W wielu firmach określenie „data-driven” oznacza w praktyce obserwowanie dashboardów i reagowanie na zmiany w liczbie kliknięć, konwersji czy wydatków reklamowych. Istnieje jednak zasadnicza różnica między liczeniem tego, co się wydarzyło, a rozumieniem, dlaczego się wydarzyło. Większość organizacji pozostaje na etapie raportowania, nie dochodząc do faktycznej analizy przyczyn.

Ma to szczególne znaczenie obecnie, gdy sztuczna inteligencja zaczyna zmieniać sposób pomiaru marketingu. Bez zrozumienia własnego poziomu dojrzałości analitycznej firmy ryzykują inwestowanie w narzędzia, które nie przyniosą realnej wartości.

Problem atrybucji w praktyce

Typowa ścieżka klienta obejmuje wiele punktów styku: reklamy w mediach społecznościowych, wyszukiwanie w Google, treści na YouTube, rekomendacje społeczności, a dopiero na końcu kliknięcie reklamy w Amazonie i zakup.

Każda platforma przypisuje sobie tę samą sprzedaż, co prowadzi do zawyżonych i niespójnych wyników ROAS. Badania wskazują, że znaczna część danych marketingowych używanych do podejmowania decyzji jest niekompletna, nieaktualna lub błędna, a wielu dyrektorów marketingu deklaruje ograniczone zaufanie do własnych danych.

Problem pogłębia się w modelach wielokanałowych, gdzie sprzedaż odbywa się równolegle na Amazonie, własnym sklepie, TikTok Shop i innych platformach.

Poziomy dojrzałości pomiaru marketingowego

Pomiar marketingowy można podzielić na kilka poziomów:

Poziom 0 — raportowanie opisowe
Dashboardy z ruchem, wydatkami i konwersjami, bez analizy przyczyn.

Poziom 1 — atrybucja oparta na regułach
Modele typu last-click, first-click lub liniowy.

Poziom 2 — testy inkrementalności
Eksperymenty A/B lub testy geograficzne.

Poziom 3 — atrybucja wielopunktowa
Modelowanie statystyczne ścieżek klientów.

Poziom 4 — marketing mix modeling
Analiza ekonometryczna danych zagregowanych.

Poziom 5 — optymalizacja predykcyjna
Systemy rekomendujące przyszłe działania.

Poziom 6 — analiza diagnostyczna
Zrozumienie różnic wyników między segmentami i rynkami.

Większość firm e-commerce funkcjonuje na poziomie 0–1, sporadycznie prowadząc testy na poziomie 2. Wyższe poziomy wymagają infrastruktury danych, kompetencji technicznych i stałych inwestycji.

Rzeczywisty wpływ AI

Najważniejszą zmianą wprowadzoną przez AI nie są bardziej zaawansowane algorytmy atrybucji, lecz możliwość przetwarzania niestrukturalnych danych na dużą skalę.

AI potrafi analizować:

Dzięki temu można identyfikować rzeczywiste źródła zainteresowania produktem, np. TikTok, Reddit czy influencerów, które wcześniej były niewidoczne w klasycznych systemach atrybucji.

Warunkiem skuteczności jest jednak:

AI nie rozwiązuje problemów z jakością danych — jedynie szybciej przetwarza to, co już istnieje.

Systemowe błędy atrybucji platform

Amazon
Atrybucja last-click w obrębie własnego ekosystemu faworyzuje działania dolnego lejka i nie uwzględnia wpływu zewnętrznych kampanii.

Facebook
Atrybucja view-through przypisuje sprzedaż użytkownikom, którzy jedynie zobaczyli reklamę, co prowadzi do zawyżonych wyników.

Retail media networks
Systemy atrybucji są zaprojektowane tak, by promować własne produkty reklamowe.

Problem wieloplatformowy
Ta sama sprzedaż może być jednocześnie przypisana przez kilka platform, co prowadzi do nierealistycznych wyników ROAS.

Właściwe podejście do atrybucji

Zamiast pytania „który model atrybucji jest najlepszy”, właściwsze jest pytanie:
jak wygląda faktyczny proces pozyskania klienta.

Analiza sekwencji punktów styku pozwala zrozumieć:

Realistyczna ścieżka wdrożenia

Dla większości firm bardziej efektywne jest podejście etapowe:

Uporządkowanie podstaw trackingu

Regularne testy inkrementalności przy większych budżetach.

Zbieranie danych jakościowych

np. ankiety po zakupie.

