System kaucyjny
oczami AI

Jak czytać ten raport

Streszczenie

Sześć ustaleń

Najważniejsze ustalenia z 1 400 odpowiedzi pięciu modeli. Każde z nich rozwijamy w dalszej części raportu.

Metodologia

Jak badaliśmy

Badanie nie opiera się na pojedynczej odpowiedzi modelu. Obserwuje powtarzalność wyników w czasie i w pięciu różnych środowiskach AI.

Czego te wyniki nie pokazują. To nie jest ranking jakości usług, urządzeń, obsługi konsumentów ani rzeczywistych udziałów rynkowych. Mierzymy wyłącznie widoczność podmiotów i informacji w odpowiedziach generowanych przez AI w okresie objętym monitoringiem.

W kategorii operatorów monitorujemy 8 podmiotów w dwóch zapytaniach o wybór operatora. Trzy najczęściej wymieniane firmy odpowiadają za 62,2% wszystkich wzmianek, co pokazuje, że wzmianki koncentrują się na wąskiej grupie.

Sama obecność marki w odpowiedzi nie przesądza jednak o tym, jak mocno jest eksponowana. Liczy się również, na którym miejscu pojawia się w treści - bo to ono decyduje o tym, co użytkownik przeczyta najpierw.

Ten sam operator, pięć różnych ocen

Kolejność w rankingu mówi mniej niż rozbieżność między modelami. OK Operator osiąga 86 punktów w modelu Gemini i 0 w modelu DeepSeek. To ta sama marka, to samo pytanie i ten sam okres pomiaru.

Kategoria producentów automatów jest najbardziej skoncentrowana ze wszystkich badanych. Trzy marki zbierają 68,6% wszystkich wzmianek, a pozostałych 14 podmiotów dzieli się resztą.

Zgodność ma jednak granicę: obejmuje pierwszą dwójkę. TOMRA i Envipco stoją wysoko w każdym z pięciu modeli. Trzecia w zestawieniu RVM Systems rozpina się od 83 punktów w ChatGPT do 37 w DeepSeeku, gdzie wyprzedza ją czwarty w rankingu ogólnym Sielaff. Badanie nie rozstrzyga, dlaczego tak jest - pokazuje, że tak jest.

Poza czołówką obecność zależy od wyboru modelu

Im niżej w rankingu, tym większa rola pojedynczego modelu. Recyclever dostaje 83 punkty od modelu Claude i zero od DeepSeek. Dla marki spoza pierwszej trójki wybór modelu przez użytkownika przesądza o tym, czy w ogóle pojawi się w odpowiedzi.

W pytaniach ogólnych - gdzie oddawać opakowania, która sieć robi to najlepiej - modele wskazują przede wszystkim największe sieci spożywcze. Monitorujemy tu 19 sieci, ale trzy pierwsze zbierają 47,9% wzmianek.

Ranking ogólny to jednak tylko połowa obrazu. Obok pytania, która sieć robi to najlepiej, stoi pytanie praktyczne: gdzie oddać butelki w konkretnym mieście. Przy nim ranking wygląda inaczej; pokazujemy go w rozdziale czwartym.

Model, który pomija najwięcej marek

Perplexity nie wymienił 14 z 19 monitorowanych sieci ani razu w całym okresie badania. Dla tych marek ten model - w badanym okresie i przy badanych pytaniach - nie był kanałem dotarcia.

Perspektywa lokalna to największa część badania: 490 odpowiedzi z siedmiu zapytań. I to w niej kolejność sieci najmocniej różni się od rankingu z pytań ogólnych.

Sieci, które w pytaniach ogólnych zajmują dalsze miejsca, w ujęciu lokalnym dochodzą do czołówki: Carrefour z 49 na 78 punktów, Stokrotka z 18 na 49. Kolejność na szczycie zostaje ta sama - zmienia się dystans. Jednym z możliwych wyjaśnień jest większe znaczenie źródeł lokalizacyjnych - map punktów zwrotu i wykazów sklepów - przy pytaniu o konkretne miasto. Badanie tego nie rozstrzyga: dane pokazują skutek, nie mechanizm.

Miasto po mieście

Obraz różni się nie tylko między pytaniem ogólnym a lokalnym, ale też między samymi miastami. Wybierz miasto, żeby zobaczyć, które sieci pojawiają się tam najczęściej.

