Pozycjonowanie w AI: żeby asystenci wymieniali Twoją markę, kiedy ktoś pyta

Jak wygląda praca nad widocznością w AI krok po kroku

1. Punkt startu. Sprawdzamy, jak marka wygląda dziś: w których odpowiedziach się pojawia, obok kogo i z jakimi źródłami. Równolegle oceniamy stan techniczny strony. Najczęściej robimy to w ramach audytu SEO i GEO.
2. Dostępność techniczna. Usuwamy blokady dla robotów, naprawiamy indeksację i sprawdzamy, czy kluczowa treść jest w kodzie strony.
3. Zestaw pytań i luki. Z pomiaru wynika, na które pytania marka nie ma odpowiedzi w serwisie albo jest nieobecna w odpowiedziach asystentów, mimo że konkurenci są.
4. Treści. Piszemy lub przebudowujemy strony tak, by odpowiadały na te pytania w sposób możliwy do zacytowania: z definicją, danymi i porównaniem.
5. Spójny opis firmy i dane strukturalne. Ujednolicamy opis firmy, dodajemy dane strukturalne i poprawiamy rozbieżności w katalogach i wizytówkach.
6. Źródła zewnętrzne. Wskazujemy serwisy, które asystenci cytują w branży, i planujemy obecność marki w tych miejscach, na przykład przez publikacje eksperckie, aktualizację profili lub udział w zestawieniach.
7. Pomiar i korekty. Co miesiąc porównujemy wskaźniki z punktem startu, sprawdzamy, które zmiany przyniosły efekt, i korygujemy plan.

Kolejność ma znaczenie. Nowe treści mogą nie pomóc w cytowaniu, jeśli system nie ma dostępu do strony, a praca nad źródłami zewnętrznymi bez spójnych danych o firmie może rozproszyć przekaz.

Dla kogo ma to sens i od czego zależy zakres pracy

Praca nad widocznością w AI ma sens tam, gdzie klienci pytają asystentów o usługi, produkty i porównania: w usługach specjalistycznych, B2B, e-commerce, a także w firmach lokalnych, jeśli klienci szukają polecanych wykonawców. Jeśli markę rzadko opisują niezależne źródła, a strona ma problemy techniczne, najpierw potrzebne są podstawy opisane w sekcji o czynnikach wpływu.

Zakres i koszt zależą od kilku rzeczy, które ustalamy po poznaniu serwisu:

• stanu technicznego strony i liczby problemów do usunięcia;
• liczby tematów i pytań, które mają być objęte pomiarem;
• liczby konkurentów, z którymi liczymy share of voice;
• wielkości serwisu i ilości treści do przebudowy lub napisania;
• obecności marki w źródłach zewnętrznych i potrzeby jej zwiększenia;
• wersji językowych i rynków, na których marka ma być widoczna.

Jeśli chcesz zacząć od diagnozy, opisujemy ją na stronie audytu SEO i GEO. Sam pomiar bez zmian w serwisie to zakres monitoringu. Dla serwisów, które potrzebują też pracy nad klasyczną widocznością, punktem wyjścia jest pozycjonowanie.

Czego nie da się obiecać

Nikt poza dostawcą asystenta nie kontroluje jego odpowiedzi. Dlatego nie obiecujemy konkretnej pozycji marki w odpowiedzi, wymienienia jej w danym pytaniu ani terminu, w którym to nastąpi.

• Odpowiedzi się zmieniają. Ta sama sekwencja pytań może dać inny wynik po aktualizacji modelu, zmianie źródeł lub zwykłej zmienności odpowiedzi.
• Mechanizmy nie są w pełni jawne. Dostawcy opisują tylko część zasad wyboru źródeł. Pełnych algorytmów i wag nie publikują, dlatego ich dokumentację uzupełniamy obserwacją i testami.
• Zakres wpływu jest ograniczony. Możemy poprawić to, co zależy od właściciela strony i od obecności marki w źródłach. Nie wpłyniemy na wiedzę zapisaną w modelu ani na decyzje dostawcy.
• Odpowiedzi bywają błędne. Gdy asystent podaje nieprawdziwe informacje o firmie, możemy zidentyfikować źródło błędu i poprawić dane tam, gdzie to możliwe. Nie możemy zagwarantować, że asystent zmieni odpowiedź.

