Pozycjonowanie w AI ChatGPT i Google

Pozycjonowanie w AI to działania, dzięki którym marka, strona i produkty pojawiają się w odpowiedziach asystentów AI, takich jak ChatGPT, Gemini, Perplexity, Copilot, oraz w podsumowaniach AI w Google (AI Overviews i AI Mode). Celem jest to, żeby AI cytowało Twoją stronę jako źródło i polecało Twoją firmę, gdy ktoś pyta o rozwiązanie z Twojej branży.

Dla tych samych działań używa się kilku nazw:

• GEO (generative engine optimization) – optymalizacja pod wyszukiwarki generatywne. Najczęściej używany termin.
• AEO (answer engine optimization) – optymalizacja pod „silniki odpowiedzi”, czyli wszystko, co daje gotową odpowiedź zamiast listy linków.
• AIO i SEO AI – potoczne nazwy pozycjonowania pod sztuczną inteligencję.
• LLMO – optymalizacja pod duże modele językowe (LLM).

Niezależnie od nazwy chodzi o to samo: żeby model, który składa odpowiedź z wielu źródeł, wybrał Twoje treści i wspomniał Twoją markę. Pozycjonowanie w AI nie zastępuje klasycznego SEO, tylko na nim stoi. Większość asystentów korzysta z wyszukiwarek, a strona niewidoczna w wynikach rzadko trafia do odpowiedzi.

SEO i GEO mają wspólny fundament: stronę, którą wyszukiwarki mogą odczytać, wartościowe treści i zaufanie do marki. Różni się to, co jest efektem i jak się go mierzy.

W praktyce GEO to rozszerzenie SEO, a nie osobna dyscyplina. Najlepsze efekty daje prowadzenie obu razem: SEO buduje widoczność w wynikach, z których korzysta AI, a GEO dba o to, żeby marka była opisana tak, jak chcesz, i polecana w odpowiedziach. Szerzej o klasycznym SEO piszemy na stronie o pozycjonowaniu stron.

Asystent AI może odpowiedzieć na dwa sposoby: z wiedzy zdobytej w czasie treningu modelu albo na podstawie stron, które wyszukuje na bieżąco. W pytaniach o produkty, firmy i usługi coraz częściej robi to drugie.

1. Zrozumienie pytania – model ustala, czego szuka użytkownik, i często rozbija pytanie na kilka mniejszych zapytań.
2. Wyszukanie źródeł – zapytania trafiają do wyszukiwarki (własnej, Google albo Bing), która zwraca listę stron.
3. Wybór fragmentów – z najlepiej dopasowanych stron model wybiera konkretne akapity, tabele i listy.
4. Złożenie odpowiedzi – model pisze odpowiedź własnymi słowami i dodaje linki do źródeł.

Ten schemat nazywa się RAG (retrieval-augmented generation). Wynika z niego najważniejsza zasada pozycjonowania w AI: najpierw trzeba trafić do wyników wyszukiwania, z których model korzysta, a potem mieć na stronie fragmenty, które da się łatwo wyciąć i zacytować.

Wiedza z treningu też ma znaczenie. Marka, o której dużo i spójnie piszą inne strony, jest „znana” modelowi i częściej pojawia się w odpowiedziach nawet bez wyszukiwania.

Pozycjonowanie w AI ma sporo nowych nazw i skrótów. Oto najważniejsze, w jednym miejscu:

Więcej o każdym z tych pojęć piszemy w kolejnych rozdziałach kompendium.

AI Overviews (przegląd od AI) to podsumowanie generowane przez Google nad wynikami wyszukiwania, z linkami do stron, na których się opiera. W Polsce pojawia się przy coraz większej części zapytań, zwłaszcza informacyjnych.

