Spis treści
Dwie firmy mogą mieć ten sam wynik widoczności w AI i zupełnie inny profil. Jedna jest często wymieniana, ale rzadko linkowana. Druga rzadko się pojawia, za to zawsze jako pierwsza rekomendacja. Jedna liczba tego nie pokaże.
Dlatego wynik, który podaje narzędzie, trzeba rozłożyć na składowe, zanim zaczniesz z niego wyciągać wnioski. Ten artykuł pokazuje jak.
Zastrzeżenie na początku. „AI Visibility Score” nie ma jednej, wspólnej definicji. Każdy dostawca liczy go po swojemu i nie weryfikowaliśmy żadnego z tych wzorów. Poniższe zasady dotyczą czytania dowolnego takiego wyniku, a nie konkretnego narzędzia.
W skrócie
- Traktuj wynik jako profil: obecność, cytowania, rola w odpowiedzi, poprawność i kontekst.
- Zapytaj dostawcę, jak liczy wynik: z jakich pytań, silników, powtórzeń i okresu.
- Wzmianka nie jest rekomendacją, a wzmianka bez linku nie jest cytowaniem.
- Porównanie ma sens tylko w tej samej branży, przy tym samym zestawie pytań, silniku i okresie.
- Mała próba daje szeroki zakres niepewności. Im mniejszej różnicy szukasz, tym większej próby potrzebujesz.
- Brak wzmianki ma różne przyczyny: ogólne pytanie, odpowiedź tylko o konkurentach, pomyłka w nazwie, blokada techniczna.
- Wysoki wynik bez sprawdzenia kontekstu i poprawności faktów może utrwalać błędy.
Rozłóż wynik na składowe
Poniższy podział to nasza propozycja, nie standard.
| Składowa | Pytanie | Jak liczyć |
|---|---|---|
| Obecność | Czy marka się pojawia | Liczba odpowiedzi ze wzmianką ÷ liczba wszystkich odpowiedzi |
| Cytowania | Czy jest link do Twojej domeny | Liczba odpowiedzi z linkiem ÷ liczba wszystkich odpowiedzi |
| Rola | Jak marka jest przedstawiona | Rekomendacja, opcja poboczna, tło dla konkurentów, przykład negatywny |
| Poprawność | Czy fakty się zgadzają | Odsetek odpowiedzi z poprawnym opisem oferty, adresu, warunków |
| Kontekst | W jakim tonie | Ocena jakościowa z zapisem fragmentu |
Wynik jako profil
Obecność
czy marka się pojawia
Cytowania
czy jest link do Twojej domeny
Rola
jak marka jest przedstawiona
Poprawność
czy fakty się zgadzają
Kontekst
w jakim tonie
Przykład ilustracyjny z literami: jeśli w serii N odpowiedzi marka pojawia się w X z nich, obecność to X ÷ N. Jeśli link do domeny pojawia się w Y z nich, cytowania to Y ÷ N. Dwie różne liczby, dwa różne wnioski.
Zasady uczciwego porównania
- Ta sama branża. Gęstość marek w branży jest różna. Ten sam wynik może znaczyć wejście do wąskiej grupy dominujących firm albo daleką pozycję wśród wielu dostawców. To logika porównania, nie pomiar.
- Ten sam zestaw pytań. Każda zmiana zestawu to nowa wersja badania. Pozorna poprawa może wynikać z łatwiejszych pytań. Zestaw buduje arkusz z artykułu Mapowanie promptów w strategii GEO.
- Ten sam silnik. Wyniki dla ChatGPT, Gemini, Perplexity i funkcji generatywnych Google rozdzielaj.
- Ten sam okres i warunki. Czyste sesje, ta sama lokalizacja, zapisana data i wersja, jeśli narzędzie ją podaje.
Wniosek o tym, czy wynik się zmienił, wymaga porównania dwóch serii z tymi samymi warunkami. Pojedyncze porównanie dwóch liczb z różnych miejsc nic nie znaczy.
Porównuj tylko to, co porównywalne
- Ta sama branża
- Ten sam zestaw pytań
- Ten sam silnik
- Ten sam okres i warunki
Mała próba i losowość
Odpowiedzi modeli różnią się między próbami. Jeśli seria jest krótka, wynik bywa przypadkiem. Ogólna zasada statystyczna (nie nasz pomiar): im mniejszą różnicę chcesz wykryć, tym więcej powtórzeń potrzebujesz. Nie podajemy liczby, bo zależy od zmienności Twoich wyników. W raporcie podawaj zawsze: liczbę pytań, liczbę powtórzeń, silnik, datę serii i sposób doboru pytań.
