Jak trafić do rekomendacji AI: badanie 960 odpowiedzi ChatGPT, Gemini, Claude i Perplexity
Gdy ktoś pyta AI, jaki serwis wybrać, model wymienia od czterech do sześciu marek. Zadaliśmy czterem modelom 48 takich pytań po pięć razy, zebraliśmy 960 odpowiedzi i 2 536 stron źródłowych i porównaliśmy je z wynikami Google. Główny wniosek: markę, o której pisze sześć lub więcej stron z top 10 Google, poleca się w 71% odpowiedzi, a niewspomnianą nigdzie w 19%. Omawiamy, które strony modele biorą na źródła, czym różni się ChatGPT od Gemini, i dajemy protokół w siedmiu krokach.
Gdy ktoś pyta ChatGPT, jaki serwis lub produkt wybrać, model wymienia od czterech do sześciu marek. Pozostałe dla tej osoby po prostu nie istnieją. Zadaliśmy czterem modelom 48 takich pytań, każde pięć razy, zebraliśmy 960 odpowiedzi, pobraliśmy 2 536 stron, do których linkowały, i porównaliśmy wszystko z wynikami Google. Krótka odpowiedź na pytanie z tytułu: AI poleca tych, o których piszą inni, na stronach, które właśnie czyta. Poniżej — jak silnie to działa, jak różni się między modelami i co konkretnie zrobić, żeby trafić do tych odpowiedzi.
To kontynuacja naszego materiału o tym, jak trafić do odpowiedzi AI. Tamten dotyczył dostępu technicznego: botów, robots.txt, indeksowania. Ten dotyczy kolejnego kroku — witryna jest już czytana, a mimo to nikt jej nie poleca.
Jak mierzyliśmy
48 komercyjnych pytań typu „który X jest najlepszy” w ośmiu kategoriach: oprogramowanie dla firm, elektronika, finanse, podróże, zdrowie, usługi online, dom i hazard. Sformułowania — tak, jak wpisuje je zwykły człowiek, po angielsku: rynek USA i międzynarodowy.
Cztery modele, na których działają najpopularniejsi asystenci AI: GPT-5.4 (ChatGPT), Gemini 3.8 Flash, Claude Sonnet 5 i Perplexity Sonar Pro. Każdy miał włączone własne wyszukiwanie w sieci, bez podpowiedzi systemowych — pytanie szło dokładnie tak, jak zadałby je człowiek. Każde pytanie do każdego modelu pięć razy: razem 960 odpowiedzi, bez ani jednego błędu.
Z każdej odpowiedzi wyciągnęliśmy listę polecanych marek i przypisaliśmy każdej markę jej oficjalną domenę — to jednostka, która interesuje właściciela witryny. Dla tych samych 48 zapytań pobraliśmy pierwszą dziesiątkę Google (USA, język angielski) i ściągnęliśmy wszystkie strony: zarówno cytowane przez modele, jak i te z topu. Udało się pobrać 92% z 2 536.
Pozycji w AI nie ma — jest częstość
Pierwsza rzecz, którą warto zrozumieć, zanim zacznie się cokolwiek „promować”: to samo pytanie zadane dwa razy temu samemu modelowi daje różne listy. Zauważono to już wcześniej: badanie SparkToro z początku 2026 roku wykazało, że ChatGPT i przeglądy AI w Google zwracają tę samą listę marek w mniej niż 1% powtórzeń, a tę samą listę w tej samej kolejności w mniej niż 0,1%.
U nas zgodność jest wyższa — od 14% w ChatGPT do 26% w Perplexity. Różnica ma wyjaśnienie: sprowadzaliśmy produkty do marek („Sony WH-1000XM5” i „Sony WH-1000XM6” to jedna marka Sony), a SparkToro porównywał listy konkretnych produktów. Ale najważniejsze jest co innego. Marka numer jeden zgadza się w 80–95% powtórzeń. Rdzeń listy jest stabilny, ogon to loteria.
Wynikają z tego dwie praktyczne rzeczy. Po pierwsze, sprawdzenie „zapytałem raz i mnie nie ma” nic nie znaczy — potrzeba co najmniej pięciu przebiegów na zapytanie. Po drugie, sens ma mierzenie nie miejsca na liście, lecz odsetka odpowiedzi, w których się pojawiacie. Każdy model dla każdego zapytania ma stabilny rdzeń: 4–6 marek, które pojawiają się w trzech przebiegach z pięciu lub częściej. Celem jest trafienie do tego rdzenia.
