Konsultant SEO Zeeshan Yaseen opublikował 14 września w serwisie Search Engine Land wyniki dwóch eksperymentów GEO, w których przez kilka miesięcy ręcznie sprawdzał, skąd ChatGPT, Claude, Gemini, Perplexity, Google AI Mode i Grok biorą cytowania dla 15 komercyjnych fraz. Łącznie zalogował 775 zdarzeń cytowania i doszedł do wniosków, które przeczą części popularnych porad: własny listicle na stronie marki okazał się fundamentem, a nie silnikiem wzrostu, a około połowa źródeł przestała być cytowana w ciągu 30 dni od pierwszego pojawienia się w odpowiedziach.
Kontekst: dlaczego te dane są ważne
Rynek narzędzi do monitorowania widoczności w AI rośnie szybciej niż zasób twardych danych o tym, co faktycznie działa. Większość porad o GEO (Generative Engine Optimization) i AIO opiera się na analizach korelacyjnych: bierzemy tysiące odpowiedzi, sprawdzamy, jakie strony są cytowane, i wnioskujemy o przyczynach. Yaseen poszedł w drugą stronę. Zamiast obserwować cudze wyniki, kupował konkretne publikacje, dodawał i usuwał elementy treści, a potem codziennie sprawdzał, jak reagują na to poszczególne modele.
Pierwszy eksperyment prowadził dla istniejącej marki konsultingowej, którą sam obsługiwał, i pochłonął według jego relacji kilka tysięcy dolarów budżetu na publikacje. Drugi przeprowadził od zera dla agencji link buildingu z sektora SaaS, która na starcie nie pojawiała się w żadnej odpowiedzi AI dla śledzonych fraz. Dzięki temu drugi test daje coś, czego brakuje w większości analiz: czysty punkt zerowy i mierzalny efekt każdej kolejnej publikacji.
Warto zaznaczyć metodę. Wszystkie zapytania wykonywano ręcznie, w obu wariantach: z VPN i bez, żeby wyłapać różnice wynikające z lokalizacji. Autor przyznaje, że część obserwacji (na przykład wpływ wielkości liter w zapytaniu) wymaga dalszej weryfikacji, a porównywanie platform między eksperymentami należy traktować ostrożnie, bo dotyczyły różnych nisz i różnych zestawów modeli.
Eksperyment pierwszy: marka z historią i 775 cytowań
W pierwszym teście śledzono 15 fraz o intencji komercyjnej na czterech platformach: ChatGPT, Claude, Gemini i Perplexity. Marka pojawiała się w odpowiedziach dla 10–12 z 15 fraz, a szczyt obecności przypadł na 29 kwietnia, gdy była widoczna w 37,01% sprawdzanych zapytań.
| Platforma | Liczba cytowań marki |
|---|---|
| ChatGPT | 148 |
| Claude | 96 |
| Gemini | 87 |
| Perplexity | 64 |
Największym pojedynczym źródłem cytowań okazał się listicle o narzędziach SEO opublikowany w serwisie Indeed: 190 wzmianek. Co ciekawe, ta sama strona pojawiała się w odpowiedziach ChatGPT dziesięć razy jeszcze przed rozpoczęciem outreachu, a po dodaniu do niej marki pozostała najważniejszym źródłem przez kilka miesięcy. Podział kanałów jest jednoznaczny: listicle odpowiadały za 72,4% cytowań, materiały PR za 24,1%, a resztę dzieliły między sobą gościnne wpisy, własna strona i LinkedIn.
Hierarchia autorytetu źródeł
Autor wyprowadził z danych prostą kolejność: serwisy rządowe i edukacyjne wygrywają z mediami newsowymi, media newsowe z portalami branżowymi, a portale branżowe z ogólnymi stronami. Kluczowa obserwacja dotyczy jednak jakości względem trafności tematycznej. Publikacje w serwisach ściśle branżowych, wsparte komunikatami PR, radziły sobie lepiej niż lepiej napisane listicle na ogólnych stronach o wyższym autorytecie. Modele wydają się premiować kontekst tematyczny ponad ogólną siłę domeny.
Efekt sąsiedztwa encji
Jeden z listicle umieszczał markę obok rozpoznawalnych ekspertów SEO, w tym Lily Ray i Aleydy Solis. Ten materiał zbierał cytowania bardzo dobrze. Gdy nazwiska ekspertów usunięto z listy, wyniki zaczęły spadać w ciągu kilku dni. Yaseen interpretuje to jako dowód, że modele oceniają nie tylko stronę, ale i towarzystwo, w jakim pojawia się encja. Marka umieszczona obok znanych podmiotów przejmuje część ich wiarygodności.
