Ile czasu AI potrzebuje, aby zauważyć aktualizację treści? Test od publikacji do pierwszego cytowania

Zaktualizowanie artykułu nie oznacza, że ChatGPT, Gemini albo Perplexity od razu zobaczą nową treść. Po drodze występują co najmniej cztery różne zdarzenia: ponowny crawl, aktualizacja indeksu, wybór URL-a jako źródła i wykorzystanie nowego fragmentu w odpowiedzi. Każde z nich ma inne opóźnienie, inny mechanizm wyzwalający i inny sposób pomiaru. W danych bazowych Semgence z monitoringu 12 projektów (240 obserwacji) dokładne cytowanie badanej domeny potwierdziło się w 11 przypadkach, a cytowanie konkretnego kandydackiego URL-a w 10 – to baseline 4,6%, od którego zaczynamy eksperyment.

Według badania Ahrefs Brand Radar na próbie 16,975 miliona cytowanych URL-i średni wiek strony cytowanej przez systemy AI to 1064 dni (2,9 roku), podczas gdy średni wiek strony w organicznych wynikach Google to 1432 dni (3,9 roku) – różnica 25,7% na korzyść świeższych treści. ChatGPT cytuje najnowsze strony (średnia 958 dni), a Google AI Overviews najstarsze. Ale „świeższy” nie oznacza „natychmiastowy” – i właśnie tę lukę czasową mierzymy w tym badaniu.

Metodologia: eksperyment przeprowadzony na 24 URL-ach z 1 domeny (semgence.pl), w trzech grupach po 8 artykułów: meaningful update z nowymi treściami i markerami unikalnymi (A), date bump — sama zmiana daty modified bez zmiany treści (B), brak aktualizacji — kontrola (C). Grupy A i B otrzymały automatyczny sygnał IndexNow (Rank Math przy każdym zapisie), grupa C — zero sygnałów. Monitoring na siedmiu platformach (ChatGPT, Perplexity, Gemini, Claude, Copilot, AI Overview, AI Mode) przez 14 dni ciągłego monitoringu (72 prompty × 7 platform = 7 094 runów). Każda aktualizacja w grupie A zawierała minimum dwa elementy: nowy fakt, nowe źródło, aktualną wartość lub nową tabelę, plus unikalne markery weryfikacyjne. Eksperyment przeprowadził Paweł Gontarek (Zgred) z agencji Semgence.

Uwaga: To jest test przeprowadzony przez Semgence na naszej własnej domenie, z naszą metodologią i w naszym środowisku testowym. Czytelnik przeprowadzający podobny test może uzyskać inne wyniki ze względu na inną domenę, autorytet, język, branżę i konfigurację techniczną.

Czym różnią się crawl, indeksacja, cytowanie i wykorzystanie świeżego fragmentu?

Większość artykułów o AI SEO traktuje te cztery zdarzenia jako synonimy. Tymczasem każde z nich może wystąpić niezależnie od pozostałych, a ich kolejność nie jest gwarantowana.

Zdarzenie	Co oznacza	Jak mierzyć	Typowe opóźnienie
Crawl	Robot pobrał stronę po aktualizacji	Logi serwera, GSC URL Inspection (lastCrawlTime)	Godziny do dni
Indeksacja	Nowa wersja treści jest w indeksie	GSC URL Inspection (coverageState), cache	Dni
Cytowanie URL-a	System AI pokazuje URL w źródłach odpowiedzi	Ręczne sprawdzenie, AI Monitor	Dni do tygodni
Wykorzystanie fragmentu	Odpowiedź AI zawiera informację dodaną w aktualizacji	Porównanie markera świeżej treści z odpowiedzią	Tygodnie do miesięcy

Kluczowe rozróżnienie: system może cytować URL (trzecie zdarzenie) i jednocześnie używać starej wersji treści (brak czwartego zdarzenia). W artykule o tym, jak AI wybiera źródła opisaliśmy mechanizm selekcji – ten artykuł bada inny aspekt: ile czasu trwa cała ścieżka od publikacji do rzeczywistego wykorzystania nowej informacji.

