Wpisz ten sam prompt do ChatGPT siedem razy w ciągu godziny — średnio dostaniesz siedem różnych list marek. Zapytaj jutro, a marka, która dziś była na pierwszym miejscu, może się nie pojawić wcale.
To nie jest wada Twojego narzędzia do monitoringu. To wniosek z badania, które Rand Fishkin i Patrick O’Donnell opublikowali w styczniu 2026 roku: 600 ochotników przepuściło 12 promptów przez ChatGPT, Claude i AI od Google niemal 3000 razy. Szansa, że dwa uruchomienia dadzą tę samą listę marek, wyszła poniżej 1 na 100. Szansa na tę samą listę w tej samej kolejności? Bliżej 1 na 1000.
Czytałem w tym roku sporo treści typu „jak zdobyć #1 w ChatGPT”. Żadna nie wspomina o tej liczbie.
Większość porad GEO („generative engine optimisation” — czyli o to, żeby Twoja marka była wymieniana albo cytowana w odpowiedziach generowanych przez AI, a nie rankowana na liście niebieskich linków) publikowanych w tym roku pomija ten fakt całkowicie. Mówią Ci: dodaj schema, pisz w formacie pytanie-odpowiedź, aktualizuj datę świeżości — wszystko prawda, wszystko standard, który wdrażamy na każdym koncie zanim zaczniemy cokolwiek z tej listy — a potem przechodzą prosto do „jak zdobyć #1”, zdania, które zakłada, że jest jakieś #1 do utrzymania.
To, co czytasz dalej, to reszta naszego SOP: 24 taktyki, które wdrażamy, kiedy podstawy są już zrobione — te podstawy rozpisaliśmy w opisie naszej usługi SEO w AI — pogrupowane tak, jak grupujemy je wewnętrznie: pomiar, obecność w danych treningowych, architektura strony, luki encji i taktyki specyficzne dla platform. Dwie kolejne pozycje z tego samego dokumentu trzymamy wyłącznie w szufladzie R&D. Powiem Ci, czemu ich tu nie znajdziesz.
Najważniejsze wnioski
- Jednorazowy pomiar widoczności marki w odpowiedziach AI jest bliżej rzutu monetą niż metryki — szansa, że narzędzie AI zwróci tę samą listę marek dwa razy, wynosi poniżej 1 na 100 (SparkToro & Gumshoe.ai, styczeń 2026).
- Wzmianki, cytowania i źródła to trzy różne rzeczy w odpowiedzi AI. Większość porad GEO traktuje je jako jedno.
- Sam Reddit odpowiadał za 16,7% śledzonych cytowań w ChatGPT na lipiec 2026 (Ahrefs Brand Radar) — realna obecność UGC nie jest już opcjonalna.
- Korelacja między klasycznym rankingiem Google a widocznością w odpowiedziach AI wynosi, według badań Roberta Niechciała, około 0,65 — wystarczająco dużo, żeby SEO wciąż miało sens, wystarczająco mało, żeby samo nie wystarczyło.
- Modele odpowiadające na „co to jest X” korzystają ze stabilniejszej warstwy niż modele odpowiadające na „co jest najlepsze” — zawłaszcz definicję, zanim zaczniesz walczyć o ranking.
- Dwie taktyki z naszego SOP — stworzenie zupełnie nowej encji od zera i serwowanie botom AI innej treści niż widzą ludzie — zostają wyłącznie w R&D. Żadna nie trafia do pracy z klientem.
- Nic z tego nie zastępuje klasycznego SEO. To się na nim nadbudowuje.
Pomiar: czemu jeden pomiar jest gorszy niż żaden
Wszystko poniżej zakłada, że umiesz sprawdzić, czy taktyka zadziałała. Większość raportowania GEO tego nie umie, bo mierzy złą rzecz, w złej częstotliwości, w złym miejscu.
