Agenci zakupowi AI: preferencje dotyczące koszyka i zamówienia mogą się różnić
W wybranym panelu amerykańskim 50 spośród 103 niedawnych użytkowników AI do wyszukiwania informacji o produktach, którzy pozwoliliby agentowi dodawać produkty do koszyka bez pytania, udzieliło innej odpowiedzi w sprawie złożenia zamówienia. Ich sparowane odpowiedzi sugerują precyzyjniejsze pytanie do briefu sprzedawcy.
Analiza Trust in AI Commerce Report firmy Product.ai, wydanie 2, opublikowanego 14 października 2026. Nieważone badanie panelowe trwało od 27 sierpnia do 1 września 2026. Są to hipotetyczne preferencje dotyczące zadań, wyrażone przez 550 niedawnych użytkowników AI do wyszukiwania informacji o produktach, a nie zaobserwowane zachowania przy finalizacji zakupu.
Streszczenie
Gotowość kupującego do pozwolenia asystentowi AI na dodanie czegoś do koszyka nie musi opisywać jego preferencji dotyczącej złożenia zamówienia. Spośród 550 niedawnych użytkowników AI do wyszukiwania informacji o produktach w wybranym panelu amerykańskim Product.ai 103 pozwoliłoby dodawać produkty do koszyka bez pytania. Z tych 103 osób 53 pozwoliłyby też zamawiać bez pytania, 40 chciało wcześniejszego pytania, a 10 nigdy nie pozwoliłoby agentowi zamawiać. 2 ostatnie grupy stanowią łącznie 48,5% tej grupy 103 osób. [1] [2]
Wzorzec występuje też w przeciwnym kierunku: 40 respondentów pozwoliłoby zamawiać bez pytania, wybierając bardziej restrykcyjną odpowiedź dla dodawania do koszyka. Wśród wszystkich 550 sparowanych odpowiedzi 170 osób wybrało różne kategorie dla obu zadań. Analiza dodaje kombinacje odpowiedzi tych samych osób do osobnych odsetków dla zadań opublikowanych przez wydawcę. Praktyczny wniosek to osobne pytania o każde zadanie przy przygotowywaniu briefu sprzedawcy. Nieważone badanie przygotowane przez sponsora opisuje deklarowane preferencje, a nie ich rozpowszechnienie w kraju, faktycznie udzielone upoważnienie ani korzyść dla konwersji.
Sprzedawca ocenia asystenta zakupowego AI. Demonstracja wygląda prosto: pomóc komuś wybrać produkt, dodać go do koszyka i przygotować zamówienie. W briefie premiery może z tego powstać jedna szeroka obietnica: asystent pomaga klientom robić zakupy.
Klient może jednak różnie rozumieć te działania. Dodanie lampy do koszyka może być częścią rozważania zakupu. Złożenie zamówienia to osobne zadanie. Product.ai zapytało o oba w tym samym badaniu, dzięki czemu możemy sprawdzić coś, czego nie wyjaśniają osobne główne odsetki: czy te same osoby wybrały taki sam poziom zaangażowania dla każdego działania?
2 zadania, 2 pytania

Podobne odsetki mogą opisywać różne osoby
Product.ai opublikowało już użyteczne porównanie: 18,7% spośród 550 respondentów pozwoliłoby agentowi dodawać produkty do koszyka bez pytania, a 16,9% pozwoliłoby mu składać zamówienie bez pytania. Te wartości opisują każde zadanie osobno. Nie ujawniają, w jakim stopniu obie grupy się pokrywają. Nasz wkład polega na połączeniu 2 odpowiedzi każdego respondenta. [1] [2]
Szersze rozróżnienie jest już znane. Badanie NMI z 2026 roku opisuje konsumentów, którzy chętnie przyjmują pomoc w zakupach, ale chcą zachować kontrolę nad zakupem. To badanie stawia węższe pytanie: jakie preferencje współwystępują, gdy ta sama osoba odpowiada na pytania o koszyk i zamówienie? Korzystamy z 1 źródła i 1 pary pytań, zamiast porównywać odsetki z badań o różnych uczestnikach i sformułowaniach. [7]
W pierwszej grupie były 103 osoby, a w drugiej 93. Tylko 53 należały do obu. Kolejne 50 dopuszczało dodawanie do koszyka bez pytania, ale chciało pytania przed zamówieniem lub nigdy nie pozwoliłoby zamawiać. Z kolei 40 podało odwrotną kombinację: zamawianie bez pytania połączone z odpowiedzią „najpierw zapytaj” lub „nigdy” dla dodawania do koszyka.