Na danych drogerii internetowej (branża beauty, dane z GSC) widzieliśmy ten problem na żywo. Sklep zaktualizował ceny na kategorii perfum w odpowiedzi na promocję sezonową. Google zaindeksował zmianę w ciągu 48 godzin (URL Inspection potwierdził nową wersję). Ale ChatGPT odpytany o ceny perfum w tym sklepie nadal podawał stare wartości przez kolejne 12 dni. Crawl i indeksacja (zdarzenia 1-2) zaszły szybko. Cytowanie URL-a (zdarzenie 3) potwierdziło się po 5 dniach. Wykorzystanie nowej ceny (zdarzenie 4) – dopiero po 12 dniach. Bez rozdzielenia tych czterech zdarzeń raportowałbyśmy „Google zaindeksował w 48h” i uznali sukces.

Derivatex podaje, że według badania Semrush z końca 2025 roku tylko 42% nowo opublikowanych stron zostało zacytowanych przez ChatGPT w ciągu 30 dni. Mediana wieku cytowanej strony to około 500 dni. To oznacza, że większość stron nie osiąga nawet trzeciego zdarzenia (cytowanie URL-a) – a czwarte (wykorzystanie nowego fragmentu) jest jeszcze rzadsze.

Dane SE Ranking z 16-miesięcznego badania na 101 574 stronach (do kwietnia 2026) rysują pełniejszy obraz ekosystemu: ChatGPT generuje 74,78% całego ruchu z platform AI, Gemini 11,56%, Perplexity 7,23%. Ale wolumen ruchu to nie to samo co częstotliwość cytowania. ChatGPT ma najwięcej użytkowników, więc generuje najwięcej ruchu – ale według Leapd cytuje marki zaledwie w 0,59% odpowiedzi (wobec 13,05% u Perplexity). To oznacza, że ChatGPT jest najtrudniejszy do „zdobycia” pod względem cytowania, ale jednocześnie generuje najwięcej ruchu, gdy już zacytuje.

Dlaczego sam citation rate nie wystarcza do mierzenia świeżości wiedzy modelu?

Rozróżnienie między citation rate a fresh-content-use rate to centralny punkt tego badania. Leapd w porównaniu platform AI z 2026 roku wykazał 46-krotną różnicę w częstości cytowania marek między platformami: ChatGPT cytował marki w 0,59% odpowiedzi, Perplexity w 13,05%, a Grok w 27%. Ale nawet te cytowania nie mówią, czy system użył aktualnej wersji treści.

Ta 46-krotna różnica w citation rate między platformami ma bezpośredni wpływ na projekt eksperymentu. Jeśli ChatGPT cytuje marki w 0,59% odpowiedzi, potrzebujesz około 170 promptów, żeby statystycznie oczekiwać jednego cytowania. Przy Perplexity (13,05%) wystarczy 8 promptów. Dlatego w naszym eksperymencie projektujemy 3-5 promptów na URL, co przy 20 URL-ach daje 60-100 punktów obserwacji – wystarczająco dla Perplexity, marginalnie dla ChatGPT.

Weźmy przykład: strona produktu zawiera cenę 399 zł. Aktualizujesz cenę na 429 zł. Po 48 godzinach ChatGPT cytuje ten URL i podaje cenę 399 zł. Citation rate = sukces (URL został zacytowany). Fresh-content-use rate = porażka (system użył starej wersji). Bez rozdzielenia tych metryk raportowałbyś sukces, który jest w rzeczywistości problemem. O adresowalności fragmentów w kontekście cytowań pisaliśmy w artykule o fragmentach i cytowaniach AI RAG.

Co wiemy z danych bazowych Semgence przed eksperymentem?

Zanim uruchomiliśmy eksperyment, mieliśmy dane z monitoringu AI na 12 projektach (240 obserwacji). Te dane stanowią baseline, nie wynik.

Metryka	Wartość	Interpretacja
Projekty	12	E-commerce, B2B, agencyjne
Prompty na projekt	20	Mix informacyjnych i transakcyjnych
Łączne obserwacje	240	Poprawne odpowiedzi dostawcy
Cytowanie badanej domeny	11 (4,6%)	Domena pojawia się w źródłach
Cytowanie dokładnego URL-a	10 (4,2%)	Konkretny URL z domeny

4,6% to za mało, żeby kalibrować progi scoringu – brief badawczy Semgence jawnie to zaznacza. Ale jest to wystarczające, żeby ustalić baseline: przed eksperymentem wiemy, jak często systemy AI cytują badane domeny w stanie bez interwencji. Eksperyment mierzy, czy meaningful update przesuwa ten baseline w górę i jak szybko.

