Przez lata recepta na cyfrowy sukces drogerii była stosunkowo czytelna: szeroki asortyment, duży budżet SEO, tysiące fraz w Google i mocna domena. Sztuczna inteligencja zaczyna jednak układać własną półkę z markami — i nie zawsze góra należy największych graczy.
Coraz więcej konsumentów przy zakupie kieruje się najpierw rekomendacjami w czatach, a dopiero potem szuka konkretnych produktów w sieci. Co się stanie gdy zamiast scrollować Google, zapyta od razu AI o najlepszy krem z retinolem albo idealny zapach na lato?
Z raportu firmy Delante, który Wiadomości Kosmetyczne publikują jako pierwsze, wynika, że odpowiedź nie zależy już tylko od pozycji Google i skali marki. Liczą się specjalizacja, konstrukcja kategorii, poradniki oraz obecność w miejscach, w których konsumenci naprawdę rozmawiają o produktach.
Liderzy rynku nie muszą być więc liderami rekomendacji, mniejszy sklep może ograć wielką sieć dzięki lepszej architekturze treści i wyraźniejszej specjalizacji. W pierwszym Raporcie widoczności AI Delante z czerwca 2026 r. największy znak ostrzegawczy otrzymały sieci premium.
Raport widoczności drogerii w AI to jeszcze nie ranking rynku
Wyniki należy traktować jako wyraźny sygnał, ale nie jako ostateczny ranking popularności drogerii w AI. Badanie promptów obejmuje 23 pytania i miesięczny okres monitoringu. Dane SEO pochodzą z globalnego Ahrefs, a część wskaźników, takich jak Brand Score, z panelu Chatbeat. Poszczególne modele zmieniają się szybko, a odpowiedzi mogą zależeć od sposobu sformułowania pytania.
Rossmann synonimem drogerii
Raport Delante zestawia tradycyjną widoczność organiczną dziesięciu e-sklepów beauty: Notino, Hebe, Rossmann, Sephora, Cocolita, Douglas, Super-Pharm, Cosibella.pl, eZebra oraz Minti Shop z ich obecnością w odpowiedziach ChatGPT, Gemini, Perplexity, Copilota, Groka i Google AI Overviews. Autorzy przeanalizowali 23 pytania odpowiadające kolejnym etapom ścieżki zakupowej: od poszukiwania porady przez porównanie produktów aż po wybór sklepu.
Król Google nie zgarnia całej puli
W klasycznym wyszukiwaniu układ sił nie zaskakuje. Według danych Ahrefs (ruch organiczny, wartość tego ruchu, liczba fraz w TOP 3 i TOP 10 oraz baza domen odsyłających dla każdej marki) Rossmann generuje blisko 3,86 mln wizyt organicznych miesięcznie. To ponad dwa razy więcej niż Hebe i trzy razy więcej niż Notino. Marka ma także 66,8 tys. fraz w TOP 3 wyników wyszukiwania.
Rossmann również pozostaje liderem w szerokim zestawieniu cytowań w modelach AI z wynikiem 20 650. Problem pojawia się, gdy porównamy ten wynik ze skalą ruchu. Wskaźnik efektywności tzw. Ratio LLM Citation - stosunek liczby cytowań w chatbotach do tradycyjnego ruchu organicznego - Rossmanna wynosi 3,2, a dla eZebry — 8,2.
Oznacza to, że eZebra, dysponująca około 18 razy mniejszym ruchem organicznym, znacznie sprawniej przekłada swój cyfrowy autorytet na cytowania przez modele językowe AI. Kolejne miejsca pod względem efektywności zajmują Notino z wynikiem 6,8 i Super-Pharm — 6,1.
Dla zarządów sieci detalicznych to ważny sygnał. Przewaga wypracowana w Google nie znika, ale przestaje być polisą gwarantującą dominację w nowym kanale dotarcia.
Bitwa na prompty: Hebe wygrywa chwilę, w której klient wyciąga portfel
Jeszcze ciekawszy obraz daje kontrolowane badanie 23 promptów. W rankingu łącznym Hebe i Rossmann zdobywają po 56 cytowań. Ich wyniki powstają jednak w zupełnie inny sposób.
Rossmann korzysta z olbrzymiego śladu cyfrowego. W polskim internecie marka jest tak często zestawiana ze słowem „drogeria”, że dla modeli AI staje się synonimem drogerii i domyślnie się ustawia. Z kolei Hebe przy pytaniach informacyjnych zdobywa tylko cztery cytowania, podczas gdy Notino ma ich 20, a Rossmann, Cosibella i Super-Pharm po 16. Kiedy jednak użytkownik zaczyna porównywać produkty i wybierać miejsce zakupu, Hebe wysuwa się na prowadzenie: uzyskuje 24 cytowania przy intencji porównawczej i 28 przy zakupowej.
