Klarna wprowadza wyszukiwanie zakupowe w ChatGPT i przesuwa początek ścieżki zakupowej
21.05.2026
Klarna uruchamia aplikację Klarna Shopping Search w ChatGPT i wychodzi poza rolę operatora płatności, który pojawia się dopiero przy finalizacji koszyka. Szwedzka firma, znana z płatności odroczonych i ratalnych, czyli metod pozwalających klientowi zapłacić za zakup później lub rozłożyć koszt na raty, wchodzi w moment, w którym klient dopiero formułuje potrzebę zakupową. Zamiast czekać, aż użytkownik przejdzie przez Google, porównywarkę cenową, marketplace albo sklep internetowy, Klarna chce być obecna już wtedy, gdy klient wpisuje w rozmowie z AI: „szukam wodoodpornej kurtki do biegania do 150 euro”. Według komunikatu spółki aplikacja ma obsługiwać wyszukiwanie produktów w czasie rzeczywistym bezpośrednio w rozmowie z ChatGPT.
Zmiana dotyczy całego układu sił w handlu internetowym, bo dotychczasowa ścieżka zakupowa była oparta na kilku wyraźnych etapach. Klient szukał inspiracji w wyszukiwarce, porównywał ceny w agregatorach, sprawdzał opinie, przechodził na marketplace albo do sklepu, a dopiero na końcu wybierał metodę płatności. Klarna próbuje połączyć część tych etapów w jednym interfejsie rozmowy. Dla sprzedawcy taki model skraca drogę od zapytania do kliknięcia w ofertę, ale jednocześnie zmienia zasady widoczności. Oferta nie walczy już wyłącznie o pozycję w Google lub na liście marketplace. Musi zostać poprawnie zrozumiana przez system AI, który zestawia potrzeby klienta z danymi produktowymi, ceną, dostępnością i parametrami oferty.
Produkty, ceny i dostępność w dialogu zamiast klasycznej listy wyników
Najważniejsza zmiana polega na przesunięciu wyszukiwania z listy wyników do dialogu. Klient nie wpisuje już kilku słów kluczowych, lecz opisuje potrzebę pełnym zdaniem. W tradycyjnej wyszukiwarce zapytanie „buty trekkingowe damskie goretex 39 promocja” uruchamia ranking stron, reklam i kart produktowych. W ChatGPT użytkownik może napisać, że potrzebuje lekkich butów trekkingowych dla kobiety, rozmiar 39, na kilkudniowy wyjazd w Alpy, z membraną wodoodporną, ale bez twardej podeszwy wysokogórskiej. Taki opis zawiera więcej intencji zakupowej niż klasyczna fraza SEO, ale wymaga od sprzedawcy znacznie lepiej ustrukturyzowanych danych.
Klarna wpisuje się w szerszy kierunek rozwoju aplikacji w ChatGPT. OpenAI opisuje Apps SDK jako narzędzie do budowania aplikacji działających w ChatGPT, oparte na Model Context Protocol, czyli standardzie pozwalającym łączyć model AI z zewnętrznymi narzędziami i danymi. W handlu oznacza to techniczną możliwość pokazania klientowi nie tylko tekstowej odpowiedzi, ale także aktualnych wyników produktowych, elementów wizualnych i danych pochodzących z systemów partnera.
Dla klienta różnica jest wygodna, dla sprzedawcy wymagająca. Opis produktu, który w sklepie internetowym był wystarczający dla człowieka, może nie wystarczyć do właściwego dopasowania przez AI. Brak informacji o materiale, wymiarach, wariantach, czasie dostawy, warunkach zwrotu, kompatybilności lub zastosowaniu ograniczy szansę na pojawienie się w odpowiedzi. Sprzedawca traci część kontroli nad tym, jak klient odkrywa ofertę, a zyskuje dodatkowy kanał dotarcia do osób, które są bliżej decyzji zakupowej niż przeciętny użytkownik wchodzący z reklamy displayowej.
Jak działa Klarna Shopping Search w ChatGPT
Product Search MCP Server jako połączenie ChatGPT z danymi handlowymi Klarna
Klarna opiera nową usługę na Product Search MCP Server, czyli serwerze korzystającym z Model Context Protocol do przekazywania ChatGPT uporządkowanych danych produktowych. Takie rozwiązanie łączy językowe zapytanie użytkownika z bazą ofert handlowych. Według informacji komunikowanych przez Klarna infrastruktura ma obejmować ponad 100 mln produktów i około 400 mln ofert sprzedawców w 13 rynkach. Wcześniejszy komunikat spółki dotyczący Agentic Product Protocol, czyli standardu udostępniania produktów agentom AI, opisywał bazę ponad 100 mln produktów i 400 mln cen w 12 rynkach, co pokazuje tempo rozszerzania zakresu danych handlowych w ekosystemie Klarna.