Z tego powodu raportujemy wskaźniki widoczności: obecność w odpowiedziach, cytowania i share of voice, razem ze zmianą względem punktu startu. Nie przedstawiamy ich jako obietnicy ruchu czy sprzedaży.

Jak mierzymy widoczność w AI

Odpowiedzi asystentów zmieniają się między zapytaniami, więc pojedyncze sprawdzenie nie jest miarodajne. Nasz pomiar opiera się na stałym zestawie pytań i regularnym powtarzaniu, co opisujemy szerzej w części o monitoringu widoczności w AI.

1. Budujemy zestaw pytań z realnych fraz z wyszukiwarki i rozmów z klientami: pytania o kategorię, porównania, pytania o markę oraz pytania problemowe.
2. Zadajemy te pytania w ChatGPT, Gemini, Perplexity i Claude i zapisujemy pełne odpowiedzi razem ze źródłami.
3. Liczymy wskaźniki: w ilu odpowiedziach pojawia się marka, ile razy cytowana jest jej domena i jaką część wszystkich wymienionych marek stanowi (share of voice względem konkurentów).
4. Oceniamy kontekst: czy opis marki jest poprawny, czy odpowiedź jest pozytywna, neutralna lub błędna oraz które źródła wpływają na opis.
5. Powtarzamy pomiar w stałych odstępach i porównujemy wyniki między okresami.

Liczby liczy kod, bez ręcznych zestawień, dzięki czemu wyniki są porównywalne między miesiącami. Do raportu dołączamy zestaw pytań i treść odpowiedzi, żeby każdy wskaźnik dało się sprawdzić na źródle.

Poza odpowiedziami AI śledzimy widoczność w Google i stan indeksacji. Stan serwisu w wyszukiwarkach, z których korzysta dany asystent, zestawiamy z wynikami pomiaru odpowiedzi.

Czym jest AI SEO i GEO

AI SEO to praca nad tym, żeby asystenci AI znali markę, wymieniali ją w odpowiedziach i cytowali jej strony jako źródła. Użytkownik pyta ChatGPT, Gemini, Perplexity albo Claude o polecaną firmę, porównanie usług lub rozwiązanie problemu. Odpowiedź często zawiera kilka nazw marek i linki do stron, z których pochodzą informacje. Celem pracy jest miejsce w takiej odpowiedzi.

Odpowiedź AI często łączy informacje z wielu stron w jeden tekst, czasem uzupełniony kartami produktów i listą źródeł. Liczba wymienionych marek zależy od pytania i systemu, dlatego mierzymy obecność marki i jej udział względem konkurentów.

Warto też rozumieć, czego ta praca nie obejmuje. Nie dotyczy kupowania miejsca w odpowiedziach ani wpływania na model przez ukryte polecenia w treści. Reklama w ChatGPT to osobny, płatny format wyświetlany pod odpowiedzią, opisany w tekście Reklama w ChatGPT: jak działa i kto ją widzi. Praca nad widocznością w AI obejmuje to, co właściciel strony faktycznie kontroluje: dostępność serwisu dla robotów, jakość i budowę treści, dane o firmie oraz obecność marki w źródłach, z których asystenci korzystają.

Skąd tyle nazw: GEO, AEO, AISO, LLM SEO

Branża nie ustaliła jednej nazwy, więc w ofertach i artykułach spotkasz kilka skrótów opisujących zbliżoną pracę.

• GEO (Generative Engine Optimization): optymalizacja pod wyszukiwarki generujące odpowiedzi. Tej nazwy używamy najczęściej obok AI SEO.
• AEO (Answer Engine Optimization): optymalizacja pod silniki odpowiedzi, czyli pod każdy system, który zwraca gotową odpowiedź zamiast listy linków. Termin funkcjonował przed popularnością asystentów opartych na generatywnej AI i obejmował także wyróżnione fragmenty w Google.
• AISO (AI Search Optimization): optymalizacja pod wyszukiwanie z pomocą AI.
• LLM SEO: optymalizacja pod duże modele językowe, czyli technologię, na której działają asystenci.

