Coraz więcej klientów zamiast wpisywać frazę w Google pyta wprost: „poleć mi dobrego [fachowca] w [mieście]”. I model AI komuś tę odpowiedź daje. Problem w tym, że AI nie „zna” firm tak, jak Google zna strony — działa inaczej, a to ma konkretne konsekwencje dla tego, kto zostaje wymieniony. Oto mechanika i trzy rzeczy, na które realnie masz wpływ.
Skąd model w ogóle „wie” o firmach — trening kontra wyszukiwanie na żywo
To najważniejsze rozróżnienie. Wiedza modelu pochodzi z dwóch źródeł:
- Dane treningowe — to, czego model nauczył się wcześniej. Są zamrożone w czasie, ograniczone i nie zaktualizujesz ich pod siebie.
- Wyszukiwanie na żywo — przy modelach z dostępem do internetu (ChatGPT z wyszukiwaniem, Perplexity, AI Overviews ) model w momencie pytania realnie przeszukuje sieć, często rozbijając jedno pytanie na wiele podzapytań (query fan-out ).
I to jest dobra wiadomość: na kanał „na żywo” masz realny wpływ. Tu buduje się widoczność w AI — nie modląc się do danych treningowych, tylko dbając o to, co model znajdzie, gdy zapyta o Twoją branżę.
Częstotliwość i spójność wzmianek — dlaczego jedno źródło to za mało
Model, składając odpowiedź, „głosuje” na podstawie tego, co widzi w wielu miejscach. Firma wymieniana konsekwentnie w niezależnych źródłach — własna strona, wizytówka Google, katalogi branżowe, artykuły, opinie — ma większą szansę zostać uznana za wiarygodną niż firma wspomniana raz, w jednym miejscu. To istota wskaźnika wzmianek .
Kluczowa jest przy tym spójność: ta sama nazwa, ten sam adres, ten sam profil działalności wszędzie. Rozjazdy (niespójny NAP , inna nazwa tu, inna tam) osłabiają sygnał — model, jak Google, nie jest pewien, czy to jedna firma, czy kilka.
Jasność, nie tylko obecność — treść łatwa do „wyciągnięcia”
Sama obecność to za mało. Model preferuje źródła, z których łatwo wyciągnąć konkretną odpowiedź. Strona z jasnym opisem: co robisz, dla kogo i gdzie, wygrywa z ogólnikowym, marketingowym „jesteśmy liderem innowacyjnych rozwiązań”. Im łatwiej Twoją treść zacytować bez interpretacji, tym częściej zostanie zacytowana (cytowanie przez AI ).
Konkret bije chwyt marketingowy. „Fizjoterapeuta sportowy w Rzeszowie, specjalizacja: kolano i bark, wizyty także w weekendy” to zdanie, które model może podać wprost. „Kompleksowa opieka na najwyższym poziomie” — nie znaczy dla modelu nic.
Co z tego wynika praktycznie — trzy wykonalne kierunki
To nie magia, tylko konsekwencja. Trzy rzeczy, które realnie przesuwają szansę:
Więcej o samej różnicy między optymalizacją pod Google a pod AI rozkładam we wpisie czym różni się GEO od SEO.
Chcesz wiedzieć, czy AI już poleca Twoją firmę — i jak często względem konkurencji? Sprawdzimy to realnym pomiarem, nie na wyczucie.
- ✓AI nie zna firm jak Google — część wiedzy jest z treningu (zamrożona), część z wyszukiwania na żywo (na to masz wpływ).
- ✓Liczy się częstotliwość i spójność wzmianek w wielu niezależnych źródłach, nie jedno wystąpienie.
- ✓Treść musi być łatwa do zacytowania: konkret co/dla kogo/gdzie bije marketingowe ogólniki.
- ✓Nikt nie zagwarantuje polecenia przez AI — modele są niedeterministyczne; da się zwiększać szansę i mierzyć trend.
- ✓Trzy realne ruchy: spójna obecność, cytowalna treść, regularny pomiar.
Nie. Modele AI są niedeterministyczne i nikt poza dostawcą nie kontroluje ich odpowiedzi. Można realnie zwiększać szansę na wymienienie (spójna obecność, cytowalna treść) i mierzyć trend w czasie — ale każdy, kto obiecuje gwarancję polecenia, sprzedaje ściemę.
SEO optymalizuje pod klasyczne wyniki wyszukiwania i pozycje. Optymalizacja pod AI (GEO) dba o to, by model wymieniał Twoją markę w generowanych odpowiedziach. Fundamenty są częściowo wspólne (dobra treść, spójne dane, autorytet), ale mechanika i sposób pomiaru są inne.
Od spójnej obecności: dopracowana wizytówka Google, ta sama nazwa i dane w katalogach, opinie, oraz strona z konkretnym opisem usług i lokalizacji. Potem sprawdź, czy AI Cię już wymienia — to daje punkt odniesienia, od którego mierzysz postęp.