Mediana CTR reklam Shopping w kontach e-commerce wzrosła w ciągu roku o około 20 procent, z 1,20 do niemal 1,55 procent. Brzmi jak sukces, tyle że w tym samym czasie mediana wyświetleń na konto spadła z około 1,85 miliona do około 1,4 miliona. Analiza opublikowana 7 września przez Mike’a Ryana, szefa działu e-commerce w firmie Smarter Ecommerce, sugeruje, że za tą rozbieżnością mogą stać AI Overviews, a rosnący wskaźnik klikalności nie opisuje wcale lepszej skuteczności reklam.
Kontekst: dlaczego to nie jest kolejny raport o CTR
Od ponad roku branża mierzy się z pytaniem, co AI Overviews robią z ruchem organicznym. Odpowiedź jest w miarę ustalona: wydawcy notują więcej wyświetleń i mniej kliknięć, bo odpowiedź generowana przez model zaspokaja intencję użytkownika, zanim ten zdąży zejść do wyników. Ryan nazywa ten układ efektem krokodyla, przez kształt wykresu, na którym linia wyświetleń i linia kliknięć rozchodzą się jak otwarta paszcza.
Nowy materiał przenosi to pytanie na stronę płatną, a wynik jest odwrotny do intuicji. W reklamach produktowych krzywe rozchodzą się w drugą stronę: wyświetleń ubywa wyraźnie, kliknięć jest mniej więcej tyle samo lub nieco mniej, więc iloraz jednego przez drugie rośnie. To nie jest ta sama historia opowiedziana innymi liczbami, to inna mechanika, którą łatwo pomylić z poprawą wyników.
Różnica ma znaczenie praktyczne, bo CTR jest w Google Ads metryką domyślnie traktowaną jako sygnał jakości. Jeśli rośnie, większość zespołów uznaje, że kreacje, feed albo licytacja zadziałały lepiej. Analiza Smarter Ecommerce podważa ten odruch i pokazuje, że ten sam wzrost może być skutkiem ubocznym tego, gdzie Google w ogóle zdecydował się reklamy pokazać.
Warto od razu zaznaczyć, o czym ten tekst nie jest. Nie o tym, że reklamy produktowe przestały działać, bo nic na to nie wskazuje. Nie o tym, że budżety trzeba ciąć. Jest o tym, że jedna z najczęściej raportowanych metryk w e-commerce zaczęła mierzyć coś innego niż rok temu, a większość zespołów nie zauważyła momentu, w którym to się stało.
Kluczowe fakty z analizy
Próbka jest nietypowo duża jak na tego typu opracowania. Ryan pracował na tysiącach kampanii Shopping i Performance Max, rozłożonych na setkach kont reklamowych, co daje w sumie około 175 miliardów wyświetleń. Okres porównania to dwanaście miesięcy, od połowy 2025 do połowy 2026 roku.
| Metryka | Połowa 2025 | Połowa 2026 | Zmiana |
|---|---|---|---|
| Mediana wyświetleń Shopping na konto | ok. 1,85 mln | ok. 1,4 mln | spadek o ok. 24% |
| Mediana CTR Shopping | 1,20% | ok. 1,55% | wzrost o ok. 20% |
| Kliknięcia | płasko lub lekko w dół | bez wyraźnego trendu | |
| Benchmark Optmyzr (CTR) | pomiar niezależny | wzrost o 17% rok do roku | |
| Wolumen analizy | ok. 175 mld wyświetleń, tysiące kampanii, setki kont | ||
Kierunek potwierdza niezależny pomiar. Jak podaje Search Engine Land, dane benchmarkowe Optmyzr pokazują w tym samym okresie wzrost CTR o 17 procent rok do roku, czyli bardzo blisko wyniku Smarter Ecommerce. Dwa niezależne źródła, dwie różne metodologie i zbliżona skala zmiany to mocniejsza przesłanka niż pojedyncze opracowanie.
Najważniejsze zdanie całej analizy jest zaskakująco proste. Ryan stwierdza, że reklamy Shopping niekoniecznie generują istotnie więcej kliknięć, tylko są pokazywane rzadziej, co podbija CTR. To jest cała teza, reszta materiału to jej obudowa dowodowa.
Hipoteza o rozdzielnych stronach wyników
Mechanizm, który Ryan proponuje, opiera się na obserwacji układu strony wyników. Zauważa on, że w zależności od zapytania Google serwuje bardzo różne doświadczenia zakupowe w głównych wynikach wyszukiwania, i dodaje, że anegdotycznie rzadko widuje reklamy Shopping i AI Overviews razem na tym samym SERP-ie. Zwykle jest albo jedno, albo drugie.