1. Mierz longitudinalnie, nie jednorazowo
Mierz obecność swojej marki w odpowiedziach AI co najmniej cztery razy w miesiącu — z grubsza raz w tygodniu — na zbiorze 100 lub więcej promptów, i raportuj procent odpowiedzi, w których się pojawiasz, plus to, jak często wypadasz i wracasz do top wyników. Nie swoją pozycję z jednego dnia. Odrzucaj każdy raport zbudowany na jednym sprawdzeniu — zgodnie z badaniem SparkToro i Gumshoe.ai przywołanym wyżej, jednorazowy pomiar mówi Ci prawie nic o tym, gdzie faktycznie stoisz.
2. Scrapuj publiczny interfejs, nie API
Zbieraj dane z publicznych, wylogowanych wersji ChatGPT, Gemini, Perplexity i Copilota — tych, z których korzysta prawdziwy klient — nie z ich API. API często działa na innym system prompcie i innym poziomie modelu, więc odpowiada inaczej niż wersja, w którą wpisuje pytanie człowiek. Claude nie ma jeszcze odpowiadającej publicznej, scrapowalnej wersji, więc na razie zostaw go poza tym ćwiczeniem.
3. Odpytuj z symulowanych person, nie z czystej karty
Zbuduj dwa-trzy profile person — z sensowną historią i kontekstem zawodowym każdy — i odpytuj z ich perspektywy, a potem porównaj wynik z zapytaniem anonimowym, bez historii. Te modele personalizują odpowiedzi pod profil użytkownika, więc „neutralna” wersja, którą widzisz wylogowany, niekoniecznie jest tym, co widzi Twój realny kupujący.
4. Zdiagnozuj swój wskaźnik wzmianka-do-cytowania
Dla każdej marki, którą śledzisz, łącznie z własną, wylicz stosunek tego, jak często jest wymieniana z nazwy, do tego, jak często jest faktycznie cytowana z linkiem do własnej domeny. Dużo wzmianek przy małej liczbie cytowań oznacza, że musisz obronić widoczność, którą już masz. Mało wzmianek przy dużej liczbie cytowań oznacza, że powinieneś mocniej naciskać na cytowania. Przeglądaliśmy case study Senuto o jednej marce ze sprzętu domowego, gdzie wzmianki przewyższały cytowania w proporcji z grubsza trzy do jednego — dużo widoczności, prawie nic z niej nie prowadziło z powrotem na stronę marki. (Na razie trzymamy tę markę anonimowo, do Twojej zgody — jeśli chcesz konkretów, powiedz słowo.)
5. Monitoruj sześć intencji, nie jedną
Podziel zestaw promptów na sześć typów intencji: definicja, walidacja, eksploracja, porównanie, ranking, rekomendacja. Mierz każdą osobno — potrzebujesz mniej promptów na intencję niż na jeden niezróżnicowany zestaw. W naszym śledzeniu intencja definicyjna trzyma się stabilnie w górnych 50 procentach, a rekomendacyjna spada nawet do dolnych 30 — widoczność w jednej intencji mówi Ci prawie nic o pozostałych.
6. Testuj obecność w danych treningowych z wyłączonym web search
Wyłącz web search i zapytaj model o rekomendację marki w Twojej kategorii. Jeśli Twoja pojawi się bez podpowiedzi, bez działającego wyszukiwania, to sygnał, że jesteś już zapisany w korpusie treningowym modelu. Oznacz tę intencję jako „zabezpieczoną” i przenieś wysiłek gdzie indziej.
Dane treningowe: wejście do następnego modelu, nie tylko do tego wyszukiwania
Wszystko powyżej mierzy warstwę wyszukiwania i retrievalu. Ta sekcja to warstwa pod nią: korpus, na którym te modele faktycznie były trenowane.
