Egy közel félmillió AI-választ vizsgáló kutatás szerint a ChatGPT és a Google AI-rendszerei vásárlási kérdéseknél látványosan gyakrabban ajánlanak nagy kereskedelmi láncokat, mint kisebb üzleteket. A legérdekesebb eredmény azonban nem az, hogy a nagy márkáknak előnyük van. Hanem az, hogy a kisebb kereskedők sokszor ott vannak az AI által használt források között – csak az ajánlásig már nem jutnak el.
Ez fontos különbség. Azt mutatja, hogy az AI Visibility esetében nem feltétlenül ugyanaz a probléma, hogy egy rendszer megtalál-e egy márkát, hivatkozik-e rá, megemlíti-e, vagy végül ténylegesen ajánlja-e a felhasználónak.
460 ezer válasz, 20 ezer vásárlási kérdés
A Vaer AI a Lightspeed Commerce megbízásából 2026 júniusa és augusztusa között 20 ezer vásárlási promptot vizsgált tíz termékkategóriában, Los Angelesben, San Franciscóban, New Yorkban és Montrealban. A kutatás nagyjából 460 ezer AI-választ tartalmazott. Ebből 200 ezret webes keresés nélkül, 260 ezret pedig élő kereséssel generáltak. A vizsgált rendszerek között a ChatGPT, a Gemini, a Google AI Mode és a Google AI Overviews szerepelt; a platformok nem minden tesztfázisban azonos módon vettek részt.
A fő vizsgálat promptjai szándékosan nem tartalmaztak olyan kifejezéseket, mint a „local”, „independent” vagy „big chain”. A kutatók azt akarták látni, hogy méretre vonatkozó instrukció nélkül mely kereskedőket részesítik előnyben a rendszerek. Az eredmény elég egyértelmű volt. Amikor a modelleknek webes keresés nélkül kellett választaniuk egy nagy lánc és egy kisebb kereskedő között, 90–94 százalékban a nagyobb szereplőt választották. A kevésbé direkt kérdéseknél is erős volt az eltérés: a nagy országos láncok az esetek 63–70 százalékában kerültek az első helyre, míg kisebb vagy helyi üzletek körülbelül minden tizedik alkalommal.
Az élő webes keresés javított a helyzeten, de nem tüntette el a különbséget. A nagy láncok ekkor is a top ajánlások 46–58 százalékát szerezték meg a vizsgált AI-rendszertől függően.
A legérdekesebb rés a forrás és az ajánlás között van
A kutatás egyik legfontosabb megfigyelése akkor látszik, amikor nem egyszerűen azt nézzük, hogy milyen oldalakat használ az AI, hanem végigkövetjük, mi történik velük a válasz elkészítéséig.
Az élő webes keresést használó válaszokban a nagy és a kis kereskedők nagyjából azonos, 38 százalék körüli arányban jelentek meg a hivatkozott kereskedői források között. Mire azonban eljutunk az AI által elsőként ajánlott üzletig, a nagy kereskedők körülbelül két és félszer gyakrabban kerültek az élre, mint a kisebbek. Ez azt jelenti, hogy egy kisebb webshop akár forrásként jelen lehet az AI információs környezetében anélkül, hogy maga a márka bekerülne a tényleges ajánlásba.
A Google AI Mode esetében különösen jól látszott ez a rés: a kutatás szerint sok helyi üzlet jelent meg a rendszer által használt források között, miközben jóval kisebb részük lett végül első ajánlás. A ChatGPT-nél pedig a nagy kereskedők a források 41 százalékát adták, miközben az elsőként ajánlott márkák 58 százalékát tették ki.
Ez az AI Visibility mérés szempontjából jóval érdekesebb eredmény, mint önmagában az, hogy a nagy márkák előnyben vannak. A citation, a mention és a recommendation három különböző dolog. Ha egy webshopot az AI forrásként használ, az még nem jelenti azt, hogy meg is nevezi. Ha megnevezi, abból sem következik, hogy ajánlja és még az ajánlás sem azonos azzal, hogy ebből látogatás vagy vásárlás lesz.
Minél konkrétabb a vásárlási szándék, annál nagyobb lett a különbség
A kutatás egy másik érdekes mintázatot is talált. Amikor a kérdés még általános volt – például valaki csak egy termékkategória iránt érdeklődött –, a kisebb kereskedőknek lényegesen jobb esélyük volt bekerülni az első ajánlásba. Ahogy azonban a prompt egyre konkrétabb termék felé haladt, az arányuk csökkent.