Co oznacza 4,6% baseline w praktyce?

Przy 240 obserwacjach i 11 cytowaniach, każde pojedyncze cytowanie zmienia wskaźnik o 0,42 punktu procentowego. To sprawia, że próba jest wrażliwa na szum: dwa dodatkowe cytowania przesunęłyby baseline z 4,6% na 5,4% – a dwa mniej obniżyłyby go do 3,7%. Dlatego nie kalibrujemy progów scoringu na tym baseline. Używamy go jako punktu wyjścia do eksperymentu, który ma większą próbę i kontrolowane grupy.

Na danych sklepu z branży beauty widzieliśmy odwrotny problem: sklep miał stosunkowo wysoki citation rate (URL pojawiał się w 3 z 5 monitorowanych promptów), ale żadna z odpowiedzi nie zawierała aktualnych cen z ostatniej promocji. Citation rate = 60%. Fresh-content-use rate = 0%. Bez rozdzielenia tych metryk klient widziałby raport „60% widoczności w AI”, co jest prawdziwe technicznie i bezwartościowe biznesowo.

Dane z ContextBolt na bazie badania SE Ranking (101 574 strony, 16 miesięcy do kwietnia 2026) pokazują, że Perplexity odpowiada za 7,23% ruchu z AI, ChatGPT za 74,78%, a Gemini za 11,56%. Udział Perplexity w US spadł z 11,42% do 6,85% w tym okresie, mimo że całkowity ruch z AI wrósł o 36%. To oznacza, że przy mierzeniu czasu do cytowania każdy provider musi być raportowany osobno – ich źródła danych, częstotliwość crawlu i mechanizmy selekcji są fundamentalnie różne.

Jak zaprojektowaliśmy eksperyment? Trzy grupy i pięć checkpointów

Grupa A: meaningful update (auto IndexNow via Rank Math)

Rzeczywista zmiana informacji na stronie: co najmniej jeden nowy, weryfikowalny fakt (cena, data, wynik pomiaru, źródło), poprawione answer unit (nagłówek pytaniowy + jasna odpowiedź) oraz unikalne markery treści — fakty dodane wyłącznie w tej aktualizacji (np. „Circle to Search na iOS”, „Advantage+ domyślnym trybem”, „2,1-3,4% CTR w branży e-commerce”). IndexNow wysyłany automatycznie przez Rank Math przy każdym zapisie. Readiness gate opisaliśmy w artykule o IndexNow dla e-commerce – to zabezpieczenie, które nie pozwala zgłosić URL-a z błędną rolą strony lub brakiem odpowiedzi.

Grupa B: date bump (zmiana daty modified, auto IndexNow via Rank Math)

Wyłącznie zmiana daty modified (dateModified) przez WordPress REST API — bez żadnej zmiany merytorycznej treści. Rank Math automatycznie wysyłał IndexNow przy każdym zapisie, więc zarówno grupa A, jak i B otrzymały sygnał IndexNow. Różnica dotyczy wyłącznie treści: grupa A miała nowe fakty i markery, grupa B — tylko nową datę. Chudi.dev podaje, że 95% cytowań ChatGPT pochodzi z treści opublikowanych lub zaktualizowanych w ciągu ostatnich 10 miesięcy. Pytanie brzmi: czy sam sygnał daty (date bump + IndexNow) wystarcza, żeby poprawić widoczność w AI, czy konieczna jest zmiana merytoryczna.

Grupa C: kontrola (brak aktualizacji)

Podobne URL-e i zapytania, ale bez żadnej zmiany. Monitoring identyczny jak w grupach A i B. Cel: oddzielenie efektu aktualizacji od naturalnej zmienności cytowań. Bez grupy kontrolnej nie wiemy, czy wzrost citation rate wynika z naszej interwencji, czy z aktualizacji algorytmu lub sezonowości. Tę logikę opisaliśmy szerzej w artykule o testowaniu rekomendacji SEO na wielu domenach.

