Jak pozycjonować strony w AI Overview, ChatGPT, Claude i Perplexity?

Większość poradników o „pozycjonowaniu w AI” mówi to samo: pisz dobre treści, dodaj schema, buduj autorytet. Brzmi jak porada „jedz zdrowo i ćwicz” – prawdziwa, ale bezużyteczna.

Problem w tym, że AI Overview, ChatGPT, Perplexity, Gemini i Claude to pięć różnych silników z pięcioma różnymi logikami doboru źródeł. Co działa w Perplexity, nie działa w ChatGPT. Co cytuje Google AI Overview, Gemini kompletnie ignoruje. Jedna strategia „pod AI” to jak jedna reklama „pod internet” – brzmi dobrze na slajdzie, nie działa w praktyce.

W Semgence (Warszawa) monitorujemy widoczność polskich stron w 5 silnikach AI od ponad 90 dni. Mamy ponad 26 000 pomiarów, dane GA4 z ruchu AI i lejki e-commerce pokazujące realne konwersje. W tym artykule pokazujemy co konkretnie działa per silnik – nie na podstawie teorii, a na podstawie danych.

GEO, AIO, AISO, LLM SEO – o co chodzi z tą terminologią?

GEO, AIO, AISO, LLM SEO – to różne nazwy tego samego zjawiska. Na rynku pojawia się lawina skrótów: GEO (Generative Engine Optimization), AIO (AI Overviews Optimization), AISO (AI Search Optimization), LLM SEO, AI SEO, Answer Engine Optimization. Brzmi jak pięć różnych dziedzin, prawda?

W praktyce to różne nazwy tego samego zjawiska: optymalizacji treści pod silniki AI. Każda agencja wymyśla własny skrót, żeby brzmiał jak nowa usługa. Jak pokazaliśmy w artykule „GEO nie istnieje – to nadal SEO” – algorytmy retrieval w silnikach AI korzystają z tych samych sygnałów co Google: autorytet domeny, relevancja treści, E-E-A-T, freshness, schema. Dobry SEO to w 80% dobry „GEO”.

Pozostałe 20% to elementy specyficzne dla AI: extractability (czy AI potrafi „wyciągnąć” fragment Twojej treści jako odpowiedź), monitoring widoczności per silnik (bo każdy silnik ma inną logikę) i format treści answer-first (odpowiedź w pierwszym zdaniu, rozwinięcie potem). W tym artykule nie używamy żadnego z tych marketingowych skrótów. Mówimy po prostu: pozycjonowanie w AI – bo to dokładnie to, czym jest.

Dlaczego „pozycjonowanie w AI” to nie jedno zadanie, a pięć?

Każdy silnik AI dobiera źródła inaczej. Nasze dane z monitoringu 4 polskich stron (ponad 26 000 pomiarów w 90 dni) pokazują dramatyczne różnice:

Google AI Overviews osiąga średni visibility score 22.6 na 100 i jest najstabilniejszym silnikiem – odpowiedzi zmieniają się najmniej z dnia na dzień. Preferuje źródła z silnym autorytetem domeny, danymi strukturalnymi (schema) i treściami zgodnymi z E-E-A-T.

Perplexity osiąga score 19.4 i jako jedyny silnik agresywnie linkuje do źródeł. Każda odpowiedź Perplexity zawiera klikalne odnośniki. To jedyny silnik AI, który generuje mierzalny ruch z kliknięć – nie tylko z branded search.

Gemini osiąga score 18.2 i cytuje dużo, ale prawie nigdy nie wymienia marek z nazwy (brand rate poniżej 4%). Generuje za to najdłuższe sesje w GA4 – średnio 13 minut na stronie, co sugeruje głębokie zaangażowanie.

Google AI Mode to nowość ze score 21.3, ale z najwyższym brand rate (10-15%). Wymienia marki z nazwy częściej niż jakikolwiek inny silnik. Działa wewnątrz interfejsu Google Search. Nasze badanie pokazuje, jak AI Mode zmienia wyniki zakupowe na podstawie analizy 90 polskich sklepów internetowych.

ChatGPT osiąga w naszym monitoringu score 2.1 na 100 – najniższy ze wszystkich badanych silników. W monitorowanych przez nas niszach (opakowania B2B, meble, kosmetyki, wyposażenie ogrodowe) ChatGPT rzadko cytuje konkretne polskie źródła w odpowiedziach. Mimo to generuje paradoksalnie 90% ruchu z AI w GA4, bo użytkownicy sami wklejają linki do stron i pytają o opinie.