Mechanizm jest prosty z perspektywy klienta, ale złożony operacyjnie po stronie sprzedawcy. ChatGPT rozpoznaje potrzebę, Klarna dostarcza dane o pasujących produktach, a użytkownik widzi oferty z ceną, dostępnością i przekierowaniem do sklepu. Zakup odbywa się na stronie sprzedawcy, więc finalna konwersja nadal zależy od szybkości ładowania sklepu, jakości karty produktu, przejrzystości kosztów dostawy, lokalnych metod płatności i prostego procesu zwrotu. AI może skrócić etap poszukiwania, ale nie naprawi słabego checkoutu, czyli procesu finalizacji zamówienia w sklepie internetowym.
Dla sklepów cross-border szczególnie ważna jest spójność między tym, co zobaczy klient w wynikach AI, a tym, co znajdzie po przejściu do sklepu. Jeżeli ChatGPT pokaże produkt dostępny w rozmiarze M za 129 euro, a strona sklepu po przekierowaniu pokaże brak towaru lub wyższą cenę po doliczeniu kosztów dostawy, klient szybko wróci do rozmowy i wybierze inną ofertę. W modelu konwersacyjnym porzucenie sklepu może być szybsze niż w klasycznej ścieżce z Google, bo użytkownik ma pod ręką alternatywne propozycje bez ponownego uruchamiania wyszukiwania.
Reklamy sponsorowane w rozmowie z klientem i nowy model widoczności ofert
Klarna zapowiada, że wyniki organiczne mogą być uzupełniane przez oznaczone miejsca sponsorowane. Sponsored Placements, czyli płatne ekspozycje ofert w przestrzeni wyników, przenoszą logikę reklamy produktowej do rozmowy z AI. Różnica polega na kontekście. W wyszukiwarce klient widzi reklamy obok wyników, w marketplace przy produktach konkurencji, a w ChatGPT może zobaczyć ofertę w odpowiedzi na bardzo konkretny opis potrzeby. Reklama trafia wtedy do osoby, która nie przegląda ogólnej kategorii, lecz deklaruje budżet, zastosowanie, preferencje i ograniczenia.
Ten model może zwiększyć efektywność kampanii, ale podniesie konkurencję o najbardziej dochodowe zapytania. Frazy i intencje zakupowe w rodzaju „prezent premium do 200 euro”, „buty do biegania na maraton”, „wózek dziecięcy do małego samochodu” albo „ekspres automatyczny do biura” są atrakcyjne, bo klient pokazuje gotowość do zakupu. Sprzedawcy, którzy dziś opierają sprzedaż na Google Ads, reklamach marketplace i porównywarkach cenowych, będą musieli ocenić, czy budżety reklamowe nie powinny zostać przesunięte częściowo do kanałów konwersacyjnych.
Nie każda kategoria zareaguje tak samo. Produkty o wysokiej porównywalności, takie jak elektronika, sprzęt sportowy, obuwie, kosmetyki, akcesoria domowe czy produkty dla dzieci, szybciej wejdą w model rankingów opartych na parametrach. W kategoriach modowych większe znaczenie będą miały zdjęcia, styl, opis zastosowania, materiały i kontekst okazji. Polski sprzedawca odzieży, który sprzedaje do Niemiec, nie może ograniczyć się do tłumaczenia tytułu produktu. AI musi wiedzieć, czy kurtka jest przejściowa, przeciwdeszczowa, ocieplana, oddychająca, dopasowana do biegania, jazdy na rowerze czy codziennego użytku.
Nowy kanał sprzedaży dla sklepów internetowych i marketplace
Ruch z AI jako sygnał wyższej intencji zakupowej
Dane Adobe za sezon świąteczny 2025 pokazują, dlaczego firmy płatnicze, marketplace i platformy reklamowe tak mocno interesują się handlem opartym na AI. Według Adobe ruch z narzędzi generatywnej AI do serwisów detalicznych wzrósł o 693,4 proc. rok do roku, a użytkownicy przychodzący z takich źródeł konwertowali o 31 proc. lepiej niż ruch z innych kanałów. Adobe opiera tę analizę na transakcjach online i ponad 1 bln wizyt w amerykańskich serwisach detalicznych.