Pięć checkpointów

Checkpoint	Co mierzymy	Narzędzia
+1 godz.	Czy strona jest dostępna, czy IndexNow zgłoszony	HTTP check, logi serwera
+6 godz.	Czy robot już wrócił	Logi serwera, GSC URL Inspection
+24 godz.	Czy indeks się zaktualizował	GSC URL Inspection, cache
+72 godz.	Czy systemy AI cytują URL	AI Monitor, ręczne sprawdzenie
+7 dni	Czy odpowiedź AI zawiera nowy fragment	Porównanie markerów, grounding audit

Attrifast podaje, że dla systemów RAG (ChatGPT Search, Perplexity, Gemini AIO) zmiana citation rate może pojawić się w ciągu 24-72 godzin na domenach z częstym crawlem, a w ciągu 2-3 tygodni na domenach o niższym autorytecie. Nasz harmonogram checkpointów pokrywa oba scenariusze.

Dane Metricus cytowane przez Ryze AI wskazują, że Perplexity ma stromy spadek efektywności cytowania po około 30 dniach od ostatniej aktualizacji. Marki utrzymujące cykl odświeżania co 2-3 dni na priorytetowych stronach widzą mierzalną poprawę citation rate. GPTBot crawluje nowe strony do 8 razy częściej niż Googlebot w pierwszych pięciu dniach. Te dane sugerują, że okno 7 dni (nasz najdłuższy checkpoint) może nie wystarczyć do uchwycenia czwartego zdarzenia (wykorzystanie fragmentu) na wszystkich platformach. Jeśli pilotaż to potwierdzi, dodamy checkpoint +14 i +28 dni.

Jak mierzymy, czy system naprawdę użył nowej treści?

Nie wystarczy sprawdzić, czy ChatGPT cytuje URL. Trzeba sprawdzić, czy odpowiedź zawiera informację dodaną w aktualizacji. Dlatego każda meaningful update zawiera 1-3 naturalne markery: nową wartość liczbową, nową datę, nowy wynik badania, nowy warunek lub wyjątek.

Marker musi być prawdziwy i przydatny użytkownikowi (nie sztuczny ciąg znaków), jednoznacznie identyfikowalny w odpowiedzi (jeśli system poda tę wartość, wiemy, że użył nowej treści) i zapisany w raporcie przed publikacją (nie można dobierać markerów po zobaczeniu odpowiedzi). O weryfikacji faktów i consensus score pisaliśmy w artykule o weryfikacji faktów w AI Search.

Przykład: artykuł o kosztach audytu SEO zawierał zdanie „Minimalny koszt audytu technicznego w 2025 roku to 2000-3000 zł”. Aktualizacja zmienia tę wartość na „2500-4000 zł w trzecim kwartale 2026 roku”. Jeśli po aktualizacji ChatGPT poda „2500-4000 zł” w odpowiedzi na pytanie o koszt audytu – marker jest potwierdzony. Jeśli poda starą wartość „2000-3000 zł” cytując ten sam URL – citation = tak, fresh content use = nie.

Matryca diagnostyczna: sześć możliwych stanów po aktualizacji

Crawl	Indeks	Cytowanie	Nowy fragment	Interpretacja
Nie	Nie	Nie	Nie	Problem discovery: blokada crawlera, za krótki czas lub brak sygnału
Tak	Nie	Nie	Nie	Robot pobrał, ale indeks nie potwierdza nowej wersji
Tak	Tak	Nie	Nie	Strona w indeksie, ale nie wybrana jako źródło
Tak	Tak	Tak	Nie	URL cytowany, ale system używa starej wiedzy
Tak	Tak	Tak	Tak	Pełne przejście: aktualizacja wykorzystana w odpowiedzi
Tak	Tak	Nie	Tak	Użycie bez jawnego cytowania – wymaga ostrożnej weryfikacji

Stan czwarty (cytowanie + stara treść) jest najczęściej pomijany w analizach AI visibility. Większość narzędzi raportuje citation rate i traktuje go jako sukces. Nasz eksperyment mierzy różnicę między stanem trzecim, czwartym i piątym osobno per provider.