A Vaer adatai szerint a kisebb üzletek részesedése az első ajánlásokból nagyjából egyharmadról körülbelül egytizedre esett, amikor az általános böngészéstől egy konkrét termékig jutott a kérdés. Eközben a nagy kereskedők részesedése körülbelül 40 százalékról 60 százalékra nőtt.
A kutatás egyik lehetséges magyarázata szerint a modellek bizonytalanabb helyzetben hajlamosak lehetnek olyan nagy, jól ismert kereskedőkhöz fordulni, amelyekről nagyobb valószínűséggel feltételezhető, hogy az adott terméket kínálják. Ez azonban értelmezés, nem bizonyított ok-okozati magyarázat. Üzleti szempontból ettől még érdekes a minta: éppen azoknál a kérdéseknél nőtt a nagy szereplők előnye, amelyek közelebb állnak egy konkrét vásárlási döntéshez.
Egyetlen szó teljesen más eredményt hozott
A kutatók egy külön tesztben ugyanazokat a vásárlási kérdéseket módosították, és azt vizsgálták, mi történik, ha a felhasználó kifejezetten „local” vagy „independent” üzletet kér.
A különbség meglepően nagy volt.
Az „independent” kifejezés használatakor az AI által megnevezett kisebb és helyi kereskedők aránya több, mint kétszeresére nőtt a tesztelt mintában. A források összetétele is megváltozott: a nagy országos láncok részesedése a kereskedői források között a semleges promptoknál mért körülbelül 44 százalékról egyes Google-teszteknél 9 százalékig esett.
A „local” kifejezés ezzel szemben jóval kisebb változást okozott. Ennek van egy egyszerű szemantikai oka is: egy országos lánc közeli üzlete ugyanúgy lehet „local”, vagyis helyben elérhető. Az „independent” viszont már egy másik tulajdonságot kér számon.
Ez nem optimalizálási recept webshopoknak. Sokkal inkább arra mutat rá, hogy az AI által adott kereskedelmi válasz jelentősen függhet attól, pontosan hogyan fogalmazza meg a vásárló a kérdését.
Mit jelent ez a magyar piacra nézve?
Itt érdemes óvatosnak lenni.
A vizsgálat amerikai és kanadai városokra, tíz termékkategóriára és meghatározott AI-rendszerek 2026 nyarán mért viselkedésére vonatkozott. A teljes technikai riport és részletes módszertan nem nyilvánosan elérhető, hanem kérésre kérhető el a kutatóktól. Ráadásul a kutatást a Vaer AI a Lightspeed Commerce megbízásából végezte; a Lightspeed kereskedelmi szolgáltatóként maga is érdekelt a kisebb és független kereskedők versenyképességének kérdésében Ezért ebből nem következik, hogy Magyarországon ugyanilyen arányokat mérnénk, és az sem, hogy minden termékkategóriában ugyanilyen erős lenne a nagy kereskedők előnye.
A tanulság ennél szűkebb – és talán fontosabb.
Ha azt akarjuk megérteni, hogyan jelenik meg egy webshop az AI-rendszerekben, önmagában a citation share vagy a forrásként való jelenlét nem feltétlenül elég. Érdemes külön mérni legalább azt, hogy a márka bekerül-e a források közé, megjelenik-e a generált válaszban, és ténylegesen ajánlja-e a rendszer egy releváns vásárlási kérdésre.
A Vaer kutatása nem bizonyítja, hogy ugyanez történik minden piacon és minden AI-rendszerben. Azt viszont elég erősen jelzi, hogy a „megtalál az AI?” és az „ajánl az AI?” kérdésre nem feltétlenül ugyanaz a válasz, és egy webshop számára végül valószínűleg a második a fontosabb.
Források
Vaer AI — When you ask AI where to shop, it sends you to the big guys -
https://vaer.ai/insights/ai-retailer-bias-study/
Lightspeed Commerce — AI Favors Big Retailers Over Local Stores 9 Out of 10 Times, New Study Finds -https://www.lightspeedhq.com/news/ai-favors-big-retailers-over-local-stores-9-out-of-10-times-new-study-finds/