Jeśli ta obserwacja utrzymuje się w skali, konsekwencja jest następująca. Google rozdziela zapytania na dwa koszyki. Te o wyraźnej intencji transakcyjnej dostają reklamy produktowe, te bardziej informacyjne i eksploracyjne dostają odpowiedź AI. Reklamodawca traci więc cały dolny, słabiej konwertujący ogon zapytań, który wcześniej generował dużo wyświetleń i mało kliknięć. Po jego odcięciu średni CTR musi wzrosnąć czysto arytmetycznie, nawet gdyby żadna kampania nie zmieniła się ani na jotę.
Ten mechanizm warto zrozumieć, bo jest kontrintuicyjny. Wyobraźmy sobie konto, w którym połowa wyświetleń pochodzi z zapytań ogólnych o CTR na poziomie 0,6 procent, a druga połowa z zapytań konkretnych o CTR 1,8 procent. Średnia wynosi 1,2 procent. Jeśli Google przestanie serwować reklamy na tej pierwszej połowie, średnia skoczy do 1,8 procent, czyli o 50 procent, mimo że w żadnym z dwóch segmentów nic się nie poprawiło. Kliknięć będzie natomiast mniej, bo znikła połowa wolumenu.
Czego analiza nie dowodzi
Ryan jest tu uczciwy i sam stawia zastrzeżenie, które powinno trafić do każdego streszczenia tego materiału. Dane nie dowodzą, że to AI Overviews powodują tę zmianę. Zbieżność w czasie może być przypadkowa, AI Overviews mogą wpływać na wynik pośrednio przez inny mechanizm, albo odpowiedzialne może być coś zupełnie innego.
To nie jest kurtuazyjna klauzula. W tym samym dwunastomiesięcznym oknie zmieniło się kilka rzeczy naraz: struktura kampanii przesuwała się w stronę Performance Max i AI Max, Google modyfikował układ karuzeli produktowych, a część reklamodawców ograniczała budżety w reakcji na koszty. Każdy z tych czynników potrafi samodzielnie ściąć wyświetlenia. Analiza pokazuje korelację na dużej próbce, nie związek przyczynowy.
Jest też problem z samą konstrukcją mediany na koncie. Jeśli w badanym okresie do próbki dołączyły mniejsze konta albo część większych przesunęła wydatki poza Shopping, mediana wyświetleń spadnie bez żadnej zmiany po stronie Google. Materiał nie opisuje, czy panel kont był stały przez całe dwanaście miesięcy, a to rozróżnienie ma tu realne znaczenie.
Co to znaczy dla SEO i AIO
Pierwszy wniosek dotyczy raportowania i jest niezależny od tego, czy hipoteza o AI Overviews się potwierdzi. CTR przestał być w kampaniach produktowych metryką samoopisującą. Jeśli rośnie przy kurczących się wyświetleniach, opisuje selekcję zapytań dokonaną przez Google, a nie jakość pracy zespołu. Raport, który pokazuje zarządowi wzrost CTR o 20 procent bez kontekstu wolumenu, jest po prostu mylący.
Drugi wniosek jest strukturalny. Jeśli Google faktycznie rozdziela strony wyników na zakupowe i odpowiedziowe, to część popytu, którą do tej pory dało się kupić w Shopping, przenosi się do warstwy, w której nie ma aukcji. Widoczność w tej warstwie zdobywa się inaczej: przez to, czy model ma z czego zbudować odpowiedź o produkcie i czy zacytuje właśnie naszą stronę. To jest dokładnie ten obszar, który opisywaliśmy przy okazji danych o tym, że strony produktowe zbierają 24 procent cytowań AI. Budżet mediowy nie kupi tam miejsca, kupi je jakość i strukturalna czytelność opisu produktu.
Trzeci wniosek dotyczy podziału odpowiedzialności w zespole. Dopóki reklamy i organik konkurowały o miejsca na tym samym SERP-ie, rozdzielenie budżetów było kwestią efektywności. Jeśli zapytania rozchodzą się na dwa rozłączne typy stron wyników, to jest to już kwestia pokrycia rynku. Zapytania, które trafiły do koszyka odpowiedzi AI, są dla działu PPC niedostępne, niezależnie od stawki. Odzyskać je może wyłącznie zespół contentowy, i to nie przez optymalizację pod pozycję, tylko przez cytowalność.
Czwarty wniosek jest ostrzeżeniem przed fałszywym alarmem w drugą stronę. Ten sam mechanizm selekcji, który podbija CTR, podbija też współczynnik konwersji, bo ruch koncentruje się na zapytaniach o wyższej intencji. Konto, w którym rośnie i CTR, i współczynnik konwersji, wygląda w raporcie na wzorowo zoptymalizowane, podczas gdy przychód może stać w miejscu albo spadać. Jedynym wskaźnikiem, który nie da się w ten sposób zniekształcić, jest wolumen: kliknięcia, konwersje i przychód w wartościach bezwzględnych.