Przykład matrycy w praktyce

Załóżmy, że aktualizujesz stronę kategorii e-commerce o nową tabelę porównawczą z cenami trzech modeli na wrzesień 2026. Po 72 godzinach Perplexity cytuje URL i podaje aktualne ceny (świeży fragment potwierdzony). ChatGPT cytuje ten sam URL, ale podaje ceny z czerwca 2026 (świeży fragment niepotwierdzony). Gemini nie cytuje URL-a w ogóle (brak cytowania). Trzy różne stany na trzech platformach, choć aktualizacja była jedna. Bez rozdzielenia czterech zdarzeń raportowałbyś „2 z 3 platform cytują”, co ukrywa, że tylko 1 z 3 faktycznie użyła nowej treści.

Co każdy stan oznacza dla wydawcy treści?

Stan 1 (brak crawlu) – problem techniczny: sprawdź robots.txt, dostępność serwera, Cloudflare, czy URL jest w sitemapie. Rozwązanie leży po stronie technicznej, nie contentowej. Stan 2 (crawl bez indeksacji) – robot pobrał stronę, ale indeks nie potwierdza nowej wersji. Możliwe przyczyny: niska jakość treści, duplicate content, canonical do innego URL-a. Stan 3 (indeks bez cytowania) – strona jest w indeksie, ale system AI nie wybiera jej jako źródła. Tu zaczynają się pytania o autorytet, extractability i dopasowanie intencji.

Stan 4 (cytowanie bez świeżego fragmentu) – to najczęściej pomijany problem. System pokazał Twój URL w źródłach, ale odpowiedź opiera się na starszej wersji. Przyczyny: cache odpowiedzi, stary snapshot w retrieval index, consensus z innymi źródłami podającymi starą wartość. Stan 5 (pełne przejście) – sukces: system cytuje URL i używa nowej treści. Stan 6 (użycie bez cytowania) – najtrudniejszy do zmierzenia. System mógł użyć Twojej informacji bez jawnego podania źródła (absorption z frameworku Princeton) – lub mógł uzyskać tę samą informację z innego źródła.

Wyniki: ile czasu trwa przejście od aktualizacji do wykorzystania?

Eksperyment nie mierzył poszczególnych etapów (crawl, indeksacja) w izolacji — te zdarzenia nie są bezpośrednio obserwowalne dla systemów AI spoza Google (nie mamy dostępu do wewnętrznych indeksów ChatGPT ani Perplexity). Zamiast tego monitorowaliśmy wynik end-to-end: czy dany prompt generuje cytowanie domeny (zdarzenie 3) i czy odpowiedź zawiera nowy fragment z markerem (zdarzenie 4). Wyniki 14-dniowego monitoringu (7 094 runów) pokazują brak istotnej różnicy między grupami:

Grupa	Prompty w Top 20 (wg avg_score)	Prompty w Bottom 20	Zero visibility (score=0)	Najwyższy wynik
A (meaningful update)	7	8	3	33,66/90
B (date bump)	7	6	3	38,14/90 — najwyższy w całym teście
C (kontrola)	6	6	3	36,07/90

Wniosek: Meaningful update NIE daje przewagi nad date bumpem ani kontrolą w oknie 14 dni. Grupa A ma nawet więcej promptów w Bottom 20 (8 vs 6) — prawdopodobnie dlatego, że marker prompts (pytające o nowo dodane dane) testowały bardzo specyficzne informacje, których platformy AI jeszcze nie zaindeksowały.

#	Platforma	Citation rate (% runów cytujących semgence.pl)	Brand rate	Avg score (/90)	Runów
1	Gemini	49,31%	0,10%	20,34	1 012
2	AI Overview	45,06%	3,49%	20,25	1 032
3	Perplexity	44,35%	0,00%	17,08	1 008
4	Copilot	38,91%	38,91%	29,64	1 010
5	AI Mode	27,85%	0,10%	12,36	1 009
6	Claude	6,55%	0,00%	2,74	1 008
7	ChatGPT	0,10%	0,10%	0,08	1 015

Fresh-content-use rate = ~0% na wszystkich platformach. Nawet gdy platforma cytuje URL semgence.pl, cytuje istniejącą treść — nie nowo dodane sekcje z markerami. Żaden z 5 unikalnych markerów (np. „Circle to Search na iOS”, „Advantage+ domyślnym trybem”, „tabela CPC per branża”) nie pojawił się w odpowiedziach AI w ciągu 14 dni. Copilot miał najwyższy avg_score (29,64) i jako jedyny ZAWSZE wymieniał markę przy cytowaniu (brand_rate = citation_rate = 38,91%). Gemini cytował najczęściej (49,31%), ale niemal zawsze anonimowo (brand_rate 0,10%). ChatGPT de facto nie uczestniczy w polskim web retrieval (0,10% = dosłownie 1 run z 1 015).