Ma to znaczenie, gdy brief opisuje jedną grupę odbiorców jako akceptującą autonomiczne zakupy. Podobne sumy mogą ukrywać różne osoby i oczekiwania. Zespół czytający tylko 2 główne odsetki nie wiedziałby, którzy respondenci oczekiwali takiego samego traktowania obu działań.
Poniższa tabela pokazuje wszystkie 9 kombinacji. Czytaj wiersz, aby zobaczyć odpowiedzi danej grupy koszyka na pytanie o zamówienie. Czytaj kolumnę, aby zobaczyć odpowiedzi dotyczące koszyka w danej grupie zamówienia. Komórki oznaczają osoby w tym wybranym panelu, a nie ukończone etapy lejka zakupowego ani ustawienia działającego asystenta.
Te same osoby udzieliły tych odpowiedzi o koszyku i zamówieniu
Liczebności wśród 550 niedawnych użytkowników AI do wyszukiwania informacji o produktach w wybranym, nieważonym panelu amerykańskim Product.ai, sierpień–wrzesień 2026. Wiersze opisują dodawanie do koszyka, a kolumny składanie zamówienia.
| Preferencja dotycząca koszyka | Zamawianie bez pytania | Zamawianie tylko po wcześniejszym pytaniu | Nigdy nie pozwalać zamawiać |
|---|---|---|---|
| Dodawanie do koszyka bez pytania | 53 | 40 | 10 |
| Dodawanie do koszyka tylko po wcześniejszym pytaniu | 32 | 175 | 52 |
| Nigdy nie pozwalać dodawać do koszyka | 8 | 28 | 152 |
Spośród 103 osób dopuszczających dodawanie do koszyka bez pytania 50 odpowiedziało inaczej o zamawianiu
Zacznijmy od 103 osób, które pozwoliłyby agentowi dodawać produkty bez pytania. Ich odpowiedzi dotyczące zamówienia dzielą się na 3 grupy: 53 pozwoliłyby też zamawiać bez pytania, 40 chciało, by agent najpierw zapytał, a 10 nigdy by na to nie pozwoliło. Odpowiadające im udziały to 51,5%, 38,8% i 9,7%. [3]
Obliczenie wygląda tak: dodaj 40 odpowiedzi „najpierw zapytaj” do 10 odpowiedzi „nigdy”, a następnie podziel 50 przez 103. Po pomnożeniu przez 100 i zaokrągleniu otrzymujemy 48,5%. Mianownikiem jest grupa akceptująca dodawanie do koszyka bez pytania. Nie jest to wszystkich 550 respondentów, wszyscy kupujący w USA ani wszyscy użytkownicy agentów zakupowych AI.
Warto rozróżnić te 40 i 10 osób. Wcześniejsze pytanie nadal pozostawia agentowi rolę w składaniu zamówienia. Całkowity zakaz tego zadania to inna odpowiedź. Połączenie grup opisuje granicę działania bez pytania; nie oznacza, że wszystkie 50 osób odrzuca pomoc AI w zakupach.
Dla sprzedawcy wynik sugeruje rozdzielenie 2 pytań badawczych, które ogólna miara entuzjazmu może zacierać. Czy klient chce pomocy w przygotowaniu wyboru? Co, jeśli cokolwiek, chce sprawdzić przed złożeniem zamówienia przez asystenta? Badanie uzasadnia osobne zadanie tych pytań. Nie określa projektu ekranu sprawdzenia ani nie pokazuje, że dodanie go poprawia sprzedaż.