Widoczność w AI nie jest jedną liczbą. Ta sama marka może mieć w tym samym tygodniu dwa różne wyniki - i oba będą prawdziwe. Różni je wyłącznie to, o co zapytał użytkownik. Dla firmy oznacza to, że pytanie „jaka jest nasza widoczność w AI” wymaga dopowiedzenia: przy jakim pytaniu i w którym modelu.

Ta część badania odchodzi od marek i sprawdza samą treść. Pytaliśmy o zasady systemu, stawki kaucji, obowiązki sklepów, wyzwania i sposoby poprawy funkcjonowania.

Jedna butelka, dwie odpowiedzi

Najbardziej wyrazista rozbieżność w tej części badania dotyczy pytania praktycznego: czy automat przyjmie zgniecioną butelkę. DeepSeek we wszystkich siedmiu pomiarach odpowiada twierdząco, pod warunkiem czytelnego kodu kreskowego. Pozostałe cztery modele konsekwentnie odradzają zgniatanie.

Jaki obraz systemu dostaje pytający

Dwa pytania w tym module nie dotyczą zasad, tylko oceny: co w systemie nie działa i co można poprawić. Modele są zgodne co do diagnozy: logistykę odbioru i rozliczeń oraz koszty wymienia komplet 35 z 35 odpowiedzi, infrastrukturę zwrotu 34, a ramy prawne 32. Po stronie recept rozbudowa sieci zwrotu i edukacja pojawiają się w komplecie 35 z 35 odpowiedzi. Różnice zaczynają się niżej: rozwiązania cyfrowe wymienia 29 odpowiedzi, a zachęty ekonomiczne 20. To tam odpowiedzi przestają być powtarzalne. Zgodność dotyczy listy tematów, a nie ich hierarchii.

Stawki kaucji: gdzie zgodność pęka

Przy stawkach kaucji zgodność spada. Standardowy schemat - 50 groszy za butelkę PET i puszkę oraz 1 zł za szklaną butelkę wielokrotnego użytku - podaje 30 z 35 odpowiedzi. Inny zestaw stawek pochodzi z 4 odpowiedzi - wszystkie od jednego modelu i wszystkie dotyczą wysokości kaucji, a nie zakresu opakowań. W jednej odpowiedzi ChatGPT nie podał stawek w ogóle: zamiast stawek model dopytał, o który krajowy system kaucyjny chodzi.

Obraz systemu, który modele przedstawiają użytkownikom, powstaje w rozproszonym ekosystemie publikacji, ale rozkład odwołań jest skrajnie nierówny. Połowa wszystkich odwołań przypada na 31 domen, a 105 domen wystąpiło dokładnie raz, razem 3,4% odwołań.

Modele różnią się nie tylko liczbą źródeł

Perplexity zwraca najwięcej odwołań, ale to Claude czerpie z najszerszego zbioru domen - 196 domen. Spośród modeli, które w ogóle zwracają źródła, najwęższy jest ChatGPT: 224 odwołania z zaledwie 26 domen. DeepSeek nie zwrócił w badaniu żadnych odwołań; nie oznacza to braku korzystania z informacji zewnętrznych, lecz brak źródeł podawanych w formacie, który badanie rejestrowało.

Własne strony marek w źródłach

W częściach markowych widać coś, czego w pytaniach o zasady systemu nie było: udział odwołań prowadzących na strony samych monitorowanych marek różni się między obszarami kilkukrotnie. U producentów automatów wynosi 39,4% - 8 z dwudziestu najczęściej cytowanych domen to strony producentów. U sieci handlowych, przy tych samych modelach i w tym samym okresie, to 8,7%. Najdalej sięga pojedyncza strona Kaufland poświęcona systemowi kaucyjnemu - modele przywołały ją 58 razy w pytaniach ogólnych i 99 razy w pytaniach o konkretne miasta. Nie znaczy to, że własna strona przesądza o rekomendacji; znaczy, że w jednej kategorii jest częścią materiału, z którego modele korzystają, a w drugiej prawie jej nie ma.

Rozproszenie jest mniejsze, niż sugeruje liczba domen

Liczba 358 domen sugeruje szeroki ekosystem informacyjny. W praktyce jest znacznie węższy: połowa wszystkich odwołań przypada na 31 domen, a 105 domen wystąpiło dokładnie raz, razem 3,4% odwołań.

Dla mediów

Jak cytować ten raport

Raport można cytować i przedrukowywać w publikacjach - bez pytania nas o zgodę i bez opłat. Dotyczy to także rysunków i tabel. Jedyny warunek to wskazanie źródła. Poniżej do skopiowania.