Jak sprawdzić, czy AI poleca firmę

„Czy ChatGPT poleca moją firmę, gdy klient pyta o usługi z mojej branży?” Odpowiedź na to pytanie wymaga pomiaru, a pomiar łatwo zawyżyć błędem metody. Wynik zależy od warunków pomiaru: te same pytania zadane w jednej rozmowie albo z zalogowanego konta dają zupełnie inny obraz niż zadane w nowym czacie przez obcą osobę.

Dotyczy ChatGPT Claude Gemini Copilot Perplexity Grok

Cztery wyniki, które łatwo pomylić

Pod hasłem „widoczność w AI” kryją się cztery różne wyniki o różnej wartości dla firmy:

1. Pobranie strony przez bota. Widać je w logach serwera i oznacza wyłącznie, że treść da się przeczytać.
2. Wzmianka o marce. Model wymienia nazwę firmy, choć nie wiadomo jeszcze, czy opisuje ją poprawnie.
3. Cytowanie domeny. Model podaje stronę firmy jako źródło odpowiedzi.
4. Rekomendacja. Model wskazuje firmę jako odpowiedź na pytanie zakupowe.

Część wizyt botów dotyczy wyłącznie pliku robots.txt i mapy strony, bez pobierania treści. Nie każda wizyta podpisana nazwą bota AI pochodzi od niego. Nazwę, którą program przedstawia się serwerowi, może wpisać każdy, dlatego w logach zdarzają się zwykłe skany w poszukiwaniu haseł podpisane nazwą bota OpenAI.

Jakie pytania zadawać

Pytania mają brzmieć tak, jak wpisuje je klient przed zakupem: całym zdaniem, z miejscem, budżetem albo problemem. Hasła w stylu wyszukiwarki („CRM mała firma”) mówią o modelu niewiele. Dobry zestaw łączy cztery rodzaje pytań.

Około dwóch trzecich pytań nie powinno zawierać nazwy firmy. Pozostałe ją zawierają i pokazują, co model mówi o firmie, gdy ktoś pyta o nią wprost.

Jak zmierzyć widoczność firmy krok po kroku

Pomiar polega na zadaniu tych samych pytań kilku asystentom AI i zapisaniu, czy i jak wymieniają firmę. Asystent AI to program, z którym rozmawia się na czacie: ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Copilot (Microsoft), Perplexity albo Grok (xAI). Każdy z nich odpowiada na podstawie innego modelu i sięga do innych wyszukiwarek i źródeł, więc firma obecna w odpowiedziach jednego asystenta może nie istnieć dla drugiego.

Czasy przy krokach są przyjętym założeniem dla jednej firmy i trzech asystentów.

1. Lista 30 pytań (ok. 1 h). Według tabeli wyżej: 20 pytań bez nazwy firmy i 10 z nazwą. Pytania zapisujemy w arkuszu, jedno w wierszu, żeby w kolejnych pomiarach zadawać je dosłownie tak samo.
2. Wybór asystentów (kilka minut). Co najmniej trzy, najlepiej te, z których korzystają klienci firmy. Dla odbiorców biznesowych zestaw ChatGPT, Gemini i Copilot obejmuje trzech różnych dostawców.
3. Przebieg (ok. 5 h). Każde pytanie zadajemy w nowym oknie czatu, najlepiej w trybie tymczasowym albo prywatnym, jeśli asystent go ma, żeby odpowiedź nie korzystała z historii rozmów. Każde pytanie dwa razy, bo ten sam asystent na to samo pytanie odpowiada za każdym razem trochę inaczej. Przy trzech asystentach daje to 180 odpowiedzi.
4. Notatka przy każdej odpowiedzi (w trakcie przebiegu). W arkuszu zapisujemy: czy firma padła, na którym miejscu, czy asystent szukał w sieci (widać to po linkach do źródeł pod odpowiedzią), jakie źródła podał i które firmy wymienił zamiast niej.
5. Zestawienie wyniku (ok. 1 h). Liczymy, w ilu odpowiedziach firma została wymieniona, w ilu asystent podał jej stronę jako źródło i w ilu ją polecił. Osobno dla pytań z nazwą firmy i bez niej. Wynik z pytań bez nazwy jest punktem odniesienia dla kolejnych pomiarów.
6. Powtórka po 6 do 8 tygodniach (tyle samo co pierwszy przebieg). Ten sam arkusz pytań, ci sami asystenci i te same zasady notowania. Dopiero różnica między dwoma pomiarami pokazuje, czy zmiany na stronie i w profilach firmy przyniosły efekt.