Silnik AI	Visibility score	Brand rate	Linkuje do źródeł	Śr. sesja w GA4	Najlepszy do
Google AI Overviews	22.6 / 100	8-12%	Pośrednio (SERP)	4 min 31 s	Stabilna widoczność
Google AI Mode	21.3 / 100	10-15%	Pośrednio (SERP)	3 min 50 s	Brand awareness
Perplexity	19.4 / 100	3-5%	Tak – klikalne linki	2 min 50 s	Ruch z kliknięć
Gemini	18.2 / 100	0-4%	Nie	13 min 26 s	Głęboki research
ChatGPT	2.1 / 100	0-2%	Rzadko	4 min 31 s	Słaby w naszej próbce

Wniosek: optymalizacja „pod AI” bez wskazania konkretnego silnika to strzał w ciemno. Poniżej rozbijamy strategię na poszczególne silniki.

Jak pozycjonować stronę w Google AI Overviews?

Google AI Overviews (dawne SGE) to panel wyświetlany nad wynikami organicznymi w Google. Według naszych danych to najstabilniejszy i najczęściej cytujący silnik AI.

Co AI Overview preferuje jako źródło? Przede wszystkim strony, które już rankują w top 10 Google na dane zapytanie. Nasze dane potwierdzają obserwację z badań seoClarity – ponad 90% cytowań w AI Overview pochodzi ze stron z pierwszej strony wyników. Ale pozycja w Google nie gwarantuje cytowania. Kluczowe jest dopasowanie formatu treści do tego, czego szuka algorytm.

Konkretne działania pod AI Overviews:

Struktura answer-first. Każdy akapit powinien zaczynać się od bezpośredniej odpowiedzi na pytanie z nagłówka, a dopiero potem rozwijać kontekst. AI Overviews wyciąga „najlepszy fragment” – jeśli odpowiedź jest zakopana w trzecim akapicie, algorytm wybierze konkurencję, która odpowiada w pierwszym zdaniu.

Schema markup. Dane strukturalne Product, FAQ, HowTo (w treści, nie w schema – Google wycofał HowTo rich results w sierpniu 2023), Organization i Article pomagają AI zrozumieć kontekst strony. W naszych audytach 65% polskich sklepów nie ma żadnego schema Product – to niskokosztowe działanie, które daje natychmiastowy efekt.

Autorytet domeny i E-E-A-T. AI Overviews preferuje źródła z udokumentowanym doświadczeniem (Experience), ekspertyzą (Expertise), autorytetem (Authoritativeness) i zaufaniem (Trustworthiness). Strona firmowa z podpisanym autorem, datą aktualizacji, źródłami zewnętrznymi i case study ma wielokrotnie wyższą szansę na cytowanie niż anonimowy wpis blogowy.

Przykład z naszego monitoringu: na prompt „jak przygotować fundament pod domek drewniany?” Google AI Overviews stabilnie cytuje blog niszowego sklepu ogrodowego od ponad 60 dni. Ten sam sklep ma na to zapytanie pozycję 3-5 w organiku. AI Overview wybrał go nie dlatego, że jest pierwszy – ale dlatego, że jego artykuł ma 3 000 słów, tabele specyfikacji, zdjęcia procesu i sekcję FAQ ze schema. Konkurencja na pozycji 1-2 ma krótkie wpisy bez głębi.

Freshness. AI Overviews preferuje aktualne treści. Artykuł z datą sprzed dwóch lat będzie cytowany rzadziej niż świeży materiał – nawet jeśli treść jest identyczna. Regularna aktualizacja dat i dodawanie nowych danych ma znaczenie.

Więcej o warstwach audytu widoczności w AI opisaliśmy w artykule o audycie widoczności w AI – 8 warstw, od crawlability po confidence.

Dlaczego Google + AI Overviews + AI Mode daje najlepsze wyniki?

Z naszych danych wynika jednoznaczna hierarchia: najwyższy zwrot daje połączenie tradycyjnego pozycjonowania w Google z widocznością w AI Overviews i AI Mode. To nie są trzy osobne strategie – to jedna strategia, która multiplikuje efekty we wszystkich kanałach jednocześnie.

Dlaczego akurat te trzy? Bo Google AI Overviews i AI Mode korzystają z tego samego indeksu co Google Search. Strona, która rankuje w top 10 na dane zapytanie, ma wielokrotnie wyższą szansę na cytowanie w AI Overviews. A AI Mode wyświetla się bezpośrednio w interfejsie Google – użytkownik nie musi przechodzić do osobnej aplikacji. To ten sam ruch, ta sama intencja, ten sam użytkownik.