Co uznajemy za meaningful update, a czego nie

Definicja jest ścisła i ustalona przed eksperymentem. Każda meaningful update musi zawierać co najmniej dwa z elementów: nowy fakt lub wynik własnego pomiaru, nowe źródło pierwotne, aktualną cenę lub parametr, nową tabelę porównawczą, jasną odpowiedź pod nagłówkiem pytaniowym lub korektę wcześniejszego błędu.

Nie uznajemy za meaningful update: samej zmiany roku w tytule, zmiany dateModified bez zmiany treści, kosmetycznego przepisania zdań, dodania synonimów, zmiany kolejności akapitów bez nowej informacji ani automatycznego rozbudowania tekstu przez AI bez nowych dowodów. Patent US7346839B2 opisuje mechanizm, w którym zmiany elementów mało istotnych (boilerplate, reklamy, znaczniki daty) mogą otrzymywać małą wagę lub zostać pominięte. To nie jest dowód, że Google tak robi – ale uzasadnia hipotezę, którą ten eksperyment testuje.

Przykład meaningful update z naszego audytu

Artykuł o kosztach pozycjonowania na semgence.pl (publikacja 2024, ostatnia aktualizacja marzec 2025). Stan przed: ogólne widełki „2000-5000 zł miesięcznie” bez źródła, bez podziału na typy klientów, bez aktualnych danych rynkowych. Stan po meaningful update: segmentacja cen według wielkości serwisu (do 500 URL-i, 500-5000, powyżej 5000), źródło (badanie własne Semgence na próbie 40 zapytań ofertowych), data ważności („trzeci kwartał 2026”), nowa tabela porównawcza z elementami wyceny.

Markery świeżej treści zapisane przed publikacją: „od 2800 zł miesięcznie dla serwisów do 500 URL-i” (nowa wartość), „badanie na próbie 40 zapytań ofertowych z Q2 2026” (nowe źródło), „trzeci kwartał 2026” (data ważności). Jeśli ChatGPT lub Perplexity po aktualizacji poda którykolwiek z tych markerów – wiemy, że użył nowej treści. Jeśli zacytuje URL, ale poda stare „2000-5000 zł” – citation = tak, fresh content use = nie.

W naszym eksperymencie wszystkie testowane URL-e były artykułami blogowymi (typ informacyjny). Nie zaobserwowaliśmy istotnej różnicy w wynikach między promptami informacyjnymi a komercyjnymi — oba typy generowały porównywalny citation rate. Kluczowym czynnikiem był dopasowanie semantyczne promptu do treści artykułu, nie typ intencji. Najlepiej performowały prompty o szerokich, popularnych tematach (np. „czym są posty sponsorowane na Instagramie” — 38,14/90), najgorzej — niszowe pytania bez pokrycia w istniejących treściach (np. „jaki CTR mają reklamy Reels” — 0/90).

Czy IndexNow przyspiesza którykolwiek z czterech etapów?

Ryze AI podaje, że IndexNow zwykle odzwierciedla się w indeksie Bing w ciągu minut do godzin – znacznie szybciej niż naturalny crawl. GEO Guide 2026 dodaje, że bez IndexNow świeża treść może czekać tygodniami na pojawienie się w warstwie browsingu ChatGPT. Ale jak podkreśliliśmy w artykule o IndexNow dla e-commerce: zgłoszenie URL-a nie gwarantuje crawlu, indeksacji ani cytowania.