7. Opublikuj prawdziwą angielską wersję kluczowych stron
Jeśli Twój główny rynek nie jest anglojęzyczny, opublikuj pełną, redakcyjnie dopracowaną angielską wersję najważniejszych stron — nie maszynowe tłumaczenie doczepione dla zasady. Common Crawl, otwarte archiwum stron, na którym trenuje większość dużych modeli językowych, jest w przeważającej mierze anglojęzyczne. Cienka, automatycznie przetłumaczona strona nie zdobędzie takiej samej wagi w treningu jak strona faktycznie napisana do czytania.
8. Sprawdź robots.txt i wpuść CCBota
Potwierdź, że nie blokujesz crawlera Common Crawl, CCBota, w robots.txt, i aktywnie linkuj oraz pinguj swoje najważniejsze adresy URL. Archiwum Common Crawl przekroczyło już 300 miliardów stron i jest jednym z głównych źródeł danych dla następnej generacji treningu modeli. Celem tutaj nie są tegoroczne wyniki wyszukiwania — to model za rok.
Architektura strony: buduj pod ekstrakcję, nie pod perswazję
Robert Niechciał, CTO Vestigio, powiedział to na webinarze dla swojej platformy Sensei Academy, przed kilkoma tysiącami SEO-wców: „AI cytuje fragmenty, nie całe artykuły.” Struktura wynika z tego jednego zdania.
9. Niech tytuł i meta odpowiadają na pytanie w całości
Napisz meta description jako prawdziwe podsumowanie — główna encja plus kluczowy fakt — na tyle konkretne, że model mógłby odpowiedzieć na zapytanie na podstawie samego snippetu, bez wchodzenia na stronę. Kilka systemów AI odpowiada bezpośrednio ze snippetu częściej, niż większość SEO-wców zakłada. Meta description napisany jak clickbait działa tu na Twoją niekorzyść, nie na korzyść.
10. Oznacz encje i relacje w JSON-LD, potem to przetestuj
Dodaj schema z wyraźnymi encjami (termin modelu na konkretną, nazwaną rzecz z prawdziwego świata — firmę, osobę, produkt) oznaczonymi jako Organization, Person albo Product, plus linki sameAs łączące je z Twoimi innymi zweryfikowanymi profilami. Przetestuj to A/B na zestawie podstron i zmierz realną zmianę w obecności w odpowiedziach AI. JSON-LD to najtańsza struktura, jaką model może wyekstrahować — pomija parsowanie Twojego HTML i JavaScriptu w całości. Nie zakładaj, że działa. Zmierz to na zestawie kontrolnym stron, które go nie mają.
11. Pisz samodzielne akapity w formacie pytanie-odpowiedź
Każdy akapit powinien działać jako samodzielna jednostka: krótkie pytanie, krótka odpowiedź, dane, i koniec. „Każdy akapit, autonomiczna jednostka wiedzowa” — jak to ujął Niechciał na tym samym webinarze — bo model, który Cię ostatecznie zacytuje, wyciąga fragment, nie cały artykuł. Używaj list tylko tam, gdzie treść faktycznie ma naturę listy; w praktyce większość treści cytowanej przez AI to proza, nie punktory.
Luki encji: publikuj tam, gdzie jest dziura
12. Zbuduj macierz luk, zanim zaczniesz pisać
Skrzyżuj konkurenta, intencję, kategorię i etap lejka sprzedażowego w jednej macierzy i zaznacz każde pole, w którym konkurent się pojawia, a Ty nie. Publikuj dokładnie w te pola. To inżynieria wsteczna zamiast zgadywania — przestajesz strzelać na oślep i zaczynasz celować w udokumentowaną nieobecność.
13. Zawłaszcz intencję „definicja” dla swojej głównej kategorii
Dla kategorii, którą najbardziej chcesz posiadać, opublikuj samodzielną treść odpowiadającą na „co to jest X” — z Twoją marką jako częścią samej definicji, nie dopisaną na końcu. Zapytania definicyjne siedzą na najbardziej stabilnej z sześciu intencji z sekcji o pomiarze. Wygraj ją, a zwykle zostaje wygrana.