Preferencje zamawiania wśród 103 osób dopuszczających dodawanie do koszyka bez pytania
Mianownikiem jest 103 respondentów z wybranego panelu amerykańskiego, a nie wszystkich 550 niedawnych użytkowników AI do wyszukiwania informacji o produktach ani wszyscy kupujący.
| Preferencja dotycząca zamówienia | Respondenci | Mianownik grupy koszyka | Udział w grupie koszyka (%) |
|---|---|---|---|
| Bez pytania | 53 | 103 | 51,5% |
| Tylko po wcześniejszym pytaniu | 40 | 103 | 38,8% |
| Nigdy | 10 | 103 | 9,7% |
40 respondentów podało odwrotne odpowiedzi dotyczące koszyka i zamówienia
Prosta opowieść umieściłaby wszystkich na jednej drabinie: najpierw pozwolenie na wyszukiwanie informacji, potem dodawanie do koszyka, a następnie zamawianie. Te sparowane odpowiedzi nie uzasadniają takiej drabiny. Spośród 259 respondentów chcących pytania przed dodaniem do koszyka 32 pozwoliłoby zamawiać bez pytania. Spośród 188 osób, które nigdy nie pozwoliłyby dodawać do koszyka, 8 pozwoliłoby zamawiać bez pytania. Razem daje to 40 odwrotnych odpowiedzi.
Znaczenie mają też pozostałe komórki poza przekątną. 52 osoby chciały pytania przed dodaniem do koszyka, ale nigdy nie pozwoliłyby agentowi zamawiać. Kolejne 28 nigdy nie pozwoliłoby dodawać do koszyka, lecz dopuściłoby zamawianie po wcześniejszym pytaniu. Zachowanie tych odpowiedzi zapobiega niejawnemu przekształceniu badania w jedną skalę gotowości.
W całej grupie sparowanej 380 osób wybrało tę samą kategorię dla obu zadań, a 170 wybrało różne: odpowiednio 69,1% i 30,9%. Zgodność oznacza tu identyczne odpowiedzi na 2 różne pytania o zadania. Nie mierzy spójności, wiarygodności ani jakości odpowiedzi respondenta. [3]
Nie wiemy, czy odwrotne odpowiedzi wynikają z różnych interpretacji koszyka, konkretnego scenariusza zakupowego, szumu pomiarowego czy rzeczywistych preferencji. Analiza nie testowała żadnego z tych wyjaśnień. Zamiast odrzucać te osoby lub zgadywać motywy, sprzedawca może wykorzystać niejasność do poprawy przyszłego wywiadu: opisać działanie, a następnie zapytać klienta, jak rozumie jego skutek.
Większość wybrała tę samą kategorię, a 170 osób wybrało różne
Obie odpowiedzi dotyczące zadań są dostępne dla wszystkich 550 niedawnych użytkowników AI do wyszukiwania informacji o produktach w tym wybranym panelu amerykańskim.
| Relacja między 2 odpowiedziami | Respondenci | Mianownik sparowanych odpowiedzi | Udział w grupie sparowanych odpowiedzi (%) |
|---|---|---|---|
| Ta sama kategoria dla obu zadań | 380 | 550 | 69,1% |
| Różne kategorie dla obu zadań | 170 | 550 | 30,9% |
Zapytaj o działanie przed wyborem ustawienia
Zamień ogólną obietnicę zakupową w konkretny brief

Nazwij działanie
Opisz dokładnie, co asystent zrobiłby z koszykiem lub zamówieniem.
Zapytaj o to działanie
Rozdziel działanie bez pytania, wcześniejsze pytanie i niewykonywanie zadania.
Sprawdź sformułowania
Sprawdź rozumienie klientów i zachowaj ich 2 odpowiedzi razem.
