„ChatGPT poleca naszą firmę” brzmi dobrze. Tylko co to znaczy? Że raz wymienił nazwę? Że podał link do artykułu? Czy że regularnie proponuje firmę klientom szukającym konkretnego rozwiązania?
Te wyniki trzeba rozdzielić. Widoczność w AI warto mierzyć jako częstotliwość wzmianek, cytowań i rekomendacji w jasno opisanej próbie odpowiedzi. Do tego potrzebujesz stałego zestawu pytań, powtórzeń i zapisu warunków testu.
W tym artykule proponuję prostą metodę pomiaru. Jest to roboczy model do własnych analiz, a nie uniwersalna definicja każdej metryki używanej w narzędziach GEO.
Trzy metryki, które odpowiadają na różne pytania
| Metryka | Co zaliczamy | Czego nie dowodzi |
|---|---|---|
| Wzmianka | Nazwa marki pojawia się w treści odpowiedzi | Że marka jest polecana lub poprawnie opisana |
| Cytowanie domeny | Odpowiedź zawiera odnośnik do Twojej domeny jako źródła | Że użytkownik kliknął link lub kupił |
| Rekomendacja | Marka jest wskazana jako opcja dopasowana do potrzeby użytkownika | Że użytkownik ją wybrał |
Jedna odpowiedź może spełniać wszystkie trzy kryteria. Nie sumuj tych procentów, jakby były oddzielnymi częściami całości. Cytowania materiałów o marce na cudzych domenach zapisuj osobno od cytowań własnej strony.
Najpierw ustal, na jakie pytanie odpowiada badanie
Możesz badać rozpoznawanie marki, obecność w rekomendacjach zakupowych albo to, czy Twoje materiały są wykorzystywane jako źródła. Każdy cel wymaga innej listy pytań.
Przykład z mojej marki osobistej: „Kim jest Tomasz Cincio?” sprawdza poprawność opisu osoby. „Kogo warto śledzić w Polsce, żeby nauczyć się widoczności marek w AI?” sprawdza, czy nazwisko pojawia się bez podpowiedzi. Nie należy łączyć tych wyników w jeden wskaźnik rozpoznawalności.
Podczas konfiguracji monitoringu cincio.pl dodaliśmy w październiku 2026 r. osobny zestaw 24 pytań bez mojego nazwiska i sześciu pytań dotyczących rozpoznawania osoby. To opis konfiguracji pomiaru, nie jego wyniku.
Jeśli dopiero diagnozujesz, dlaczego marka nie pojawia się w odpowiedziach, zacznij od audytu widoczności w AI w siedmiu krokach. Pomoże ustalić, które pytania i źródła warto objąć pomiarem.
Zbuduj stały zestaw promptów
Podstawą są pytania rzeczywistych odbiorców. Dla sklepu mogą dotyczyć zastosowania produktu, budżetu, porównania wariantów i warunków zakupu. Dla eksperta: materiałów edukacyjnych, szkoleń i tematów wystąpień.
Nie wybieraj pytań dopiero po zobaczeniu korzystnych odpowiedzi. Zapisz zestaw przed pierwszym pomiarem. Gdy go zmienisz, oznacz nową wersję i zachowaj część wspólną do porównania. Dwadzieścia wariantów prawie identycznego pytania może nadmiernie eksponować jedną intencję.
Rynek, język i intencję opisuj w metodologii. Sam dopisek „Polska” nie dowodzi, że wszystkie warunki testu odpowiadają doświadczeniu każdego użytkownika w Polsce.
Zapisuj warunki i pełne odpowiedzi
Minimalny rekord pomiaru powinien zawierać:
- identyfikator i pełną treść pytania;
- datę, godzinę i nazwę narzędzia;
- model lub wersję, jeśli są udostępnione;
- język, deklarowany rynek i użycie wyszukiwania;
- informację o nowej rozmowie, personalizacji i ewentualnym wcześniejszym kontekście;
- pełną odpowiedź i wskazane źródła;
- ocenę wzmianki, cytowania, rekomendacji i poprawności faktów.
Nowe rozmowy ograniczają wpływ wcześniejszego kontekstu, ale nie zapewniają identycznych warunków dla wszystkich użytkowników. Jeżeli platforma nie ujawnia wersji modelu, zapisz ten brak zamiast ją zgadywać.
Jak policzyć wyniki?
Proponuję liczyć wystąpienie danej cechy na poziomie odpowiedzi. Jeżeli nazwa pada pięć razy, nadal jest to jedna odpowiedź z wzmianką.
- Wskaźnik wzmianek: liczba odpowiedzi z nazwą marki / liczba poprawnie uzyskanych odpowiedzi × 100%.
- Wskaźnik cytowań domeny: liczba odpowiedzi cytujących własną domenę / liczba poprawnie uzyskanych odpowiedzi × 100%.
- Wskaźnik rekomendacji: liczba odpowiedzi polecających markę / liczba poprawnie uzyskanych odpowiedzi × 100%.
