»Dark Search« razkrije skriti vpliv LLM-jev na trgovino, ki ga klasična analitika sploh ne zazna​

vir: https://www.btrmedia.com/resources/podcast

• Glavna teza: uradni podatki (npr. »<1% prometa iz AI«) dramatično podcenjujejo vpliv LLM-jev na nakupe, ker večina vpliva teče prek t. i. »dark search« in se v analitiki zabeleži kot direct/branded traffic, ne kot AI-referral.​

• Ključni vzorec: kupci raziskujejo in se odločajo v pogovoru z AI (ChatGPT, Gemini ipd.), na splet trgovca pa pridejo šele v fazi odločenega nakupa, brez tipičnih upper‑funnel signalov (iskanje, brskanje, oglasi).​

• Posledica za retail media: izginja zgornji del nakupnega lijaka na lastnih kanalih (browse/search podatki), kar erodira podatkovno osnovo za ciljanje in monetizacijo oglasnih inventarjev (on‑ in offsite).​

• Koncept »dark search« (Malte Landwehr): AI je vplivni, a neatribuiran vir – konkretni primer: 1% klikov iz ChatGPT, a 20% novih leadov se samo‑poročano pripiše ChatGPT, kar razkrije ogromno merilno slepo pego.​

• Strategija naprej: trgovci ne smejo čakati, da se AI promet jasno pojavi v referral poročilih; morajo eksperimentirati z novimi modeli (npr. skupno oglaševanje CPG + retailer znotraj LLM‑jev, kot pilot Target Roundel z OpenAI) in se naučiti upravljati prehodno obdobje, ko je premik še nepopoln.​

DEJSTVA

• Pogosto citirani podatek »<1% prometa iz AI« je tehnično pravilen, vendar kot metrika zavaja, ker ignorira odločitve, ki nastanejo v AI pogovorih brez klika iz AI na splet trgovca.​

• Koncept »dark search« opisuje situacije, ko AI priporoči znamko ali produkt, uporabnik pa kasneje pride prek branded searcha ali direktnega URL‑ja, zato analitika napačno pripiše vir prometa.​

• Empirični primer: v eni izmed dokumentiranih študij je le 1% klikov prihajalo neposredno iz ChatGPT, vendar je 20% novih leadov samo‑poročano navedlo ChatGPT kot izvor odkritja znamke.​

• Po oceni Malteja Landwehrja se približno 10% produktnega odkrivanja že danes odvija prek LLM‑jev, še preden uporabnik kadarkoli obišče spletno mesto trgovca.​

• Targetov Roundel testira modele, kjer Targetovi oglasi tečejo znotraj ChatGPT, kar je zgodnji primer sodelovalnega ponudniškega modela (CPG + retailer) v LLM‑okolju in potencialno nove oblike retail medijev.​

Manj kot 1% prometa izhaja iz AI-referralov, vendar LLM asistenti že vplivajo na dvomestni delež odkrivanja izdelkov. Spoznajte koncept »dark search«, posledice za retail medije in strategije za blagovne znamke ter trgovce.​

V zadnjih letih maloprodajo in e‑komerc vse bolj oblikujejo veliki jezikovni modeli (LLM), kot so ChatGPT, Gemini in drugi AI asistenti. Kljub temu številne znamke in trgovci še vedno mirno spijo, ker v analitiki vidijo številko »manj kot 1% prometa iz AI« in sklepajo, da AI še nima resnega vpliva na prodajo.​

Ta številka je tehnično pravilna, vendar strateško zavajajoča. Ne zajema namreč novega pojava, ki ga Malte Landwehr poimenuje »dark search« – fazo odkrivanja in odločanja, ki se zgodi v pogovoru z AI, medtem ko analitika kasneje promet napačno zabeleži kot direct ali branded search. Posledica je, da se vpliv AI močno podcenjuje, medtem ko se realna osnova za retail medije in oglaševalske prihodke tiho erodira.​

Kaj je »dark search« v kontekstu AI in LLM-jev

Definicija dark search

Dark search je izraz za situacije, ko uporabnik odločitev o nakupu sprejme v interakciji z LLM asistentom, vendar končni obisk spletnega mesta nima vidne AI-napotitve in se v analitiki pojavi kot neposreden obisk ali blagovna znamka (branded search). AI torej vpliva na izbor izdelka in trgovca, vendar merilna infrastruktura tej interakciji ne pripiše nobenega kredita.​

Malte Landwehr dark search opiše kot LLM ekvivalent »dark social«: AI priporoči znamko, uporabnik kasneje ročno vpiše domeno, poišče znamko v Googlu ali se vrne pozneje – analitika pa to zabeleži kot neposreden ali organski/blagovni promet, ne kot AI‑referral.​

Ilustrativen primer z realnimi podatki

V enem izmed dokumentiranih primerov je podjetje v analitiki videlo, da le 1% klikov prihaja iz ChatGPT, kar bi sugeriralo, da AI nima pomembne vloge pri pridobivanju novih kontaktov. Ko pa so pogledali samo‑poročano atribucijo pri novih leadih, se je pokazalo, da je kar 20% novih strank navedlo ChatGPT kot kanal, prek katerega so prvič odkrile znamko.​

• Dashboard na osnovi klikov: AI skoraj nerelevanten (1% klikov).​

• Samo‑poročana atribucija: AI ključen vir odkrivanja (20% novih leadov).​

Ta prepad med vplivom in atribucijo je jedro problema dark searcha.

