Strony produktowe odpowiadają za 24,1% wszystkich cytowań, jakie asystenci AI podają na etapie porównywania dostawców, a Reddit, YouTube i fora razem wzięte zbierają zaledwie 4,2%. Tak wynika z analizy 7387 cytowań przeprowadzonej przez agencję Ten Speed, opublikowanej 3 września. Wynik uderza w jedno z najczęściej powtarzanych zaleceń ostatniego roku, według którego widoczność w modelach językowych buduje się przede wszystkim obecnością w społecznościach.
Kontekst: skąd wzięła się teza o dominacji społeczności
Od kiedy Google zaczął masowo wyświetlać AI Overviews, a ChatGPT dostał tryb wyszukiwania, branża szukała odpowiedzi na proste pytanie: z jakich źródeł modele faktycznie biorą treść, którą cytują. Wczesne badania, prowadzone głównie na zapytaniach informacyjnych i ogólnych, dawały spójny obraz. Reddit, YouTube i LinkedIn wypadały w nich jako najczęściej przywoływane domeny, co szybko przełożyło się na konkretne rekomendacje: zakładaj wątki, buduj obecność w niszowych społecznościach, publikuj wideo.
Ten obraz miał jednak ukryte założenie. Badania mierzyły górę lejka, czyli momenty, w których użytkownik dopiero orientuje się w kategorii i pyta ogólnie: „jakie są najlepsze narzędzia do X”. Nikt nie sprawdził osobno, co dzieje się niżej, kiedy pytający zna już nazwy dostawców i chce ich zestawić. Analiza Ten Speed celowo wycięła zapytania informacyjne i skupiła się wyłącznie na tej drugiej fazie.
Efekt jest wyraźny. Kiedy pytanie brzmi „Pipedrive czy HubSpot dla firm ze sprzedażą prowadzoną przez handlowców”, model przestaje sięgać po dyskusje, a zaczyna czytać materiały samych producentów. Pisaliśmy niedawno o tym, jak wykorzystywać Reddit i fora branżowe jako źródło cytowań w AI, i nowe dane nie unieważniają tamtych wskazówek. One je precyzują: wskazują, na którym etapie ścieżki ten kanał w ogóle pracuje.
Kluczowe fakty z badania
Dane pochodzą z narzędzia Peec AI, które monitoruje, jakie adresy URL cytują w odpowiedziach ChatGPT, Perplexity, Claude i Gemini. Ten Speed zbudował zestaw promptów odwzorowujących język kupującego w fazie ewaluacji i celowo umieścił obok swoich klientów konkurentów o podobnym profilu, żeby złapać pełny zbiór wyników, a nie tylko własne marki. Autorem opracowania jest Nelson Brassell.
Rozkład cytowań według typu strony wygląda następująco:
| Typ strony | Udział w cytowaniach | Szacunkowa liczba |
|---|---|---|
| Strony produktowe | 24,1% | ok. 1780 |
| Artykuły (blog, news, PR) | 17,4% | ok. 1290 |
| Strony porównawcze | 13,3% | ok. 980 |
| Listy i zestawienia | 13,2% | ok. 975 |
| Poradniki „jak to zrobić” | 8,9% | ok. 660 |
| Strony główne | 7,8% | ok. 575 |
| Profile w katalogach (G2, Capterra) | 7,2% | ok. 530 |
| Fora i dyskusje | 3,7% | ok. 275 |
| Strony „alternatywy dla…” | 2,4% | ok. 175 |
| Strony kategorii | 1,2% | ok. 90 |
| Wideo | 0,5% | ok. 37 |
| Pozostałe | 0,2% | ok. 15 |
Najważniejsza liczba nie stoi jednak w żadnym pojedynczym wierszu. Jeśli zsumować wszystkie kategorie, które marka kontroluje we własnej domenie (produkt, artykuły, porównania, zestawienia, poradniki, strona główna, strony alternatyw i kategorie), wychodzi 88,3% cytowań. Pozostałe 11,7% dzielą między siebie katalogi zewnętrzne (7,2%) oraz społeczności i wideo (4,2%). Innymi słowy: na etapie ewaluacji prawie dziewięć na dziesięć cytowań pochodzi ze stron, które zespół marketingu może po prostu napisać i wdrożyć.
Format porównawczy pracuje ponad swoją wagę
Drugi mocny wniosek dotyczy nie tego, co model cytuje, lecz na co reaguje. Prompty o charakterze porównawczym stanowiły 20% całego zestawu, a wygenerowały 26,7% wszystkich cytowań. To mnożnik rzędu 1,33x, czyli ten typ zapytania przyciąga o jedną trzecią więcej odwołań do źródeł niż wynikałoby z jego udziału w próbie.