14. Zdominuj porównania „X vs Y”
Buduj i seeduj treści porównawcze — własne strony plus prawdziwe treści użytkowników — dla każdego zapytania „X vs Y” i „X czy Z” w Twojej branży, celując w to, by być domyślną nazwą wymienianą w każdym porównaniu. W tym samym case study Senuto z punktu 4 większość wzmianek AI o tej marce pochodziła właśnie z zapytań porównawczych. Porównania mają nieproporcjonalnie duże znaczenie względem tego, jak często ludzie faktycznie o nie pytają.
15. Kupuj publikacje dokładnie tam, gdzie już cytowany jest Twój konkurent
Wyeksportuj listę domen cytujących Twojego konkurenta dla danej intencji, skrzyżuj ją z bazą pośrednika publikacji, na przykład WhitePress, i kup miejsce właśnie na tych domenach. To jeden celowany link zamiast stu ogólnych — najbardziej chirurgiczny ruch z tej listy, i ten, który najczęściej odpuszczają agencje, bo wymaga realnego researchu, nie arkusza z zakupem mediów.
16. Powtarzaj markę w różnych kontekstach, nie tę samą tezę
Zaplanuj serię treści, w której Twoja marka pojawia się w naprawdę różnych intencjach i kontekstach — spójna historia opowiedziana z różnych stron — a nie ta sama teza opublikowana sto razy. Retrieval nagradza markę, która pojawia się w zróżnicowanych kontekstach. Nie nagradza powtarzania jednej tezy.
Taktyki dla konkretnych platform: traktuj każdą inaczej
Optymalizacja pod „AI search” jako jeden kanał to ten sam błąd, co optymalizacja pod „social media” jako jeden kanał. Każda platforma ma swoje własne nawyki retrievalowe.
17. Dopasuj strategię źródeł do platformy
| Platforma | Preferuje | Co to znaczy dla Ciebie |
|---|---|---|
| Gemini | Źródła medyczne, rządowe i akademickie | Zdobywaj lub partneruj po cytowania na domenach .gov, .edu i uznanych autorytetach zdrowotnych, gdzie Twoja kategoria się z nimi styka |
| Perplexity | Źródła e-commerce | Strony produktowe, marketplace’y i treści porównawcze mają tu większą wagę niż gdzie indziej |
| ChatGPT | Treści generowane przez użytkowników | Reddit, YouTube i fora branżowe to najsilniejsza dźwignia |
Nakładanie się cytowań między platformami jest niewielkie — w naszym śledzeniu źródło cytowane na jednej platformie rzadko pojawia się jako źródło na drugiej. Optymalizacja pod jedną nie przenosi się na resztę, więc mapuj cele źródłowe platforma po platformie, zamiast traktować to jako jeden kanał.
18. Zbuduj prawdziwą warstwę UGC
Wchodź w wątki na Reddicie, prowadź kanał na YouTube, bądź obecny na forach, z których faktycznie korzysta Twoja branża. Na lipiec 2026 sam Reddit odpowiadał za 16,7% śledzonych cytowań w ChatGPT — więcej niż jakakolwiek inna domena, według danych Ahrefs Brand Radar. To nie jest hack. To miejsce, gdzie model już szuka.
19. Publikuj pełne transkrypcje każdego podcastu i wideo
Każdy odcinek wideo czy podcastu powinien mieć na Twojej stronie kompletną, spisaną transkrypcję. Modele czytają tekst, nie audio czy wideo — transkrypcja jest tym, co faktycznie zostaje wchłonięte i zacytowane, nie nagranie leżące obok niej.
20. Bądź obecny na trzech lub więcej platformach naraz
Rozłóż wysiłek tak, żeby Twoja marka pojawiała się na co najmniej trzech platformach AI jednocześnie, zamiast skupiać wszystko na jednej. W naszym śledzeniu marki z realną obecnością na trzech platformach przechwytują nieproporcjonalnie duży udział łącznych wzmianek — obecność się kumuluje między platformami, nie sumuje liniowo.