Różnice między tymi nazwami są głównie marketingowe. Konkretną pracę definiuje cel: obecność marki w odpowiedziach asystentów AI. Przy porównywaniu ofert zwróć uwagę na to, co wykonawca faktycznie robi i jak mierzy rezultat. Użyty skrót ma mniejsze znaczenie. Więcej o samym pojęciu piszemy w tekście GEO: co to jest i czym różni się od SEO.

Jak asystent buduje odpowiedź z wyszukiwaniem w sieci

Tryb z wyszukiwaniem w sieci działa w grubym przybliżeniu w czterech krokach. Poszczególne systemy różnią się szczegółami, a ich dostawcy nie ujawniają pełnego mechanizmu, dlatego opisujemy ogólny schemat bez zgadywania szczegółów algorytmu.

1. Wyszukanie źródeł. Asystent zamienia pytanie użytkownika na jedno lub kilka zapytań i pobiera listę stron z wyszukiwarki albo z własnego indeksu.
2. Wybór. Spośród znalezionych stron system wybiera te, które wyglądają na przydatne i wiarygodne, i odczytuje ich treść.
3. Synteza. Model składa z odczytanych fragmentów jedną odpowiedź własnymi słowami. Korzysta też z tego, czego nauczył się podczas trenowania.
4. Cytowanie. Część systemów dołącza do odpowiedzi odnośniki do źródeł. Marka może zostać wymieniona bez linku, a link nie oznacza, że strona została użyta w całości.

Z tego schematu wynikają dwa wnioski praktyczne. Po pierwsze, dobra indeksacja pomaga asystentowi odkryć stronę, choć może on też pobrać adres wskazany bezpośrednio przez użytkownika. Po drugie, zależnie od narzędzia asystent przetwarza wybrane fragmenty albo pełną treść strony. Treść zrozumiała po wyrwaniu jednego akapitu ma większą szansę na użycie niż treść, która wymaga kontekstu z całego artykułu. Jak to wygląda w ChatGPT, opisujemy w tekście skąd ChatGPT bierze informacje i które strony cytuje.

Gdy pytanie nie wymaga aktualnych danych, asystent może odpowiedzieć bez wyszukiwania, wyłącznie z wiedzy zapisanej w modelu. Wtedy o obecności marki decyduje to, jak często i w jakich kontekstach pojawiała się w materiałach, na których model był trenowany. Tego wpływu nie da się szybko zmienić, dlatego pracujemy głównie nad częścią opartą na wyszukiwaniu.

Czym AI SEO różni się od klasycznego SEO i co mają wspólnego

Obie dziedziny opierają się na tych samych fundamentach: strona musi być dostępna dla robotów, szybka, zrozumiała i wiarygodna. Różnią się tym, co jest wynikiem i jak go czytać.

• Wynik. W klasycznym SEO jest to lista stron z pozycjami. W AI SEO jest to odpowiedź tekstowa z kilkoma markami i źródłami.
• Jednostka pracy. W SEO jest to fraza i podstrona. W AI SEO pytanie, temat i marka jako całość.
• Miernik. W SEO pozycje, widoczność i indeksacja. W AI SEO wzmianki, cytowania i share of voice.
• Powtarzalność. Pozycje w Google da się śledzić, choć i one potrafią gwałtownie się zmienić. Ta sama odpowiedź asystenta może wyglądać inaczej przy kolejnym zapytaniu.
• Rola źródeł zewnętrznych. W SEO linki wzmacniają stronę. W AI SEO wzmianki w niezależnych źródłach kształtują opis marki.

Wspólne elementy widać w praktyce. Strona zablokowana przed robotem, wolna albo pełna zdublowanych adresów szkodzi w obu. Treść, która jasno odpowiada na pytanie, pomaga zarówno w wyróżnionych fragmentach Google, jak i w odpowiedziach asystentów. Dlatego pracę nad AI SEO zaczynamy od sprawdzenia podstaw znanych z pozycjonowania, a dopiero potem przechodzimy do elementów specyficznych dla AI.