Google opatentował metodę generowania takich podsumowań przez duży model językowy na podstawie dokumentów z wyników wyszukiwania [1]. Kilka elementów opisu patentu jest ważnych dla pozycjonowania:

• Źródła pochodzą z wyników wyszukiwania na dane zapytanie. Wśród miar wyboru dokumentów patent wymienia m.in. pozycję dokumentu w wynikach i to, jak często użytkownicy go wybierają [1]. Bez dobrej pozycji w klasycznym SEO trudno trafić do podsumowania.
• Fragmenty są weryfikowane i linkowane. Patent opisuje sprawdzanie, czy fragment podsumowania znajduje potwierdzenie w dokumentach, i dodawanie przy nim linków do tych dokumentów [1].
• Słaba pewność oznacza brak podsumowania. Gdy pewność co do treści jest za niska, podsumowanie może się w ogóle nie pojawić [1].

Zastrzeżenie: patent opisuje metodę, a nie dowodzi, że Google stosuje ją w tej formie. Wniosek praktyczny jest jednak spójny z obserwacjami: do AI Overviews trafiają strony, które już są widoczne w wynikach i mają jasne, sprawdzalne fragmenty odpowiadające na pytanie.

1. Patent US11769017B1 „Generative summaries for search results” (zgłoszony 2023-03-20, przyznany 2023-09-26) Google Patents

AI Mode to tryb wyszukiwania Google w formie rozmowy: użytkownik zadaje pytanie, dostaje rozbudowaną odpowiedź z linkami i może dopytywać. Google opisuje, że AI Mode korzysta z techniki query fan-out: rozbija pytanie na wiele podzapytań, wyszukuje odpowiedzi na każde z nich i składa całość w jedną odpowiedź.

Przykład: pytanie „jaki ekspres do kawy do małego biura” może zostać rozbite na zapytania o typy ekspresów, wydajność, koszty kapsułek, serwis i opinie. Każde podzapytanie to szansa na cytowanie innej strony.

Co z tego wynika

• Jedna strona może odpowiadać na wiele podzapytań, jeśli ma osobne, jasno opisane sekcje: dla kogo, ile kosztuje, czym się różni, jak wybrać.
• Liczy się pokrycie tematu, a nie pojedyncza fraza. Witryna, która odpowiada na kolejne pytania z danej dziedziny, ma więcej okazji do cytowania.
• Ruch z AI Mode jest liczony w Search Console razem z wynikami wyszukiwania Google, więc część efektów widać w znanych raportach.

ChatGPT ma wbudowane wyszukiwanie. Gdy pytanie wymaga aktualnych informacji, np. „jaka agencja SEO w Warszawie” czy „najlepszy rower miejski do 3000 zł”, ChatGPT wyszukuje strony w sieci, korzystając m.in. z wyników wyszukiwarki Bing, i podaje linki do źródeł.

• Widoczność w Bing ma więc znaczenie. Wiele firm w ogóle nie sprawdza swojej strony w Bing Webmaster Tools.
• Boty OpenAI muszą mieć dostęp do strony. OAI-SearchBot odpowiada za wyszukiwanie w ChatGPT, a GPTBot za zbieranie danych do trenowania modeli. To dwie różne decyzje w pliku robots.txt.
• Rankingi i zestawienia („najlepsze…”, „top 10…”) są częstym źródłem w pytaniach o polecenie firmy lub produktu. Obecność w wiarygodnych zestawieniach przekłada się na rekomendacje.
• Opis marki powinien być spójny we wszystkich miejscach: na stronie, w profilach firmy, w katalogach i mediach. Sprzeczne informacje zwiększają ryzyko, że model poda nieprawdę.

ChatGPT pokazuje też karty produktów z cenami i linkami do sklepów. W e-commerce znaczenie mają dane produktowe, opinie i jasne opisy na kartach produktów.

Każdy asystent działa trochę inaczej, ale podstawy są wspólne: dostęp dla botów, widoczność w wyszukiwarkach i treści łatwe do zacytowania.

Nie optymalizujemy osobno pod każdy model. Dbamy o wspólne podstawy, a potem sprawdzamy w monitoringu, gdzie marka wypada najsłabiej, i tam szukamy przyczyn.