Kluczem jest sposób tworzenia treści. Artykuł blogowy, który powstaje na podstawie standardowego briefu z listą słów kluczowych, może rankować w Google. Ale żeby rankować w Google I jednocześnie być cytowanym w AI Overviews i AI Mode, brief musi zawierać cztery dodatkowe elementy:

• Encje (entities) – nie samo słowo kluczowe „sofa narożna”, ale pełna mapa encji: materiał (tkanina, skóra, eko-skóra), mechanizm rozkładania (DL, książka, dolphin), producent, wymiary, przeznaczenie (salon, pokój gościnny). AI buduje odpowiedź z encji, nie ze słów kluczowych. Jak połączyć słowa kluczowe z encjami w praktyce, pokazujemy krok po kroku. Więcej o budowaniu encji w artykule o entity-citability.
• Query fan-out – jedno pytanie użytkownika („jaka sofa do salonu?”) AI rozbija na 8-20 podzapytań: materiał, rozmiar, budżet, styl, trwałość, czyszczenie, dostawa. Brief musi pokrywać wszystkie te podzapytania jako osobne sekcje H2. Artykuł, który odpowiada na 15 podzapytań, ma 15 szans na cytowanie w AI.
• Hierarchia nagłówków answer-first – każdy H2 sformułowany jako pytanie, odpowiedź w pierwszym zdaniu pod nagłówkiem, dopiero potem rozwinięcie. AI Overviews wyciąga „najlepszy fragment” – jeśli odpowiedź jest w pierwszym zdaniu, algorytm ją znajdzie. Jeśli jest w trzecim akapicie, wybierze konkurencję.
• Schema (dane strukturalne) – FAQ schema na każdej stronie, Article z datą i autorem, Product z cenami i dostępnością. W naszych badaniach danych strukturalnych w polskim e-commerce 65% sklepów nie ma żadnego Product schema – to niskokosztowe działanie z natychmiastowym efektem.

Efekt? Artykuł zbudowany na takim briefie rankuje w Google (bo pokrywa temat szerzej niż konkurencja), jest cytowany w AI Overviews (bo ma answer-first i schema) i pojawia się w AI Mode (bo buduje encję marki). Jeden artykuł, trzy kanały widoczności.

Jak szybko unikalne treści pojawiają się w AI Overviews i AI Mode?

Z naszego doświadczenia: artykuł, który jest naprawdę unikalny w skali polskiego internetu – zawiera oryginalne dane, badania lub analizę, której nikt inny nie opublikował – potrafi pojawić się w Google AI Overviews w ciągu 2-3 dni od indeksacji. AI Mode reaguje podobnie szybko.

Przykład: nasz artykuł z danymi z 40 polskich domen o wpływie Google AI Mode na CTR pojawił się w AI Overviews na zapytania o „AI Mode CTR” w ciągu 48 godzin od publikacji. Dlaczego? Bo żaden inny polskojęzyczny artykuł nie miał tych danych. AI Overviews nie miał alternatywy – musiał zacytować nas, bo byliśmy jedynym źródłem.

To kluczowa lekcja: nie musisz mieć najsilniejszej domeny ani najdłuższego artykułu. Musisz mieć unikalne dane lub analizę, której nie ma nikt inny. AI potrzebuje źródeł – jeśli jesteś jedynym źródłem na dany temat w danym języku, AI nie ma wyboru.

Jakie typy treści generować, żeby być cytowanym?

Na podstawie naszego monitoringu i doświadczeń z tworzeniem treści, najskuteczniej konwertują w cytowania AI następujące formaty:

• Artykuły z oryginalnymi danymi – badania, ankiety, analizy własnych danych (GSC, GA4, monitoring AI). AI cytuje źródła z unikalnymi liczbami, bo nie może ich wygenerować samodzielnie.
• Porównania i rankingi – „X vs Y”, „top 5 narzędzi do Z”, „porównanie platform e-commerce”. AI uwielbia porównania, bo użytkownicy najczęściej pytają o wybór między opcjami.
• Poradniki techniczne z konkretnymi krokami – „jak zrobić X w 5 krokach” z kodem, zrzutami ekranu, specyfikacjami. AI preferuje treści, które można bezpośrednio zacytować jako instrukcję.
• FAQ i odpowiedzi na konkretne pytania – sekcje FAQ ze schema markup to najszybszy sposób na pojawienie się w AI. Pytanie w nagłówku, odpowiedź w jednym akapicie, schema FAQPage.
• Case study z liczbami – „jak zwiększyliśmy X o Y% w Z miesięcy”. AI cytuje case study jako dowody skuteczności rozwiązań.
• Analizy trendów z datami – „co się zmieniło w Q2 2026”, „jak Google AI Mode wpływa na CTR w 2026”. Freshness + dane = cytowanie.

Szczegółową taksonomię 6 kategorii promptów (brandowe, informacyjne, porównawcze, zakupowe, opiniowe, lokalne) i sposoby generowania treści pod każdą z nich opisaliśmy z infografiką w artykule Jak generować prompty do monitorowania widoczności marki w AI.