Błąd techniczny nie jest odpowiedzią bez marki. Wyłącz go z mianownika i osobno podaj liczbę nieudanych prób. Zapisz też odsetek wykonanych testów, żeby wynik nie ukrywał brakujących danych.
Przykład obliczenia
Poniższe liczby są przykładem obliczeniowym, nie wynikiem badania Semly ani cincio.pl.
Dwadzieścia pytań wykonujesz po trzy razy. Uzyskujesz 60 poprawnych odpowiedzi. Marka pojawia się w 18, jej domena jest cytowana w 9, a rekomendacja występuje w 12. Wyniki wynoszą odpowiednio: 30%, 15% i 20%.
Jeżeli w kolejnym porównywalnym pomiarze rekomendacji jest 18 na 60, wskaźnik rośnie z 20% do 30%. To wzrost o 10 punktów procentowych albo o 50% względem wartości początkowej. Podawaj obie wartości tak, aby odbiorca widział skalę zmiany.
Czym jest Share of Voice?
Termin SOV bywa liczony różnie. W tym modelu można przyjąć udział marki w sumie obecności wszystkich marek z wcześniej określonego zestawu konkurencyjnego. Każdą markę w jednej odpowiedzi liczymy najwyżej raz.
Jeżeli badana marka ma 18 obecności, a wszystkie marki z zestawu razem 90, SOV wynosi 20%. To inny mianownik niż liczba odpowiedzi. Dlatego SOV i wskaźnik wzmianek nie muszą być takie same.
Przy korzystaniu z narzędzia zapoznaj się z jego definicją. Nie porównuj metryk o tej samej nazwie, dopóki nie sprawdzisz, czy obie liczą tę samą rzecz.
Jak interpretować pozycję i sentyment?
Pozycję zapisuj tylko wtedy, gdy odpowiedź rzeczywiście tworzy uporządkowaną listę. Pierwsza wzmianka w akapicie nie musi oznaczać pierwszego miejsca w rankingu. Brak marki oznacz jako brak, a nie umowną ostatnią pozycję.
Przy sentymencie rozróżnij ton wypowiedzi od rekomendacji. Pozytywne zdanie o historii firmy nie musi oznaczać polecenia jej oferty. Sprawdź też faktografię: przyjazny opis z błędnymi danymi nadal wymaga poprawy.
Jak często wykonywać pomiar?
Na start proponuję krótki przegląd co tydzień i pełne porównanie co miesiąc. Liczba powtórzeń zależy od zakresu oraz zasobów. Trzy powtórzenia są użytecznym punktem startowym, ale nie gwarantują statystycznej pewności.
Wyniki różnych narzędzi pokazuj osobno. Jeśli tworzysz wynik łączny, opisz jego wagi. Zmiana modelu, trybu wyszukiwania lub zestawu pytań może wpłynąć na wynik niezależnie od pracy na stronie.
Widoczność to jeszcze nie sprzedaż
Obok pomiarów odpowiedzi sprawdzaj ruch, zapytania i transakcje. Jeżeli analityka rejestruje wejścia z danego asystenta, analizuj je osobno. Gdy źródła nie da się ustalić, nie przypisuj całego ruchu bezpośredniego do AI.
Wzrost wyszukiwań nazwy marki może mieć wiele przyczyn: kampanię, wystąpienie, publikację lub rekomendację znajomego. Zbieżność z poprawą wyniku AI jest wskazówką, ale nie dowodem, że AI spowodowało sprzedaż.
Dla sklepu internetowego taki pomiar można połączyć z konkretnym harmonogramem zmian. W poradniku WooCommerce w ChatGPT i Gemini: plan na 30 dni opisuję, co sprawdzić przed wdrożeniem i jak porównać wyniki po poprawieniu oferty.
Co powinien zawierać raport?
Cel, zestaw pytań, daty, warunki testu, definicje metryk, liczebność próby, brakujące wyniki, źródła i ograniczenia. Dołącz przykłady pełnych odpowiedzi, także tych niekorzystnych. Raport powinien pozwalać odtworzyć metodę i podjąć decyzję o kolejnych działaniach.
Jeżeli korzystasz z Semly, dobierz pytania do potrzeb odbiorców i zachowaj ciągłość zestawu. Jestem współzałożycielem platformy. Wynik z narzędzia oceniaj razem z metodologią i pełnymi odpowiedziami.
Pozostałe wskazówki dotyczące AI i e-commerce znajdziesz na stronie Punkt widzenia Tomasza Cincio.
Źródła i charakter metody
Wzory oraz przykłady w artykule opisują proponowaną metodę własnego pomiaru. Nie są standardem narzuconym przez dostawców modeli.
- Google Search Central: generatywne wyszukiwanie i pomiar w Search Console
- OpenAI: rozróżnienie robotów wyszukiwania i treningu
Autor: Tomasz Cincio, CEO i współzałożyciel Semly. Zajmuje się widocznością marek w AI i technologiami dla e-commerce.