Pomiar widoczności w AI

#Co zmierzyliśmy i co znaleźliśmy

Większość tekstów o widoczności w AI to porady. To jest pomiar. Jesteśmy agencją, która namawia do serwowania AI czystego HTML renderowanego po stronie serwera, więc uczciwie było sprawdzić, czy sama agencja jest cytowana. Odpowiedź, w trzech pomiarach w kwietniu, maju i czerwcu 2026, okazała się ciekawsza niż pojedyncza liczba.

#Najpierw problem przyrządu

Przed jakimkolwiek wnioskiem zastrzeżenie, które przestawia je wszystkie. Są dwa popularne sposoby mierzenia, jak często AI Cię cytuje, i one się nie zgadzają.

Tani sposób to proxy API. Wysyłasz swoje zapytania przez API modelu, czytasz tekst, który wraca, i liczysz wzmianki o marce oraz linki. Jest powtarzalny i niemal darmowy, dlatego jest wszędzie. Jego słabością jest to, że ścieżka API to nie produkt, którego używa klient. Publikowane porównania szacują pokrycie źródeł między odpowiedziami API a konsumenckim interfejsem webowym na niskie pojedyncze procenty, więc proxy może Ci powiedzieć, że model zna Twoją nazwę w abstrakcji, nie mówiąc nic wiarygodnego o tym, co widzi realny użytkownik.

Uczciwy sposób to monitorowanie realnych odpowiedzi konsumenckich, tych samych, które dostaje człowiek w interfejsie ChatGPT czy Perplexity, łącznie ze źródłami, które produkt faktycznie pokazuje. Kosztuje więcej i trudniej go zautomatyzować. To też jedyna liczba, która odpowiada utraconej lub wygranej wizycie.

Użyliśmy trzech wariantów tego pierwszego i ani razu tego drugiego. Pisząc pierwszą wersję tego raportu, twierdziliśmy inaczej, i to jest właśnie najbardziej uniwersalna lekcja całego ćwiczenia: przez cały kwartał mierzyliśmy coś innego, niż ogłaszaliśmy, że mierzymy, a zorientowaliśmy się dopiero, gdy usiedliśmy do spisania, skąd dokładnie wzięła się każda liczba.

#Kwiecień: tani punkt odniesienia z proxy

Nasz pierwszy pomiar, 6 kwietnia, był runem proxy API. Liczby nagłówkowe, na 26 zapytaniach wobec ChatGPT:

Wskaźnik wzmianek poniżej ośmiu procent i zerowy wskaźnik cytowania czyta się jak katastrofa. Ciekawszy jest szczegół, kogo cytowano zamiast nas. Gdy model sięgał po źródło na temat polskiej pracy z WordPress, wymieniał katalogi i portale ogłoszeniowe: pracuj.pl pojawił się trzy razy, obok clutch.co, olx.pl, home.pl, nazwa.pl i ogłoszenia o meetupie deweloperskim. To nie konkurenci, którzy nas przepisali. To agregatory, którym model ufa jako ogólnym odpowiedziom na pytanie komercyjne. Ten wzorzec, asystent domyślający się katalogu zamiast specjalisty, okazał się prawdziwą historią, a polor on-page tego nie naprawia.

Sam raport niósł ostrzeżenie, które chcemy, żebyś też niósł: proxy API, trendy wyłącznie kierunkowe, około cztery procent pokrycia źródeł z interfejsem webowym. Nie doceniliśmy jeszcze, jak bardzo to ostrzeżenie ma znaczenie.