Model AI rzadko cytuje całą stronę. Wybiera fragmenty: akapit z definicją, wiersz tabeli, krok instrukcji, konkretną liczbę. Dlatego treść trzeba pisać tak, żeby każdy fragment był zrozumiały sam w sobie.

• Odpowiedź na początku – pierwsze zdania sekcji odpowiadają na pytanie z nagłówka, a dopiero potem rozwijają temat.
• Nagłówki jako pytania – takie, jakie zadają klienci: „ile kosztuje…”, „czym różni się…”, „jak wybrać…”.
• Tabele i listy – porównania, parametry, kroki. Łatwo je wyciąć i przenieść do odpowiedzi.
• Konkrety – liczby, ceny, terminy, warunki. Ogólniki typu „oferujemy kompleksowe rozwiązania” nie mają czego cytować.
• Autor i źródła – podpisany ekspert, data aktualizacji i odnośniki do danych zwiększają wiarygodność.
• Jednoznaczne nazwy – pełna nazwa marki, produktu i usługi zamiast „my”, „nasz produkt”, „ta usługa”.

Treści pisane wyłącznie przez AI, bez wiedzy eksperta i własnych danych, rzadko są cytowane. Model ma już ogólną wiedzę, a do odpowiedzi szuka tego, czego sam nie wie: aktualnych danych, doświadczenia i konkretnej oferty.

Gdy ktoś pyta AI o polecenie firmy, model opiera się na tym, co o firmach piszą inne strony. Twoja strona mówi, co robisz, ale to rankingi, artykuły, opinie i dyskusje mówią, czy warto Cię wybrać.

Cytowanie a rekomendacja

To dwie różne rzeczy. Cytowanie oznacza, że AI podało Twoją stronę jako źródło informacji. Rekomendacja oznacza, że AI wymieniło Twoją markę jako odpowiedź na pytanie „kogo wybrać”. Można mieć dużo cytowań bez rekomendacji i odwrotnie.

Gdzie warto być obecnym

• rankingi i zestawienia branżowe, w tym katalogi firm z opiniami;
• media branżowe i lokalne, wywiady, komentarze ekspertów;
• portale z opiniami, np. Google, GoWork, Ceneo czy ZnanyLekarz, zależnie od branży;
• fora i społeczności, w których klienci pytają o polecenia;
• Wikipedia, jeśli marka spełnia jej kryteria encyklopedyczności.

PR cyfrowy pod AI różni się od klasycznego link buildingu tym, że liczy się sama wzmianka i jej kontekst, a nie tylko link. Artykuł, w którym marka jest opisana jako lider w swojej kategorii, pracuje nawet bez odnośnika.

Wyszukiwarki i modele AI rozumieją świat jako encje: firmy, ludzi, produkty, miejsca i powiązania między nimi. Marka, którą da się jednoznacznie rozpoznać i połączyć z jej branżą, jest łatwiejsza do polecenia.

Wyciek dokumentacji Google pokazuje, że Google zapisuje, jak centralna jest dana encja dla dokumentu [1] i jaka część dokumentu o niej mówi [2]. Strona, na której marka i jej specjalizacja są tematem przewodnim, a nie dopiskiem w stopce, wysyła czytelny sygnał.

Co robimy

• Dane strukturalne – Organization z logo, kontaktami i profilami (sameAs), Person dla ekspertów, Product, Service, FAQPage.
• Spójny opis firmy – ta sama nazwa, adres, zakres usług i opis w profilach, katalogach i mediach.
• Wikidata i Wikipedia – jeśli marka ma w nich swoje miejsce, dane muszą być aktualne i zgodne ze stroną.
• Strona „O nas” z faktami – historia, ludzie, liczby, nagrody. To częste źródło dla pytań „kim jest…”, „czym zajmuje się…”.