I jeszcze jedna obserwacja, która oszczędza sporo sił: rdzenie różnych modeli prawie się nie pokrywają. Dla typowego zapytania do rdzenia przynajmniej jednego modelu trafia 9 marek, a do rdzenia wszystkich czterech naraz tylko 2 — 21,5%. Każdy model to osobny kanał z własnymi źródłami, a obecność w jednym nie gwarantuje obecności w innym.
Dwie drogi do rekomendacji: pamięć i wyszukiwanie
Wyszukiwanie było włączone we wszystkich czterech modelach, ale o tym, czy szukać, decydował sam model. I tu różnica okazała się zasadnicza.
Gemini w 78% przypadków odpowiadał z pamięci, nie otwierając ani jednego źródła. ChatGPT i Perplexity szukały zawsze, Claude prawie zawsze. To znaczy, że do rekomendacji prowadzą dwie różne drogi i działają one w różnym tempie.
Pamięć to to, co trafiło do treningu modelu: wieloletnia rozpoznawalność marki, liczba wzmianek w sieci w chwili zbierania danych. Ta dźwignia jest powolna — dzisiejsza praca odbije się w odpowiedziach dopiero w kolejnych wersjach modeli. Wyszukiwanie to to, co model znajduje i czyta teraz. Ta dźwignia jest szybka — strona opublikowana i zaindeksowana w tym tygodniu może trafić do odpowiedzi już w następnym.
Dobra wiadomość jest taka, że obie drogi prowadzą przez to samo miejsce — cudze strony o waszej kategorii. Czyta je wyszukiwanie, z nich też w swoim czasie powstawał trening.
Główna dźwignia: muszą o was pisać inni
To centralny wynik badania. Dla każdej marki policzyliśmy, na ilu stronach z pierwszej dziesiątki Google dla tego samego zapytania jest wspomniana — nie licząc strony samej marki. I zestawiliśmy to z tym, jak często markę się poleca.
Zależność jest monotoniczna i silna. Marka, o której nie pisze żadna strona z topu, dostaje rekomendację średnio w 19% odpowiedzi. Marka wspomniana na sześciu stronach lub więcej — w 71%. Wśród pierwszych tylko co dziesiąta trafia do rdzenia, czyli jest polecana w co najmniej połowie odpowiedzi. Wśród drugich — trzy na cztery.
Celowo braliśmy strony z wyników Google, a nie te, które zacytowały same modele. Inaczej powstałoby błędne koło: model cytuje stronę, bo już zdecydował się polecić markę, a my „odkrywamy”, że marka jest na cytowanych stronach. Top Google nie zależy od modeli — to zewnętrzna lista stron uznanych za najlepsze dla zapytania.
Które strony czytają modele, widać po źródłach, do których linkują.
U Claude, Perplexity i Gemini głównym źródłem są zestawienia „najlepszych”: artykuły w rodzaju „10 najlepszych menedżerów haseł w 2026 roku”. Przypada na nie od 55% do 78% wszystkich linków. ChatGPT działa inaczej: 62% jego linków prowadzi do stron samych marek. Składa listę z recenzji, a potem sprawdza ceny, plany i funkcje na oficjalnych stronach. To ważne i wrócimy do tego niżej.
Reddit i YouTube, wbrew powszechnej opinii, są widoczne tylko u Gemini: 9% i 7% jego źródeł. U pozostałych trzech modeli Reddit to mniej niż 1%. Serwisy z opiniami, takie jak G2, Capterra i Trustpilot, to około 1% u wszystkich. Zastrzeżenie: nasze zapytania to komercyjne pytania „co jest najlepsze”, a badania, w których Reddit wychodzi na prowadzenie, często mierzą inne typy pytań — porady, osobiste doświadczenia, porównania „co mam wybrać”. Dla rekomendacji w czystej postaci ważniejsze są zestawienia redakcyjne.
Które strony AI bierze na źródła
Jeśli główną drogą do rekomendacji są strony z zestawieniami, kolejne pytanie brzmi: które z nich wybierają modele. Porównaliśmy strony redakcyjne z top 10 Google dla tych samych zapytań: 121 zacytował co najmniej jeden model, 118 — żaden. Wszystkie stoją w pierwszej dziesiątce, więc pozycja w Google jest tu wyrównana.