Dopiero na tej podstawie wdrażanie bardziej zaawansowanych modeli.

Wnioski

AI poprawi możliwości atrybucji, ale realna wartość zależy od jakości danych i poziomu dojrzałości analitycznej organizacji.
W wielu przypadkach większy efekt przynoszą uporządkowane podstawy i regularne eksperymenty niż kosztowne, zaawansowane narzędzia wdrożone na słabych danych.

Mark Zuckerberg zapowiedział, że w najbliższych miesiącach użytkownicy zaczną widzieć nowe modele i produkty AI od Meta. Podczas rozmowy z inwestorami podkreślił, że rok 2025 był okresem przebudowy fundamentów programu sztucznej inteligencji, a w 2026 firma zacznie wdrażać nowe rozwiązania na szeroką skalę.

Jednym z kluczowych obszarów ma być handel wspierany przez agentów AI. Według Zuckerberga nowe narzędzia zakupowe będą potrafiły samodzielnie wyszukiwać i dobierać produkty z katalogu firm, dopasowując je do potrzeb użytkownika. To wpisuje się w rosnący trend agentów zakupowych rozwijanych także przez Google czy OpenAI.

Meta liczy jednak na przewagę wynikającą z dostępu do danych o użytkownikach. Firma podkreśla, że jej systemy AI mogą wykorzystywać historię aktywności, zainteresowania, treści i relacje społeczne, aby tworzyć bardziej spersonalizowane doświadczenia zakupowe.

Równolegle Meta znacząco zwiększa inwestycje w infrastrukturę AI. W 2026 roku wydatki kapitałowe mają wynieść od 115 do 135 miliardów dolarów, wobec 72 miliardów w 2025. Środki te mają wesprzeć rozwój laboratoriów superinteligencji oraz głównego biznesu firmy.

Choć inwestorzy wciąż oczekują konkretnych efektów finansowych z tak dużych nakładów, Zuckerberg podkreśla, że 2026 rok ma być przełomowy dla wdrażania „osobistej superinteligencji” i nowych modeli działania całej firmy.

📊 Syncly: Extract insights from customer feedback.

🤖 AgentX: Build an AI agent chatbot for your business in less than 5 minutes.

🗣️ Tiledesk - Rapidly deploy AI-powered conversations across social channels.

🌐 Dora AI: Create a fully editable website from just one line of text with AI.

Marka: Nescafe
Nic tak nie budzi.

Amazon odpowiada obecnie za około 40% całego przychodu z e-commerce w Stanach Zjednoczonych. Choć dominacja tej platformy rosła przez ponad dwie dekady, sposób funkcjonowania marketplace’u zmienił się znacząco. Coraz większą rolę odgrywają sprzedawcy zewnętrzni, którzy dla wielu marek stali się głównym, a nie jedynie dodatkowym kanałem sprzedaży.

W 2010 roku sprzedawcy zewnętrzni odpowiadali za około jedną trzecią wszystkich sprzedanych jednostek. Dziś ich udział wynosi już około 62%. Oznacza to, że niemal dwie trzecie sprzedaży na platformie pochodzi od niezależnych sprzedawców. Wraz z tym wzrostem rośnie jednak także skala problemów związanych z podróbkami, nieuczciwymi sprzedawcami i zgodnością z przepisami.

Amazon deklaruje, że w 2024 roku zainwestował ponad miliard dolarów w rozwiązania oparte na sztucznej inteligencji, mające chronić klientów i sprzedawców przed oszustwami i podróbkami. Według firmy systemy te blokują ponad 99% podejrzanych przypadków, zanim jeszcze dotkną one właścicieli marek.

Automatyzacja i rosnące wymagania wpływają jednak na wszystkich sprzedawców. Zawieszenia listingów lub kont mogą pojawiać się nagle, nawet w firmach działających zgodnie z zasadami. Część sprzedawców narusza regulaminy nieświadomie, inni zostają oznaczeni błędnie przez systemy automatyczne. Przy rocznych przychodach sprzedawców zewnętrznych przekraczających 150 miliardów dolarów, sporadyczne błędne decyzje systemów są nieuniknione.

Jak działania enforcementu wpływają na sprzedawców

Sprzedawcy zewnętrzni zawsze byli narażeni na działania egzekucyjne Amazona, ale rozwój automatycznych systemów compliance sprawia, że czujność jest dziś ważniejsza niż kiedykolwiek. Amazon nie publikuje danych o liczbie zawieszeń kont, dlatego skalę problemu można oceniać jedynie na podstawie niezależnych badań.

