Boty przejmują internet. Kto na tym zarabia?

Dwa zespoły marketingowe, dwa różne spojrzenia na ten sam raport. Jedni widzą w nim szansę na nowy kanał dystrybucji, drudzy powód do renegocjacji faktur. Obie interpretacje są słuszne, a to właśnie stanowi sedno problemu, przed którym stoi dziś branża reklamowa. Badania opublikowane przez Digiday we wrześniu 2026 roku ujawniają rosnący rozdźwięk wśród kupujących media, dotyczący tego, jak radzić sobie z maszynmi odwiedzającymi strony marek.

Dane Cloudflare, na które powołuje się Digiday, wskazują, że boty i agenty odpowiadają już za ponad połowę wszystkich żądań w sieci. Z kolei agencja GoFish informuje o wzroście ruchu botów u swoich klientów o 80% rok do roku. W tym samym artykule założyciel marki DTC (sprzedającej bezpośrednio konsumentom) przyznaje, że ruch generowany przez asystentów AI konwertuje kilkukrotnie lepiej niż średnia dla jego strony i chce więcej takiego ruchu. To obraz rynku, na którym ci sami gracze wyciągają z tych samych danych całkowicie przeciwstawne wnioski.

Dylemat reklamodawców: bot jako klient czy problem?

Opisywany przez Digiday spór nie przebiega wzdłuż typowej linii podziału między reklamodawcami a platformami. To konflikt wewnątrz samego obozu reklamodawców, którzy mają fundamentalnie odmienne strategie wobec ruchu generowanego przez sztuczną inteligencję.

Marki, które widzą w agentach nowy kanał sprzedaży

Część firm traktuje agentic traffic (ruch generowany przez autonomicznych asystentów AI) jako wartościowy kanał dystrybucji. Chad Keller, współzałożyciel firmy produkującej materace Mellow Sleep, mówi wprost, że asystenci AI generują ruch, który konwertuje kilkukrotnie lepiej niż średnia witryny. Podobne obserwacje ma brytyjska sieć handlowa John Lewis, u której udział wizyt z wyszukiwań agentowych wzrósł z 0,3% do 2,5% w ciągu roku. Firma aktywnie poszukuje sposobów na zwiększenie tego typu ruchu. Niskie udziały procentowe idą w parze z wysokim współczynnikiem konwersji, co czyni ten kanał atrakcyjnym dla wczesnych inwestycji.

Agencje, które mierzą się z rosnącymi kosztami

Po drugiej stronie barykady znajdują się agencje mediowe, które kupują powierzchnię reklamową w oparciu o dane zanieczyszczone ruchem botów. David Dweck, prezes GoFish, opisuje sytuację, w której klienci obserwują 80-procentowy wzrost ruchu botów rok do roku. W odpowiedzi na to agencje modyfikują strategie retargetingu, co winduje średni koszt tysiąca wyświetleń (CPM) o około 20%. Jeden z klientów GoFish doświadczył nawet tymczasowego skoku kosztu pozyskania klienta (CPA) w czwartym kwartale. Swoimi spostrzeżeniami w artykule Digiday dzielą się również inni praktycy, w tym Mallory Beck z Lighthouse Creative, Megan Herling z LERMA/, Nola Ladd z Collective Measures, Colin Maduzia z RPA, Justin Scarborough z Crossmedia oraz Tim Lathrop z Mediassociates.

Mechanizm, który podbija ceny: pułapka retargetingu

Sercem problemu jest mechanizm retargetingu. Grupa odbiorców retargetingu budowana jest poprzez rejestrowanie, którzy odwiedzający trafili na które podstrony, a następnie kierowanie do nich reklam. Gdy znacząca i wciąż rosnąca część tych odwiedzin nie pochodzi od ludzi, lista przestaje opisywać populację potencjalnych klientów, a zaczyna opisywać populację żądań technicznych. Reklamodawca płaci wówczas realną cenę za dotarcie do odbiorców, których skład w międzyczasie po cichu się zmienił.

Z tej sytuacji wynikają dwie konsekwencje, które uwidoczniły się w raporcie Digiday. Po pierwsze, rosną ceny, ponieważ pula odbiorców musi być filtrowana, zawężana lub wymieniana, a każda z tych operacji kosztuje w systemie aukcyjnym. Po drugie, przesuwają się budżety, ponieważ najprostszą reakcją na problem z jakością danych w otwartej sieci jest przeniesienie wydatków tam, gdzie problem ten leży po stronie kogoś innego. Digiday informuje o przenoszeniu wydatków klientów w kierunku platform społecznościowych i retail media networks (sieci reklamowych w obrębie sklepów e-commerce). To zamknięte środowiska, w których tożsamość odwiedzającego potwierdzana jest przez logowanie, a nie domniemana na podstawie żądania HTTP.