Różnica w każdej cesze wskazuje w tę samą stronę. Strony cytowane częściej mają formę zestawienia (84% wobec 53%) i ponad dwa razy częściej zawierają bieżący rok w tytule (69% wobec 31%). Częściej się je aktualizuje: 56% zaktualizowano w ostatnich 90 dniach wobec 28%, mediana od ostatniej aktualizacji to 30 dni wobec 67. Częściej podają autora, częściej mają tabelę porównawczą i znaczniki FAQPage lub ItemList. I są dłuższe: mediana 4 489 słów wobec 2 013, 13 nagłówków H2 wobec 8.
To korelacje, a nie przepis: nie wynika z nich, że dopisany do tytułu rok sam wprowadzi stronę do odpowiedzi. Ale wszystkie cechy wskazują w tę samą stronę — modele wolą świeże, szczegółowe, uporządkowane porównania z wyraźnym autorem. Jeśli publikujecie własne porównania, właśnie tak warto je budować.
Osobno o związku z Google. Strony z pozycji 1–6 cytuje co najmniej jeden model w 45–47% przypadków, z pozycji 7–10 — w 36%. Ale każdy model z osobna bierze z top 10 Google tylko od 8% (Gemini) do 32% (Perplexity) stron. A ze wszystkich linków, które podają modele, w top 10 Google leży tylko 7–21%. Wyszukiwanie AI to nie pierwsza strona Google. ChatGPT przy wyszukiwaniu w dużej mierze opiera się na indeksie Bing, a witryny, której prawie nie ma w Bing, ChatGPT nie znajdzie, choćby świetnie stała w Google. Sprawdziliśmy to na sobie.
Własna strona: co robi, a czego nie
W odpowiedziach z wyszukiwaniem strona samej marki jest wśród źródeł przy 23% rekomendacji i przy 35% głównych rekomendacji. Czyli w większości przypadków model poleca markę, nawet nie otwierając jej strony — na podstawie cudzych.
Ale własna strona ma dwie ważne funkcje. Pierwsza: ChatGPT sprawdza na niej fakty, a to, co tam jest napisane, modele powtarzają niemal dosłownie. Widzieliśmy to na sobie: wszystkie cztery modele opisały nasz serwis słowami z naszej własnej strony, łącznie z liczbami. Jeśli na stronie nie ma jasnej odpowiedzi, kim jesteście, dla kogo, ile kosztujecie i czym się różnicie, model weźmie ją od kogoś innego.
Druga: marki, których własna strona stoi w top 10 Google dla tego samego zapytania, są polecane średnio w 63,5% odpowiedzi, pozostałe w 29,6%. Tu znów działa rozpoznawalność marki, więc to nie czysty efekt. Ale strona, która sama rankuje na „najlepszy X”, jest sygnałem zarówno dla wyszukiwania modeli, jak i dla autorów zestawień.
Sprawdziliśmy na sobie
W sierpniu Ahrefs Brand Radar pokazywał u nas zera na wszystkich platformach AI. Pierwsza hipoteza była oczywista — boty są zablokowane. Logi serwera ją obaliły: GPTBot, ClaudeBot i PerplexityBot docierały do witryny. Prawdziwa przyczyna znalazła się w Bing: w jego indeksie były 2 strony z 852, a wyszukiwanie ChatGPT w dużej mierze opiera się na Bing. Podłączyliśmy IndexNow — protokół, przez który witryna sama informuje Bing i inne wyszukiwarki o nowych stronach. Dziś dla 15 zapytań z nazwą marki w wynikach opartych na Bing widać co najmniej 37 różnych naszych stron.
Potem zadaliśmy te same pytania o siebie. Na pytanie z nazwą „czym jest PromoPilot i czy jest dobry” każdy model znalazł i opisał nas we wszystkich 12 odpowiedziach. Claude i Perplexity zalinkowały od 11 do 14 naszych stron. Ale na trzy ogólne pytania o naszą kategorię — „najlepszy serwis wielopoziomowego link buildingu”, „czym zautomatyzować link building”, „gdzie zamówić linki dla kasyna” — nie wymienił nas żaden model w żadnej z 36 odpowiedzi.
To główny wniosek artykułu na żywym przykładzie. Indeksowanie i otwarty dostęp to warunek konieczny: bez nich nie istniejecie nawet pod własną nazwą. Ale rekomendacji przy ogólnym pytaniu nie dają one, tylko obecność w cudzych zestawieniach, których o nas jest na razie mało. Nad tym właśnie teraz pracujemy.