Dla własnych funkcji AI Google mówi to wprost: sprawdzone metody SEO nadal obowiązują, a do wyświetlania w przeglądach od AI i w trybie AI nie ma dodatkowych wymagań ani specjalnych optymalizacji. Strona musi być zindeksowana i móc pojawić się w wyszukiwarce z fragmentem opisu. Szczegóły opisujemy w tekście przegląd od AI i tryb AI w Google: jak działają i jak do nich trafić.

Różnica w powtarzalności ma konsekwencje dla pomiaru. Jedna odpowiedź niczego nie dowodzi, bo przy ponownym zapytaniu asystent może wymienić inne marki. Dlatego wynik liczymy na zestawie pytań i powtarzamy sprawdzenia w czasie, o czym piszemy w sekcji o pomiarze.

Co wpływa na obecność marki w odpowiedziach AI

Dostawcy asystentów opisują część czynników wyboru źródeł, na przykład OpenAI wymienia intencję użytkownika, trafność i aktualność. Pełnej listy i dokładnych wag nie publikują. Poniższe obszary wynikają z tego, jak działa wyszukiwanie i generowanie odpowiedzi, oraz z obserwacji odpowiedzi w pomiarach. Traktujemy je jako hipotezy robocze, które sprawdzamy na danych każdej marki.

Dostępność strony dla robotów

Blokada pobierania ogranicza dostęp danego robota do treści. Jej wpływ na cytowania zależy od tego, jak asystent pozyskuje informacje. Sprawdzamy kody odpowiedzi serwera, blokady w robots.txt i w zaporze, noindex oraz to, czy najważniejsza treść jest w kodzie strony, bez doczytywania skryptami. Część robotów AI nie wykonuje JavaScriptu tak jak przeglądarka, więc treść widoczna tylko po jego uruchomieniu może być dla nich niewidoczna. Wyniki testów i sposób sprawdzenia własnej strony opisujemy w tekście ChatGPT i Claude mogą nie widzieć treści z JavaScriptu.

Treść łatwa do zacytowania

System wybiera fragmenty, które da się użyć bez dopowiadania. Pomagają:

• definicja pojęcia w pierwszym zdaniu sekcji, zanim zaczną się rozwinięcia;
• konkretne dane z nazwanym źródłem i datą, na przykład wymiary, zakresy, terminy, warunki;
• porównania w tabelach z jasno nazwanymi kolumnami;
• pytania w nagłówkach i bezpośrednie odpowiedzi pod nimi;
• listy kroków dla treści instruktażowych.

Takie fragmenty ułatwiają też czytanie ludziom, więc ta praca nie wymaga pisania osobnych tekstów dla maszyn.

Spójne dane o firmie

Nazwa, adres, zakres usług, opis działalności i dane kontaktowe powinny brzmieć tak samo na stronie, w wizytówce Google, w katalogach branżowych i w profilach w mediach społecznościowych. Rozbieżności utrudniają systemowi ustalenie, że chodzi o jedną firmę, i bywają źródłem błędnych odpowiedzi, na przykład ze starym adresem albo ofertą, której już nie ma.

Wzmianki i źródła zewnętrzne

Asystenci chętnie korzystają z serwisów, które uznają za niezależne: portali branżowych, rankingów, porównywarek, serwisów z opiniami, forów i encyklopedii. Opis marki w takich miejscach może trafiać do odpowiedzi. Sprawdzamy, które źródła asystenci cytują w odpowiedziach na pytania z branży klienta, i oceniamy, w których z nich marka jest nieobecna albo opisana nieaktualnie.

Dane strukturalne

Znaczniki schema.org dla organizacji, usług, produktów, artykułów i pytań z odpowiedziami opisują treść w sposób jednoznaczny dla maszyn. Nie ma publicznej gwarancji, że konkretny znacznik zwiększy liczbę cytowań. Dane strukturalne porządkują jednak informację o encji, czyli o tym, czym jest firma i co oferuje, i są przydatne także w klasycznym wyszukiwaniu. Co mówią o tym Google i dostępne pomiary, zebraliśmy w części dane strukturalne a odpowiedzi AI.