Jak wygląda brief pod AI w praktyce? Przykład

Poniżej fragment briefu wygenerowanego przez nasz system dla tematu „Jak wybrać sofę do salonu”. Zwróć uwagę na trzy elementy, których nie ma w standardowych briefach SEO: mapę encji z atrybutami, rekomendacje sekcji z query fan-out i plan linkowania wewnętrznego:

ENTERPRISE BRIEF - WPIS BLOGOWY
Fraza główna: jak wybrać sofę do salonu
Intencja: informational | Lejek: MOFU
Docelowa długość: 8 000 zzs

═══ ENCJE (EntityCards) ═══

▸ sofa narożna [Product] ⭐ core
  aliasy: narożnik, kanapa narożna
  atrybuty do pokrycia w treści:
  - materiał obicia
  - mechanizm rozkładania (DL, książka, dolphin)
  - wymiary
  - pojemnik na pościel
  - sprężyny bonelowe vs kieszeniowe
  - tkanina vs skóra ekologiczna
  - kolor
  - styl

▸ salon [Place]
  aliasy: pokój dzienny
  atrybuty: metraż, układ pomieszczenia, styl wnętrza

▸ producent mebli [Organization]
  aliasy: marka mebli
  atrybuty: kraj produkcji, gwarancja, dostawa, montaż

═══ QUERY FAN-OUT ═══

AI rozbije pytanie "jak wybrać sofę do salonu"
na ~15 podzapytań. Brief pokrywa je jako sekcje:

Sekcje H2 (answer-first, każda = osobna szansa na cytowanie):
1. Jak wybrać sofę do salonu? [selection]
2. Na co zwrócić uwagę wybierając sofę? [selection]
3. Kiedy warto wybrać sofę narożną? [use_case]
4. Jakie są najczęstsze błędy przy wyborze sofy? [risk]
5. Ile kosztuje dobra sofa i od czego zależy cena? [pricing]

FAQ (schema FAQPage):
- Czego unikać wybierając sofę do salonu?
- Jakich błędów unikać przy wyborze materiału?
- Jak dobrać rozmiar sofy do małego salonu?
- Sprężyny bonelowe czy kieszeniowe - co wybrać?
- Tkanina czy skóra ekologiczna - porównanie

Treści wspierające (osobne artykuły w klastrze):
- Sofa narożna vs klasyczna - porównanie [comparison]
- Jak wybrać sofę z dziećmi i zwierzętami [use_case]
- Najczęstsze błędy przy zakupie sofy online [risk]

═══ LINKOWANIE WEWNĘTRZNE ═══

8 linków z artykułu do:
- strona kategorii sof (money page)
- porównanie materiałów (supporting)
- kalkulator wymiarów (tool)
- FAQ producenci (faq page)

═══ DIAGNOSTYKA ═══

Score: 50/100 (przed dodaniem GSC/GA4 danych)
Strict warnings:
- salon: za mało atrybutów (min 6)
- producent mebli: za mało atrybutów (min 6)
→ Dodaj: cena, warianty, dla-kogo, ograniczenia

Taki brief zawiera informacje, których copywriter potrzebuje, żeby napisać artykuł widoczny jednocześnie w Google, AI Overviews i Perplexity. Mapa encji mówi o czym pisać (nie jakie słowa kluczowe powtarzać). Query fan-out mówi jakie sekcje H2 stworzyć (każda = osobna szansa na cytowanie). Plan linkowania łączy artykuł z money pages.

Porównaj to ze standardowym briefem SEO: „napisz artykuł 3000 słów o sofach, użyj fraz: sofa narożna, kanapa do salonu, sofa rozkładana”. Jeden brief daje artykuł, który rankuje w Google. Drugi daje artykuł, który rankuje w Google I jest cytowany w AI.

Jak pozycjonować stronę w Perplexity?

Perplexity to jedyny silnik AI, który konsekwentnie linkuje do źródeł w każdej odpowiedzi. Dla stron nastawionych na ruch (nie tylko na brand awareness) to najważniejszy silnik do optymalizacji.

Co wyróżnia Perplexity? W odróżnieniu od ChatGPT czy Gemini, Perplexity przeszukuje internet w czasie rzeczywistym przy każdym zapytaniu. Nie opiera się wyłącznie na danych treningowych. To oznacza, że nawet nowa strona opublikowana tydzień temu może zostać zacytowana – pod warunkiem, że jest zindeksowana i odpowiada na pytanie.

Konkretne działania pod Perplexity:

Odpowiedzi na konkretne pytania. Perplexity szuka stron, które bezpośrednio odpowiadają na pytanie użytkownika. Formatowanie treści w stylu FAQ (pytanie w nagłówku H2, odpowiedź w pierwszym akapicie) znacząco zwiększa szansę na cytowanie. Nasze testy pokazują, że strony z sekcją FAQ są cytowane przez Perplexity 2-3x częściej niż strony bez niej.

Cytowalne dane i statystyki. Perplexity preferuje treści z konkretnymi liczbami, badaniami i danymi. Zdanie „65% polskich sklepów nie ma schema Product” jest bardziej cytowalne niż „wiele sklepów nie ma danych strukturalnych”. Podawanie źródeł i dat badań zwiększa wiarygodność.