Kako LLM asistenti spreminjajo nakupno pot

Odločitev se zgodi veliko pred klikom

Po mnenju Juozasa Kaziukenasa (Marketplace Pulse) smo priča razhajanju med vplivom in atribucijo: ključne odločitve se vse pogosteje sprejemajo v okolju AI, medtem ko analitika vidi le zadnji klik na strani trgovca. Kupci slikajo police v fizični trgovini, pošiljajo fotografije v ChatGPT in sprašujejo, katero znamko izbrati, ali pa prek AI razčlenijo svoje potrebe in prejmejo konkretna priporočila izdelkov.​

Podatki Acosta Group za obdobje okoli zahvalnega dne kažejo, da je več kot polovica kupcev med nakupom v fizični trgovini uporabila AI, pri čemer jih je 18% uporabljalo asistente, kot sta ChatGPT in Gemini. Ta uporaba ne generira nobenega referral klika, a neposredno vpliva na izbiro izdelka.​

Primer: nakup brez zgornjefaznih signalov

Primer tipične lastne izkušnje pri nakupu novega pripomočka za oblikovanje las: potrebo je najprej obdelala s ChatGPT, skupaj z asistentom zožila izbor na konkreten SKU in izbrala trgovca na podlagi cene in časa dostave. Na spletno stran trgovca je prišla z že sprejeto odločitvijo, brez brskanja, primerjav ali interakcije z oglasi na spletnem mestu.​

Za trgovca to pomeni:

• vidi uspešen nakup,

• ne vidi nobenega browse/search vedenja,

• ne dobi uporabnih zgornjefaznih signalov za retail medije.​

Dark search torej ne zmanjšuje nujno števila transakcij v kratkem roku, temveč »izvleče« zgornji del lijaka iz okolja trgovca v okolje LLM‑jev.

Vpliv dark searcha na retail medije

Zakaj je ogrožen temelj retail medijev

Retail mediji niso zgrajeni samo na transakciji, temveč na celotni poti kupca – od brskanja in iskanja, preko primerjav do končnega nakupa. Ključna vrednost je v podatkih o:​

• iskalnih poizvedbah,

• brskanju po kategorijah,

• vzorcih raziskovanja in primerjanja izdelkov.​

Ti podatki napajajo offsite oglaševanje (npr. CTV kampanje, kjer znamka plača za ciljanje kupcev, ki so pred kratkim iskali določeno kategorijo, kot so visoko beljakostni prigrizki). Če se zgornjefazna aktivnost preseli v LLM okolje, se ta podatkovna baza začne tanjšati, še preden se transakcije dejansko premaknejo drugam.​

Landwehr ocenjuje, da se približno 10% produktnega odkrivanja že danes dogaja prek LLM‑jev, kar pomeni, da del ključnih signalov že uhaja iz dosega trgovcev in njihovih medijskih mrež.​

Premik monetizacije skupaj s premikom namena

Če se fazi odkrivanja in razmisleka selita v LLM asistente, se bo sčasoma tja preselila tudi monetizacija. Destaney Wishon opozarja, da se industrija preveč osredotoča na agentične nakupe znotraj ChatGPT (t. i. »instant checkout«), medtem ko je resnično disruptiven del prav sedanja sprememba v zgornjem delu nakupnega lijaka.​

Trenutno:

• namera se oblikuje v LLM,

• transakcija se še vedno zgodi na strani trgovca,

• podatki in oglaševalski prihodki se premikajo počasneje kot vedenje kupcev.​

Retailerji, ki čakajo, da se AI promet jasno pokaže v referral poročilih, bodo ta premik zaznali prepozno.

Partnerstva med LLM-ji in trgovci: grožnja ali nova priložnost?

Primer Target Roundel in OpenAI

V članku je izpostavljeno partnerstvo med OpenAI in nekaterimi trgovci, ki AI že uporabljajo kot nov medijski kanal. Targetov oglaševalski oddelek Roundel testira, kako se Targetovi oglasi prikazujejo v ChatGPT skupaj z izbranimi blagovnimi partnerji, kar praktično deluje kot kolaborativni bidding model med CPG znamko in trgovcem znotraj LLM‑ja.​

Gre za:

• novo vrsto retail medijev neposredno v pogovornem vmesniku,

• model, pri katerem AI usmerja odkrivanje in nato namero preusmeri na izbranega trgovca,

• potencialni win‑win: znamka dobi vidnost v trenutku priporočila, trgovec pa transakcijo in del podatkov.​

AI kot naslednja oblika retail medijev

Če AI začne sistematično usmerjati odkrivanje in namero k določenim partnerskim trgovcem, to ni nujno grožnja, temveč lahko predstavlja naslednjo evolucijo retail medijev. Ključno vprašanje je, kdo bo:​