#Maj: pusty arkusz, który wyprodukował liczbę

Majowy run, z 11 maja, nie był runem. Panel na ten tydzień to arkusz w repozytorium: dwadzieścia zapytań rozłożonych na ChatGPT, Perplexity, Bing Copilot i Claude, przy każdym pusta kolumna na wynik, a na górze linijka Owner: _______, której nikt nie podpisał. Nikt tego arkusza nie wypełnił. Tabela, którą wypluł z niego nasz skrypt, wyglądała jednak dokładnie jak pomiar:

Każdy wiersz wrócił jako nierozstrzygnięty, ale nie dlatego, że przyrząd cokolwiek sprawdził i wstrzymał się z oceną. scripts/compute-ai-citation-metrics.mjs czyta komórkę i uznaje ją za cytowanie, jeśli pasuje do yes, y, true, 1 albo x, za brak cytowania, jeśli pasuje do no, n, false albo 0, a w każdym innym wypadku wpisuje unknown. Pusta komórka nie pasuje do niczego, więc dostaje unknown. Dwadzieścia nierozstrzygniętych wyników to dwadzieścia wierszy, na które nikt nie spojrzał. W tym potoku nie ma i nigdy nie było wykrywania groundingu.

Gorsza jest ostatnia linijka raportu. Wskaźnik cytowań liczy się jako cytowania na tak podzielone przez wszystkie wiersze, więc te dwadzieścia pustych wierszy trafiło prosto do mianownika, a wygenerowany plik ogłasza: wskaźnik cytowań 0 procent. Pusty arkusz wszedł do skryptu i wyszedł z drugiej strony jako porządnie sformatowany raport z zerem w nagłówku i rozbiciem na cztery silniki.

Tak ten tryb porażki wygląda od środka. Nie przyrząd, który uczciwie mówi, że nie widzi. Przyrząd, który zamienia brak danych w wynik i podaje go z tą samą pewnością co pomiar. Zarzucamy to dashboardom widoczności w AI kilka akapitów dalej, więc uczciwie jest powiedzieć wprost: nasz własny potok robił dokładnie to, nikt tego nie zauważył, a zero z maja spokojnie leżało w repozytorium wyglądając jak wynik. Liczba nie musi być zmyślona, żeby wprowadzać w błąd. Wystarczy, że jest dobrze sformatowana.

#Czerwiec: drugi przyrząd, druga ślepa plamka

11 czerwca zmieniliśmy przyrząd. Opisywaliśmy to sobie wtedy jako przejście z API na realne odpowiedzi modeli. Tak nie było. Podpięliśmy Geoboard, sześć modeli razem z ChatGPT, Claude, Gemini, Perplexity, Grokiem i DeepSeekiem, wobec zestawu zapytań zakupowych. To inny dostawca, nie inny rodzaj pomiaru: nasz klient tego narzędzia, scripts/geoboard-pull.mjs, to kilkanaście linijek zawijających curl wokół REST API. Interfejsu konsumenckiego nie ma w tym ani przez moment.

Własna nota metodologiczna Geoboard mówi zresztą to, czego my nie mówiliśmy: run odpytuje modele bez żywego wyszukiwania w sieci, czyli mierzy odtwarzanie z danych treningowych. Realny ChatGPT i realny Gemini wyszukują na żywo i trafiłyby na działającą stronę. Czerwcowy run nie mierzył więc, czy AI nas cytuje. Mierzył, czy modele pamiętają nas z treningu, a to dla niszowej agencji B2B jest z natury blisko zera. Zamieniliśmy jedną ślepą plamkę na drugą i przez chwilę braliśmy to za postęp.

Obraz i tak się wyostrzył, bo dwie ślepe plamki w różnych miejscach pokazują razem więcej niż jedna. Dla jednego wąskiego zapytania, o polskie studio obsługujące zagranicznych klientów WordPress, byliśmy pierwsi w pięciu z sześciu testowanych modeli. Przy wyłączonym żywym wyszukiwaniu to znaczy coś konkretnego i akurat mocniejszego, niż sądziliśmy: skojarzenie siedzi w samych modelach, nie w wynikach wyszukiwania doklejonych w locie. To dokładnie taki typ zapytania, konkretne stwierdzenie tożsamości z niewielką konkurencją, który specjalista powinien posiadać.

Dla zapytań transakcyjnych o WooCommerce, najbliższych przychodom, byliśmy niemal niewidoczni. Modele odpowiadały pewnie i nie sięgały po nas. ChatGPT był konsekwentnie najsłabszym kanałem dla marki, bez ani jednego trafienia w całym testowanym zestawie. Perplexity wypadło najsilniej.