Wyższa konwersja nie wynika wyłącznie z technologii, lecz z jakości intencji. Osoba, która pyta AI o konkretny produkt, często jest dalej w procesie decyzyjnym niż użytkownik klikający baner. Rozmowa pozwala doprecyzować budżet, zastosowanie, rozmiar, termin dostawy i kompromisy między ceną a jakością. Dla sklepu taki użytkownik może być cenniejszy, ale też bardziej wymagający. Jeżeli oferta nie odpowiada precyzyjnie na warunki z zapytania, klient otrzymuje konkurencyjne propozycje bez konieczności samodzielnego filtrowania.
Realistyczny scenariusz dla polskiego sklepu z odzieżą sportową sprzedającego do Niemiec wygląda następująco: klient w Berlinie pyta ChatGPT o lekką, wodoodporną kurtkę do biegania na wiosnę, budżet 120–150 euro, dostawa przed weekendem. System pokazuje kilka ofert, w tym produkt polskiego sklepu, jeżeli dane zawierają niemieckie opisy, aktualną dostępność, precyzyjne parametry materiału, koszty dostawy do Niemiec i jasne warunki zwrotu. Po kliknięciu klient trafia na niemiecką wersję karty produktu, gdzie widzi Klarna, PayPal, kartę płatniczą i przelew natychmiastowy. Taki sklep może wygrać z większym konkurentem, jeżeli ma lepszą dostępność, szybszą dostawę i czytelniejszy opis zastosowania.
Drugi scenariusz dotyczy sprzedawcy marketplace, który działa na Amazon, Kaufland.de lub własnym sklepie zintegrowanym z porównywarkami. Jeżeli jego produkt pojawi się w rozmowie AI obok ofert innych sklepów, sama obecność na marketplace nie wystarczy. AI może oceniać ofertę przez cenę, termin dostawy, jakość danych, opinie i dopasowanie do potrzeby. Sprzedawca z niską ceną, ale niejasnym opisem, długą dostawą i wysokim kosztem zwrotu może przegrać z droższą ofertą, która lepiej odpowiada na pytanie klienta.
Presja na Google, porównywarki i klasyczne SEO produktowe
Wejście Klarna do ChatGPT uderza w dominację klasycznych punktów wejścia do zakupów online. Google przez lata kontrolował znaczną część ruchu intencyjnego, czyli ruchu generowanego przez osoby wpisujące konkretne potrzeby lub nazwy produktów. Marketplace przejęły klientów, którzy wolą porównywać oferty w jednym ekosystemie. Porównywarki cenowe utrzymywały pozycję w kategoriach, w których cena i dostępność są najważniejszym kryterium. AI tworzy czwartą warstwę: odpowiedź dopasowaną do opisu problemu, a nie tylko do frazy.
Google nie pozostaje bierny. Tegoroczne doniesienia branżowe pokazują rozwój zakupów opartych na AI w ekosystemie Google, z naciskiem na agentic commerce, czyli handel wspierany przez agentów AI, którzy mogą porównywać produkty, sprawdzać stany magazynowe i prowadzić klienta przez zakup. Rywalizacja nie będzie więc prostym starciem Klarna z Google, lecz walką o to, kto będzie interpretował intencję klienta i kto dostarczy sprzedawcy wartościowy ruch.
Dla SEO produktowego skutki są poważne. Dotychczas optymalizacja karty produktu skupiała się na tytule, opisie, nagłówkach, zdjęciach, danych strukturalnych, szybkości strony i linkowaniu. W handlu konwersacyjnym większe znaczenie zyskują parametry, zgodność danych, dostępność w czasie rzeczywistym i zdolność sklepu do udostępniania informacji w sposób czytelny dla systemów AI. Opis kategorii nadal ma znaczenie, ale źle opisany wariant produktu może nie zostać dopasowany do zapytania nawet wtedy, gdy sklep ma dobrą pozycję w Google.
Konsekwencje dla polskich sprzedawców cross-border
Dane produktowe, lokalizacja oferty i integracje jako warunek obecności w wynikach AI
Polski sprzedawca działający na rynku niemieckim musi potraktować dane produktowe jak infrastrukturę sprzedaży, nie jak zadanie marketingowe. Feed produktowy, czyli plik lub strumień danych przekazujący platformom informacje o produktach, powinien zawierać pełne tytuły, opisy, warianty, ceny, stany magazynowe, zdjęcia, parametry techniczne, kategorie, kody EAN, czyli europejskie numery identyfikujące produkty, oraz informacje o dostawie i zwrotach. Im bardziej kompletne dane, tym większa szansa, że oferta zostanie poprawnie dopasowana do rozmowy klienta.
