85% kupujących robi research AI. Sklep nadal wygrywa.

Abstrakt

McKinsey & ICSC Shopping in the Age of AI (n=3 004, US, 2026) dokumentuje paradoks ignorowany przez e-commerce: AI nie eliminuje wizyty fizycznej, lecz radykalnie podnosi jej stawki. Top decyl detalistów przejmie ponad 85% zysku sektora (wzrost z 73%), bo AI wyeliminowała tolerancję na undifferentiated stores. In-stock reliability jako czynnik #1 wyboru (37%) i maszynoczytelny katalog produktowy stają się infrastrukturą widoczności agentycznej, a transfer ponad 100 bilionów dolarów bogactwa do generacji Gen Z i millenialsów do 2050 roku wzmacnia bifurkację rynku między misją convenience i discovery.

85% kupujących robi research AI. Sklep nadal wygrywa.

Fot. okładka: McKinsey & Company we współpracy z ICSC. Shopping in the Age of AI: Redefining Stores for a New Era. McKinsey & Company, April 2026.

E-commerce przez ostatnią dekadę działało na jednym pewnym założeniu: każda kolejna fala digitalizacji obniża rolę sklepu fizycznego. AI miała być ostatecznym potwierdzeniem tej tezy. McKinsey & Company we współpracy z ICSC publikuje w 2026 roku raport oparty na badaniu 3 004 amerykańskich konsumentów, który tę tezę falsyfikuje¹. Sześćdziesiąt osiem procent respondentów używało przynajmniej jednego narzędzia AI w ciągu ostatnich trzech miesięcy¹, lecz 85% z nich i tak prowadziło research online przed wizytą w sklepie¹. Sklep fizyczny nie znika z mapy zakupowej konsumenta, lecz zmienia swoją funkcję: przestaje być miejscem, w którym po raz pierwszy dowiaduje się on, co chce kupić, i staje się miejscem, w którym finalizuje decyzję zbudowaną przez algorytm. Stawki każdej wizyty fizycznej rosną, a detaliści, którzy to zrozumieli, zaczynają dominować sektor z siłą, która nie ma precedensu w jego historii.

Top decyl detalistów przejmie ponad 85% zysku całego sektora, wzrost z 73% zaledwie dekadę wcześniej¹. Ta liczba nie opisuje ekspansji e-commerce kosztem handlu fizycznego, lecz coś precyzyjniejszego: AI podnosi poprzeczkę dla każdej wizyty w sklepie i wyeliminowała tolerancję konsumenta na undifferentiated store, czyli sklep, który nie potrafi zdefiniować swojej misji. Sześćdziesiąt dwa procent konsumentów używa AI do porównywania marek, cen i recenzji¹; jeszcze 55% sięga po nie, by zrozumieć kategorię lub produkt przed decyzją¹, a niemal połowa traktuje AI jako kanał inspiracji i odkrywania nowych opcji. Algorytm filtruje i edukuje zanim klient postanowi pojechać; do sklepu trafia już z gotową wiedzą, nie po nią. Konsument wchodzący do lokalizacji po sesji z modelem językowym jest lepiej poinformowany niż kiedykolwiek wcześniej i mniej tolerancyjny na cokolwiek, co naruszy oczekiwanie zbudowane przez algorytm. Jednocześnie 45 na 50 dyrektorów sprzedaży i handlu rozważało wprowadzenie narzędzia agentycznego, lecz mniej niż 5 miało strategię agentycznego commerce zatwierdzoną przez zarząd¹. Luka między świadomością a gotowością operacyjną jest strukturalna, i to ona wyjaśnia rosnącą koncentrację zysku w górnym decylu.

Wbrew powszechnej intuicji, najważniejszym czynnikiem wyboru detalisty nie jest cena ani jakość obsługi: jest dostępność produktu na półce. Trzydzieści siedem procent respondentów umieściło in-stock reliability wśród trzech najważniejszych powodów wyboru konkretnego sklepu¹, więcej niż lokalizacja (33%) i zakres cenowy (25%). Konsument realizujący zakup convenience wie z góry, czego szuka; jedynym pytaniem jest, czy sklep to ma. Każda sytuacja braku towaru w convenience-oriented store niesie asymetryczne ryzyko: klient dysponujący bogatą ofertą alternatyw online jest jedną negatywną wizytą od trwałej korekty nawyków zakupowych¹. W erze agentycznej ten mechanizm działa wcześniej i z wyższą stawką, bo agent AI weryfikuje stan magazynowy i dostępność odbioru jeszcze zanim klient zdecyduje się wyjść z domu. Sklep bez maszynoczytelnych danych produktowych, bez real-time API dostępności stanów i bez aktualnych cenników ryzykuje nieobecność w wynikach agenta przy weryfikacji opcji odbioru tego samego dnia¹. Best Buy ogranicza asortyment i inwestuje w AI demand forecasting właśnie po to, by in-stock reliability stała się niezawodną obietnicą marki, a nie zmienną zależną od manualnego audytu inwentarza¹.