Osobno dla iGaming: decyduje sformułowanie
Zapytania hazardowe włączyliśmy celowo — to nisza, w której wielu spodziewa się odmów. Nie było ich: żaden model nie odmówił odpowiedzi na żadne ze 120 pytań hazardowych. Ale skład rekomendacji mocno zależał od sformułowania.
| Pytanie | Najczęściej wymieniane (razy na 20 odpowiedzi) |
|---|---|
| Najlepsze kasyno online dla graczy z USA | BetMGM 18, DraftKings 17, FanDuel 16, Caesars 15 |
| Najlepsze kasyno kryptowalutowe | BitStarz 14, Stake 12, BC.Game 9 |
| Kasyno z najszybszymi wypłatami | DraftKings 19, FanDuel 17, BetRivers 17, BetMGM 15, Stake 9 |
| Najlepszy serwis pokerowy | PokerStars 20, GGPoker 15, WSOP 14 |
Na pytanie o USA modele wymieniają tylko operatorów z licencją stanową i zawsze zaznaczają, gdzie gra jest legalna. Na pytanie o kasyno kryptowalutowe — zupełnie inny zestaw marek, działających poza amerykańską licencją. Praktyczny wniosek dla operatorów: pytanie nie brzmi „czy AI poleca kasyna”, lecz „pod jakie sformułowania wasza marka w ogóle pasuje”. Właśnie zestawienia dla tych sformułowań trzeba opracować.
Protokół: co zrobić, żeby AI polecało waszą witrynę
Siedem kroków w kolejności, w jakiej warto je przejść. Pierwsze dwa usuwają przyczyny, przez które w ogóle nie da się was znaleźć; kolejne trzy pracują na główną dźwignię; ostatnie dwa dotyczą tego, jak nie tracić sił na ślepo.
Upewnijcie się, że wszystkie cztery wyszukiwarki mogą was przeczytać
Google i Bing to różne indeksy, a ChatGPT przy wyszukiwaniu w dużej mierze opiera się na Bing. Sprawdźcie, ile waszych stron widać w DuckDuckGo, którego wyniki w dużej mierze bazują na Bing, i podłączcie Bing Webmaster Tools — jest tam też raport o cytowaniach w Copilot. Podłączcie IndexNow, żeby nowe strony trafiały do Bing szybciej, zamiast czekać tygodniami na odwiedziny robota. W robots.txt nie blokujcie botów wyszukujących: OAI-SearchBot, PerplexityBot, Claude-SearchBot. Więcej o tym w poprzednim materiale.
Napiszcie na stronie to, co modele będą powtarzać
Jedna strona, która odpowiada wprost: co to jest, dla kogo, ile kosztuje, czym różni się od alternatyw, z jakimi liczbami. Modele powtarzają to niemal dosłownie, a ChatGPT sprawdza ceny i funkcje na oficjalnej stronie. Nieaktualna cena czy mgliste sformułowanie trafią do odpowiedzi dokładnie w tej postaci.
Zbierzcie listę stron, które AI czyta dla waszej kategorii
Wypiszcie 10–20 zapytań, przy których powinniście być polecani: „najlepszy X”, „najlepszy X dla Y”, „alternatywy dla Z”, „X kontra Y”. Dla każdego zbierzcie pierwszą dziesiątkę Google i źródła, do których linkuje Perplexity — pokazuje je wprost w odpowiedzi. Strony, które powtarzają się na obu listach, to wasze główne cele.
Trafcie do tych zestawień
To główna dźwignia: według naszych danych przejście od „nigdzie niewspomniany” do „wspomniany na 4–5 stronach” podnosi częstość rekomendacji z 19% do 53%. Sposoby trafienia do zestawienia są dobrze znane: napisać do autora z danymi i dostępem testowym, dać ekskluzywne liczby, dołączyć do programu partnerskiego, jeśli wydawca na nim działa, stać się źródłem jego aktualizacji. Zestawienia aktualizuje się często — mediana dla cytowanych stron to 30 dni od ostatniej aktualizacji — więc okno otwiera się regularnie.
Jeśli publikujecie własne porównania — róbcie je takie, jakie się cytuje
Format zestawienia, bieżący rok w tytule, tabela porównawcza, podany autor, aktualizacja co najmniej raz na kwartał, rozbudowany tekst z nagłówkiem dla każdej opcji, znaczniki ItemList lub FAQPage. Uczciwe porównanie, w którym nie zawsze jesteście pierwsi, działa lepiej niż strona reklamowa: modele szukają zestawienia, a nie autoprezentacji.
Uwzględnijcie różny gust modeli
Jeśli dla waszych odbiorców ważne jest AI Google, dodajcie Reddit i YouTube — u Gemini to 16% źródeł. Jeśli ważny jest ChatGPT, szczególnie pilnujcie własnej strony i obecności w Bing. Dla Claude i Perplexity decydują zestawienia redakcyjne. Rdzenie modeli pokrywają się tylko w 21,5%, więc jedną taktyką nie obsłużycie wszystkich czterech.