Według autorów raportu źródłem tej przewagi są dobrze opisane kategorie i filtry obejmujące między innymi kosmetyki koreańskie, naturalne i wegańskie - czyli chatbot potrafi zrozumieć, co sklep oferuje, komu i w jakim kontekście.
W wynikach AI mały sklep może pokonać sieć premium
Najbardziej niewygodnym wnioskiem dla dużych sieci jest pozycja Minti Shop. Sklep zamyka ranking tradycyjnego ruchu organicznego z wynikiem około 82,6 tys. wizyt miesięcznie. W zestawieniu 23 promptów zajmuje jednak czwarte miejsce.
Minti Shop nie istnieje na etapie rozpoznawania produktów, ale pojawia się 20 razy przy porównywaniu ofert i 16 razy przy pytaniach zakupowych. Wygrywa dzięki wyraźnemu profilowi, szczególnie w obszarze pielęgnacji azjatyckiej.
Odwrotną historię opowiadają wyniki sieci premium. Sephora zdobywa 12 cytowań informacyjnych i osiem porównawczych, lecz ani jednego zakupowego. Douglas ma w całym badaniu zaledwie cztery cytowania. W pytaniach edukacyjnych i porównawczych nie pojawia się wcale.
To zaskakujący paradoks: marki mające mocny wizerunek, rozbudowaną ofertę i wysoką rozpoznawalność mogą być dla algorytmu mniej czytelne niż wyspecjalizowany e-sklep.
AI najpierw czyta poradnik, później kategorię
Raport pokazuje również, że różne formaty treści pracują na różnych etapach lejka zakupowego. Przy pytaniach typu „jakie serum z witaminą C wybrać” albo „jak stosować retinol” modele preferują blogi eksperckie, poradniki i sekcje inspiracyjne. Dzięki temu w fazie edukacyjnej mocne są Notino, Cosibella i Super-Pharm.
Gdy użytkownik pyta już o ranking podkładów, kosmetyki koreańskie albo najlepszą drogerię z produktami wegańskimi, znaczenia nabierają logiczne nazwy kategorii, filtry oraz konkretne marki przypisane do odpowiednich segmentów.
Dla producentów kosmetyków oznacza to, że nie wystarczy mieć dobrze przygotowaną kartę produktu. Marka musi pojawiać się również w poradnikach sprzedawców, rankingach, opisach kategorii, recenzjach wideo i rozmowach konsumentów.
Reddit i YouTube ważniejsze niż firmowy komunikat
Wśród zewnętrznych źródeł wykorzystywanych w analizowanej próbie najczęściej pojawiają się Reddit — 42 razy — i YouTube — 39 razy. Kolejne miejsce zajmuje serwis wydawajdobrze.com z 32 wystąpieniami.
To może oznaczać przesunięcie budżetów komunikacyjnych. Tradycyjny artykuł sponsorowany i link prowadzący do strony sklepu przestają wystarczać. Dla modeli AI ważny jest kontekst: recenzje, porównania, dyskusje użytkowników i odpowiedzi na bardzo konkretne problemy zakupowe.
JAK CZYTAĆ RAPORT i WYNIKI RANKINGU WIDOCZNOSCI?
W raporcie używacie określeń „cytowanie”, „wzmianka”, „polecenie” i „rekomendacja”. Czy każde pojawienie się nazwy marki jest przez was traktowane tak samo? Gdzie przebiega granica między neutralnym cytowaniem a realną rekomendacją zakupową?
- Zdecydowanie nie traktujemy ich tożsamo. W metodologii wyraźnie oddzielamy neutralne cytowanie od rekomendacji zakupowej.
Cytowanie/Wzmianka pojawia się głównie w koszyku informacyjnym – model LLM odsyła do domeny (często do bloga) jako do źródła wiedzy (np. o filtrach SPF). Marka występuje tu w roli eksperta. Rekomendacja/Polecenie to domena koszyka transakcyjnego. Algorytm dokonuje tu wartościowania i wprost wskazuje markę jako najlepsze miejsce na zakupy (np. odpowiadając na prompt „Gdzie tanio kupić oryginalne perfumy?”).
Dlaczego zdecydowaliście się dokładnie na 23 prompty? Czy udostępnicie pełną listę pytań, aby inni badacze mogli powtórzyć analizę?
- Liczba 23 promptów to efekt selekcji. Chcieliśmy stworzyć reprezentatywny ekosystem realnych zachowań zakupowych Polek i Polaków. Wybrane zapytania precyzyjnie pokrywają trzy kluczowe etapy ścieżki klienta (consumer journey): edukację, porównywanie ofert oraz samą transakcję. Jako zwolennicy pełnej transparentności, udostępniamy kompletną listę pytań w raporcie. Chcemy, aby badanie było w pełni replikowalne.