• imel privilegiran dostop do LLM‑okolij,

• nadzoroval formate oglasov in priporočil,

• upravljal podatkovni tok med AI platformo, trgovcem in znamko.​

Zgodnji primeri, kot je Target Roundel, nakazujejo smer: skupne ponudbe (co‑bidding) med trgovcem in CPG znamko za pridobitev priporočila in transakcije, ki se izvedeta na strani trgovca.​

Strateške posledice za trgovce in blagovne znamke

Merjenje: zakaj je 1% AI prometa napačna referenčna točka

Metrika »<1% prometa iz AI« je kot gledanje skozi ključavnico: tehnično je pravilna, vendar ne pokaže prostora, v katerem se dejansko dogaja odkrivanje in odločanje. Če se strategije medijev in investicije v AI orientirajo po tej številki, bodo trgovci in znamke:​

• podcenili vpliv AI na odkrivanje,

• podcenili hitrost erozije zgornjefaznih podatkov,

• zamudili priložnost za zgodnje pozicioniranje v LLM ekosistemih.​

Dopolnilne metode, kot so samo‑poročana atribucija, raziskave kupcev in kvalitativna analiza nakupnih poti, postajajo nujen del merjenja vpliva AI.​

Operativna dilema: kako krmariti med »pretežno analognim« sedanjikom in AI prihodnostjo

Juozas Kaziukenas citira Alfreda Lina (Sequoia), da pri paradigmatskih premikih ni najtežje napovedati končnega stanja, temveč prehodno obdobje, ko je sistem še nedokončan. Če se podjetje premakne prehitro, investira v infrastrukturo, ki še ni zrela; če se premakne prepozno, brani včerajšnje marže na že preoblikovanem trgu.​

Pri dark searchu to pomeni:

• čakanje na »čiste« AI‑referral podatke v analitiki je napačna strategija;

• potrebno je eksperimentirati z LLM‑integracijami, partnerstvi in modeli retail medijev že v fazi, ko atribucija zaostaja za realnostjo;

• ključno je razumeti, da AI vpliv ni zasnovan tako, da generira klike v skladu z današnjimi atribucijskimi modeli.​

Priporočila: kako se pripraviti na svet dark searcha

Za trgovce (retailerje)

Trgovci lahko proaktivno naslovijo dark search z naslednjimi pristopi:

• Razvoj ali vključitev AI asistentov v lastne kanale, da del odkrivanja in razmisleka zadržijo v svojem okolju (npr. lastni »Sparky« kot ga uvaja Walmart v drugih člankih avtorice).​

• Partnerstva z LLM platformami (npr. OpenAI, Google), kjer testirajo formate oglasov in integracije priporočil, podobno kot Target Roundel.​

• Nadgradnja merjenja z mešanjem kvantitativnih podatkov (klik, seje) in kvalitativnih metod (ankete po nakupu, vprašanje »Kako ste nas odkrili?« z eksplicitno možnostjo »prek AI asistenta«).​

• Prilagoditev retail media ponudbe tako, da se manj zanaša izključno na onsite browse/search signale in več na kombinacijo first‑party podatkov, lojalnostnih programov in zunanjih signalov.​

Za blagovne znamke (CPG in druge)

Blagovne znamke, ki želijo ostati vidne v svetu dark searcha, naj razmislijo o:

• Optimizaciji produktnih informacij (opisov, lastnosti, uporabnih scenarijev) tako, da bodo informativne in nedvoumne – LLM‑ji iz njih pogosto generirajo priporočila.​

• Aktivnem sodelovanju v pilotnih AI oglaševalskih programih trgovcev (npr. Roundel + ChatGPT), kjer se lahko učijo novih formatov zgornjefazne prisotnosti.​

• Sistematičnem zbiranju samo‑poročanih podatkov o tem, ali so kupci znamko prvič odkrili prek AI asistenta, ter povezovanju teh podatkov s CRM/lead sistemi.​

• Razvoju vsebin (vodniki, primerjalni opisi, recepti, uporaba izdelkov), ki so zasnovane tako, da jih LLM‑ji lahko uporabijo kot podlago za priporočila, tudi če uporabnik ne omeni blagovne znamke po imenu.​

Zaključek: vpliv je tu, atribucija zaostaja

Dark search pomeni, da je resnični vpliv AI na e‑komerc, retail medije in nakupno pot kupca večji, kot to kažejo klasične metrike prometa in atribucije. Odločitev se vse pogosteje zgodi v pogovoru z LLM, spletno mesto trgovca pa vidi le zaključno fazo – brez bogatih signalov, na katerih je bil zgrajen dosedanji model retail medijev.​

Namesto da čakajo na jasen AI‑referral v analitiki, morajo trgovci in blagovne znamke sprejeti, da je vpliv posreden in slabo izmerjen, vendar realen in naraščajoč. Strategična prednost v naslednjih letih bo pripadala tistim, ki bodo sposobni eksperimentirati z LLM partnerstvi, prilagoditi merjenje in preoblikovati svoje retail media modele še v času, ko je premik nepopoln.