Mierzcie częstość, a nie pozycję
Zadawajcie każde kontrolne zapytanie każdemu modelowi co najmniej pięć razy i liczcie odsetek odpowiedzi, w których jesteście. Osobno dla każdego modelu, raz w miesiącu, tym samym zestawem zapytań. Pozycja na liście i jednorazowe sprawdzenie nic nie mówią: zestaw marek w dwóch sąsiednich przebiegach zgadza się tylko w 14–26% przypadków.
Gdzie tu miejsce na linki
Linki pozostają częścią obrazu, ale ich rolę warto rozumieć właściwie. Nie zastępują obecności w zestawieniach redakcyjnych: model poleca markę, bo się o niej pisze, a nie dlatego, że się do niej linkuje. Linki pomagają za to waszym własnym stronom — głównej, stronie z porównaniem, opisowi produktu — rankować w Google i Bing. A właśnie stamtąd wyszukiwanie modeli bierze kandydatów na źródła, a witryna, która stoi w topie dla własnego zapytania, jest polecana wyraźnie częściej.
Najczęstsze pytania
Dlaczego AI poleca konkurencję, a nie moją witrynę?
Najczęściej dlatego, że o konkurencji piszą strony, które model czyta, a o was nie. Według naszych danych marka niewspomniana na żadnej stronie z top 10 Google dla zapytania jest polecana średnio w 19% odpowiedzi, a wspomniana na sześciu lub więcej w 71%. Najpierw upewnijcie się, że modele znajdują was po nazwie, potem pracujcie nad obecnością w zestawieniach.
Ile razy trzeba zadać pytanie, żeby wiedzieć, czy AI poleca moją witrynę?
Co najmniej pięć razy każdemu modelowi. To samo pytanie daje różne listy: pełny zestaw marek zgadza się tylko w 14–26% par powtórzeń. Stabilny jest jedynie rdzeń, czyli marki pojawiające się w trzech odpowiedziach z pięciu lub częściej. Mierzcie odsetek odpowiedzi, w których jesteście, a nie miejsce na liście.
Czy muszę być w top 10 Google, żeby AI mnie polecało?
To pomaga: marki, których strona stoi w top 10 dla zapytania, są polecane w 63,5% odpowiedzi wobec 29,6% u pozostałych. Ale to ani warunek konieczny, ani wystarczający. Większość linków podawanych przez modele leży poza pierwszą dziesiątką Google, a ChatGPT przy wyszukiwaniu w dużej mierze opiera się na indeksie Bing.
Czy obecność na Reddicie pomaga?
Dla AI Google tak: u Gemini Reddit i YouTube łącznie dały 16% źródeł. U ChatGPT, Claude i Perplexity w naszych zapytaniach komercyjnych Reddit stanowił mniej niż 1% linków. Przy rekomendacjach typu „który X jest najlepszy” ważniejsze są dla tych modeli zestawienia redakcyjne.
Jak często aktualizować strony, żeby były cytowane?
Punkt odniesienia to co najmniej raz na kwartał. Wśród stron redakcyjnych z top 10 Google cytowane przez modele w 56% przypadków zaktualizowano w ostatnich 90 dniach, niecytowane tylko w 28%. Mediana od ostatniej aktualizacji wynosiła 30 dni dla pierwszych i 67 dla drugich.
Czy AI poleca kasyna online?
Tak, w naszym pomiarze żaden z czterech modeli nie odmówił odpowiedzi na żadne ze 120 pytań hazardowych. Ale zestaw marek zależy od sformułowania: przy pytaniu o USA pojawiają się tylko operatorzy z licencją stanową, przy pytaniu o kasyno kryptowalutowe zupełnie inne marki. Pracować trzeba z zestawieniami dla tych sformułowań, do których pasuje wasza marka.
Źródła: własne badanie PromoPilot, wrzesień 2026 — 960 odpowiedzi modeli GPT-5.4, Gemini 3.8 Flash, Claude Sonnet 5 i Perplexity Sonar Pro z włączonym wyszukiwaniem dla 48 zapytań komercyjnych, top 10 Google (USA) dla tych samych zapytań oraz 2 536 stron źródłowych. Dane zewnętrzne: badanie SparkToro o spójności rekomendacji AI (styczeń 2026). Modele wywoływano przez API; odpowiedzi w aplikacjach mogą się różnić.