I tu prawie popełniliśmy błąd, który cały ten raport opisuje. Pierwsza wersja tego akapitu tłumaczyła przewagę Perplexity tym, że Perplexity mocno opiera się na żywym wyszukiwaniu w sieci. Wyjaśnienie jest zgrabne, pasuje do wszystkiego, co wiadomo o produkcie, i jest tutaj nie do utrzymania: w tym runie żaden model nie miał żywego wyszukiwania. Cokolwiek dało Perplexity przewagę, nie było to wyszukiwanie na żywo. Nie wiemy, co to było. Zgadywanie zamieniłoby zastrzeżenie metodologiczne, które sami mieliśmy na piśmie, w zdanie brzmiące jak wniosek, i byłby to dokładnie ten sam ruch co zero z maja, tylko lepiej ubrany.

Konkurenci, którzy się pojawili, to głównie ogólne agencje SEO i SEM reklamujące się jako robiące “AI SEO”, nie specjaliści od WooCommerce. Luka jest więc kwestią autorytetu i skojarzenia, nie jakości strony.

#Co dają trzy pomiary razem

Czytane łącznie kwartał mówi trzy rzeczy wprost.

Po pierwsze, metoda jest częścią liczby. Trzy runy dzieliło około dziewięciu i pół tygodnia, od 6 kwietnia do 11 czerwca, a strona przez ten czas nie stała w miejscu: wypuściliśmy w tym oknie nowe sześciojęzyczne poradniki decyzyjne wycelowane dokładnie w lukę, którą pomiar pokazał. Nie możemy więc powiedzieć tego, co chcielibyśmy powiedzieć, czyli że tę liczbę ruszała metoda, a nie rzeczywistość. Nie mamy do tego kontroli, bo rzeczywistość też się ruszała. Możemy powiedzieć coś słabszego i pewniejszego: te trzy metody rozjeżdżają się tak mocno, że żadnej z tych liczb nie da się zinterpretować bez metody, która ją wytworzyła. Jeśli narzędzie daje Ci wskaźnik cytowań w AI bez informacji, czy czytało API, czy produkt, i czy model miał włączone żywe wyszukiwanie, nie ufaj mu.

Pomiar z pierwszej ręki to sedno całego ćwiczenia i ta sama dyscyplina, którą stosujemy w pracy dla klientów: liczba, której nie potrafisz odtworzyć, nie jest dowodem. Tej samej lekcji nauczyliśmy się boleśnie przy eksperymencie z fikcyjną marką, gdzie model pewnie opisał firmę, która nie istniała. Pomiar realnej marki ma odwrotny tryb porażki, pewne raportowanie zera, gdy prawda jest nieznana, i nasz majowy skrypt zrobił to dosłownie. Oba tryby sprowadzają się do tego samego obowiązku: sprawdź przyrząd, zanim zaufasz odczytowi, także wtedy, a właściwie zwłaszcza wtedy, gdy przyrząd napisałeś sam.

Po drugie, zapytania o tożsamość są do wygrania, a transakcyjne nie, przynajmniej nie on-page. Trzymamy wąskie zapytanie o pozycjonowanie, bo jest konkretne i lekko obstawione. Tracimy zapytania komercyjne, bo modele opierają się na katalogach i szerokich agencjach, a żadna ilość czystszego HTML nie zmienia tego, z kim model już kojarzy “dewelopera WooCommerce”. To problem autorytetu poza stroną.

Po trzecie, kanał ma znaczenie, nawet gdy nie umiesz jeszcze powiedzieć dlaczego. Ta sama marka wypadła najsilniej w Perplexity i nie pojawiła się w ChatGPT ani razu, w tym samym runie, na tym samym zestawie zapytań i przy tych samych ustawieniach. Wyjaśnienia na to nie mamy. Mamy za to rozbicie na modele, które pokazuje różnicę, i to wystarczy, żeby wiedzieć, gdzie szukać dalej. Pojedynczy uśredniony “wynik widoczności w AI” ukrywa dokładnie tę informację, której potrzebujesz, i dodatkowo podsuwa poczucie, że coś rozumiesz.