To przesunięcie warto nazwać wprost, bo ma ono charakter konkurencyjny, a nie techniczny. Wydawcy otwartego internetu nie kontrolują liczby botów odwiedzających ich strony. To oni ponoszą koszt, gdy dane o ich odbiorcach są uznawane za niewiarygodne, a beneficjentami są środowiska, które na tych danych nigdy nie polegały.

Skala problemu jest ogromna, ale nie jest nowa

Wolumen ruchu botów nie jest zjawiskiem nowym, podobnie jak leżący u jego podstaw problem pomiaru. Cloudflare udokumentowało przypadki, gdzie crawler AI trafiał na pojedynczą stronę 50 tysięcy razy na jednego odwiedzającego użytkownika. Firma ta osobno raportowała, że zautomatyzowane boty na jej sieci przewyższyły już liczebnie ludzi. Z kolei Kinsta zmierzyła, że boty AI w ciągu jednego dnia uderzyły w strony koszyka zakupowego WordPress 3,75 miliona razy. Ta liczba jest szczególnie wymowna, ponieważ strony koszyka to dokładnie te podstrony, na których buduje się grupy retargetingu e-commerce. Analiza Decodo wskazuje z kolei, że Stany Zjednoczone odpowiadają za 53,5% globalnego ruchu botów. Udział crawlerów w całym ruchu sieciowym osiągnął 4,2% w 2025 roku, gdy internet urósł o 19%.

Luka między skalą problemu a reakcją na niego jest równie dobrze udokumentowana. Firma Lunio ustaliła, że tylko 5,3% marketerów korzysta z narzędzi do wykrywania nieprawidłowego ruchu, podczas gdy 75,6% przyznaje, że traci budżet reklamowy na boty. Ta sama firma zmierzyła 72% więcej nieprawidłowego ruchu w kampaniach searchowych w handlu detalicznym prowadzonych na platformie AI Max. Co istotne, kategoria „nieprawidłowego ruchu” ma ustaloną definicję i przemysł weryfikacyjny, a DoubleVerify raportuje spadek oszustw reklamowych o 41% w Ameryce Północnej i 45% w EMEA. Poprawa wykrywania oszustw i rosnąca liczba botów to nie są sprzeczne ustalenia. Opisują one różne zjawiska. Wykrywanie łapie ruch, który próbuje ukraść pieniądze. Ruch, z którym mierzą się klienci Dwecka, w większości nie próbuje niczego ukraść: to crawler, agenty i asystenci wykonujący legalną pracę, co czyni ich trudnymi do odfiltrowania i niemożliwymi do obciążenia kosztami.

W optymistycznej części argumentacji kryje się również autentyczne pytanie o pomiar. Ruch, który konwertuje kilkukrotnie lepiej niż średnia witryny, jest opisem jakości, ale jest to również opis intencji, która ukształtowała się już gdzie indziej. Asystent, który wysyła odwiedzającego na stronę z materacami, zazwyczaj dokonał porównań, filtrowania i stworzył krótką listę przed kliknięciem. Firma Invoca zmierzyła, że połączenia pochodzące z ChatGPT konwertują się na leady w 49%, wyprzedzając wszystkie inne kanały. Wysoka konwersja ruchu polecanego jest zgodna z faktem, że warstwa polecająca przechwytuje część lejka sprzedażowego, za którą kiedyś płacono w reklamie. To, czy jest to kanał wart inwestycji, czy kanał, który po cichu przewartościowuje wszystko powyżej siebie, nie jest pytaniem, na które którakolwiek ze stron odpowiedziała w artykule Digiday.

Odwrotny efekt krokodyla w Google Shopping

Druga historia tygodnia biegnie w przeciwnym kierunku: liczby się poprawiły, ale powód tej poprawy jest niepochlebny. Mike Ryan z Smarter Ecommerce opublikował analizę na LinkedIn, którą 7 września opisał Search Engine Roundtable. Badanie oparto na zbiorze 175 miliardów impresji z okresu od połowy 2025 do połowy 2026 roku. Mediana impresji dla reklam Google Shopping spadła z około 1,85 miliona do 1,4 miliona. Mediana współczynnika klikalności (CTR) wzrosła z 1,20% do prawie 1,55%.

Ryan nazwał to „odwrotnym efektem krokodyla”. Oryginalny efekt krokodyla, czasem nazywany „wielkim rozprzężeniem”, opisuje to, co stało się z wydawcami organicznymi po uruchomieniu AI Overviews: impresje rosły, a kliknięcia spadały, a dwie linie na wykresie otwierały się jak szczęka. Reklamy Shopping dały lustrzane odbicie. Mniej impresji, lepsza konwersja pozostałych.

