AI-трафік почав конвертуватися краще за інші канали: дослідження Adobe
З AI-сервісів прийшло мало людей, зате вони добре купують. Чи варто вже переносити сюди увагу й бюджет? Adobe повідомив, що у вересні 2026 року такий трафік американського retail мав на 90% вищу конверсію, ніж не-AI. Але висока якість окремих відвідувань ще не показує внеску каналу в бізнес. Розберемо, як не пропустити корисне джерело й водночас не побудувати стратегію на кількох вдалих покупках.
Дата публікації:
Які переходи досліджував Adobe
Adobe Analytics аналізував клікові переходи з генеративних AI-сервісів до інтернет-магазинів США. У вересні 2026 року їхній CVR перевищував показник не-AI-трафіку на 90%, дохід за відвідування — на 83%. Ще в серпні 2025-го конверсія була на 9% нижчою.
AI-відвідувачі також проводили на сайті на 73% більше часу, переглядали на 25% більше сторінок і на 53% частіше додавали товари в кошик.
Аналітична база охоплює понад трильйон відвідувань, 100 млн товарних позицій і вісімнадцять категорій. Це загальний масштаб джерела, не кількість AI-переходів за вересень.
Дослідження не доводить, що використання AI саме зробило людину готовішою купувати. Вона могла прийти з уже сформованим наміром. Дані про розпізнані переходи також не охоплюють усіх покупців, які колись користувалися AI під час вибору.
Переведіть високий відсоток у реальний масштаб
Умовний приклад допоможе оцінити внесок малого каналу. Припустімо, середній чек у двох групах однаковий, повернень немає, а сесії й покупки пораховані однаково.
| Джерело | Сесії | Конверсія | Покупки |
|---|---|---|---|
| AI-переходи | 100 | 4% | 4 |
| Інші переходи | 10 000 | 2% | 200 |
Конверсія AI вдвічі вища, але його частка в покупках — близько 2%. Приклад не відтворює даних Adobe. Він показує, чому якість і обсяг потрібно бачити поруч.
Якщо перевірка нового каналу коштує команді дорого, малий поточний внесок має значення для пріоритетів. Порівняйте очікувану користь роботи тут із конкретним виправленням у джерелі, яке вже приводить основну частину покупців.
Чотири покупки також нестійка основа для планування. Одна додаткова або втрачена покупка помітно змінить відсоток. Подивіться довший зіставний період і розподіл за товарами: можливо, весь результат створила одна згадка популярної моделі.
Що перевірити у власному джерелі
Спочатку визначте правила групування: які домени й типи переходів потрапляють до AI-каналу. Збережіть їх у звіті. Якщо правила змінюються, порівняння з минулим періодом може відображати нову класифікацію, а не зростання попиту.
Звірте зафіксовані покупки з виконаними замовленнями. Відокремте нових і повторних клієнтів там, де це можна зробити коректно. Якщо AI частіше повертає людей, які вже купували, це інша користь, ніж залучення нової аудиторії.
Втрачений referrer може приховати частину переходів, але не дозволяє оголосити весь приріст Direct результатом AI. Тому числа каналу описують результат у межах вашої класифікації, а не повний вплив AI на вибір. Довільно домножувати їх через можливі втрати даних не варто.
Для першої роботи оберіть сторінки, на які вже є переходи: чи зрозумілі ціна, наявність, характеристики та умови отримання? Виправлення там матиме перевірюваний результат. А масштабні витрати на видимість в AI потребують окремої гіпотези й оцінки: чи додалися корисні переходи та покупки, а не лише згадки бренду у відповідях.