Porównanie grup A (meaningful update + auto IndexNow) vs B (date bump + auto IndexNow) vs C (kontrola, bez zmian):

Metryka	A (meaningful)	B (date bump)	C (kontrola)
Prompty w Top 20	7	7	6
Prompty w Bottom 20	8	6	6
Zero visibility (score=0)	3	3	3
Najwyższy wynik	33,66/90	38,14/90	36,07/90
Fresh-content-use rate	~0%	n/a (brak markerów)	n/a (brak markerów)

Różnica statystycznie nieistotna. Meaningful update (A) nie dał przewagi nad date bumpem (B) ani kontrolą (C) w oknie 14 dni. Najwyższy wynik w całym teście osiągnął prompt z grupy B (date bump). Obie grupy interwencyjne (A+B) otrzymały IndexNow (auto via Rank Math), ale nie wykazały przewagi nad grupą C (bez IndexNow). W kontekście AI visibility: w ciągu 14 dni systemy AI cytują treść na podstawie dopasowania semantycznego i autorytetu domeny, nie na podstawie świeżości aktualizacji.

Przypadki cytowania starego fragmentu – kiedy AI wie, ale używa starzyzny?

Ten stan (crawl ✓, indeks ✓, cytowanie ✓, świeży fragment ✗) może mieć kilka przyczyn: cache odpowiedzi (system serwuje zapamiętaną odpowiedź, nie generuje nowej), stara wersja w indeksie retrievalowym (indeks wyszukiwania systemowego nie został jeszcze odświeżony), niedługość markera w kontekście (nowy fakt jest na stronie, ale nie w sekcji, którą system extrahuje), lub precedens starej odpowiedzi (system już odpowiedział na to pytanie wartością 399 zł i inercja działa na korzyść starej odpowiedzi).

Pięć markerowych promptów (sufiksy -3 w grupie A) celowo pytały o fakty dodane wyłącznie w meaningful update. Wyniki po 14 dniach:

Marker prompt	Pytanie	Wynik 14 dni
A1-3	„jakie funkcje ma Google Lens”	0/98 = 0% — żadna platforma nie zacytowała nowej treści
A2-3	„jakie formaty reklam są dostępne na Facebooku”	Copilot i Gemini cytowały URL, ale STARĄ treść, nie nowe markery
A3-3	„jakie są opłaty na Facebook Marketplace”	AIO + AI Mode + Gemini cytowały stronę sporadycznie — brak potwierdzenia markerów
A6-3	„jaki CTR mają reklamy Reels na Instagramie”	0/99 = 0% — ZERO na wszystkich platformach
A8-3	„jak przygotować feed produktowy pod AI shopping”	AIO + Gemini cytowały sporadycznie w D13-D14 — brak markerów

Przykład stanu 4 (cytowanie + stara treść): Gemini cytował /jak-zrobic-reklame-na-facebooku/ w 52% odpowiedzi, ale NIGDY nie wymienił „Advantage+ domyślnym trybem” (nasz marker dodany w meaningful update). System wybierał URL na podstawie dopasowania tematycznego, ale odpowiedź generował z istniejącej wiedzy, nie z nowo dodanej sekcji.

O roli extractability – czy system potrafi wyciągnąć informację z treści strony – pisaliśmy w artykule o extractability i odpowiedziach AI. Jeśli nowy fakt jest zamknięty w tabeli, której system nie parsuje, marker nie zostanie wykryty niezależnie od czasu.

Cytacje są cykliczne, nie stałe

Dane dzienne z 14-dniowego monitoringu pokazują wyraźny trend spadkowy i dzienne wahania cytacji. Gemini: od 53% (D1) do 47% (D14). AI Overview: od 52% do 37%. Perplexity: od 50% do 37%. Copilot pozostał stabilny (36-43%). Ta sama treść jest cytowana jednego dnia, a ignorowana następnego — nie ma „zdobycia cytacji na stałe”.

Badanie SparkToro (2 961 runów, 600 uczestników, listopad-grudzień 2025) potwierdza ten wniosek: prawdopodobieństwo uzyskania identycznej listy rekomendacji w dwóch zapytaniach do ChatGPT lub Google AI wynosi poniżej 1%. Spójność kolejności rekomendacji spada do ~0,1%. Cytacje w systemach AI nie są stałe — zmieniają się z każdym zapytaniem.

Ograniczenia badania: czego ten eksperyment nie dowodzi?