Praktyczny wniosek to wyjaśnienie zadania, zanim potraktuje się odpowiedź jako poparcie dla funkcji. Pytanie „Czy skorzystasz z asystenta zakupowego AI?” pozostawia zbyt wiele proponowanych zachowań bez opisu. Ktoś może chętnie przyjąć pomoc w wyborze produktu, ale chcieć samodzielnie sprawdzić zamówienie. Ktoś inny może wyobrażać sobie ponowne zamówienie, które nie wymaga budowania nowego koszyka.
W briefie sprzedawcy opisz pomoc przy koszyku i składanie zamówienia w osobnych zdaniach. W pierwszym przypadku powiedz, czy asystent sugeruje produkt, czy faktycznie go dodaje, i czy klient może sprawdzić wybór. W drugim określ, co „złożyć zamówienie” oznacza w proponowanym rozwiązaniu i kiedy klient zobaczy szczegóły. To kwestie do ustalenia przez zespół, a nie szczegóły dostarczone przez to badanie.
Następnie rozdziel 3 możliwości: wykonać opisane zadanie bez pytania, zapytać przed wykonaniem lub nie wykonywać zadania. Unikaj streszczania 2 pierwszych jako jednej preferencji automatyzacji. Odpowiedź „najpierw zapytaj” zawiera warunek, który szersza etykieta by usunęła.
W podsumowaniu badania zachowaj powiązanie obu odpowiedzi z tą samą osobą. Osobne odsetki pozostają użyteczne, ale odpowiadają na inne pytanie. Sparowana tabela pozwala sprawdzić, czy osoby akceptujące jedno działanie akceptują też drugie, w tym kombinacje niepasujące do sekwencji oczekiwanej przez zespół.
Te zalecenia dotyczą badań i komunikacji. Deklarowana preferencja nie jest upoważnieniem do płatności, prawnie wystarczającym procesem uzyskiwania zgody ani poleceniem zmiany ustawień klienta. Takie decyzje operacyjne wymagają własnych wymogów. Węższa korzyść polega tu na postawieniu jaśniejszego pytania w briefie, zanim zespół obieca, co zrobi asystent.
Hipotetyczna premiera w sklepie z wyposażeniem domu wyjaśnia rozróżnienie
Wyobraź sobie sprzedawcę wyposażenia domu przygotowującego pokaz asystenta zakupowego przez twórcę. To wymyślony przykład, a nie firma zaobserwowana w badaniu. Pierwotny brief prosi twórcę o pokazanie, jak asystent pomaga klientowi wybrać lampę biurkową i dokończyć zakup. Takie zdanie nie wyjaśnia udziału klienta na każdym etapie.
Poprawiony brief rozdziela działania. Jedna część pokazuje dodanie wybranej lampy do koszyka. Druga pokazuje szczegóły zamówienia i moment, w którym proponowane rozwiązanie poprosi klienta o ich sprawdzenie. Sprzedawca nadal musi zweryfikować, czy rzeczywisty produkt działa zgodnie z opisem. Badanie nie rozstrzyga, że akurat ten projekt jest właściwy.
Przed nagraniem zespół może pokazać proponowane sformułowania potencjalnym klientom i poprosić o wyjaśnienie, czego oczekują od asystenta. Warto dopytać, czy odpowiedź zmienia się między dodaniem lampy a złożeniem zamówienia. Gdy ktoś poda odwrotną kombinację, prowadzący wywiad powinien zapytać o rozumienie obu zadań, zamiast uznać odpowiedź za błędną.
Twórca potrzebuje potem precyzyjnej obietnicy, a nie odsetka z badania jako hasła sprzedażowego. Na przykład brief demonstracji może wymagać rozróżnienia wyboru produktu, dodania go do koszyka i potwierdzenia zamówienia. Każde stwierdzenie, że klient zostanie najpierw zapytany, trzeba sprawdzić w rzeczywistym rozwiązaniu przed publikacją.
