Pozycjonowanie w AI: ChatGPT, Perplexity i AI Overviews

Skąd ChatGPT i inne modele biorą odpowiedzi

Asystent AI odpowiada na dwa sposoby: z pamięci modelu albo na podstawie wyszukiwania w sieci. Pamięć to wiedza z danych treningowych, zamrożona w dniu zakończenia treningu. Wyszukiwanie działa na bieżąco: ChatGPT, Perplexity, Gemini i AI Overviews w Google pobierają strony, streszczają je i podają źródła.

Z tego podziału wynikają dwa zadania. Żeby trafić do odpowiedzi opartych na wyszukiwaniu, strona musi być dostępna dla robotów, zaindeksowana i zawierać fragmenty, które da się zacytować. Żeby model „pamiętał” markę, musi ona pojawiać się w wielu wiarygodnych źródłach, spójnie i przez dłuższy czas.

Google opisuje w dokumentacji funkcji AI w wyszukiwarce, że AI Overviews i tryb AI mogą rozbijać pytanie na wiele powiązanych wyszukiwań (query fan-out). Odpowiedź składa się wtedy z fragmentów wielu stron, więc szansę ma treść, która dobrze odpowiada na jedno konkretne podpytanie.

GEO, AIO, AEO i LLM SEO: co znaczą te skróty

Nazwy mieszają się w ofertach agencji i w artykułach. To samo zadanie bywa opisane jako GEO SEO, AEO SEO, LLM SEO albo AI SEO, a różnice są w szczegółach:

GEO (Generative Engine Optimization)

Optymalizacja pod wyszukiwarki generatywne, czyli takie, które zamiast listy linków piszą odpowiedź i podają pod nią źródła. Nazwa pochodzi z pracy naukowej z 2024 roku, opisanej niżej.

AIO

AI Optimization: ogólna nazwa dostosowania strony i marki do systemów AI. W Polsce skrót bywa też używany dla optymalizacji pod AI Overviews w Google.

AEO (Answer Engine Optimization)

Starsze pojęcie: optymalizacja pod wyszukiwarki odpowiedzi, wyróżnione fragmenty w Google i asystentów głosowych.

LLM SEO i AI SEO

Potoczne nazwy tej samej pracy. Czasem „AI w SEO” oznacza też coś innego: używanie AI przy zwykłym pozycjonowaniu, na przykład do analizy fraz. To opisujemy na stronie o automatyzacji AI.

Co zwiększa szansę na cytowanie przez AI

Najlepiej zbadane są źródła, dane i cytaty. Zespół z Princeton i IIT Delhi (Aggarwal i in., GEO: Generative Engine Optimization, KDD 2024) porównał kilka metod przeredagowania stron. Najlepiej wypadły odwołania do źródeł, cytaty i liczby: w testach autorów widoczność strony w odpowiedziach rosła po nich nawet o 40%. Upychanie słów kluczowych prawie nic nie dało.

Podobny mechanizm Google opisał wcześniej w patencie US9940367B1 o ocenie fragmentów-odpowiedzi. Fragment dostaje punkty za dopasowanie do pytania i osobno za jakość i reputację źródła. W praktyce stosujemy to tak:

• każda sekcja zaczyna się od bezpośredniej odpowiedzi w dwóch, trzech zdaniach,
• fakty mają liczby, daty i źródła, najlepiej z linkiem,
• definicje, tabele i listy kroków porządkują to, co model może przenieść do odpowiedzi,
• strona ma podpisanego autora albo wydawcę i datę aktualizacji,
• dane firmy są takie same na stronie, w rejestrach i w serwisach branżowych,
• marka pojawia się w źródłach, z których modele korzystają: mediach branżowych, rankingach, porównaniach i dyskusjach.

Techniczne warunki widoczności w AI

Robot, który nie może pobrać strony, nie zacytuje jej. Dlatego zaczynamy od techniki:

• robots.txt: dostęp dla robotów wyszukiwarek AI, na przykład OAI-SearchBot (wyszukiwanie w ChatGPT) i PerplexityBot. Blokada GPTBot wyłącza tylko użycie treści do trenowania modeli OpenAI, a Google-Extended nie wpływa na AI Overviews,
• ochrona przed botami: Cloudflare od lipca 2025 roku domyślnie blokuje roboty AI na nowo dodanych domenach, a zapory na hostingu potrafią robić to samo bez wiedzy właściciela strony,
• HTML bez JavaScriptu: z analizy Vercel z grudnia 2024 roku wynika, że roboty OpenAI, Anthropic i Perplexity nie wykonują JavaScriptu, więc treść musi być w kodzie strony od razu,
• indeks Bing: ChatGPT korzysta przy wyszukiwaniu także z zewnętrznych dostawców wyników, dlatego sprawdzamy indeksację w Bing Webmaster Tools,
• dane strukturalne: firma, osoba, usługi i okruszki połączone w jeden graf, żeby model rozpoznał markę jako konkretny podmiot.

Jak mierzymy widoczność w AI

Na początku współpracy ustalamy zestaw pytań, które zadają Twoi klienci. Co miesiąc zadajemy je przez API modelom OpenAI, Perplexity, Gemini i Claude, w kilku wariantach i zawsze w nowej rozmowie. Zapisujemy, czy marka się pojawia, w jakim kontekście, jakie strony są cytowane i kogo modele polecają zamiast Ciebie.

Seryjny pomiar jest potrzebny, bo odpowiedzi modeli się zmieniają. Jedno pytanie zadane raz w oknie czatu niczego nie dowodzi. Obok niego zbieramy dane z samych wyszukiwarek i z analityki: wyświetlenia strony w AI Overviews i w trybie AI z raportu funkcji generatywnej AI w Search Console, cytowania w Copilocie z raportu AI Performance w Bing Webmaster Tools oraz wizyty z chatgpt.com, perplexity.ai i gemini.google.com w Google Analytics 4.

Przebieg współpracy

1. Pomiar startowyZestaw pytań, odpowiedzi modeli i lista źródeł, które cytują dziś w Twojej branży.
2. Audyt encji i treściJak AI opisuje firmę, skąd bierze te informacje i czego brakuje na stronie.
3. Poprawki techniczneDostęp robotów, renderowanie, dane strukturalne, indeksacja w Google i Bing.
4. Treści do cytowaniaPrzebudowa sekcji w formę odpowiedzi i nowe strony z danymi, których modele szukają.
5. Wzmianki w źródłachDigital PR i obecność w serwisach, które modele cytują w Twojej branży.
6. Pomiar co miesiącTe same pytania, porównanie z poprzednim miesiącem i plan kolejnych zmian.

Pytania o pozycjonowanie w ChatGPT i AI