1. Wyciek Google 2024: NlpSaftEntity.salience, opis Google: „Score indicating the saliency (centrality) of this entity to the document.” dokumentacja
2. Wyciek Google 2024: RepositoryWebrefDetailedEntityScores.normalizedTopicality, opis Google: „Representation of the topicality score that is normalized in [0, 1] and which sum over all entities in the document is 1. It represents the “proportion” of the document that talks about the entity.” dokumentacja

Żeby asystent AI mógł zacytować Twoją stronę, jego bot musi mieć do niej dostęp. Wiele firm nieświadomie blokuje boty AI, np. przez ustawienia firewalla czy usług typu Cloudflare.

Blokada bota do trenowania (np. GPTBot) nie musi oznaczać utraty widoczności w wyszukiwaniu AI, jeśli bot wyszukiwania (OAI-SearchBot) ma dostęp. To decyzja biznesowa, którą warto podjąć świadomie.

llms.txt

Plik llms.txt to propozycja standardu: krótki opis strony i lista najważniejszych podstron dla modeli językowych. Duże wyszukiwarki oficjalnie z niego nie korzystają, więc traktujemy go jako dodatek, a nie podstawę pozycjonowania w AI.

Boty AI są często prostsze niż Googlebot. Część z nich nie uruchamia JavaScriptu, więc treść ładowana skryptem może być dla nich niewidoczna.

• Treść w HTML – najważniejsze informacje, ceny, opisy i odpowiedzi powinny być w kodzie strony, a nie doczytywane skryptem po załadowaniu.
• Szybkość i dostępność – strona, która odpowiada wolno albo zwraca błędy botom, rzadziej trafia do źródeł.
• Bing Webmaster Tools i IndexNow – szybkie zgłaszanie nowych i zmienionych stron do Bing, z którego korzysta m.in. Copilot.
• Logi serwera – pokazują, które boty AI odwiedzają stronę i jakie podstrony pobierają.
• Aktualność – widoczna data aktualizacji i aktualne ceny, bo asystenci chętnie wybierają świeże źródła.

Klienci pytają AI, co kupić: „jaki odkurzacz do mieszkania z kotem”, „najlepsze buty do biegania po asfalcie”. Odpowiedzi zawierają listy produktów, porównania i linki do sklepów.

• Dane produktowe – dane strukturalne Product i Offer oraz plik produktowy w Google Merchant Center zasilają wyniki produktowe Google, także w AI Mode.
• Karty produktów z konkretami – parametry w tabeli, zastosowanie, dla kogo, porównanie z podobnymi modelami.
• Poradniki zakupowe z jasnym werdyktem: który model dla kogo i dlaczego.
• Opinie klientów na stronie i w zewnętrznych serwisach, bo AI chętnie streszcza, co mówią kupujący.

Więcej o SEO sklepów piszemy na stronie o pozycjonowaniu sklepów internetowych.

W B2B klient często zaczyna od pytania do ChatGPT: „jakie są systemy do zarządzania flotą”, „która agencja zrobi audyt SEO”, „alternatywy dla [konkurent]”. Lista firm, którą dostanie, staje się listą kontaktów.

• Strony porównań i alternatyw – uczciwe zestawienia z konkurencją są chętnie cytowane.
• Strony rozwiązań i branż – jasno opisane, dla kogo jest oferta i jaki problem rozwiązuje.
• Case studies z liczbami – konkretne wyniki, które model może przytoczyć.
• Obecność w rankingach i katalogach branżowych z opiniami klientów.
• Eksperci z nazwiskiem – komentarze w mediach i publikacje budują rozpoznawalność ludzi i firmy.

1. Blokowanie botów AI przez firewall lub robots.txt, bez świadomej decyzji.
2. Treść w JavaScripcie, niewidoczna dla prostszych botów.
3. Ogólniki zamiast konkretów – brak cen, liczb, warunków i porównań.
4. Sprzeczne dane o firmie w różnych miejscach sieci, przez które AI podaje nieprawdę.
5. Ignorowanie Bing, z którego korzysta część asystentów.
6. Masowe treści z AI bez wiedzy eksperta, które nie wnoszą nic nowego.
7. Mierzenie jednego zapytania wpisanego raz w ChatGPT zamiast stałego zestawu pytań sprawdzanego regularnie.
8. Porzucenie SEO na rzecz „samego GEO”, choć AI korzysta z wyników wyszukiwania.