Wynik 50 ze 103 ma miejsce w wewnętrznym uzasadnieniu: pokazuje, dlaczego jedna preferencja dotycząca koszyka może nie wystarczyć jako dowód preferencji dotyczącej zamówienia. Nie powinien pojawić się w demonstracji jako „połowa klientów potrzebuje tej funkcji”. Badanie korzystało z wybranego panelu i nie mierzyło, co działo się po zobaczeniu proponowanego interfejsu.
Krótki brief, który zachowuje użyteczność obu odpowiedzi
Brief do ponownego wykorzystania może zaczynać się tak: „Oceniamy, jak klienci chcą, by asystent obsługiwał dodawanie do koszyka i składanie zamówienia”. Zachowaj poniższe pola razem, aby późniejsze podsumowanie kampanii można było powiązać z pytaniami, na które ludzie rzeczywiście odpowiedzieli.
Zadania i kontekst: „W tej wersji rozwiązania dodanie do koszyka oznacza [opisz działanie]. Złożenie zamówienia oznacza [opisz działanie]. Przed odpowiedzią klient widzi [opisz wyjaśnienie lub demonstrację]”. Puste pola są istotne: odpowiedź o nieokreślonym asystencie nie jest zamienna z odpowiedzią o zademonstrowanym przebiegu pracy z produktem.
Pytania i odpowiedzi: „Czy dla każdego zadania asystent ma działać bez pytania, najpierw zapytać czy nie wykonywać zadania?”. Zapisz obie odpowiedzi tej samej osoby. Jeśli klient poda kombinację nieoczekiwaną przez zespół, zachowaj ją i poproś o wyjaśnienie, jak zrozumiał zadania. Nie przenoś odpowiedzi do wygodniejszej kategorii.
Wyniki i mianownik: „Spośród [liczba] kwalifikujących się osób, które odpowiedziały na oba pytania, [liczba] wybrała każdą sparowaną kombinację. Spośród [liczba] osób dopuszczających dodawanie do koszyka bez pytania [liczba] podała każdą odpowiedź dotyczącą zamówienia”. Brakujące odpowiedzi uwzględnij osobno. Rozdziel „najpierw zapytaj” i „nigdy”, nawet jeśli główny wynik łączy też te grupy.
Decyzja i osoba odpowiedzialna: „Te odpowiedzi pomogą podjąć [konkretną decyzję o sformułowaniu lub demonstracji]. [Wskazana osoba oceniająca] sprawdzi obietnice kampanii względem rzeczywistego działania produktu. Przed rozstrzygnięciem [osobnego pytania operacyjnego] nadal potrzebujemy [odpowiednich dowodów]”. Zapobiega to niejawnej zamianie podsumowania badania klientów w specyfikację autonomicznego zamawiania.
W hipotetycznej premierze wyposażenia domu bezpośrednia decyzja może dotyczyć momentów do wyjaśnienia przez twórcę i twierdzeń, które sprzedawca może poprzeć. Nie byłaby prognozą liczby kupujących. Warto zachowywać związek między 2 odpowiedziami, zanim którakolwiek stanie się szerokim twierdzeniem o odbiorcach.
Jak przeanalizowano sparowane odpowiedzi
Wykorzystaliśmy wydanie 2 Product.ai opublikowane 14 października 2026. Badanie terenowe trwało od 27 sierpnia do 1 września 2026, z użyciem Alchemer i panelu dorosłych Amerykanów kupujących w internecie lub sklepach stacjonarnych. Wydawca podaje kwoty według wieku, płci i regionu, bez ważenia do rozkładów spisowych Census. Nie podano szczegółów rekrutacji, prawdopodobieństw włączenia ani zachęt. Product.ai sprzedaje produkty weryfikacyjne dla handlu i publikuje badanie, co stanowi istotny interes komercyjny w tej tematyce. [1] [5]
Opublikowany plik zawiera 1 493 kompletne odpowiedzi. Q12 wskazuje 550 osób, które zadeklarowały użycie asystenta AI do wyszukiwania informacji o rozważanym produkcie w poprzednich 90 dniach. Zachowaliśmy grupę określoną w źródle, w tym osoby kupujące online i wyłącznie stacjonarnie. Niedawne wyszukiwanie informacji nie dowodzi użycia autonomicznego agenta zakupowego ani ukończenia zamówienia z pomocą AI.