Struktura treści: pierwsze 100 słów i pytania w nagłówkach
Strony, które udzielały odpowiedzi w pierwszych 100 słowach, były cytowane częściej niż te, które budowały wprowadzenie. Nagłówki sformułowane jako pytania („Czym AI SEO różni się od tradycyjnego SEO?”) wypadały lepiej niż nagłówki w formie stwierdzenia („AI SEO a tradycyjne SEO”). Sekcje FAQ działały lepiej, gdy były widoczne domyślnie, a nie ukryte w rozwijanych elementach. Samodzielne, zamknięte sekcje przewyższały sekcje łączące kilka wątków.
Precyzja fraz
Marka rankowała na „Best LLM SEO Consultant”, ale niemal wcale na „Best AI SEO Consultant”, mimo że intencja obu zapytań jest praktycznie identyczna. Wniosek autora: dla wysokowartościowych fraz komercyjnych może być potrzebny dedykowany zasób treści pod każdą wersję zapytania, bo modele nie łączą synonimów tak liberalnie, jak robi to klasyczna wyszukiwarka.
Eksperyment drugi: zimny start i 298 pojawień w 30 dni
Drugi test miał czystszą konstrukcję. Od 30 kwietnia do 29 maja agencja SaaS nie miała żadnej mierzalnej obecności w AI dla 15 śledzonych fraz. Od 30 maja do 28 czerwca, przez dokładnie 30 dni, Yaseen publikował materiały i codziennie sprawdzał sześć platform: ChatGPT, Claude, Gemini, Perplexity, Google AI Mode i Grok.
| Platforma | Pojawienia marki w 30 dni |
|---|---|
| Gemini | 104 |
| Google AI Mode | 95 |
| Claude | 59 |
| ChatGPT | 32 |
| Grok | 4 |
| Perplexity | 4 |
Łącznie 298 pojawień, z czego Gemini i Google AI Mode odpowiadały za około dwie trzecie. To istotna różnica względem pierwszego eksperymentu, gdzie prowadził ChatGPT. Autor tłumaczy to różnicą nisz i zestawów platform, ale sygnał dla polskich marek jest czytelny: ekosystem Google (Gemini plus AI Mode) reaguje na nowe publikacje szybciej i szerzej niż ChatGPT, który wydaje się bardziej konserwatywny wobec świeżych źródeł.
Koncentracja źródeł: trzy strony dają 78% wzmianek
Z 437 wszystkich wzmianek zalogowanych w drugim teście aż 342 (78%) pochodziło z trzech źródeł: listicle na Indie Hackers, wpisu na blogu Bruce Jones SEO i własnego zestawienia na stronie agencji. Zewnętrzne listicle odpowiadały za 85,8% cytowań, własny listicle za 14,0%, a PR za zaledwie 0,2%. Czas od publikacji do pierwszego cytowania wahał się od 1 do 18 dni, przy czym własny listicle był cytowany najwolniej: dopiero po 18 dniach.
| Źródło | Wzmianki przed publikacją | Wzmianki po publikacji | Wzrost |
|---|---|---|---|
| Indie Hackers | 44 | 146 | 232% |
| Bruce Jones SEO | 26 | 69 | 165% |
| TechBullion | 15 | 37 | 147% |
| Własny listicle (po dodaniu konkurentów) | 4 | 49 | 12,25x |
Kolumna „przed publikacją” pokazuje, ile razy dana strona była cytowana dla śledzonych fraz jeszcze w fazie prospectingu, czyli zanim marka się na niej pojawiła. To ważne: Yaseen wybierał miejsca publikacji na podstawie tego, co modele już cytowały, a nie na podstawie klasycznych metryk domeny. Nie wszystko zadziałało. Cztery opłacone publikacje do końca okresu pomiaru nie zostały zacytowane ani razu, a dwa źródła (RankTracker i HR.com) po dodaniu marki były cytowane rzadziej niż wcześniej.
Zwrot o 180 stopni w sprawie własnych treści
Najważniejszy fragment publikacji to otwarte przyznanie się autora do rewizji własnej rekomendacji. Po pierwszym eksperymencie zalecał publikowanie listicle na własnej stronie, bo wiele marek z czołówki odpowiedzi AI zdawało się korzystać z własnych zestawień. Drugi eksperyment pokazał co innego: własny listicle był cytowany najwolniej i dał tylko 14% wzmianek. Jak ujął to sam Yaseen, własne zestawienie jest raczej fundamentem niż głównym silnikiem wzrostu, a rola treści własnych okazała się mniejsza, niż początkowo sądził.