Freshness na pierwszym miejscu. Perplexity wyraźnie preferuje świeże treści. W naszych testach artykuły opublikowane w ostatnich 30 dniach były cytowane 4x częściej niż starsze materiały na ten sam temat. Regularna publikacja i aktualizacja treści to nie opcja – to wymóg.

Przykład z monitoringu: na prompt „jaki sklep z opakowaniami polecasz dla e-commerce?” Perplexity linkuje do artykułu blogowego „Jak wybrać opakowania do sklepu internetowego” – nie do strony głównej czy kategorii produktowej. Perplexity preferuje treści, które odpowiadają na pytanie, nie strony sprzedażowe. To fundamentalna różnica w stosunku do Google Ads, gdzie strona produktowa konwertuje lepiej.

Extractability – czytelność dla AI. Treść musi być łatwa do „wyciągnięcia” przez algorytm. Oznacza to: krótkie akapity (3-4 zdania), jasne nagłówki H2/H3, listy punktowane dla porównań, tabele dla danych liczbowych. Szczegółowo pisaliśmy o tym w artykule o extractability.

Jak ChatGPT traktuje polskie źródła? Co mówią nasze dane?

Z naszych danych wynika, że ChatGPT cytuje monitorowane przez nas polskie strony znacznie rzadziej niż pozostałe silniki AI. Na próbce 4 serwisów (e-commerce i usługi) średni visibility score z ChatGPT wyniósł 2.1 na 100 – dla porównania Google AI Overviews osiąga 22.6. To nie oznacza, że ChatGPT w ogóle nie cytuje polskich źródeł – ale w naszej próbce danych robi to marginalnie.

Dlaczego w naszych danych ChatGPT wypada najsłabiej? ChatGPT odpowiada na podstawie danych treningowych (wiedza „zamrożona” w modelu) i opcjonalnego wyszukiwania przez Bing. Polskojęzyczny internet stanowi ułamek procenta danych treningowych – modele są trenowane głównie na angielskojęzycznych źródłach. Kiedy ChatGPT odpowiada na pytanie po polsku, generuje odpowiedź z ogólnej wiedzy, rzadko cytując konkretne polskie strony.

Paradoks ChatGPT: 90% ruchu z AI pochodzi z ChatGPT. Dane GA4 z monitorowanych sklepów pokazują, że ChatGPT generuje 66-97% całego ruchu z AI – mimo zerowego visibility score. Skąd ten ruch? Użytkownicy sami wklejają linki do produktów i stron w ChatGPT z pytaniami typu „co sądzisz o tym produkcie?” lub „porównaj te dwie oferty”. ChatGPT analizuje stronę i odpowiada – generując sesję w GA4 z source „chatgpt.com”.

Co możesz zrobić? Na podstawie naszych danych nie rekomendujemy priorytetyzowania ChatGPT w strategii widoczności AI – przynajmniej w monitorowanych przez nas niszach. Zamiast tego zadbaj o to, żeby Twoja strona była użyteczna, kiedy klient sam ją wklei do ChatGPT. Czytelna struktura, jasne opisy produktów, specyfikacje w tabelach, FAQ – to wszystko pomaga ChatGPT dać lepszą odpowiedź o Twojej ofercie. I w efekcie pomaga przekonać klienta do zakupu.

Drugą strategią jest budowanie obecności marki w anglojęzycznych źródłach, które ChatGPT zna z treningu. Wikipedia, Wikidata, anglojęzyczne recenzje, międzynarodowe katalogi branżowe – to źródła, z których ChatGPT czerpie wiedzę o markach. Jeśli Twoja marka nie istnieje w tych źródłach, ChatGPT o niej nie wie.

Jak pozycjonować stronę w Gemini i Claude?

Gemini (Google) i Claude (Anthropic) to dwa silniki o mniejszym udziale w rynku, ale z interesującymi cechami.

Gemini cytuje polskie źródła lepiej niż ChatGPT (score 18.2 vs 2.1), ale prawie nigdy nie wymienia marek z nazwy. W naszych danych brand rate Gemini wynosi poniżej 4% – silnik mówi „eksperci zalecają” zamiast „firma X zaleca”. Gemini generuje mało bezpośredniego ruchu w GA4, ale sesje, które generuje, są najdłuższe ze wszystkich silników – średnio 13 minut. To sugeruje, że użytkownicy Gemini to osoby w fazie głębokiego researchu.

Jak pozycjonować w Gemini? Gemini jako produkt Google korzysta z tych samych sygnałów co Google Search – autorytet domeny, linki przychodzące, schema markup, freshness. Jeśli Twoja strona rankuje dobrze w Google, Gemini będzie ją cytował. Dodatkowy czynnik to spójność encji – Gemini korzysta z Google Knowledge Graph i preferuje marki/osoby/produkty, które mają wyraźną encję w ekosystemie Google.