Pięć metryk do sprawdzenia przed interpretacją wzrostu CTR
- Kliknięcia bezwzględne, nie tylko trend CTR. Jeśli kliknięć jest tyle samo lub mniej, wzrost wskaźnika nie przynosi ani złotówki dodatkowego przychodu.
- Wyświetlenia Shopping w czasie. Wykres miesiąc do miesiąca za pełne dwanaście miesięcy, nie porównanie dwóch punktów.
- Źródło utraty udziału w wyświetleniach. Google rozdziela je na utracone przez ranking i utracone przez budżet. Jeśli obie kategorie są stabilne, a wyświetleń ubywa, to znaczy, że skurczyła się sama pula aukcji.
- Wolumen konwersji, nie współczynnik konwersji. Ten sam mechanizm selekcji podbija współczynnik konwersji dokładnie tak samo jak CTR.
- Koszt kliknięcia i rozkład wydatku. Jeśli ruch koncentruje się na węższym, bardziej transakcyjnym zbiorze zapytań, CPC zwykle rośnie, bo konkurencja o te same zapytania jest ostrzejsza.
Ostatni punkt ma nieprzyjemną konsekwencję. Zwężenie puli aukcji do zapytań o wysokiej intencji oznacza, że wszyscy reklamodawcy w branży licytują o mniejszy zbiór. To klasyczny układ, w którym rośnie i CTR, i CPC, a marża się kurczy. Warto to zestawić z problemem, który opisywaliśmy wcześniej: Performance Max zjada budżet na ruch brandowy, czyli kupuje kliknięcia, które i tak by się pojawiły. Przy kurczącej się puli zapytań niebrandowych ten problem robi się kosztowniejszy, bo udział ruchu brandowego w całości rośnie automatycznie.
Reakcje branży
Odbiór analizy w środowisku specjalistów PPC jest ostrożny, ale w jednym punkcie zgodny: sama obserwacja rozejścia się wyświetleń i CTR nie budzi sporu, bo wielu praktyków widzi ją we własnych kontach od kilku kwartałów. Spór dotyczy przypisania przyczyny.
Część komentatorów wskazuje, że wyjaśnienie może być bardziej przyziemne niż AI Overviews. Migracja kampanii do Performance Max i zapowiedziana ścieżka przejścia Dynamic Search Ads do AI Max zmieniły strukturę raportowania, a część wyświetleń przesunęła się do kampanii, które w zestawieniach Shopping po prostu nie występują. W tej interpretacji spadek jest częściowo artefaktem klasyfikacji, a nie realnym zanikiem popytu.
Druga linia argumentacji przyjmuje tezę Ryana, ale przesuwa akcent. Nie chodzi o to, że AI Overviews wypierają reklamy, tylko że Google od miesięcy testuje, gdzie w ogóle umieścić reklamy w nowym układzie. We wrześniu firma potwierdziła niewielki eksperyment z serwowaniem tekstowych reklam z kampanii na dopasowanie ścisłe i do wyrażenia w AI Mode, ograniczony do zapytań o wyraźnej i bezpośredniej intencji. To zastrzeżenie o intencji jest tu istotne, bo opisuje dokładnie ten sam podział, który Ryan widzi po stronie Shopping. Innymi słowy, obie obserwacje mogą być dwoma widokami tej samej zmiany w sposobie, w jaki Google segmentuje zapytania.
Trzeci głos, najbardziej sceptyczny, przypomina, że anegdotyczna obserwacja o tym, że Shopping i AI Overviews rzadko występują razem, nie została zmierzona systematycznie. Bez pomiaru współwystępowania obu elementów na reprezentatywnej próbce zapytań hipoteza o rozdzielnych stronach wyników pozostaje hipotezą. Jest to zarzut merytorycznie trafny i sam Ryan go nie kwestionuje, opisując tę część wprost jako obserwację anegdotyczną.
Na polskim rynku dochodzi jeszcze jeden czynnik, o którym warto pamiętać przy przenoszeniu tych liczb na własne konto. Nasycenie AI Overviews dla zapytań w języku polskim jest niższe niż dla angielskich, a rozkład kategorii produktowych, w których w ogóle się pojawiają, jest inny. Zespół, który zobaczy u siebie wzrost CTR bez spadku wyświetleń, najprawdopodobniej patrzy na zwykłą poprawę kampanii, a nie na opisywany tu efekt.
Co dalej
Najbliższe miesiące powinny rozstrzygnąć spór, bo dwie rzeczy są mierzalne bez dostępu do danych Google. Pierwsza to współwystępowanie: wystarczy regularnie próbkować reprezentatywny zbiór zapytań produktowych i notować, czy na tym samym SERP-ie pojawiają się jednocześnie reklamy Shopping i AI Overviews. Jeśli udział takich zapytań jest trwale niski i spada, hipoteza Ryana zyskuje mocne wsparcie.