Odpowiedzi modeli bywają zmienne. Ile razy powtarzaliście każdy prompt i w jaki sposób eliminowaliście losowość?
- Jednorazowe odpytanie modeli generatywnych daje przypadkowe wyniki. Aby wyeliminować losowość, zastosowaliśmy miesięczny monitoring ciągły za pomocą narzędzia Chatbeat. Każdy z 23 promptów był powtarzany w regularnych odstępach czasu przez okres 30 dni. Dane prezentowane w raporcie (np. 56 czy 52 cytowania) to zagregowana suma wskazań z całego miesiąca, a nie chwilowy zrzut ekranu.
W jakich konkretnie dniach wykonano badanie? Jakie wersje ChatGPT, Perplexity i pozostałych modeli były wtedy aktywne?
- Zarówno dane o Share of Voice (Chatbeat), jak i globalne statystyki cytowań (Ahrefs) zostały zaktualizowane i zebrane na przełomie drugiego kwartału 2026 roku. W badaniu brały udział najnowsze, stabilne wersje produkcyjne modeli: ChatGPT (GPT-4o z funkcją search), Perplexity (silnik Sonar), Google Gemini oraz wdrożone na polskim rynku wyszukiwarki Google AI Overviews (AIO), a także Copilot i Grok.
Czy zapytania wykonywano na nowych, niezalogowanych kontach? Czy modele mogły korzystać z historii rozmów, lokalizacji albo personalizacji?
- Wszystkie testy realizowaliśmy w środowisku całkowicie czystym (clean lab). Boty odpytujące symulowały zapytania z nowych sesji – bez historii wcześniejszych czatów i bez personalizacji konta. Jedynym kontrolowanym parametrem była polska geolokalizacja (IP) oraz język polski, co było niezbędne do rzetelnego zbadania rodzimego rynku e-commerce.
Dane o ruchu organicznym z Ahrefs są globalne, a raport dotyczy polskiego e-commerce. Czy to nie zaburza porównania dla marek międzynarodowych?
- To ważna uwaga, dlatego w naszej analizie odpowiednio przefiltrowaliśmy dane z Ahrefs, izolując statystyki wyłącznie dla rynku polskiego. Prezentowane liczby dotyczące ruchu organicznego i fraz w TOP 3/TOP 10 dotyczą wyłącznie widoczności w domenie google.pl. Porównanie gigantów takich jak np. Notino (aktywnego na wielu rynkach) z markami lokalnymi jest dzięki temu w pełni miarodajne i sprawiedliwe.
Jak dokładnie liczony jest Ratio LLM Citation? Czy ten wskaźnik nie premiuje automatycznie mniejszych domen?
- Ratio LLM Citation to stosunek łącznej liczby cytowań w modelach AI do liczby domen odsyłających (Referring Domains – RD) danej marki. Pokazuje on, jak efektywnie dany brand konwertuje swój historycznie zbudowany profil linków i autorytet domeny na bezpośrednie rekomendacje w chatbotach. Czy to premiuje mniejsze domeny? Nie, ten wskaźnik po prostu pokazuje brak efektywności poszczególnych marek.
Brand Score to algorytmiczna ocena wiarygodności marki. Jakie sygnały składają się na ten wynik i co ma największą wagę?
- Brand Score to metryka w skali od 0 do 100%, która wprost wskazuje, jak często i jak wysoko dana marka pojawia się w odpowiedziach chatbotów AI. Wynik 100% oznacza maksymalną możliwą ekspozycję – czyli sytuację, w której dany brand zajmuje pierwsze miejsce we wszystkich kluczowych zapytaniach.
Na ten wskaźnik składają się trzy kluczowe parametry mierzone w panelu Chatbeat: Częstotliwość występowania marki w odpowiedziach AI, pozycja, na której występuje marka w porównaniu do konkurencji oraz w jakiej części monitorowanych promptów występuje (w ilu spośród wszystkich testowanych zapytań - informacyjnych, porównawczych i transakcyjnych - marka zdołała wygenerować widoczność)
Raport łączy dane Ahrefs i Chatbeat. Czy te narzędzia mierzą to samo, czy to dwa różne, nieporównywalne światy?
To dwa skrajnie różne obrazy, ale ich zderzenie stanowi największą wartość raportu. Ahrefs mierzy tradycyjne SEO (gdzie użytkownicy szukali produktów wczoraj), a Chatbeat bada AISO (dokąd AI skieruje ich jutro). Dopiero zestawienie tych dwóch światów pozwala markom zdiagnozować swoją lukę technologiczną i zrozumieć, czy ich wielomilionowe budżety SEO przekładają się na widoczność w tych dwóch ekosystemach.