Claude (Anthropic) generuje marginalny ruch (poniżej 10 sesji na monitorowany serwis w 90 dni), ale ma najwyższy engagement rate – 70%. Użytkownicy Claude to specjaliści i early adopters, którzy szukają pogłębionych analiz. Optymalizacja pod Claude sprowadza się do tego samego co pod Perplexity: answer-first content, extractability, dane i źródła.

Co piszą inne agencje o pozycjonowaniu w AI – i czego im brakuje?

Większość polskich artykułów o pozycjonowaniu w AI powtarza te same ogólniki. Na rynku pojawia się coraz więcej ofert „pozycjonowania w ChatGPT” i „optymalizacji pod AI”. Sprawdziliśmy artykuły kilku polskich agencji na ten temat. Większość powtarza te same ogólniki: pisz dobre treści, dodaj schema, buduj autorytet. Brzmi jak porada „jedz zdrowo i ćwicz” – prawdziwa, ale bezużyteczna bez kontekstu.

Czego brakuje w tych poradnikach? Po pierwsze: danych. Żaden nie pokazuje realnych wyników monitoringu per silnik. Żaden nie porównuje visibility score między silnikami. Żaden nie udowadnia, że ChatGPT jest bezwartościowy dla polskich stron (score 2.1 na 100) – a mimo to kilka agencji oferuje „pozycjonowanie w ChatGPT” za 3 000-5 000 PLN miesięcznie.

Po drugie: rozróżnienia per silnik. Jedna strategia „pod AI” to jak jedna reklama „pod internet”. Perplexity i ChatGPT mają zupełnie różne logiki retrieval. Optymalizacja pod Perplexity (freshness, FAQ, cytowalne dane) jest inna niż pod AI Overviews (autorytet, E-E-A-T, schema). Artykuł, który tego nie rozróżnia, jest surface-level.

Po trzecie: dowodów konwersji. Nikt nie pokazuje, że ruch z AI przekłada się na sprzedaż. My mamy dane GA4 z 4 polskich sklepów: 9 zakupów z ChatGPT dla sklepu kosmetycznego, 13-minutowe sesje z Gemini, aktywne lejki zakupowe. To nie teoria – to dane z monitoringu widoczności 4 polskich sklepów.

Co AI odpowiada na pytania o pozycjonowanie? Test na żywo z DataForSEO

Zadaliśmy dwóm silnikom AI konkretne pytania i przeanalizowaliśmy odpowiedzi na żywo przez DataForSEO LLM API. Żeby nie opierać się wyłącznie na historycznych danych z monitoringu, przeprowadziliśmy test na żywo za pomocą DataForSEO LLM Responses API. Zadaliśmy dwóm silnikom AI konkretne pytania i przeanalizowaliśmy odpowiedzi.

Test 1: Perplexity – „Jaką agencję SEO polecasz w Polsce?”

Perplexity odpowiedział, cytując 10 źródeł. Wszystkie to strony rankingowe i agregatory: ranking24.com.pl, ranking-agencji-seo.pl, plerdy.com, lukaszwudyka.pl, semrush.com. Polecił Widoczni, Delante, Bluerank, Sempai i Grupę TENSE. Żadna z polecanych agencji nie została zacytowana z własnej strony – Perplexity oparł się wyłącznie na zewnętrznych rankingach.

Co to oznacza praktycznie? Jeśli chcesz, żeby Perplexity polecał Twoją firmę, musisz być widoczny w agregatorach branżowych, rankingach i listach „najlepszych”. Twoja własna strona może być doskonała – ale jeśli nie ma o Tobie wzmianek w źródłach trzecich, Perplexity Cię nie zauważy.

Test 2: Gemini – „Jak pozycjonować stronę internetową w wynikach AI?”

Gemini wygenerował obszerną odpowiedź (prawie 2000 tokenów) pokrywającą E-E-A-T, dane strukturalne, klastry tematyczne i technikalia. Problem? Zero cytowań. Ani jednego linka do źródła. Gemini odpowiedział z danych treningowych, bez przeszukiwania internetu (web_search: false). Porada była poprawna, ale generyczna – mogła dotyczyć dowolnego rynku i dowolnego języka.

Co to oznacza? Gemini buduje odpowiedzi z „zamrożonej wiedzy” w modelu. Żeby tam trafić, Twoja marka musi być obecna w źródłach, które Google wykorzystuje do treningu – Wikipedia, Wikidata, duże portale branżowe, cytowania w mediach. To proces długoterminowy (miesiące, nie tygodnie) i trudno mierzalny. Dla porównania Perplexity przeszukuje internet w czasie rzeczywistym – tam efekty nowych treści widać w dniach.