Jakie treści przygotować, żeby dało się je zacytować

Asystent odpowiada na pytania, więc warto przygotować strony, które rzeczowo odpowiadają na pytania klientów, a ich wykorzystanie przez asystentów sprawdzać w pomiarach. Wybieramy je z realnych zapytań w wyszukiwarce, z rozmów sprzedażowych i z pomiaru odpowiedzi AI.

Strony usług i kategorii

Na początku strony powinno być krótkie wyjaśnienie, czym jest usługa, dla kogo jest przeznaczona i co obejmuje. Dalej warto podać zakres, warunki, etapy współpracy i czynniki wpływające na koszt. Asystent, który szuka odpowiedzi na pytanie o zakres usługi, trafia wtedy na gotowy fragment.

Porównania i zestawienia

Na pytania w stylu „co wybrać” i „czym się różni” warto odpowiedzieć porównaniem. Rzeczowe porównanie rozwiązań, z podaniem kryteriów wyboru i sytuacji, w których dane rozwiązanie ma sens, daje systemowi materiał do syntezy. Porównanie uczciwe, z wadami własnej oferty, jest bardziej wiarygodne niż samo wychwalanie.

Przewodniki i odpowiedzi na pytania

Dłuższe teksty eksperckie budują tematyczną wiarygodność serwisu, a sekcje FAQ dostarczają krótkich, samodzielnych odpowiedzi. Każda odpowiedź powinna być zrozumiała bez czytania reszty strony.

Strony o firmie

Asystenci mogą odpowiadać na pytania o działalność i ofertę firmy. Strona opisująca działalność, zakres usług, obszar działania i dane kontaktowe może być jednym ze źródeł tej informacji. Powinna zgadzać się z opisem w pozostałych miejscach w sieci.

Aktualizacja

Treści z nieaktualnymi cenami usług, zespołem czy terminami wprowadzają systemy w błąd. Przy każdej stronie warto ustalić, kto i kiedy ją przegląda, oraz oznaczyć datę ostatniej aktualizacji.

Boty AI w robots.txt

Plik robots.txt określa, którym robotom wolno pobierać które części serwisu. Dostawcy asystentów używają kilku robotów o różnych zadaniach, dlatego jedna reguła „blokuj wszystkie boty AI” zwykle jest zbyt szeroka. Przykłady nazw, które publikują sami dostawcy:

• GPTBot (OpenAI): robot zbierający treści, które mogą służyć do trenowania modeli.
• OAI-SearchBot (OpenAI): robot indeksujący strony na potrzeby wyszukiwania w ChatGPT.
• ChatGPT-User (OpenAI): pobiera stronę, gdy użytkownik poprosi o to w rozmowie. Ponieważ wizytę wywołuje człowiek, reguły robots.txt mogą jej nie obejmować.
• ClaudeBot (Anthropic): zbiera treści, które mogą służyć do trenowania modeli.
• Claude-SearchBot (Anthropic): indeksuje strony na potrzeby wyszukiwania w Claude.
• Claude-User (Anthropic): pobiera stronę, gdy użytkownik zada pytanie w rozmowie.
• PerplexityBot (Perplexity): pokazuje strony i linki w wynikach Perplexity. Według dostawcy nie zbiera treści do trenowania modeli.
• Perplexity-User (Perplexity): pobiera stronę, gdy użytkownik zada pytanie.
• Google-Extended (Google): osobna dyrektywa w robots.txt, którą właściciel strony może ograniczyć wykorzystanie treści w modelach generatywnych Google. Nie jest to osobny robot pobierający strony.