Jeśli convenience store wygrywa niezawodnością, discovery store wygrywa niemożliwością replikacji online. Ponad 40% konsumentów z pokolenia Z i millenialsów zgadza się lub mocno zgadza, że experiential retail zwiększa prawdopodobieństwo zakupów u danego detalisty¹, co stanowi niemal dwukrotność wskaźnika dla Gen X i czterokrotność wskaźnika dla baby boomers. To nie jest preferencja estetyczna; jest to sygnał komercyjny o dwucyfrowym wpływie na wybór sklepu. Sézane, paryska marka modowa zbudowana na limitowanych dropach i boutique'ach zwanych "appartements", przestrzeniach projektowanych jak zamieszkałe paryskie domy zamiast konwencjonalnych sklepów, osiągała dwucyfrowe tempo wzrostu rok do roku przez kolejne lata¹, bezpośrednio przypisując ten wynik kohezji między formatem a tożsamością marki. Mechanizm jest precyzyjny: discovery store nie skraca drogi do transakcji, lecz ją wydłuża, budując relację emocjonalną, której cyfrowe touchpointy nie potrafią odtworzyć. Niemal połowa konsumentów wszystkich grup wiekowych wskazała gastronomię jako najbardziej pożądaną aktywność przy lokalizacji retail¹, co otwiera pytanie o to, co właściwie sprzedaje discovery store: produkt czy powód do przebywania.

Za technologiczną zmianą kryje się zmiana strukturalna o dłuższej bezwładności niż adopcja jakiegokolwiek narzędzia AI. Baby boomers kontrolują dziś około połowy bogactwa amerykańskich gospodarstw domowych, lecz do 2050 roku mogą przekazać ponad 100 bilionów dolarów w aktywach młodszym pokoleniom¹, co stanowiłoby największy transfer pokoleniowy bogactwa w historii USA. Beneficjenci tego transferu to pokolenia, które dorastały z wyszukiwarką w kieszeni, a teraz kupują przy pomocy agentów AI. ICSC Consumer Survey dokumentuje, że Gen Z i millenialsi są znacznie bardziej skłonni niż starsze kohorty opisywać swoje zakupy jako mieszankę online i offline: 48% deklaruje shopping both online and in store, a jedynie 14% jako mostly online¹. Ci sami konsumenci są jednocześnie najbardziej wymagający w zakresie convenience i najbardziej otwarci na experiential retail, wskazując, że shopping "mostly online" nie jest preferowaną metodą dla żadnego z badanych pokoleń ani kategorii produktowej¹. Detalista inwestujący dziś wyłącznie w optymalizację digital bez definiowania misji fizycznych lokalizacji traci generację, która przez następne trzy dekady będzie dominować siłę nabywczą rynku.

Praktyczne rekomendacje

Sklasyfikować każdą lokalizację jako misję convenience lub discovery przed kolejną rundą inwestycji w format.

McKinsey dokumentuje, że detaliści zarządzający lokalizacjami bez jasno zdefiniowanej misji kończą z sieciami częściowo zoptymalizowanymi pod każdą misję i w pełni zoptymalizowanymi pod żadną¹, co bezpośrednio obniża produktywność i zwrot z zainwestowanego kapitału. Dla e-commerce operującego siecią fizyczną praktycznym krokiem jest audyt floty z jednym pytaniem: jak klient faktycznie używa tej lokalizacji? Dane o czasie spędzonym w sklepie, strukturze kategorii zakupowych, proporcji odwiedzin zaplanowanych do impulsowych i wzorcach pickup vs. browse pozwalają sklasyfikować lokalizacje bez kosztownych badań konsumenckich. Lokalizacja przy trasie codziennej komunikacji pełni inną funkcję niż lokalizacja w centrum handlowym z rozwiniętą ofertą gastronomiczną, a projektowanie obu pod ten sam schemat operacyjny gwarantuje przeciętność w każdym wymiarze. Top decyl różni się od reszty rynku przede wszystkim dyscypliną w eksplicytnym wybieraniu, czym dana lokalizacja nie będzie¹. Dla detalistów działających wyłącznie online perspektywa agentycznego commerce wartego do biliona dolarów w rynku US do 2030 roku¹ stawia to samo pytanie w horyzoncie budowania pierwszej fizycznej lokalizacji: misja powinna być zdefiniowana przed podpisaniem umowy najmu, nie po nim.