Błędy, które zawyżają wynik

Wszystkie pytania w jednej rozmowie. Jeśli pytania ogólne padają po kilku pytaniach o konkretną firmę, model pamięta kontekst i chętnie ją poleca. Klient otwierający nowy czat tego kontekstu nie ma.

Zalogowane konto z historią. ChatGPT, Claude i Gemini mogą korzystać z pamięci i wcześniejszych rozmów użytkownika. Właściciel firmy, który często o nią pyta, zobaczy ją w odpowiedziach częściej niż obcy klient.

Instrukcja, której klient nie pisze. Dopisek „podaj konkretne nazwy firm” albo „wymień pięć firm” zmusza model do wymieniania nazw także tam, gdzie sam by tego nie zrobił. Przy pomiarze przez API to samo dotyczy instrukcji systemowej.

Zamknięta lista konkurentów. Lista firm do śledzenia ułożona przed pomiarem pokazuje oczekiwania wobec rynku. Modele często wymieniają firmy spoza takiej listy, więc lista powinna rosnąć razem z odpowiedziami.

Tryb bez wyszukiwania liczony jako tryb z wyszukiwaniem. Część odpowiedzi w trybie z dostępem do sieci powstaje bez żadnego wyszukiwania, z samej pamięci modelu. Takie odpowiedzi trzeba oznaczać osobno.

Błędy, które pojawiają się w odpowiedziach

Pytania z nazwą firmy, czyli 10 z 30 w zestawie, odsłaniają inny rodzaj problemów. Najczęstsze wyglądają tak:

• model podaje ceny ze starego, zapomnianego profilu firmy w innym serwisie zamiast z aktualnego cennika na stronie,
• model twierdzi, że firma nie publikuje cen albo nie prowadzi bloga, choć jedno i drugie jest na stronie,
• model podaje stary adres, który przetrwał w katalogu firm albo w nieaktualnej wizytówce na mapach,
• model myli firmę z inną o podobnej nazwie, często z zupełnie innej branży,
• model cytuje portal z opiniami albo agregator zamiast strony firmy.

Co zmienia wynik, a co nie

Lista działań, na które firma ma wpływ, jest krótka:

• Spójne dane w całej sieci: ta sama nazwa, adres, zakres usług i ceny na stronie, w wizytówce Google, w katalogach branżowych i na starych profilach. Nieużywane profile lepiej usunąć niż zostawić.
• Cennik jako tekst: model nie zacytuje ceny umieszczonej na grafice albo w pliku PDF do pobrania.
• Treść dostępna bez JavaScriptu: część botów nie uruchamia skryptów. Test zajmuje minutę: wyłączyć JavaScript w przeglądarce i sprawdzić, co zostało na stronie.
• Dane strukturalne zgodne z treścią: znaczniki schema.org opisują firmę, usługi i ceny wprost, a Google zaznacza, że mają odpowiadać tekstowi widocznemu na stronie.¹

Na liście nie ma pliku llms.txt. Google pisze wprost, że obecność w AI Overviews i AI Mode nie wymaga tworzenia nowych plików dla maszyn ani specjalnych znaczników.¹ Ahrefs sprawdził w maju 2026 ruch na 137 tys. domen.²

• 28% domen z poprawnym plikiem llms.txt
• 97% tych plików bez ani jednego pobrania w maju 2026
• ~1 na 5 pobrań pliku przez boty AI, reszta to narzędzia SEO i inne boty

Co zrobić z wynikiem

Wynik pomiaru wskazuje kierunek dalszych działań:

Pomiar razem z planem poprawek można też zlecić. Taki przegląd prowadzimy w ramach Skanu widoczności w AI.

Najczęstsze pytania