Wniosek praktyczny: zablokowanie GPTBot lub ClaudeBot nie oznacza blokady wyszukiwania w ChatGPT lub Claude. Blokada robota wyszukującego ogranicza dostęp i może zmniejszyć widoczność, a jej skutki zależą od dostawcy i sposobu pobierania strony. Nazwy i przeznaczenie robotów się zmieniają, dlatego przed wdrożeniem reguł sprawdzamy aktualną dokumentację każdego dostawcy. Gotowe ustawienia dla poszczególnych robotów opisujemy w tekście llms.txt i boty AI: co ustawić, żeby asystenci widzieli Twoją stronę.

Jak o tym zdecydować

Blokada robota, który służy do wyszukiwania odpowiedzi, zmniejsza szansę na cytowanie strony. Blokada robota zbierającego dane do trenowania to osobna decyzja, zależna od polityki firmy wobec własnych treści. Wydawca z płatnym dostępem do materiałów zdecyduje inaczej niż firma usługowa, która chce być znaleziona.

Robots.txt nie jest zabezpieczeniem. Reguły respektują roboty, które stosują się do standardu, a treści poufne chroni się logowaniem, nie wpisem w pliku. Zapora serwera, ochrona przed botami lub ustawienia CDN potrafią blokować roboty AI mimo zezwolenia w robots.txt, dlatego w audycie sprawdzamy oba poziomy.

Jak to wygląda w praktyce, sprawdziliśmy w badaniu 296 polskich sklepów z TOP10 Google. Co najmniej jednego bota AI blokowało 48 z 282 sklepów, których ustawienia udało się ocenić, a w 12 z nich reguły dopisało ustawienie w panelu Cloudflare.

Plik llms.txt: co daje, a czego nie

llms.txt to propozycja pliku w katalogu głównym domeny, który w skrócie opisuje serwis i wskazuje najważniejsze zasoby w formacie tekstowym. Pomysł jest taki, żeby ułatwić modelom znalezienie sedna oferty bez przeszukiwania całej strony.

Jest to konwencja. Dostawcy asystentów nie potwierdzili jej jako elementu rankingu ani wyboru źródeł. Dlatego traktujemy go jako dodatek. Utrzymanie takiego pliku kosztuje niewiele, a może pomóc narzędziom, które go czytają. Samo jego dodanie nie zastępuje dostępnej technicznie strony, jasnych treści, spójnych danych i wiarygodnych źródeł zewnętrznych.

Jeśli plik powstaje, powinien zawierać zwięzły opis firmy, listę kluczowych podstron z jednozdaniowym opisem każdej i zostać zaktualizowany po zmianie oferty. Nieaktualny plik z nieistniejącymi adresami może kierować narzędzia do błędnych zasobów, dlatego warto go aktualizować.

Typowe błędy w pracy nad widocznością w AI

• Wiara w jeden plik lub znacznik. Samo dodanie llms.txt albo schema.org bez poprawy treści i dostępności nie daje gwarancji lepszej widoczności. Wpływ zmian trzeba sprawdzić w pomiarach.
• Blokada wszystkich botów AI. Reguła wpisana w robots.txt po lekturze jednego artykułu może odciąć stronę od wyszukiwania w asystentach, mimo że celem była tylko ochrona przed trenowaniem.
• Ocena po jednej odpowiedzi. Pojedyncze pytanie zadane ręcznie nie pokazuje stałego obrazu. Potrzebny jest zestaw pytań powtarzany w czasie.
• Treść pisana pod maszynę. Teksty ułożone wyłącznie z fraz i nagłówków pytań, bez rzeczowej odpowiedzi, nie dają fragmentów wartych zacytowania.
• Pomijanie źródeł zewnętrznych. Samo rozbudowanie własnej strony nie wystarcza, gdy asystenci opisują markę na podstawie serwisów trzecich, w których jej nie ma albo jest nieaktualna.
• Niespójne dane o firmie. Różne nazwy, adresy i opisy usług w różnych miejscach utrudniają systemom rozpoznanie jednej marki.
• Brak punktu odniesienia. Bez pomiaru przed zmianami nie da się ocenić, co zadziałało.
• Zaniedbanie klasycznego SEO. Brak strony w indeksie wyszukiwarki, z której korzysta dany asystent, może ograniczać jej odkrywanie.