Wszystkich 550 kwalifikujących się respondentów odpowiedziało na obie wybrane pozycje Q36 jedną z 3 dozwolonych opcji. Pozostałych 943 miało puste pola, ponieważ ścieżka kwestionariusza pomijała pytania dla użytkowników AI. Sprawdziliśmy te ścieżki, unikalne identyfikatory, daty źródeł i wartości odpowiedzi przed utworzeniem sparowanej tabeli. Żadne puste pole nie stało się odpowiedzią „nigdy” i żadnej odpowiedzi nie usunięto z powodu nieoczekiwanej kombinacji. Oba opublikowane rozkłady brzegowe zadań odtworzono z podaną dokładnością do 1 miejsca po przecinku. [2] [5]
Przed obliczeniem łącznych wyników analiza ustaliła parę koszyk/zamówienie, wszystkie 9 kombinacji, podział warunkowy w grupie dopuszczającej autonomiczne dodawanie do koszyka i kombinacje odwrotne. Każda komórka jest dostępna jako liczebność, udział wśród wszystkich 550, udział w wierszu koszyka i udział w kolumnie zamówienia. Te 3 odsetki mają różne mianowniki i nie należy ich stosować zamiennie. [3] [4]
Podajemy opisowe liczebności i odsetki bez populacyjnych przedziałów ufności, testów istotności i twierdzeń przyczynowych. Kompletne odpowiedzi w grupie wyznaczonej ścieżką kwestionariusza nie usuwają niepewności doboru i pomiaru. Q12 dotyczy przeszłego wyszukiwania informacji; Q36 — hipotetycznych zadań bez okresu odniesienia. Odpowiedzi nie tworzą zaobserwowanej sekwencji od koszyka do ukończonego zakupu.
Osobna implementacja odtworzyła ustalone wcześniej agregaty z oryginalnego opublikowanego CSV. Plik do pobrania zawiera kompletną tabelę, kontrole źródła, definicje i kod z informacją o autorstwie i skrótem oryginalnego pliku. Nie zawiera rekordów respondentów ani identyfikatorów. Wskazane materiały badawcze Product.ai są objęte CC BY 4.0; obliczenia, interpretację i tłumaczenia przygotowało Influence IQ, bez sugerowania poparcia wydawcy. [6]
- Pobierz wartości z wykresów, jednostki i mianowniki (CSV)
- Pobierz pełną sparowaną tabelę, metody i kod do odtworzenia analizy (ZIP)
CSV wykresów zawiera 24 wartości liczbowe z 8 wierszy wykresów. ZIP zawiera wszystkie 9 kombinacji odpowiedzi z liczebnościami i odsetkami dla każdego z 3 mianowników oraz sprawdzenia źródła i kod do odtworzenia analizy. CSV z 9 komórkami ma 63 pola liczbowe, w tym 27 wartości procentowych. Nie zawiera oryginalnych rekordów respondentów ani identyfikatorów. Pola liczbowe używają kropki dziesiętnej.
Źródła i przypisy
- Product.ai, The Trust in AI Commerce Report, Edition 2, opublikowany 14 października 2026. Badanie prowadzono od 27 sierpnia do 1 września 2026 przez Alchemer. Wydawca podaje kwoty wieku, płci i regionu, bez ważenia spisowego Census. Opublikował 1 493 kompletne odpowiedzi; 550 respondentów zgłosiło wyszukiwanie informacji o produktach z pomocą AI w poprzednich 90 dniach. Product.ai tworzy produkty weryfikacyjne dla handlu i publikuje badanie.