21. Wypełnij każdy profil mapowy, nie tylko Google
Uzupełnij wpisy na Apple Maps, Bing Maps, OpenStreetMap, HERE, Waze i, gdzie to relevantne, Targeo — zdjęcia, kategorie, opis i linki, na takim samym poziomie jak w Google Business Profile. Wyłapaliśmy to niemal przez przypadek na jednym z kont klienckich, a obecność mapowa przełożyła się na widoczność w odpowiedziach AI mocniej, niż zakładaliśmy.
22. Załóż Bing Places, ale nie stawiaj wszystkiego na IndexNow
Załóż wpis w Bing Places, ale nie traktuj Bing ani protokołu IndexNow jako głównej dźwigni do widoczności w ChatGPT. Widzieliśmy, jak ChatGPT cytuje strony, które nigdzie nie rankują w wynikach samego Bing — założenie, że „widoczny w Bing” znaczy „widoczny w ChatGPT”, nie sprawdza się w naszych testach, choć nazwałbym to raczej zaobserwowanym wzorcem niż potwierdzonym mechanizmem.
23. Celuj w top trzy w wąskiej kategorii, nie w widoczność wszędzie
Wybierz jedną wąską intencję albo kategorię i skoncentruj budżet na wejściu do top trzech tam, zamiast gonić za „widocznością” we wszystkim, co robisz. W naszym śledzeniu obecność w top trzech trzyma się w czasie znacznie lepiej niż pozycja ze środka albo ogona, która zmienia się przy praktycznie każdym pomiarze. Rozproszenie sił nie daje Ci nic, co warto by było raportować.
24. Wybieraj następną kategorię po nasyceniu, nie po ambicji
Przed inwestycją sprawdź, jak skoncentrowane są już odpowiedzi w danej kategorii — ile marek składa się na 80% odpowiedzi. Niektóre kategorie są zabetonowane wokół kilkunastu graczy; inne są szeroko otwarte, z tym samym 80% udziałem rozłożonym na kilkaset marek. Atakuj te rozproszone. Nowa marka rzadko przebija się przez zabetonowaną kategorię samą treścią, niezależnie od tego, jak dobra jest ta treść.
Co trzymamy poza pracą z klientem
Nasz wewnętrzny SOP ma jeszcze dwie pozycje, obie zaszufladkowane wyłącznie jako R&D: stworzenie od zera zupełnie nowej encji albo kategorii, i testowanie, czy botom AI można serwować inną treść niż widzą ludzie. Obie niosą realne ryzyko prawne i związane z polityką platform. Obie zostają na naszych własnych, testowych właściwościach. Żadna nie trafia na konto klienta bez prawnika w pokoju — a jeśli jakiś dostawca sprzedaje Ci którąkolwiek z nich jako gotowy „growth hack”, to jest właśnie ten sygnał ostrzegawczy.