Wdrożyć maszynoczytelny katalog z real-time inventory jako fundament widoczności agentycznej.

Raport dokumentuje, że sklep niezdolny do dostarczenia wiarygodnych danych o dostępności odbioru i ustrukturyzowanych informacji produktowych będzie pomijany w podróżach zakupowych mediowanych przez agenty AI¹. Dla e-commerce oznacza to konkretne zadanie techniczne poprzedzające każdą inwestycję w format: czy API lokalnej dostępności stanów jest aktualizowane w czasie rzeczywistym? Czy dane produktowe są ustrukturyzowane wystarczająco, by zewnętrzny agent mógł je odpytać, porównać i zarekomendować odbiór w tej lokalizacji? In-stock reliability jest pierwszym czynnikiem wyboru detalisty przy 37%¹, a agent AI weryfikuje ten warunek jeszcze przed wyjściem klienta z domu. Sklep, który nie spełnia tego warunku, jest eliminowany z consideration set zanim jakakolwiek jakość jego formatu, obsługi czy asortymentu mogłaby być oceniana.

Zaprojektować KPI performance management oddzielnie dla misji convenience i discovery.

Raport identyfikuje problem strukturalny: sklepy mierzone jednakowymi wskaźnikami produktywności, wolumenem transakcji, obrotem na metr kwadratowy i czasem obsługi, nie mają sygnałów pozwalających optymalizować pod misję¹. Convenience store powinno śledzić czas pick-upu, prędkość transakcji, procent in-stock i wskaźnik rozwiązywania problemów przez personel; discovery store powinno mierzyć appointment conversion, wartość średniego zamówienia, wskaźnik powrotu i dwell time. Bez rozbicia metryk według misji retailer traci zdolność oceny, czy inwestycja w konkretne elementy formatu przekłada się na komercyjny wynik tej lokalizacji, czy wyłącznie na aktywność bez atrybucji. McKinsey State of Fashion dokumentuje, że 47% pracowników retail wskazuje szkolenie jako najważniejszy czynnik adopcji AI, lecz niemal połowa dostaje jedynie umiarkowane wsparcie¹; metryki dostosowane do misji tworzą fundament, na którym program reskillingu ma sens i mierzalny cel.

Źródła

  1. McKinsey & Company we współpracy z ICSC. Shopping in the Age of AI: Redefining Stores for a New Era. McKinsey & Company, April 2026.

Rekomendowane

Google Cloud
Treść z AI narusza prawa autorskie. Kto odpowiada?
Raport | Google Cloud

Treść z AI narusza prawa autorskie. Kto odpowiada?

Bez indemnizacji IP ryzyko naruszenia praw autorskich przez AI leży po stronie użytkownika. Google Cloud jako pierwszy vendor przejął tę odpowiedzialność.

6 min czytania Czytaj

Fot. okładka: Google Cloud. Delivering Trusted and Secure AI. Google Cloud, March 2025.

WARC
Cena jest zmienną marketingową. Marketing jej nie dotyka.
Raport | WARC

Cena jest zmienną marketingową. Marketing jej nie dotyka.

25% marketerów nie ma wpływu na cenę. WARC: McCain 10 lat ta sama kampania, elastyczność cen minus 47%, sprzedaż bazowa plus 44%.

6 min czytania Czytaj

Fot. okładka: WARC. The Marketer's Toolkit 2025. WARC, 2024.

Visa
Kiedy agent kupuje za klienta, checkout traci sens.
Raport | Visa

Kiedy agent kupuje za klienta, checkout traci sens.

66% konsumentów używa AI, ruch GenAI do merchantów wzrósł 1200%. Visa: gdy agent transakcjonuje za klienta, checkout UX traci pierwszeństwo.

6 min czytania Czytaj

Fot. okładka: Visa Consulting & Analytics. The Rise of Agentic Commerce. Part 1: New Payment Journeys and Nascent Paradigms. Visa, 2025.

TikTok
Różnorodność twórców bije zasięg jednego influencera.
Raport | TikTok

Różnorodność twórców bije zasięg jednego influencera.

2/3 użytkowników TikTok woli marki z siecią twórców, nie jednym influencerem. Komentarze zastępują grupy fokusowe. Algorytm nagradza zbiorowość.

6 min czytania Czytaj

Fot. okładka: TikTok. What's Next 2025: Trend Report. TikTok, 2025.

Skopiuj link
Udostępnij