7,9% |
| 9 | Nike | 86 | 7,9% |
| 10 | Oxford | 84 | 7,7% |
Artykuły papiernicze
BIC 22,5%, CoolPack 18,3%, Faber-Castell 17,8%.
Bidony i lunchboxy
b.box 56,3%, Mepal 37,9%, Ion8 25,3%.
Jedzenie i przekąski
Kubuś 29,5%, Bob Snail i Dobra Kaloria po 21,3%.
Buty na WF
Adidas 62,6%, Nike 42,3%, Asics 26,0%.
Elektronika
Sony 31,7%, Lenovo 29,6%, JBL 28,9%.
Retailer jest częścią odpowiedzi
AI nie tylko wybiera produkt. Wysyła też do sklepu.
W wynikach pojawiło się 30 sieci handlowych. Ich rola zależała od sytuacji zakupowej. Empik był najczęściej wskazywany przy pytaniach o całą wyprawkę w jednym miejscu, Decathlon przy butach i stroju na WF, a Biedronka przy przekąskach do szkoły.
Wzmianka o sklepie nie zawsze oznaczała rekomendację. Czasem sieć była jedynie punktem odniesienia dla ceny lub dostępności.
| Pozycja | Sieć | Obecność | Bezpośrednie rekomendacje |
|---|---|---|---|
| 1 | Decathlon | 51 | 48 |
| 2 | Empik | 32 | 28 |
| 3 | Biedronka | 28 | 24 |
| 4 | Auchan | 23 | 21 |
| 5 | Lidl | 21 | 18 |
| 6 | Carrefour | 18 | 16 |
| 7 | Allegro | 17 | 15 |
| 8 | Pepco | 15 | 13 |
| 9 | Smyk | 13 | 11 |
| 10 | Action | 10 | 8 |
Sześć różnych półek
System zmienia poziom konkretu i końcowy wybór.
Gemini 3.6 Flash najczęściej wskazywało konkretny produkt. Google AI Overview częściej pozostawało przy ogólnych kryteriach. Nawet gdy systemy wybierały te same marki, różniły się kolejnością i konkretnym modelem produktu.
Badanie objęło Claude Sonnet 5, Gemini 3.6 Flash, Google AI Mode, Google AI Overview, OpenAI GPT-5.6 Terra oraz Perplexity Sonar Pro.
| System AI | Odpowiedzi z produktem | Udział |
|---|---|---|
| Gemini 3.6 Flash | 163 z 170 | 95,9% |
| OpenAI GPT-5.6 Terra | 167 z 186 | 89,8% |
| Google AI Mode | 163 z 182 | 89,6% |
| Claude Sonnet 5 | 159 z 180 | 88,3% |
| Perplexity Sonar Pro | 146 z 183 | 79,8% |
| Google AI Overview | 117 z 184 | 63,6% |
Wyprawka za 300 zł
AI mieści budżet, skracając listę zakupów.
Porównaliśmy odpowiedzi na zwykłe pytanie o wyprawkę za 300 zł z pytaniami odwołującymi się do programu Dobry Start. Przywołanie świadczenia nie sprawiło, że modele znalazły tańszą pełną wyprawkę.
22% mniej marek i 17% mniej kategorii
W wariancie Dobry Start modele ograniczały zakres koszyka i przyjmowały optymistyczne ceny. Wszystkie trzy ręcznie sprawdzone koszyki kosztowały realnie więcej, niż deklarowała AI.
Google AI Overview, próba 1
Model deklarował 299,60 zł. Sprawdzona cena rynkowa wyniosła 351,66 zł.
Google AI Overview, próba 3
Model deklarował 282,50 zł. Sprawdzona cena rynkowa wyniosła 366,02 zł.
Gemini, próba 2
Model deklarował 233,00 zł. Sprawdzona cena rynkowa wyniosła 251,41 zł, ale koszyk był niekompletny.
Ceny wymagają weryfikacji
Największe różnice powstawały przez sumę drobnych niedoszacowań, nieaktualne promocje i mieszanie produktów z różnych półek cenowych.
Dziewczynka kontra chłopiec
Płeć dziecka działa jak niewidzialny filtr zakupowy.
W ośmiu parach pytań zmienialiśmy wyłącznie płeć dziecka, zachowując ten sam wiek, potrzebę i budżet. Listy marek pokrywały się średnio w 39%, a listy konkretnych produktów tylko w 7%.
Największe różnice pojawiały się w kategoriach wizualnych, takich jak plecaki i piórniki. Najmniejsze przy słuchawkach, gdzie ważniejsze były parametry techniczne.
24%pokrycia marek w rekomendacjach piórników
28%pokrycia marek dla plecaków do pierwszej klasy
38%pokrycia marek dla bidonów i lunchboxów
46%pokrycia marek dla butów na WF
65%pokrycia marek w rekomendacjach słuchawek
7%średniego pokrycia konkretnych produktów we wszystkich parach
Metodologia
Pojedyncza odpowiedź AI nie jest pomiarem.
Baza obejmowała 64 pytania w siedmiu obszarach zakupowych oraz module porównującym rekomendacje dla dziewczynek i chłopców. Każde pytanie wykonano trzykrotnie w sześciu systemach AI, w języku polskim i z polskim kontekstem zakupowym.
Macierz obejmowała 1152 planowane testy. Uzyskano 1150 odpowiedzi. Po kontroli jakości 1085 odpowiedzi wykorzystano w głównych agregatach. Taksonomia po normalizacji obejmowała 428 marek i 30 sieci handlowych.
Obszary zakupowe
Pełna wyprawka, plecaki, artykuły papiernicze, jedzenie i lunchboxy, WF, elektronika oraz pytania przekrojowe.
Jednostka pomiaru
Odpowiedź tekstowa. Marka była liczona maksymalnie raz w jednej odpowiedzi.
Kontrola jakości
65 wyników scoringu skierowano do ręcznej weryfikacji i wyłączono z głównych KPI raportu.
Ograniczenia
Wyniki pokazują zachowanie systemów w czasie badania. Nie są oceną jakości produktów ani gwarancją przyszłych rekomendacji.
Wniosek końcowy
Marka nie ma jednej pozycji w AI.
Każdy system układa inną półkę rekomendacji. Widoczność zależy od kategorii, intencji, budżetu, danych produktowych, źródeł i kontekstu użytkownika. Dlatego pozycjonowanie produktów w AI wymaga pomiaru wielu modeli, powtórzeń i realnych sytuacji zakupowych.
Gdzie na tej półce znajduje się Twoja marka?
Zamów audyt