Lokalizacja nie może ograniczać się do tłumaczenia maszynowego. Niemiecki klient pyta inaczej niż polski, inaczej rozumie progi cenowe i ma inne oczekiwania wobec dostawy oraz zwrotu. Produkt opisany po niemiecku musi zawierać naturalne nazwy zastosowań, rozmiarów, materiałów i okazji. W branży fashion klient może pytać o „wasserabweisende Übergangsjacke”, czyli kurtkę przejściową odporną na lekki deszcz, a nie o dosłowne tłumaczenie polskiego tytułu z systemu magazynowego. W elektronice liczy się kompatybilność, standard zasilania, gwarancja i zgodność z lokalnymi wymaganiami informacyjnymi.
Integracje z systemem ERP, czyli oprogramowaniem do zarządzania zamówieniami, magazynem, fakturami i cenami, stają się elementem widoczności sprzedażowej. Jeżeli sklep aktualizuje stany magazynowe raz dziennie, a AI pokazuje ofertę w czasie rzeczywistym, ryzyko rozjazdu danych rośnie. Błędna dostępność prowadzi do anulowań, opóźnień i negatywnych opinii. Na rynku niemieckim dochodzi ryzyko upomnienia, czyli Abmahnung, gdy konkurent lub uprawniony podmiot zarzuca naruszenie obowiązków informacyjnych, nieprawidłowe oznaczenie ceny, brak wymaganych danych lub mylące warunki oferty.
Wpływ na checkout, płatności, logistykę, zwroty i marżę
Klarna jako operator płatności ma przewagę nad klasyczną porównywarką, bo rozumie zachowania klienta przy finalizacji zakupu. Płatność odroczona może zwiększać konwersję w kategoriach o wyższej wartości koszyka, ale wpływa na koszty transakcyjne sprzedawcy. Jeżeli ruch z ChatGPT będzie droższy w pozyskaniu przez sponsorowane miejsca, a jednocześnie klient wybierze płatność z prowizją wyższą niż zwykła karta płatnicza, marża brutto może spaść mimo wzrostu sprzedaży. Sprzedawca musi liczyć nie tylko przychód, lecz koszt całej ścieżki: ekspozycji, kliknięcia, płatności, obsługi, wysyłki, zwrotu i ewentualnej reklamacji.
Logistyka będzie jednym z głównych filtrów konkurencji. Klient pytający AI o produkt na prezent, odzież na wyjazd albo sprzęt potrzebny przed weekendem będzie oczekiwał konkretnej daty dostawy. Polski sklep wysyłający z magazynu w Polsce może konkurować ceną, ale przy dłuższym czasie doręczenia przegra z lokalnym fulfillmentem, czyli usługą magazynowania, kompletowania, pakowania i wysyłki zamówień przez zewnętrznego operatora w kraju klienta. Dla sprzedaży do Niemiec sens może mieć magazynowanie najpopularniejszych produktów bliżej klienta, nawet jeżeli jednostkowy koszt obsługi wzrośnie.
Zwroty pozostają najbardziej niedoszacowanym kosztem w sprzedaży cross-border. AI może lepiej dopasować produkt do potrzeby klienta, ale nie usunie problemu złych tabel rozmiarów, słabych zdjęć, niejasnych kolorów i braku informacji o dopasowaniu. W modzie i obuwiu każdy punkt procentowy zwrotów zmienia rentowność kampanii. Jeżeli ChatGPT sprowadzi więcej klientów z wysoką intencją, ale karta produktu nie wyjaśni rozmiarówki w sposób zrozumiały dla niemieckiego kupującego, wzrost sprzedaży może przełożyć się na wzrost kosztów magazynowych i obsługi klienta.
Co powinien zrobić sprzedawca z Polski
Uporządkowanie feedów produktowych, opisów, parametrów i dostępności magazynowej
Sprzedawca z Polski powinien zacząć od audytu danych produktowych dla najważniejszych kategorii i rynków. Trzeba sprawdzić, czy każdy produkt ma kompletny tytuł, naturalny opis zastosowania, parametry techniczne, warianty, zdjęcia, aktualną cenę, stan magazynowy, informację o czasie dostawy i warunkach zwrotu. Produkty generujące największą marżę powinny zostać opisane tak, aby odpowiadały na pytania klienta, a nie tylko zawierały słowa kluczowe. AI nie wybierze oferty wyłącznie dlatego, że w tytule znajduje się nazwa kategorii.
