Google AI Mode a CTR: pierwsze dane z Polski

Co dokładnie zmierzono

Do czerwca 2026 roku o wpływie AI Mode na polskie strony mówiło się na podstawie danych amerykańskich albo przeczuć. Badanie Semgence, opublikowane 10 czerwca 2026, jest pierwszym, które sprawdza to na polskich domenach i na twardych danych właścicielskich, a nie na scrapingu wyników.

Metodologia w skrócie: 40 polskich domen (15 sklepów internetowych i 25 serwisów B2B i usługowych), eksport danych z Google Search Console, 19 179 wierszy danych od stycznia 2025 do maja 2026. Główne porównanie to pełny pierwszy kwartał 2025 przeciw pierwszemu kwartałowi 2026, czyli kwartał sprzed startu AI Mode w Polsce (8 października 2025) przeciw kwartałowi po nim.

To ustawienie ma jedną ważną konsekwencję: między oboma okresami wydarzyło się więcej niż samo wejście AI Mode. Wrócę do tego przy ograniczeniach, bo od tego zależy, jak czytać wyniki.

Wyniki: spadek CTR niemal wszędzie, spadek ruchu prawie nigdzie

Dwie rzeczy w tej tabeli są ważniejsze niż nagłówkowe „88% domen traci".

Pierwsza: rozjazd między CTR a ruchem. Prawie połowa domen zyskała kliknięcia, choć ich CTR spadł, bo równolegle rosła liczba wyświetleń. CTR jest ilorazem, więc spada także wtedy, gdy strona po prostu pojawia się w większej liczbie zapytań, w tym takich, w których nikt nie kliknie. Kto raportuje sam CTR, ten w 2026 roku raportuje szum.

Druga: asymetria branżowa. Serwisy informacyjne B2B traciły CTR 2,7 razy mocniej niż sklepy. To spójne z mechaniką AI Mode: zapytania informacyjne („czym jest", „jak działa", „które wybrać") model potrafi domknąć własną odpowiedzią, transakcyjnych domknąć nie może, bo nie sprzeda butów. Skrajny przypadek z badania: kancelaria prawna, której CTR spadł z 3,08% do 0,60%, a kliknięcia o 87,5%.

Ograniczenia, które autorzy uczciwie podają

Rzadkość na polskim rynku: Semgence sam wymienia słabości własnego badania, więc można je ocenić zamiast zgadywać.

Po pierwsze, we wrześniu 2025 Google usunął parametr num=100, co zmieniło sposób raportowania wyświetleń w Search Console i sztucznie zawyżyło mianownik CTR w części serwisów. Po drugie, dane o kliknięciach zawierają szacunkowo ±12% szumu. Po trzecie, po odsianiu tych artefaktów autorzy szacują czysty efekt samego AI Mode na około 0,18 punktu procentowego spadku CTR, a nie nagłówkowe 0,87.

Od siebie dodam ograniczenia, których w publikacji nie ma: próba 40 domen jest mała i nielosowa (klienci i obserwowane serwisy jednej agencji), nie ma grupy kontrolnej, a porównanie rok do roku nie kontroluje sezonowości ani zmian samych stron. To nie dyskwalifikuje badania; to znaczy, że jego liczby są punktem wyjścia, nie wyrokiem.

Jak to się składa z innymi danymi

Ten sam zespół w osobnej analizie pokazał, że polskie AI Overviews cytują niemal wyłącznie strony z organicznego top 10, co oznacza, że klasyczny ranking pozostaje biletem wstępu do odpowiedzi AI. Z kolei analiza Ahrefs na 17 mln cytowań (luty i marzec 2026) pokazuje, że systemy AI wyraźnie preferują treści świeże, średnio o jedną czwartą młodsze niż wyniki organiczne.

Złożone razem, te trzy obserwacje układają się w spójny obraz: widoczność przenosi się z kliknięć na cytowania. Strona może być czytana przez model i przywoływana w odpowiedzi częściej niż kiedykolwiek, a jednocześnie notować gorszy CTR. Mechanikę tego, co decyduje o zacytowaniu, opisałem osobno w tekście jak modele AI wybierają źródła. Czego natomiast nie robić: nie inwestować w magiczne pliki konfiguracyjne, których nikt nie czyta.

Co z tego wynika praktycznie

Trzy wnioski na dziś. Po pierwsze, rozdziel miary: raportuj osobno wyświetlenia, kliknięcia i obecność w odpowiedziach AI (raport AI Performance w Bing Webmaster Tools plus ręczny panel zapytań), bo sam CTR miesza te trzy zjawiska. Po drugie, jeśli prowadzisz serwis informacyjny B2B, jesteś w grupie najbardziej narażonej i twoją walutą staje się bycie źródłem odpowiedzi, nie kliknięcie. Po trzecie, treści transakcyjne i narzędziowe bronią się same, więc nie warto w panice przebudowywać sklepu.

Spadek CTR jest realny, ale mniejszy, niż wygląda w nagłówkach, i nie tożsamy ze spadkiem znaczenia strony. W nowym rozdaniu liczy się to, czy odpowiedź modelu powstaje na twoich danych.