Jest jednak jeden wyjątek, który zmienia obraz. Gdy 23 czerwca do własnego listicle dodano konkurentów, liczba cytowań tej strony skoczyła z 4 do 49, a dzienna widoczność marki wzrosła z 22 do szczytowych 95 pojawień 27 czerwca. Treść porównawcza, w której marka stoi obok rywali, wypadła w tym teście lepiej niż treść czysto promocyjna. To spójne z obserwacją o sąsiedztwie encji z pierwszego eksperymentu i z tym, co pisaliśmy przy okazji analizy, jak trafiać do zestawień cytowanych przez AI.
Cytowania to nie ruch
Eksperyment mierzył też skutek biznesowy. W 30 dni 18,5% nowych użytkowników agencji przyszło z odesłań (referral), a kolejne 3,25% GA4 przypisało do kanału AI Assistant. Razem to nieco ponad jedna piąta wszystkich nowych użytkowników. Sesje z Claude.ai potroiły się, ruch z ChatGPT wzrósł o 166%. Jedno odesłanie z Perplexity, platformy z najniższym wolumenem cytowań, zakończyło się pozyskaniem płacącego klienta.
Jednocześnie Indie Hackers, źródło z największą liczbą cytowań, wygenerowało płaski ruch odsyłający. TechBullion, cytowany rzadziej, dał 64 sesje (wcześniej 1). Wniosek autora: liczba cytowań nie wystarcza do decyzji, w które źródła inwestować dalej. Potrzebne są dane o ruchu i konwersji. O tym, jak poprawnie rozdzielić i wycenić takie wizyty, pisaliśmy w tekście o atrybucji ruchu z ChatGPT i Perplexity.
Co to znaczy dla SEO i AIO w Polsce
Po pierwsze, budżet na GEO trzeba planować jak budżet na kampanię, a nie jak jednorazową publikację. Skoro około 50% źródeł przestaje być cytowana w ciągu 30 dni, a modele przebudowują zestaw źródeł niemal z tygodnia na tydzień, potrzebna jest rezerwa na utrzymanie: odświeżanie istniejących listicle, dokładanie nowych placementów i monitorowanie tych, które wypadły.
Po drugie, prospecting pod AI wygląda inaczej niż prospecting pod linki. Zamiast filtrować serwisy po Domain Rating, Yaseen najpierw przepuszczał docelowe frazy przez ChatGPT, Gemini i pozostałe modele, spisywał, jakie strony są już cytowane, i dopiero do tych stron kierował outreach. W polskich realiach oznacza to sprawdzenie, które rankingi agencji, narzędzi czy usług Gemini i ChatGPT cytują dziś dla fraz w rodzaju „najlepsza agencja SEO” albo „narzędzia do monitoringu AI”, i próbę wejścia właśnie tam.
Po trzecie, dane o koncentracji potwierdzają to, co pokazywały wcześniejsze analizy: cytowania w AI są skrajnie skupione. W pierwszym eksperymencie jeden listicle dał 190 wzmianek, w drugim trzy strony dały 78% całości. Podobny obraz wyszedł z badania, w którym strony produktowe zebrały 24% cytowań AI, a Reddit i YouTube tylko 4%. Dla marki oznacza to, że dwie, trzy dobrze dobrane publikacje mogą zrobić więcej niż dwadzieścia rozproszonych.
Po czwarte, treść porównawcza wygrywa z treścią promocyjną. Skok z 4 do 49 cytowań po dodaniu konkurentów do własnego zestawienia jest najsilniejszym pojedynczym efektem w całym badaniu. Polskie działy marketingu, które z zasady nie wymieniają konkurencji na własnej stronie, będą musiały tę zasadę przemyśleć, jeśli chcą być widoczne w Gemini i AI Mode.
Reakcje branży
Publikacja pojawiła się w momencie, gdy debata o wartości GEO jest wyjątkowo spolaryzowana. Z jednej strony rośnie liczba narzędzi obiecujących „ranking w ChatGPT”, z drugiej część ekspertów SEO powtarza, że cytowania w AI są pochodną klasycznego autorytetu i nie da się na nie wpływać osobno. Wyniki Yaseena nie rozstrzygają sporu, ale dostarczają argumentów obu stronom: tak, można w 30 dni wejść od zera do 298 pojawień; nie, nie da się tego zrobić bez zewnętrznych publikacji, a efekt bez podtrzymania wygasa.
