Na jakie pytania odpowiada to hasło
- Jak sprawić, żeby ChatGPT cytał moją stronę w odpowiedziach?
- Dlaczego model AI odpowiada o mojej firmie nieaktualnymi informacjami?
RAG i groundowanie odpowiedzi: wyjaśnienie
Model odpowiada z dwóch źródeł: pamięci treningowej (statycznej, z ostatniego cyklu trenowania) i danych pobranych w momencie pytania – i to drugie jest właśnie RAG: system pobiera kandydatów z sieci lub indeksu, model je czyta, a odpowiedź zostaje ugruntowana w cytowanych źródłach. Dla właściciela strony wynika z tego jedna rzecz: w trybie grounded widoczność zależy od tego, co da się pobrać i przeczytać.
Krytyczne fakty muszą być w surowym HTML, nie w JavaScript, obrazkach, widgetach czy PDF; title i meta description działają jak pełne streszczenie, bo model często odpowiada ze snippetu bez wchodzenia na stronę. Testy prowadzimy na publicznym interfejsie, nie przez API – API ma inny system prompt i najsłabiej odwzorowuje odpowiedzi, które widzi realny użytkownik.
Przygotowanie serwisu pod RAG to konkretna praca: samodzielne akapity pytanie–odpowiedź (2–4 zdania), dane strukturalne JSON-LD z encjami i relacjami (sameAs), spójność informacji między stroną, profilami i źródłami zewnętrznymi – model krzyżuje źródła i odpowiada zgodnością między nimi, nie twoją deklaracją. Gdy model odpowiada o tobie nieaktualnie, nie walczysz z odpowiedzią, tylko szukasz źródła, z którego czerpie (sprawdź cytowania pod odpowiedzią) i poprawiasz treść u źródła.
Wpływ na widoczność w AI jest tu bezpośredni: RAG to mechanizm, który decyduje o cytowaniach – treść pobieralna, czytelna i zgodna z resztą korpusu staje się źródłem odpowiedzi, a treść nieekstraktowalna dla modelu praktycznie nie istnieje.