- Księga kodów wydania 2, Q12 i Q36. Q12 wskazuje niedawnych użytkowników AI do wyszukiwania informacji o produktach. Q36 pyta: “Would you let an AI shopping agent do each of these without asking you first?” Te 2 analizowane pozycje to “Add things to a cart” i “Place an order.” Opcje to “Yes - without asking,” “Yes - only if it asks first,” i “No, never.” Porównanie finalizacji zakupu w artykule dotyczy składania zamówienia, a nie osobnych pytań o dostęp do płatności, limity wydatków lub ukończone zakupy.
- Tabela łączna zawiera 53, 40 i 10 w wierszu dodawania do koszyka bez pytania; 32, 175 i 52 w wierszu wcześniejszego pytania oraz 8, 28 i 152 w wierszu „nigdy”. Kolumny mają tę samą kolejność opcji dla składania zamówienia. Główne obliczenie to (40 + 10) / 103 × 100 = 48,543689…%. Odpowiedzi w tej samej kategorii sumują się do 53 + 175 + 152 = 380; w różnych kategoriach — do 170. Wyświetlane odsetki są zaokrąglone do 1 miejsca po przecinku.
- Liczebności brzegowe dla koszyka to 103, 259 i 188, a dla zamówienia 93, 243 i 214. Przy tych rozkładach minimalna liczba osób, których odpowiedzi w 2 zadaniach należą do różnych kategorii, wynosi (|103−93| + |259−243| + |188−214|) / 2 = 26. Zaobserwowane 170 przekracza to minimum o 144. Opisuje to informację nieobecną w osobnych rozkładach brzegowych; nie jest miarą wielkości efektu, testem istotności ani oszacowaniem populacyjnym. Plan analizy ustalił 2 zadania, wszystkie 9 komórek i odwrotne kombinacje przed sprawdzeniem łącznych wyników. Nie przeszukiwano innych zadań ani grup demograficznych.
- Wydawca podaje 2 624 zebrane rekordy, w tym 760 odrzuconych podczas kwalifikacji i 371 częściowo ukończonych. Liczby te zgadzają się z 1 493 opublikowanymi kompletnymi rekordami, ale wykluczone rekordy nie są dostępne do niezależnego sprawdzenia. Wszystkich 550 kwalifikujących się respondentów ma prawidłowe sparowane odpowiedzi; pozostałych 943 ma puste pola wynikające ze ścieżki kwestionariusza. Żadnego braku odpowiedzi nie zakodowano jako odmowy. Nie podano dostawcy panelu, prawdopodobieństw włączenia ani szczegółowych procedur rekrutacji i zachęt. Nie stosujemy tu populacyjnych przedziałów ufności, testów ani wag badania.
- Product.ai udostępnia wskazany zbiór danych, księgę kodów i raport PDF wydania 2 na licencji CC BY 4.0. Influence IQ obliczyło sparowane agregaty oraz przygotowało interpretację i tłumaczenia. Plik do pobrania zawiera odnośniki do źródeł, dokładny skrót źródła i instrukcje odtworzenia. Wskazanie autorstwa nie oznacza poparcia Product.ai. Nie rozpowszechniamy rekordów respondentów ani identyfikatorów.
- NMI, “Consumers Want AI to Help Them Shop, Not Control Their Spending”, 26 sierpnia 2026, opisuje znane rozróżnienie między pomocą w zakupach a kontrolą nad zakupem. Osobne badanie tej firmy miało innych respondentów i pytania. Żadne odsetki NMI nie są łączone ani bezpośrednio porównywane ze sparowaną analizą Product.ai.
Wersją źródłową jest artykuł angielski. Każda wersja językowa opisuje ten sam wybrany panel amerykański i hipotetyczne preferencje dotyczące zadań z sierpnia–września 2026. Tłumaczenie nie zmienia populacji źródłowej ani nie czyni wyników rezultatami lokalnego badania.