Przestań robić te pięć rzeczy
| Przestań robić to | Czemu to nie działa | Zrób to zamiast |
|---|---|---|
| Monitorowanie sentymentu marki w odpowiedziach AI | Te modele są zbudowane, żeby polecać, nie krytykować — negatywny sentyment jest bliski zeru w odpowiedziach, które śledzimy | Przenieś ten budżet na monitoring obecności według intencji (punkt 5) |
| Publikowanie jednorazowego „raportu widoczności w AI” | Jednorazowy pomiar jest bliski rzutowi monetą — patrz dane SparkToro wyżej | Raportuj longitudinalnie: minimum cztery pomiary w miesiącu, plus rotacja (punkt 1) |
| Kupowanie 100 identycznych wzmianek marki | Wolumen w jednej intencji i kontekście nie buduje pokrycia | Publikuj w różnych intencjach i kontekstach (punkt 16) |
| Fałszywe opinie | Wykrywanie niekonsekwencji wciąż się poprawia; jedno ukarane konto może zniweczyć miesiąc pracy | Zbieraj prawdziwe opinie od realnych klientów |
| Generowanie treści na skalę na najdroższym modelu | Tańsze modele dorównują poziomem jakości przy treściach na skalę za ułamek kosztu | Używaj tańszych modeli do skali, drogi model zostaw na finalny szlif |
Podsumowanie
GEO to nie nowe SEO w przebraniu i nie da się o tym raportować tak, jak agencje raportowały rankingi w 2015 roku. Najtrudniejszy do zaakceptowania fakt jest jednocześnie najbardziej użyteczny: jednorazowy pomiar jest bliżej rzutu monetą niż metryki, więc zbuduj rytm pomiaru, zanim zbudujesz treść. Co wciąż jest naprawdę niejasne rok w to: czy indeksy cytowań za ChatGPT, Gemini i Perplexity zbiegną się w coś przypominające jeden wspólny graf sieci, czy zostaną tak rozdrobnione jak dziś. Zanim to się rozstrzygnie, stawianie wszystkiego na reguły jednej platformy jest najbardziej ryzykownym ruchem z całej tej listy.
FAQ
Jak często powinienem mierzyć obecność marki w odpowiedziach AI?
Co najmniej cztery razy w miesiącu, rozłożone na tydzień, na zbiorze 100 lub więcej promptów. Jednorazowy pomiar mówi Ci prawie nic — szansa, że narzędzie AI zwróci tę samą listę marek dwa razy, wynosi poniżej 1 na 100 (SparkToro & Gumshoe.ai, styczeń 2026).
Czy klasyczny ranking SEO wciąż ma znaczenie, jeśli chcę być widoczny w ChatGPT albo AI Overviews?
Tak, ale to nie cała historia. Robert Niechciał szacuje korelację między rankingiem top-10 w Google a widocznością w odpowiedziach AI na około 0,65 — wystarczająco dużo, żeby SEO wciąż miało sens, wystarczająco mało, żeby sam dobry ranking nie gwarantował cytowania.
Czy powinienem śledzić sentyment wokół swojej marki w odpowiedziach AI?
Generalnie nie wart dedykowanej linii budżetu. Te modele są zbudowane, żeby polecać, nie krytykować, więc negatywny sentyment jest rzadkością w odpowiedziach, które śledzimy. Zamiast tego skup ten wysiłek na tym, czy jesteś polecany i w jakim kontekście.
Czy kupowanie dużej liczby identycznych wzmianek marki to skrótowa droga do widoczności w AI?
Nie. Wolumen w jednej intencji i jednym kontekście nie buduje pokrycia w sześciu intencjach, które faktycznie decydują, czy model Cię poleci. Rozłóż to na różne konteksty (punkt 16).
A co z cloakingiem treści dla botów AI albo tworzeniem nowej kategorii, żeby ją posiadać od zera?
Obie pozycje siedzą w kolumnie R&D naszego SOP, testowane wyłącznie na naszych własnych właściwościach, nigdy na koncie klienta, bo obie niosą realne ryzyko prawne i związane z polityką platform. Traktuj każdego dostawcę, który sprzedaje jedną z nich jako gotową „usługę”, z uzasadnioną podejrzliwością.
Jeśli chcesz wiedzieć, gdzie faktycznie stoi Twój wskaźnik wzmianka-do-cytowania, zanim wydasz choć jeden token na treść, właśnie do tego służy nasz AI Visibility Audit. Wyślij nam swoją domenę i platformy, na których Ci zależy — odeślemy macierz luk.
Rafał Moszkowców, CEO i Współzałożyciel, NON.agency. Piętnaście lat w operacjach wyszukiwania, ostatnio budując AI-native infrastrukturę za międzynarodowym SEO w NON.agency. Prowadzi podcast Globalne Horyzonty.