#Co zmieniliśmy

Nie przepisywaliśmy stron w reakcji na liczbę z proxy, bo to byłaby optymalizacja pod przyrząd, a nie pod klienta. Zamiast tego pomiar zmienił, gdzie wkładamy wysiłek.

• Ustaliliśmy zestaw zapytań i kadencję: stała lista zapytań tożsamościowych, informacyjnych i transakcyjnych, zapisywana co miesiąc, z silnikiem, datą i podpisem osoby, która wiersz wypełniła. Linijka Owner przestała być ozdobą.
• Oznaczamy każdą liczbę jej przyrządem i ustawieniami, łącznie z tym, czy model miał żywe wyszukiwanie, i nie zestawiamy ze sobą liczb z dwóch różnych przyrządów.
• Majowy run zostaje w serii oznaczony jako brak danych, nie jako zero. Skrypt zliczający nadal wlicza puste wiersze do mianownika wskaźnika cytowań i do czasu, aż to poprawimy, żadne zero z tego potoku nie idzie do raportu bez sprawdzenia, ile wierszy ktoś faktycznie wypełnił.
• Pracę nad widocznością transakcyjną przenieśliśmy poza stronę, bo luka tam to skojarzenie i autorytet, nie treść on-page.
• Nadal serwujemy wszystko w HTML renderowanym po stronie serwera, co jest warunkiem bycia w ogóle cytowalnym i tematem naszej notatki o tym, dlaczego zachodnie asystenty czytają surowy HTML.

#Jak zrobić to u siebie

Nie potrzebujesz naszego budżetu, żeby zacząć. Minimalny uczciwy zestaw to stała lista od dziesięciu do dwudziestu zapytań, które zadałby realny klient, uruchamiana raz w miesiącu, z trzema kolumnami zapisywanymi za każdym razem: silnik, data oraz czy wymieniono Twoją markę lub zalinkowano Twój adres URL. Dodaj czwartą kolumnę na to, które inne domeny zacytowano, bo to mówi, z kim faktycznie konkurujesz w odpowiedzi, a rzadko jest to ten, kogo podejrzewasz. Piątą dopisz, kto wiersz wypełnił. Brzmi jak biurokracja dokładnie do momentu, w którym zobaczysz raport wygenerowany z arkusza, którego nikt nie tknął.

Jeśli używasz narzędzia automatycznego, zadaj mu dwa pytania, zanim zaufasz jakiemukolwiek wykresowi: czytasz API czy produkt, i czy model miał włączone żywe wyszukiwanie? Jeśli nie potrafi odpowiedzieć, traktuj wynik wyłącznie kierunkowo, tak jak wszystkie trzy nasze runy. A jeśli narzędzie jest Twoje, sprawdź jeszcze jedno: co ono robi z pustym wierszem. Nigdy nie pozwól mu zamienić braku danych w pewne zero.

#Uczciwy wniosek

Kwartał mierzenia własnych cytowań w AI dał jedną niewygodną liczbę, nasz transakcyjny wskaźnik cytowań jest niski, i jeden naprawdę cenny nawyk, nigdy nie podawaj liczby o widoczności w AI bez metody, która ją wytworzyła. Majowy run nie pokazał nas wcale, tylko wyglądał, jakby pokazywał. Czerwcowy ujawnił bronioną pozycję tożsamościową, której kwietniowy nie widział, i zrobił to, mierząc coś innego, niż nam się wtedy wydawało. Wszystkie trzy odczyty stały się użyteczne dopiero teraz, gdy spisaliśmy, jak każdy powstał. Wcześniej jeden z nich był po prostu zerem w pliku. To raport pierwszy. Kolejne ujęcie opublikujemy na koniec kwartału, na tym samym zestawie zapytań, żeby serię dało się porównywać, a nie tylko podziwiać. Jeśli chcesz, żeby cytowało Cię AI, zacznij od uczciwego mierzenia tego i wbuduj to w przepływ, który opisujemy przy optymalizacji GEO i LLMO.