Druga to rozkład wyświetleń względem intencji. Jeśli w danych konta ubywa przede wszystkim wyświetleń na zapytaniach ogólnych i porównawczych, a utrzymują się te na konkretnych modelach i frazach zakupowych, mamy potwierdzenie selekcji. Jeśli ubytek jest równomierny na całym spektrum, przyczyna leży gdzie indziej, najpewniej po stronie budżetów i migracji typów kampanii.
Dla zespołów e-commerce sensowny plan na wrzesień i październik jest więc konkretny. Warto przestawić raportowanie kampanii produktowych z CTR na parę wyświetlenia plus kliknięcia bezwzględne, dodać do miesięcznego przeglądu wykres udziału w wyświetleniach z rozbiciem na ranking i budżet, oraz oznaczyć w kalendarzu daty dużych zmian w kampaniach, żeby nie mylić własnej migracji do Performance Max ze zmianą po stronie Google. Osobno warto sprawdzić, czy rozjazd między platformami nie zakłóca odczytu, bo to częsty przypadek, który opisywaliśmy w tekście o tym, dlaczego GA4 pokazuje mniej konwersji niż Google Ads.
Jeśli okaże się, że pula zapytań faktycznie się kurczy, odpowiedź nie leży w samej licytacji. Podniesienie stawek na węższym zbiorze zapytań kupi udział kosztem marży, nie odzyska utraconego wolumenu. Realną dźwignią staje się wtedy obecność w warstwie odpowiedzi: opisy produktów, dane strukturalne, jasne informacje o cenie i dostępności, czyli wszystko to, z czego model buduje odpowiedź i co decyduje, czy zacytuje sklep, czy porównywarkę.
Szerszy wniosek jest taki, że rok 2026 systematycznie odbiera pojedynczym wskaźnikom ich dotychczasowe znaczenie. Wyświetlenia w organiku przestały znaczyć szansę na kliknięcie, a teraz CTR w kampaniach produktowych przestaje znaczyć skuteczność. W obu przypadkach przyczyna jest ta sama: warstwa odpowiedzi AI zmienia nie tyle wyniki, co zbiór zapytań, na których dana metryka jest w ogóle liczona. Metryka się nie zepsuła, zmienił się mianownik.
FAQ
Czy wzrost CTR w moich kampaniach Shopping to zła wiadomość?
Sam w sobie nie jest ani dobry, ani zły. Kluczowe jest, co dzieje się z wyświetleniami i kliknięciami bezwzględnymi. Jeśli kliknięć przybywa, a wyświetlenia są stabilne, wzrost CTR jest realną poprawą. Jeśli kliknięć jest tyle samo lub mniej przy spadających wyświetleniach, wskaźnik rośnie arytmetycznie i nie odzwierciedla poprawy skuteczności.
Czy udowodniono, że AI Overviews odpowiadają za spadek wyświetleń?
Nie. Autor analizy, Mike Ryan ze Smarter Ecommerce, wprost zaznacza, że dane pokazują korelację, a nie przyczynę. Zbieżność w czasie może być przypadkowa, AI Overviews mogą działać pośrednio, albo odpowiedzialny może być inny czynnik, na przykład migracja kampanii do Performance Max i AI Max.
Jak duża była próbka w tym badaniu?
Analiza objęła tysiące kampanii Shopping i Performance Max w setkach kont reklamowych, co daje około 175 miliardów wyświetleń w oknie od połowy 2025 do połowy 2026 roku. Niezależne dane benchmarkowe Optmyzr pokazują w tym samym okresie wzrost CTR o 17 procent, czyli kierunek zgodny z wynikiem Smarter Ecommerce.
Co powinienem zmienić w raportowaniu kampanii produktowych?
Zastąpić pojedynczy wskaźnik CTR parą wyświetlenia i kliknięcia bezwzględne, dodać udział w wyświetleniach z podziałem na utracony przez ranking i przez budżet, raportować wolumen konwersji zamiast współczynnika konwersji oraz śledzić CPC i rozkład wydatku. Warto też oznaczać w kalendarzu własne zmiany w strukturze kampanii, żeby nie mylić ich efektów ze zmianami po stronie Google.
Czy da się kupić widoczność w AI Overviews?
W tej chwili nie w taki sposób, jak kupuje się miejsce w aukcji Shopping. Google testuje wprawdzie serwowanie reklam tekstowych w AI Mode dla zapytań o wyraźnej intencji, ale sama warstwa odpowiedzi generowanej przez model dobiera źródła na innej zasadzie. Widoczność zdobywa się tam przez jakość i strukturę danych o produkcie, które model może zacytować.