Wnioski z testu na żywo:

• Perplexity preferuje źródła trzecie (rankingi, agregatory, media) nad stronami firmowymi. Strategia: buduj obecność w zewnętrznych listach i rankingach branżowych.
• Gemini nie cytuje źródeł w ogóle na pytania informacyjne. Odpowiada z treningu. Strategia: buduj obecność marki w źródłach treningowych Google (Wikipedia, duże portale).
• Żaden silnik nie zacytował konkretnych artykułów eksperckich z danymi. To luka, którą mogą wypełnić strony z unikalnymi badaniami i danymi (jak nasze 26 000 pomiarów).

Jakie 10 kroków zwiększa widoczność we wszystkich silnikach AI?

Niezależnie od silnika, pewne zasady działają uniwersalnie. Oto 10 konkretnych kroków, które zwiększą Twoją widoczność w AI Search:

Krok 1 – Answer-first w każdym akapicie. Zacznij od odpowiedzi, potem rozwiń kontekst. AI wyciąga „najlepszy fragment” – jeśli odpowiedź jest na końcu akapitu, algorytm jej nie znajdzie.

Krok 2 – Nagłówki H2 jako pytania. Formatuj nagłówki jako pytania, które użytkownicy zadają AI. „Ile kosztuje X?” zamiast „Cennik X”. AI dopasowuje pytanie użytkownika do nagłówka – pytanie matchuje pytanie lepiej niż stwierdzenie.

Krok 3 – Schema markup na każdej stronie. FAQ, Product, Organization, Article, Person – minimum, które powinno być na każdej stronie. W naszych audytach 65% polskich sklepów nie ma żadnego schema Product. Szczegółowo o roli schema w AI pisaliśmy w artykule o schema markup a widoczność w AI.

Krok 4 – Encja marki w Google Knowledge Graph. Stwórz spójną encję: Google Business Profile, Wikipedia/Wikidata, media społecznościowe, cytowania w mediach branżowych. AI buduje „wiedzę” o marce z wielu źródeł – im więcej spójnych wzmianek, tym większa szansa na cytowanie. Więcej w artykule o entity-citability.

Krok 5 – Extractability treści. Krótkie akapity (3-4 zdania), jasne nagłówki, tabele zamiast opisów liczbowych, listy dla porównań. AI musi umieć „wyciągnąć” odpowiedź z Twojej strony w ułamku sekundy.

Krok 6 – Freshness i daty. Aktualizuj treści co najmniej raz na kwartał. Dodawaj daty publikacji i aktualizacji. Perplexity i AI Overviews wyraźnie preferują świeże treści.

Krok 7 – Blog edukacyjny z klasterami tematycznymi. Nasze dane z monitoringu są jednoznaczne – sklepy z blogiem edukacyjnym mają 8x wyższą widoczność w AI niż sklepy z samymi kartami produktowymi. Blog musi być zorganizowany w klastry wzajemnie powiązanych artykułów, nie w losowe wpisy. Więcej o budowaniu topical authority.

Krok 8 – Crawlability dla botów AI. Sprawdź, czy boty AI (GPTBot, ClaudeBot, PerplexityBot, Google-Extended) mają dostęp do Twojej strony. W naszych audytach 23% polskich stron blokuje co najmniej jednego bota AI w robots.txt – często nieświadomie. Więcej w artykule o crawlability AI.

Krok 9 – Monitoruj widoczność, nie zgaduj. Pojedynczy test „czy ChatGPT zna moją firmę?” nic nie znaczy. Odpowiedzi AI wahają się z dnia na dzień o 60 punktów. Potrzebujesz minimum 14 dni codziennych pomiarów na 3 silnikach, żeby mieć wiarygodny obraz. Opisaliśmy to w artykule o monitoringu promptów.

Krok 10 – Mierz ruch z AI w GA4. Skonfiguruj segment „AI traffic” filtrujący sessionSource zawierający: chatgpt, perplexity, gemini, copilot, claude. To Twój dashboard mierzący realny zwrot z inwestycji w widoczność AI. Jak to zrobić opisaliśmy w artykule o analizowaniu ruchu z AI.

Poniżej wykres trendu budowania widoczności serwisu dla poszczególnych modeli:

Ile kosztuje pozycjonowanie w AI i czy można to zrobić samodzielnie?

Pozycjonowanie w AI nie wymaga osobnego budżetu – większość działań to rozszerzenie istniejącej strategii SEO. Ale konkretne koszty zależą od punktu startowego.

Quick wins (0-2 000 PLN, DIY): dodanie schema markup (FAQ, Organization, Product), sprawdzenie robots.txt pod kątem botów AI, przeformatowanie nagłówków na answer-first, aktualizacja dat w kluczowych artykułach. To można zrobić samodzielnie w weekend – potrzebujesz podstawowej wiedzy o HTML i dostępu do kodu strony.

Content pod AI (2 000-8 000 PLN/mies.): tworzenie artykułów na bazie briefów z encjami i query fan-out, budowanie klasterów tematycznych, regularne publikacje. Koszt zależy od branży i skali – jeden dobrze zrobiony artykuł pillar (3 000-5 000 słów z danymi) kosztuje 1 500-3 000 PLN u specjalisty. Na klaster (pillar + 4-5 supporting) potrzebujesz 5 000-12 000 PLN.