Według jednego z nich około 22% sprzedawców doświadczyło przynajmniej jednego zawieszenia konta. Inne badanie wskazuje nawet na 35%. Różnice wynikają z metodologii, ale oba wyniki pokazują, że jest to zjawisko powszechne.

Zakres potencjalnych problemów compliance również się rozszerzył. W przeszłości większość działań enforcementowych dotyczyła sporów o własność intelektualną. Dziś sprzedawcy muszą mierzyć się także z kontrolą dokumentacji bezpieczeństwa, certyfikatów regulacyjnych oraz treści listingów, które systemy Amazona mogą uznać za naruszające przepisy, np. FDA lub normy bezpieczeństwa konsumenckiego.

Gdy język listingu uruchamia procedurę compliance

Automatyczne systemy Amazona skanują opisy produktów pod kątem słów kojarzonych z kategoriami regulowanymi. Czasem wystarczy jedno określenie, aby listing został oznaczony do weryfikacji.

Przykładowo, w opisach odzieży często pojawiają się sformułowania takie jak „antybakteryjny” czy „antymikrobiologiczny”. W wielu przypadkach takie słowa mogą automatycznie uruchomić procedurę związaną z regulacjami dotyczącymi pestycydów lub produktów medycznych.

Wraz z rosnącą skalą automatyzacji decyzje enforcementowe coraz częściej opierają się na interpretacji słów kluczowych i zasad klasyfikacji, które nie zawsze są oczywiste dla sprzedawców działających w różnych kategoriach produktowych.

Zgłoszenia podróbek i czasowe usuwanie ofert

Poza automatycznymi kontrolami sprzedawcy muszą radzić sobie także ze zgłoszeniami dotyczącymi podróbek. Właściciele marek mogą zgłaszać podejrzenia, że produkty oferowane przez innych sprzedawców są nieautentyczne.

W wielu przypadkach listing zostaje tymczasowo usunięty, dopóki sprzedawca nie udowodni autentyczności produktu. Choć mechanizm ten jest istotny dla ochrony klientów i marek, bywa również nadużywany przez konkurencję.

Amazon zakazuje składania fałszywych zgłoszeń, jednak nawet jeśli zarzut okaże się bezpodstawny, oferta może być przez pewien czas niedostępna.

Koszt przestoju dla biznesów marketplace

Działania enforcementowe mogą mieć charakter tymczasowy lub trwały. Nawet krótkotrwałe blokady potrafią znacząco wpłynąć na wyniki finansowe sprzedawców, zwłaszcza tych, którzy opierają większość sprzedaży na Amazonie.

Zawieszenie listingu lub konta oznacza spadek przychodów, a często także komplikacje w relacjach z dostawcami i partnerami logistycznymi. Nawet w przypadku szybkiej reakcji sprzedawcy proces przywrócenia sprzedaży może zająć kilka dni.

Co zrobić w przypadku zawieszenia

Mniej poważne działania enforcementowe dotyczą zwykle konkretnych produktów i mogą zostać rozwiązane poprzez dostarczenie dodatkowych dokumentów lub informacji.

Poważniejsze przypadki podlegają zapisom umowy Business Solutions Agreement, zwłaszcza sekcji 3. Pozwala ona Amazonowi zawiesić lub zakończyć współpracę ze sprzedawcą, jeśli konto zostanie powiązane z działaniami uznanymi za wprowadzające w błąd, nielegalne lub wysokiego ryzyka.

Zawieszenia w ramach sekcji 3 mogą trwać tygodnie lub miesiące, a w wielu przypadkach wymagają wsparcia prawnego. Sprzedawcy często otrzymują ograniczone wyjaśnienia, a środki na koncie mogą zostać czasowo wstrzymane.

Większa kontrola w suplementach i produktach konsumenckich

Sprzedawcy suplementów diety, kosmetyków oraz produktów dla dzieci są szczególnie narażeni na kontrole. Kategorie te podlegają nadzorowi instytucji takich jak FDA czy FTC, co powoduje zwiększoną uwagę Amazona.

W grudniu 2023 roku FDA wystosowała do Amazona pismo ostrzegawcze dotyczące błędnego oznakowania suplementów, w których wykryto niezgłoszone składniki leków na receptę. W lipcu 2024 roku amerykańska komisja CPSC uznała Amazon za odpowiedzialnego za niebezpieczne produkty sprzedawane przez sprzedawców zewnętrznych, w tym czujniki tlenku węgla, suszarki do włosów i odzież dziecięcą.