Najprostszy test: zadaj ChatGPT, Gemini i Perplexity pytania, które zadają Twoi klienci, np. „jaką firmę wybrać do…”, „najlepsze… w Polsce”, „alternatywy dla…”, i sprawdź, czy pojawia się Twoja marka, w jakim miejscu i jak jest opisana.

Taki test daje pierwszy obraz, ale ma ograniczenia. Odpowiedzi AI różnią się przy każdym zapytaniu, zależą od konta, lokalizacji i historii rozmowy. Jedno pytanie zadane raz nie mówi wiele.

Jak robimy to w praktyce

• ustalamy stały zestaw pytań, które zadają klienci na różnych etapach zakupu;
• sprawdzamy je codziennie w ChatGPT, Gemini, Google AI Mode, Perplexity i Copilocie w naszym narzędziu Growth Mention;
• zapisujemy, czy marka się pojawia, na którym miejscu, w jakim kontekście i jakie źródła zostały zacytowane;
• porównujemy wyniki z konkurencją i śledzimy zmiany w czasie.

Ponieważ odpowiedzi AI są zmienne, mierzymy trendy na dużej liczbie odpowiedzi, a nie pojedyncze wyniki.

Najwięcej mówi lista źródeł. Pokazuje, które portale, rankingi i artykuły kształtują odpowiedzi w Twojej branży, czyli gdzie warto być obecnym.

Część efektów pozycjonowania w AI widać w ruchu na stronie. W GA4 wejścia z asystentów pojawiają się jako ruch z odesłań z domen takich jak chatgpt.com, perplexity.ai, gemini.google.com czy copilot.microsoft.com. Warto stworzyć dla nich osobną grupę kanałów, żeby widzieć ruch i konwersje z AI w jednym miejscu.

Kliknięcia z AI Overviews i AI Mode Google wlicza do danych wyszukiwania w Search Console, razem z klasycznymi wynikami.

Ruch to tylko część obrazu. Wiele odpowiedzi AI nie kończy się kliknięciem: klient przeczyta rekomendację i wpisze nazwę marki w Google albo przyjdzie bezpośrednio. Dlatego obok ruchu z AI obserwujemy też wzrost wyszukiwań nazwy marki i wejść bezpośrednich.

Koszt zależy od tego, czy firma ma już solidne SEO, od konkurencji w branży, liczby pytań do monitorowania i zakresu prac nad treściami i wzmiankami. Na rynku oferty pozycjonowania w AI zaczynają się zwykle od około 2 tys. zł netto miesięcznie, a przy rozbudowanych działaniach PR i treściach są kilkukrotnie wyższe.

AI Overviews reagują zwykle szybciej, bo opierają się na bieżących wynikach Google. Zmiana tego, jak modele opisują markę w odpowiedziach z wiedzy treningowej, trwa dłużej i zależy od aktualizacji modeli.

Pozycjonowanie w AI to nowa usługa, więc łatwo o obietnice bez pokrycia. Zanim podpiszesz umowę, zapytaj:

• Jak mierzycie widoczność? Dobra odpowiedź to stały zestaw pytań sprawdzany regularnie w kilku asystentach, a nie zrzut ekranu z jednej rozmowy.
• Czy prowadzicie też SEO? Bez widoczności w wyszukiwarkach efekty w AI są ograniczone.
• Skąd pochodzą wzmianki o marce? Kupowanie masowych publikacji niskiej jakości to ten sam błąd, co farmy linków.
• Co dostanę w raporcie? Widoczność, share of voice, źródła i konkretne działania na kolejny miesiąc.
• Czy gwarantujecie miejsce w ChatGPT? Uczciwa odpowiedź brzmi „nie”. Odpowiedzi AI są zmienne i nikt nie kontroluje ich w pełni.