Proponowane przez Ryana wyjaśnienie jest warte rozważenia. Teoretyzował on, że Google selektywnie serwuje AI Overviews na zapytania o niższym prawdopodobieństwie kliknięcia, aby chronić przychody. Oznaczałoby to, że impresje usunięte z puli Shopping były w nieproporcjonalnym stopniu tymi, które i tak najmniej prawdopodobnie przyniosłyby kliknięcie. Współczynnik klikalności rośnie wtedy z obu kierunków jednocześnie: mniejszy mianownik i mianownik pozbawiony najsłabszych elementów.

Jeśli ten odczyt jest poprawny, rosnący CTR na koncie Google Shopping w ciągu ostatniego roku nie jest dowodem na poprawę wyników. To dowód na to, że decyzja o selekcji została podjęta wcześniej, przez podmiot, który również czerpie korzyści z tego, że wynikowy numer wygląda lepiej. Żaden reklamodawca nie zmienił stawki, pliku produktowego ani kreacji, aby to osiągnąć.

Organiczna strona tego porównania była mierzona wielokrotnie i różnymi metodami. Randomizowane badanie wykazało, że AI Overviews zmniejszyły kliknięcia wydawców o 39,8%. Inne prace szacują redukcję kliknięć organicznych na 34,5%, a jeszcze inne pomiary wskazują na spadek organicznego CTR o 61% i ruchu płatnego o 68% w dotkniętych zestawach wyników. Rozbieżności między tymi liczbami są na tyle duże, że żadna pojedyncza wartość nie powinna być traktowana jako ostateczna. Kierunek zmian jest jednak spójny we wszystkich badaniach.

Google przejmuje kontrolę nad decyzjami reklamodawców

W ciągu 48 godzin pojawiły się dwie zmiany w Google Ads, które przenoszą decyzje z reklamodawcy na system. Hana Kobzová z PPC News Feed zauważyła 7 września nowy dokument pomocy opisujący zautomatyzowane promocje jako zasób na poziomie konta. Funkcja odczytuje oferty promocyjne ze strony internetowej reklamodawcy, na przykład „20% zniżki na czarne swetry”, i wyświetla je w reklamach w wyszukiwarce i Performance Max. Google opisuje to jako podświetlanie „ważnych, wysokiej jakości ofert” bezpośrednio w reklamach, aby zwiększyć odkrywanie konwersji online i offline. Kwalifikacja wymaga aktywnej kampanii Search lub Performance Max z przypisanymi zasobami lokalizacji, braku istniejących ręcznych promocji w kampanii i zgodności z politykami. Dokument nie opisuje jednak wyraźnej możliwości rezygnacji z tej funkcji.

To istotny wybór projektowy. Reklama zawierająca konkretną obietnicę rabatu jest zarówno reprezentacją prawną, jak i marketingową, a źródłem prawdy dla tego roszczenia jest teraz strona w witrynie reklamodawcy odczytywana przez parser. Wygasłe oferty, regionalne ceny, rabaty warunkowe i strony promocyjne pozostawione po zakończeniu wyprzedaży to zwykłe elementy witryn handlowych i wszystkie są potencjalnymi danymi wejściowymi. Cechą wyróżniającą tej funkcji jest to, że nikt nie musi niczego pisać.

Druga zmiana idzie w innym kierunku. PPC Land poinformowało 6 września, że segmenty Lookalike (grupy podobnych odbiorców) trafiły do kampanii Video, co potwierdza dokumentacja opublikowana 1 września. Określa ona trzy poziomy zasięgu: wąski (2,5% użytkowników w lokalizacji docelowej), zrównoważony (5% jako domyślny) i szeroki (10%). Listy seed (źródłowe) wymagają ponad 100 aktywnych dopasowanych osób, podczas gdy inna strona Google zaleca 1000 dla jakości. Dopuszczalne źródła obejmują listy Customer Match, dane o zaangażowaniu w witrynie i aplikacji oraz interakcje z treściami YouTube. Segmenty odświeżają się co 1-2 dni, można je tworzyć tylko podczas konfiguracji kampanii i nie można ich później edytować w Menedżerze odbiorców.

Ta sama nazwa produktu zachowuje się teraz inaczej w zależności od miejsca użycia. Kampanie Video egzekwują te wartości procentowe jako twarde limity zasięgu. Demand Gen, które utraciło twardą kontrolę targetowania w marcu 2026 roku, traktuje te same wartości procentowe jako sygnały kierunkowe, a nie limity. Reklamodawca czytający pojedynczą stronę pomocy Lookalike nie ma możliwości sprawdzenia, które zachowanie ma zastosowanie, bez znajomości typu kampanii.

Istnieje związek z historią otwierającą ten artykuł, który pozostaje niezauważony w dokumentacji. Dane o zaangażowaniu w witrynie i aplikacji są jednym z trzech dozwolonych źródeł seed. Lista seed zbudowana na podstawie zaangażowania w witrynę dziedziczy to, z czego faktycznie składa się ruch na tej stronie, a modelowane rozszerzenie mnoży następnie skład seedu przez współczynnik od 25 do 100.