Pięć ograniczeń, które muszą być jasne przed interpretacją wyników. Po pierwsze, próba (24 URL-e z 1 domeny, 72 prompty, 7 094 runów) daje solidną bazę obserwacyjną, ale nie pozwala na pełną statystyczną istotność – raportujemy mediany, kwartyle i surowe proporcje. Po drugie, wyniki nie są dowodem na sposób działania algorytmu konkretnego systemu AI. Po trzecie, personalizacja odpowiedzi AI oznacza, że ten sam prompt może dać różne odpowiedzi w różnych sesjach — Badanie SparkToro (2 961 runów, 600 uczestników, listopad-grudzień 2025) potwierdza ten wniosek: prawdopodobieństwo uzyskania identycznej listy rekomendacji w dwóch zapytaniach do ChatGPT lub Google AI wynosi poniżej 1%. Spójność kolejności rekomendacji spada do ~0,1%. Cytacje w systemach AI nie są stałe — zmieniają się z każdym zapytaniem. Po czwarte, sezonowość i aktualizacje algorytmów w trakcie eksperymentu mogą wpłynąć na wyniki. Po piąte, Cloudflare lub WAF na stronach klientów mogą blokować część crawlerów AI – blokada to osobny wynik techniczny, nie wynik jakości treści.

Szóste ograniczenie: eksperyment mierzy korelację, nie przyczynowość. Jeśli po meaningful update citation rate rośnie, nie możemy stwierdzić, że to aktualizacja spowodowała wzrost – dlatego mamy grupę kontrolną (C), która mierzy naturalną zmienność. Siódme: różne platformy AI aktualizują modele i indeksy w różnych momentach. Wynik mierzony w piątek może być inny niż w poniedziałek na tej samej platformie. Dlatego raportujemy wyniki per checkpoint (nie tylko końcowy stan), żeby uchwycić dynamikę czasową.

Ósme ograniczenie: nie mamy dostępu do wewnętrznego indeksu żadnej platformy AI. Możemy zmierzyć stan zewnętrzny (co system odpowiada), ale nie wewnętrzny (dlaczego tak odpowiada). Hipotezy o przyczynach (cache, consensus, extractability) są uzasadnione danymi zewnętrznymi, ale nie są dowodami. O różnicy między obserwacją a dowodem pisaliśmy w artykule o testowaniu rekomendacji SEO na wielu domenach – ta sama logika dotyczy eksperymentów z platformami AI.

Ten artykuł jest pierwszym z serii dziesięciu publikacji Semgence poświęconych odświeżaniu treści w Google i systemach LLM. Kolejne artykuły będą badać: różnicę między cytowaniem URL-a a wykorzystaniem nowego fragmentu (artykuł 2), zmianę daty vs meaningful update (artykuł 3), routing intencji – który typ strony powinien odpowiadać (artykuł 4), i wpływ IndexNow na poszczególne etapy (artykuł 5). Każdy z nich będzie budował na danych z tego eksperymentu i linkował do niego jako źródła metodologicznego.

O wyborze właściwego URL-a pisaliśmy już w benchmarku dopasowania query-URL – ale tamten artykuł dotyczył Google Search. Tu mierzymy, jak systemy AI (nie Google) wybierają URL do cytowania po aktualizacji. O embeddings i rerankingu semantycznym pisaliśmy w teście rerankingu semantycznego – tam odkryliśmy, że cosine similarity nie wystarcza do wyboru URL-a. Tu testujemy, czy czas odświeżania i jakość aktualizacji mają większy wpływ.

W kontekście tego badania odwołujemy się do czterech patentów opisujących klasy problemów: US7346839B2 (ocena dokumentów z wykorzystaniem danych historycznych, w tym historii zmian treści), US20130144858A1 (harmonogramowanie crawlów zasobów na podstawie przewidywanej wartości), US20250103640A1 (generowanie odpowiedzi z cytowaniami do dokumentów źródłowych), US10783156B1 (generowanie i ocena kandydackich pasaży odpowiedzi). Patenty opisują mechanizmy zastrzegłe przez Google. Nie potwierdzają, że są aktualnie wdrożone w identycznej formie, ani że dotyczą ChatGPT, Claude czy Perplexity.