Co oznacza niski, średni i wysoki wynik: hipotezy do sprawdzenia
Poniższa tabela to hipotezy, nie diagnozy. Nie mamy danych, które wskazywałyby, jak często która z nich jest prawdziwa.
| Obserwacja | Możliwe przyczyny | Co sprawdzić |
|---|---|---|
| Niska obecność, odpowiedzi ogólne | Pytanie nie wymaga nazw marek | Czy zestaw pytań dotyczy sytuacji zakupowych |
| Niska obecność, wymienieni konkurenci | Mniej danych o Twojej firmie w źródłach, brak dostępu bota, brak indeksowania | Dostęp OAI-SearchBot, indeksowanie, spójność danych o firmie |
| Pomyłka w nazwie lub przypisanie oferty innej firmie | Niejednoznaczna nazwa | Test niejednoznaczności: Optymalizacja grafu encji |
| Wzmianki bez linków | Model opisuje markę na podstawie innych źródeł | Czy Twoja strona zawiera dane, które można zacytować |
| Wysoka obecność, niska poprawność | Błędne lub stare dane w źródłach | Rejestr danych firmy: Jak budować zaufanie ChatGPT do marki |
| Wysoka obecność, negatywny kontekst | Opis problemów, sporów lub awarii | Treść źródeł, na które powołuje się odpowiedź |
| Dobra pozycja w Google, niska obecność w AI | To dwa różne mierniki | Oba mierz osobno. Dla Google: raport Generative AI performance (Google, b.d.) |
Przy braku wzmianki odróżnij cztery sytuacje: model nie wymienił żadnej marki, wymienił tylko konkurentów, pomylił nazwę, albo strona jest technicznie niedostępna dla bota. Rozwiązania są różne.
Obecność nie znaczy rekomendacja
Wysoka obecność wymaga sprawdzenia roli i kontekstu. Marka może być pierwszą rekomendacją, jedną z opcji, tłem dla konkurentów albo przykładem problemu. Zapisuj rolę i fragment odpowiedzi. Zapisuj też poprawność: częstsze wzmianki z błędnym opisem oferty utrwalają błąd, a nie zwiększają widoczności.
Wysoki wynik może wynikać z obecności w źródłach zewnętrznych (forum, serwisy z opiniami, wideo), a nie z treści Twojej strony. Nie mamy źródła, które mówi, jakie zewnętrzne źródła wykorzystują poszczególne silniki.
Dziennik testu
Aby pomiar dało się powtórzyć, zapisuj każdą próbę. Szablon z placeholderami (nie dane żadnej firmy):
{
"test_id": "[identyfikator]",
"data": "[RRRR-MM-DD]",
"silnik": "[nazwa i wersja, jeśli znana]",
"lokalizacja": "[kraj, miasto]",
"prompt": "[pełne sformułowanie]",
"odpowiedz": "[pełny tekst]",
"wymienione_marki": ["[marka 1]", "[marka 2]"],
"zrodla_z_linkiem": ["[domena 1]"],
"uwagi": "[kontekst, błędy faktograficzne]"
}
Dziennik pozwala wrócić do konkretnej odpowiedzi i sprawdzić, dlaczego wynik się zmienił. Samą metodę pomiaru opisuje artykuł Jak sprawdzać widoczność w AI.
Wynik a ruch
W badaniu Pew z marca 2025 w USA użytkownicy Google klikali zwykły wynik w 8% wizyt z podsumowaniem AI i w 15% bez niego (Pew Research Center, 2025). To dane z jednego kraju i jednej wyszukiwarki. Pokazują, że sam ruch z wyszukiwarki nie opisuje pełnego kontaktu z marką. Nie wynika z nich nic o związku wyniku widoczności z ruchem w Twojej firmie. Tego związku mierz samodzielnie: ruch z odesłań z domen asystentów, zapytania o nazwę firmy i zapytania ofertowe w analityce.
Najczęstsze błędy
- Traktowanie wyniku jako stałej wartości.
- Porównywanie wyników z różnych narzędzi lub zestawów pytań.
- Pomiar z samych zapytań zawierających nazwę firmy.
- Brak rozróżnienia przyczyn braku wzmianki.
- Utożsamianie wzmianki z cytowaniem.
- Ignorowanie poprawności faktów i kontekstu.
- Wnioski z jednej serii.
Podsumowanie
Wynik widoczności w AI czytaj jak profil: obecność, cytowania, rola, poprawność i kontekst, w stałym zestawie pytań i w tych samych warunkach. Tabela hipotez wskazuje, co sprawdzić, nie co jest przyczyną.
Nie znamy wzorów, według których poszczególne narzędzia liczą wynik, i nie wiemy, jak wynik przekłada się na ruch i sprzedaż. Wiemy, że bez zapisanych warunków testu porównanie dwóch serii nie ma wartości.
Pozycjonowanie w AI (GEO) to nasza usługa.
Najczęstsze pytania
Czy AI Visibility Score to jedna liczba?
Dla Ciebie powinien być profilem składowych. Każdy dostawca liczy go po swojemu, więc zapytaj, jak.
Czy wysoki wynik oznacza, że AI mnie poleca?
Nie. Sprawdź rolę marki w odpowiedzi, kontekst i poprawność faktów.
Czy mogę porównać wynik z wynikiem konkurenta?
Tylko przy tym samym zestawie pytań, silniku, okresie i warunkach testu, najlepiej w ramach jednego narzędzia.
Jak często mierzyć?
W ustalonym rytmie, tym samym zestawem pytań. Nie podajemy terminu.
Źródła
- Google, pomoc Search Console (b.d.) Generative AI performance report. Dostęp: 22 października 2026.
- Pew Research Center (2025) Google users are less likely to click on links when an AI summary appears in the results. Dane: 900 dorosłych z USA, marzec 2025, 68 879 wyszukiwań Google. Dostęp: 22 października 2026.