W efekcie takich wydarzeń Amazon zaostrzył kontrole w obszarze bezpieczeństwa konsumentów. W 2024 roku wprowadzono wymóg weryfikacji wszystkich suplementów przez zewnętrzne jednostki badawcze i certyfikujące.

Sprzedaż międzynarodowa zwiększa ryzyko compliance

Amazon prowadzi oddzielne marketplace’y w wielu krajach, z których każdy podlega innym przepisom konsumenckim i regulacjom produktowym. Około 46% sprzedawców w USA sprzedaje również na co najmniej jednym rynku zagranicznym.

Sprzedawcy działający w wielu krajach napotykają największe trudności. Systemy Amazona łączą powiązane konta i podmioty gospodarcze, dlatego problem w jednym marketplace’ie może wpłynąć na działalność w innych, nawet jeśli przepisy są tam inne.

Co oznacza obecny model enforcementu

Automatyczne systemy Amazona skutecznie eliminują wiele problemów, ale jednocześnie zwiększają złożoność operacyjną dla sprzedawców. W praktyce oznacza to konieczność regularnych audytów listingów, aktualizacji dokumentacji i utrzymywania gotowości na ewentualne kontrole.

Standardy compliance stale się zmieniają, a decyzje często podejmowane są przez systemy zaprojektowane pod kątem szybkości i skali, a nie indywidualnych przypadków. W efekcie nawet doświadczeni sprzedawcy mogą napotkać problemy.

Dlatego kluczowe staje się bieżące śledzenie regulaminów, utrzymywanie pełnej dokumentacji produktowej oraz szybka reakcja w przypadku działań enforcementowych. W bardziej złożonych przypadkach konieczne może być wsparcie prawne lub specjalistyczne doradztwo.

Raport The Business of Fashion pokazuje, że sposób, w jaki konsumenci odkrywają i kupują produkty beauty, zmienia się fundamentalnie. Tradycyjny model zakupowy oparty na wyszukiwaniu i porównywaniu produktów ustępuje modelowi „discovery-commerce”, w którym inspiracja, rekomendacja i zakup następują w jednym momencie , często w trakcie jednego scrolla.

Według danych z raportu użytkownicy TikTok Shop wydają średnio około 120 dolarów rocznie na kosmetyki, co oznacza wzrost o 68% rok do roku. Podczas czterodniowego weekendu Black Friday i Cyber Monday sprzedaż w USA przekroczyła 500 milionów dolarów, a kategoria zdrowie i uroda odpowiadała za niemal 80% całkowitej sprzedaży na platformie.

Od lejka sprzedażowego do modelu „flywheel”

Tradycyjny e-commerce opierał się na liniowym lejku:
świadomość → rozważanie → zakup.

Ten model działał dobrze w sytuacji, gdy klient wiedział, czego szuka. W środowisku social commerce kluczowa staje się jednak spontaniczna inspiracja. Na TikToku użytkownicy odkrywają produkty podczas oglądania treści, a proces decyzyjny i zakupowy ulega skróceniu lub całkowitemu połączeniu.

W praktyce oznacza to, że platforma działa jednocześnie jako kanał marketingowy, narzędzie discovery i punkt sprzedaży. Coraz więcej transakcji pochodzi od klientów, którzy po raz pierwszy zetknęli się z produktem właśnie w treściach wideo.

Twórcy jako kluczowy element sprzedaży

TikTok Shop opiera się na modelu, w którym twórcy są nie tylko kanałem promocji, lecz realnymi partnerami sprzedażowymi. Sukces produktów zależy w dużej mierze od tego, czy da się wokół nich zbudować wiarygodną historię, demonstrację lub trend.

Platforma funkcjonuje jako ekosystem trzech stron:

To znacząco różni się od tradycyjnego modelu marka–detalista. W tym systemie twórcy pełnią rolę wirtualnych doradców sprzedaży, prezentując produkt, jego działanie i efekty w czasie rzeczywistym.

Przykładowo marka Phlur traktuje TikTok Shop jednocześnie jako kanał marketingowy i sprzedażowy, który buduje świadomość i wpływa na wyniki w innych kanałach. Z kolei Medicube wykorzystuje platformę jako „wirtualne stanowisko demonstracyjne” dla urządzeń i kosmetyków o charakterze zabiegowym.