Monitoring widoczności w AI (500-3 000 PLN/mies.): narzędzia do codziennego monitoringu (Otterly.ai, Peec AI, własne rozwiązania na API) plus czas analityka na interpretację danych. Minimum viable: 15 promptów × 3 silniki × codzienne pomiary.

Czy to się zwraca? Porównaj koszt treści AI-optimized z kosztem Google Ads na te same frazy. Artykuł za 2 500 PLN, który jest cytowany w AI Overviews przez 12 miesięcy, generuje ruch za ułamek kosztu reklam PPC na to samo zapytanie. A w przeciwieństwie do Ads – nie znika po wyłączeniu budżetu.

Samodzielnie czy z agencją? Quick wins i podstawowy monitoring – samodzielnie. Briefy z encjami, query fan-out i systematyczną produkcję treści – z agencją lub specjalistą, chyba że masz wewnętrzny zespół content + SEO. Kluczowe: nie płać za „pozycjonowanie w ChatGPT” bez danych z monitoringu potwierdzających, że to w Twojej branży działa.

Poniżej przykład strategii pozycjonowania w AI z wykorzystaniem budowania klastrów:

Jakich 5 błędów unikać w pozycjonowaniu pod AI? – 5 mitów pozycjonowania w AI

Mit 1: „Musisz być widoczny w ChatGPT.” W naszej próbce 4 polskich serwisów ChatGPT osiąga visibility score poniżej 2 na 100. To nie znaczy, że ChatGPT nigdy nie cytuje polskich stron – ale w monitorowanych przez nas niszach robi to marginalnie. Zanim zainwestujesz w „pozycjonowanie w ChatGPT”, poproś o dane z monitoringu dla Twojej branży.

Mit 2: „GEO (Generative Engine Optimization) to nowa dziedzina.” Nie. Jak pokazaliśmy w artykule „GEO nie istnieje”, algorytmy retrieval w AI korzystają z tych samych sygnałów co Google: autorytet, relevancja, freshness, E-E-A-T. Dobry SEO to dobry GEO.

Mit 3: „Wystarczy raz sprawdzić czy AI zna moją markę.” Odpowiedzi AI wahają się z dnia na dzień. Score 50 w poniedziałek, 0 we wtorek – to norma, nie błąd. Wiarygodne dane wymagają 30+ dni monitoringu.

Mit 4: „AI cytuje tylko duże marki.” W naszym monitoringu niszowy sklep z wyposażeniem ogrodowym osiąga 55% citation rate – wyższy niż znane marki w swoich branżach. Liczy się specjalizacja i jakość treści, nie rozmiar firmy.

Mit 5: „llms.txt rozwiąże problem widoczności w AI.” Badanie Seekio na próbie 1 000 zapytań wykazało, że boty AI praktycznie ignorują pliki llms.txt. To proponowany standard, nie wdrożony mechanizm.

Co dalej – jak zacząć od zera?

Jeśli dopiero zaczynasz budować widoczność w AI, oto minimum viable plan na pierwsze 30 dni:

Tydzień 1-2: Audyt stanu zerowego. Wpisz 15-20 pytań, które Twoi klienci mogliby zadać AI, w Google AI Overview, Perplexity i Gemini. Zanotuj, czy Twoja marka się pojawia i kto jest cytowany zamiast Ciebie. To Twoja linia bazowa.

Tydzień 2-3: Quick wins techniczne. Dodaj schema markup (FAQ, Organization, Product), sprawdź robots.txt pod kątem botów AI, zaktualizuj daty w kluczowych artykułach, popraw strukturę nagłówków na answer-first.

Tydzień 3-4: Pierwszy klaster treści. Wybierz jeden temat, w którym chcesz być cytowany przez AI. Napisz artykuł pillar (2000-4000 słów) i 3-4 artykuły supporting linkujące do pillara. Klaster zbuduje topical authority szybciej niż pojedyncze wpisy.

Od tygodnia 5: Monitoring i iteracja. Uruchom codzienne pomiary widoczności w 3 silnikach. Po 14 dniach masz pierwszy raport. Po 30 dniach – dane do decyzji strategicznych. Cykl: monitoruj, identyfikuj luki, pisz treści, mierz efekt.

FAQ

Najnowsze badania z lipca 2026 potwierdzają: autopromocja w AI backfire’uje w 43% przypadków, a 70-82% cytowań pochodzi spoza strony marki. Szczegóły w artykule AI Search w lipcu 2026 – cytowania, autopromocja, dane.

Szersza analiza mechanizmow AI Search i retrievalu produktowego, oparta na 74 patentach Google, jest dostepna w naszym kompletnym przewodniku SEO e-commerce w swietle patentow Google.