Programatyczne strony i utrata zaufania Google

John Mueller z Google odniósł się do programatycznego SEO na Bluesky 7 września, a Search Engine Roundtable opisał tę wymianę zdań tego samego dnia. Technika ta generuje dużą liczbę stron poprzez iterację kombinacji: nazwa domeny, technologia i atrybut, a każda kombinacja staje się własnym adresem URL. Jest tania, skaluje się bez kosztów redakcyjnych i od lat stanowi standardową taktykę w marketingu oprogramowania.

Ocena Muellera była taka, że często prowadzi to do witryny, która jest spamem, granicznym spamem lub po prostu niskiej jakości. Pojedyncze strony mogą nieść pewną wartość, jak przyznał. Problem leży w całości. Łatwo jest stworzyć coś z wieloma stronami, ale trudno zapewnić użytkownikom realną wartość.

Najważniejsza była nie diagnoza, ale lekarstwo, a właściwie jego brak. Gdy próg zostanie przekroczony, systemy Google „mogą stracić wiarę” w to, że witryna zapewnia użytkownikom dobrą wartość. Naprawienie tego zwykle wymaga czasu i znacznego wysiłku, aby pokazać tę wartość. Nie ma wniosku o ponowne rozpatrzenie dla witryny, która po prostu przestała być zaufana, ponieważ nie zastosowano żadnego ręcznego działania. Ręczne działanie ma określoną ścieżkę odwoławczą. Ciche obniżenie zaufania systemowego nie ma żadnej ścieżki, co czyni odzyskanie pozycji nieodróżnialnym od zwykłej pracy nad budowaniem witryny od podstaw.

To ta sama architektura egzekwowania, która przyniosła wyniki w trzeciej aktualizacji spamu w 2026 roku. To, co opisał Mueller, nie jest karą. To obniżenie estymaty prawdopodobieństwa, zastosowane do całej domeny, bez powiadomienia i bez określonej ścieżki powrotu.

Apple dokonało podobnego doprecyzowania w ten sam weekend. W dokumentacji Applebot, opatrzonej datą 7 września, dodano linię stwierdzającą, że reguły witryny dla Applebot-Extended nie są brane pod uwagę w rankingu wyszukiwania. Applebot-Extended to dyrektywa regulująca, czy treść witryny zasila funkcje Apple Intelligence i Siri, a nie indeks wyszukiwarki Apple. Apple wyraźnie stwierdziło, że jej użycie nie niesie żadnych konsekwencji dla rankingu. To sformułowanie niemal dokładnie odzwierciedla stanowisko Google dotyczące Googlebot-Extended.

Walka o wiarygodność sygnałów na wielu frontach

Historie z tego tygodnia łączy nie sztuczna inteligencja, ale rosnąca przepaść między sygnałem a rzeczą, którą sygnał miał reprezentować. Coraz więcej podmiotów ma interes w wytwarzaniu sygnału zamiast samej rzeczy. Widzimy to w zakazie TikTok Shop dotyczącym karteczek z prośbą o ocenę, w decyzji Google o automatycznym generowaniu promocji z treści sklepu, czy w zapowiedzi DAZN Media+ o niezależnym audycie zasięgu, który ma nastąpić dopiero w 2027 roku.

Ta ostatnia historia jest szczególnie wymowna. DAZN Media+, ramię reklamowe Foxtel, Kayo Sports i BINGE, ogłosiło partnerstwo pomiarowe z AudienceProject. Firma chwali się, że streaming dodaje 36% zasięgu do kampanii Australian Football League i 27% do kampanii National Rugby League. To jednak dane dostarczone przez sprzedawcę, bez ujawnienia próby badawczej, okna pomiarowego i metodologii. Co więcej, dyrektor handlowy DAZN Media+ przyznaje, że dopiero to partnerstwo umożliwi „niezależne” wykazanie zasięgu. Rozwiązanie pomiarowe ma być dostępne w 2027 roku, czyli po decyzjach zakupowych, które miało wspierać.

W szerszej perspektywie te wydarzenia pokazują, że branża reklamowa wchodzi w okres, w którym zaufanie do danych staje się walutą ważniejszą niż sam zasięg. Reklamodawcy muszą mierzyć się z rzeczywistością, w której połowa odwiedzin ich stron nie pochodzi od ludzi, a narzędzia analityczne i systemy licytacji nie nadążają za tą zmianą. Pytanie, kto ostatecznie zapłaci za tę przepaść między sygnałem a rzeczywistością, pozostaje otwarte, ale pierwsze rachunki już zaczynają przychodzić.

Źródło

Może Cię zainteresować