Znaczenie „hero product” zamiast pełnego katalogu

Jednym z kluczowych wniosków z raportu jest to, że marki nie powinny startować na TikTok Shop z pełnym asortymentem. Skuteczniejszą strategią jest wprowadzenie jednego, wyrazistego produktu, który ma potencjał do budowania historii i demonstracji w treściach twórców.

Co istotne, nie zawsze jest to bestseller z innych kanałów. Produkt, który sprzedaje się najlepiej w klasyczym e-commerce, nie musi działać w modelu discovery-commerce. Na TikToku wygrywają produkty:

TikTok Shop jako element strategii wielokanałowej

Eksperci podkreślają, że TikTok Shop nie powinien być traktowany wyłącznie jako kanał sprzedaży lub wyłącznie jako narzędzie marketingowe. Jego rola zależy od strategii dystrybucji marki.

Dla marek o ograniczonej dostępności w retailu może być głównym kanałem sprzedaży. Dla marek szeroko dystrybuowanych — narzędziem do budowania świadomości i generowania popytu w innych kanałach.

Inwestorzy coraz częściej rekomendują dywersyfikację kanałów sprzedaży, a TikTok Shop jest postrzegany jako rosnący, ale wymagający kanał, który wymaga nowych kompetencji i strategii.

Wnioski dla marek

Raport wskazuje na strukturalną zmianę w sposobie, w jaki konsumenci odkrywają produkty beauty. Zakupy coraz częściej zaczynają się od treści, a nie od wyszukiwarki czy konkretnej potrzeby.

W tym modelu:

Dla wielu firm oznacza to konieczność zmiany strategii: zamiast optymalizacji katalogu i lejka sprzedażowego, kluczowe staje się budowanie produktów i historii, które naturalnie funkcjonują w ekosystemie twórców i treści.

Na większości marketplace’ów proszenie klientów o opinie jest obwarowane surowymi zasadami. W wielu przypadkach nawet delikatna sugestia pozostawienia recenzji może skończyć się ostrzeżeniem, a w skrajnych sytuacjach zawieszeniem konta. Tym bardziej zaskakująca jest polityka Walmartu, który oficjalnie oferuje program zachęt dla kupujących w zamian za opinie.

Na początku 2026 roku Walmart przypomniał sprzedawcom o programie Post-Purchase Reviews, który ma pomóc w zwiększaniu liczby recenzji i poprawie konwersji. Mechanizm jest prosty: po zakupie produktu klient otrzymuje propozycję kodu promocyjnego w zamian za wystawienie opinii.

Program nie jest jednak dostępny dla wszystkich. Walmart jasno zaznacza, że kwalifikacja sprzedawców i produktów odbywa się według wewnętrznego algorytmu, a dostęp może się różnić w zależności od konta i asortymentu.

Co istotne, Walmart jednocześnie zabrania sprzedawcom oferowania jakichkolwiek zachęt poza oficjalnymi programami platformy.

Zgodnie z zasadami marketplace’u:

Naruszenie tych zasad może skutkować zawieszeniem lub nawet trwałym zamknięciem konta sprzedawcy.

Walmart wskazuje kilka dopuszczalnych metod budowania liczby recenzji:

Platforma podkreśla również, że recenzje podlegają regulacjom amerykańskiej Federal Trade Commission (FTC), co oznacza konieczność zachowania transparentności i autentyczności opinii.

Walmart prowadzi także program testowania produktów przez konsumentów za pośrednictwem firmy Field Agent. Działa on podobnie do programu Amazon Vine, w którym wybrani użytkownicy otrzymują produkty bezpłatnie w zamian za uczciwe recenzje.

Model ten ma na celu generowanie wiarygodnych opinii, szczególnie dla nowych produktów, które nie mają jeszcze historii sprzedaży ani ocen.

Polityka Walmartu pokazuje wyraźny trend w marketplace’ach: platformy chcą kontrolować proces zbierania opinii, zamiast całkowicie go zakazywać. Zachęty są dozwolone, ale wyłącznie w ramach oficjalnych programów, nad którymi marketplace ma pełną kontrolę.

Dla sprzedawców oznacza to jedno: próby samodzielnego „przyspieszania” recenzji mogą skończyć się poważnymi konsekwencjami. Nawet jeśli platforma sama oferuje zachęty, robienie tego poza oficjalnym systemem jest traktowane jako naruszenie zasad.

W praktyce rośnie znaczenie programów platformowych, takich jak Post-Purchase Reviews czy odpowiedniki Vine. To one stają się jedyną bezpieczną drogą do zdobywania opinii, zwłaszcza dla nowych produktów i kont.