Redakcja Search Engine Land zaznaczyła, że tekst przeszedł weryfikację redakcyjną (edycja: Isla McKetta, przegląd: Danny Goodwin), co w przypadku tego typu materiałów opartych na własnych testach autora nie jest regułą. Zwraca też uwagę forma: autor otwarcie wylicza, co nie zadziałało, w tym cztery opłacone placementy bez ani jednego cytowania. W branży, w której case studies pokazują zwykle tylko sukcesy, to rzadkie.
Krytyczne głosy dotyczą przede wszystkim skali. Piętnaście fraz, jedna marka na eksperyment i ręczne sprawdzanie oznaczają, że wyniki mogą być specyficzne dla niszy SEO i link buildingu, w której modele mają wyjątkowo dużo listicle do wyboru. Obserwacja o wielkości liter w zapytaniu (inne cytowania dla „Best” i „best”) powtórzyła się trzykrotnie, ale sam autor uznaje ją za wymagającą dalszej weryfikacji.
Co dalej
Yaseen zapowiada kontynuację pomiarów i formułuje cztery zalecenia dla praktyków: sprawdzać frazy w modelach przed zakupem placementów, budżetować utrzymanie, a nie tylko publikację, pilnować sąsiedztwa encji (kto jest wymieniony obok marki) i nie traktować liczby cytowań jako wyniku biznesowego. Każde z nich da się wdrożyć bez dodatkowych narzędzi, choć przy większej liczbie fraz ręczne sprawdzanie sześciu platform szybko przestaje być wykonalne.
Dla polskiego rynku najbardziej praktyczną konsekwencją jest rewizja roli treści własnych. Nie chodzi o to, żeby przestać publikować własne rankingi i porównania, tylko o to, żeby traktować je jako bazę, do której modele docierają wolno, i inwestować równolegle w miejsca, które są już cytowane. Kolejnym krokiem, który sam autor sygnalizuje jako niesprawdzony, jest test, czy efekt sąsiedztwa encji działa równie silnie w językach innych niż angielski, gdzie zasób listicle jest mniejszy, a pojedyncza publikacja może ważyć więcej.
FAQ
Czym różnią się oba eksperymenty GEO opisane przez Zeeshana Yaseena?
Pierwszy trwał kilka miesięcy i dotyczył istniejącej marki konsultingowej sprawdzanej na czterech platformach (ChatGPT, Claude, Gemini, Perplexity). Drugi był 30-dniowym testem od zera dla agencji SaaS, mierzonym na sześciu platformach, z dodatkowym Google AI Mode i Grokiem. Drugi ma czysty punkt startowy, więc pozwala przypisać efekt konkretnym publikacjom.
Dlaczego własny listicle wypadł słabo?
W drugim eksperymencie własne zestawienie było cytowane najwolniej (po 18 dniach) i dało 14% wzmianek, wobec 85,8% z zewnętrznych listicle. Dopiero dodanie konkurentów 23 czerwca podniosło jego cytowania z 4 do 49. Autor wnioskuje, że treść własna jest fundamentem, a wzrost napędzają placementy na stronach, które modele już cytują.
Które platformy AI reagowały najszybciej na nowe publikacje?
W teście od zera Gemini (104 pojawienia) i Google AI Mode (95) odpowiadały za około dwie trzecie z 298 pojawień. ChatGPT dał 32, a Perplexity i Grok po 4. W pierwszym eksperymencie, dla marki z historią, prowadził ChatGPT ze 148 cytowaniami, więc kolejność zależy od niszy i stażu marki.
Czy liczba cytowań przekłada się na ruch?
Nie wprost. Indie Hackers dawał najwięcej cytowań, ale płaski ruch odsyłający, a TechBullion przy mniejszej liczbie cytowań wygenerował 64 sesje. Łącznie kanały referral i AI Assistant w GA4 odpowiadały za nieco ponad jedną piątą nowych użytkowników w 30 dni, a jedno odesłanie z Perplexity dało płacącego klienta.
Jak długo utrzymuje się efekt publikacji?
Według danych z pierwszego eksperymentu około 50% źródeł przestaje być cytowana w ciągu 30 dni. Autor zaleca budżetowanie utrzymania: odświeżanie treści, dokładanie placementów i monitorowanie, które strony wypadły z odpowiedzi.