Drugim krokiem jest testowanie zapytań konwersacyjnych. Sklep sprzedający walizki powinien sprawdzić, jak jego produkty odpowiadają na pytania o bagaż podręczny do tanich linii, walizkę na tygodniowy wyjazd, lekki model dla seniora albo walizkę odporną na intensywne podróże służbowe. Sprzedawca elektroniki powinien opisać kompatybilność, gwarancję, normy, zestaw w pudełku i ograniczenia produktu. Sprzedawca kosmetyków musi zadbać o skład, zastosowanie, typ skóry, certyfikaty i ostrzeżenia, bo AI będzie dopasowywać produkt do problemu użytkownika.
Przygotowanie niemieckiej wersji oferty pod wyszukiwanie konwersacyjne
Dla sprzedaży do Niemiec potrzebna jest niemiecka wersja oferty przygotowana redakcyjnie, prawnie i operacyjnie. Opisy powinny używać naturalnych niemieckich nazw kategorii, a ceny muszą być pokazane z podatkiem VAT, czyli podatkiem od wartości dodanej doliczanym do ceny konsumenckiej. Koszt dostawy, termin doręczenia, adres zwrotu, warunki reklamacji i dane sprzedawcy muszą być dostępne przed finalizacją zakupu. W Niemczech klient jest przyzwyczajony do przejrzystych regulaminów, szybkiego zwrotu pieniędzy i lokalnej obsługi, nawet jeżeli sklep formalnie działa z Polski.
Warto też przygotować checkout pod ruch z AI. Klient przechodzący z rozmowy nie powinien trafiać na stronę główną ani ogólną kategorię. Potrzebna jest karta produktu zgodna z obietnicą z wyniku, z widoczną ceną, wariantem, terminem dostawy i metodami płatności. Klarna, PayPal, karta płatnicza i lokalne przelewy natychmiastowe zwiększają poczucie bezpieczeństwa, ale każda dodatkowa metoda ma koszt. Decyzja o wdrożeniu płatności odroczonych powinna wynikać z koszyka, marży i kategorii. W tanich produktach o niskiej marży prowizja płatnicza może zjadać znaczną część zysku.
Testowanie Klarna, lokalnych metod płatności i ścieżki zakupowej poza klasycznym SEO
Sprzedawcy powinni traktować Klarna Shopping Search jako kanał testowy, nie jako natychmiastowy zamiennik Google, Amazon lub Zalando. Pierwsze działania powinny objąć produkty o wysokiej intencji zakupowej, dobrej dostępności, niskim ryzyku zwrotu i stabilnej marży. Warto osobno mierzyć konwersję ruchu z AI, średnią wartość koszyka, udział płatności odroczonych, koszt transakcji, czas dostawy, wskaźnik zwrotów i liczbę zapytań do obsługi klienta. Dopiero takie dane pokażą, czy kanał poprawia rentowność, czy tylko zwiększa wolumen sprzedaży.
Największe ryzyko polega na powstaniu kolejnej warstwy zależności od pośredników. Sprzedawca, który dziś płaci za reklamy w Google, prowizję marketplace, opłatę operatora płatności i koszt fulfillment, może w modelu konwersacyjnym dopłacać jeszcze za sponsorowaną widoczność w AI. Przy presji cenowej każdy dodatkowy procent kosztu obniża przestrzeń do rabatów i darmowej dostawy. Przewagę zyskają firmy, które mają czyste dane, szybką logistykę, lokalne płatności, dopracowane opisy i kontrolę nad marżą na poziomie SKU, czyli pojedynczego wariantu produktu w systemie sprzedaży.
Klarna przesuwa handel bliżej rozmowy, ale nie zwalnia sprzedawców z podstawowej pracy operacyjnej. AI może doprowadzić klienta do produktu szybciej niż wyszukiwarka, lecz klient nadal oceni cenę, wiarygodność sklepu, termin dostawy i łatwość zwrotu. Polski e-commerce ma w tym układzie realną szansę, szczególnie w kategoriach z dobrą relacją ceny do jakości. Warunkiem jest odejście od myślenia, że widoczność kończy się na SEO, kampanii produktowej i obecności na marketplace. W handlu konwersacyjnym wygrywa oferta, którą system potrafi zrozumieć, porównać i bezpiecznie pokazać klientowi w momencie decyzji.