Struktura promptów rozkładała się w miarę równomiernie: porównania, zapytania o alternatywy oraz zapytania o przypadki użycia po około 20% każde, pytania o funkcje i integracje 19,5%, zapytania zakupowe 10,5%, a zapytania wprost o markę 10%. Badane firmy pochodziły z czterech branż: fintech, zabezpieczenia fizyczne, hotelarstwo i automatyzacja IT.
Reddit cytowany rzadziej, ale mocniej
Warto odnotować niuans, który łatwo zgubić w nagłówku. Autorzy zaznaczają, że choć wątków z Reddita pojawiało się mało, te które już się pojawiły, były cytowane średnio bardziej intensywnie. Sam YouTube to około 1% wszystkich cytowań. Nie jest to więc obraz kanału bezwartościowego, tylko kanału o wąskim zastosowaniu w tej konkretnej fazie.
Co to znaczy dla SEO i AIO
Dla zespołów pracujących nad widocznością w wyszukiwarkach AI wnioski układają się w kilka konkretnych decyzji.
- Strona produktowa przestaje być tylko stroną sprzedażową. Jeśli to ona zbiera najwięcej cytowań w fazie porównania, musi zawierać dane, które model może wyciągnąć: konkretne limity, ceny, obsługiwane integracje, warunki wdrożenia. Ogólniki marketingowe nie dają się zacytować, bo nie odpowiadają na żadne pytanie.
- Treść porównawcza to najwyżej wyceniany format. Skoro prompty porównawcze generują 1,33x więcej cytowań, brak własnych stron typu „X kontra Y” oznacza, że model zestawi twoją markę korzystając wyłącznie z materiałów konkurencji lub katalogów.
- Profile w G2 i Capterra są warte 7,2%. To więcej niż cała społeczność razem z wideo. Aktualny, uzupełniony profil w katalogu branżowym jest tanią pracą o mierzalnym udziale.
- Kanał społecznościowy zostaje, ale wyżej w lejku. Nie ma powodu, żeby go porzucać. Trzeba tylko przestać oczekiwać, że wygra zapytanie porównawcze.
Jest jeszcze jedna konsekwencja, mniej oczywista. Skoro model na tym etapie czyta głównie materiały producenta, rośnie koszt nieaktualnych informacji na własnej stronie. Cennik sprzed dwóch lat albo lista integracji, z której coś usunięto, trafia wprost do odpowiedzi asystenta. Opisywaliśmy ten mechanizm przy okazji tekstu o tym, dlaczego ChatGPT podaje nieaktualne dane o firmie. Nowe dane podnoszą stawkę tego problemu, bo wskazują, że to właśnie własna domena jest dominującym źródłem.
Dlaczego wcześniejsze badania pokazywały co innego
Sprzeczność z wcześniejszymi analizami jest pozorna i wynika z doboru zapytań, a nie z odmiennych zachowań modeli. Starsze zestawienia, w których Reddit i YouTube wychodziły na prowadzenie, opierały się w dużej mierze na pytaniach otwartych, typu „co to jest” albo „jak wybrać”. Przy takim zapytaniu model nie ma jednego oczywistego dostawcy do sprawdzenia, więc sięga po źródła agregujące doświadczenia wielu osób, a dyskusje społecznościowe są dokładnie tym.
Kiedy w zapytaniu padają konkretne nazwy, sytuacja się odwraca. Model ma teraz jasno wskazane podmioty i potrzebuje szczegółów, których na forum zwykle nie ma w formie nadającej się do zacytowania: aktualnego cennika, listy obsługiwanych integracji, limitów planu. Takie dane leżą na stronach producentów, w katalogach porównawczych i w tekstach zestawiających. To dlatego ten sam mechanizm wyszukiwania daje dwa różne rozkłady źródeł, zależnie od tego, gdzie na ścieżce zakupowej stoi pytający.
Praktyczny wniosek z tego zestawienia jest taki, że pytanie „co cytuje AI” nie ma jednej odpowiedzi. Odpowiedź trzeba za każdym razem zawężać do etapu lejka, a najlepiej mierzyć ją na własnym zestawie zapytań, zamiast przenosić cudze średnie na swoją kategorię.
Reakcje branży
Pierwsze komentarze po publikacji koncentrują się na dwóch wątkach. Pierwszy to ulga: znaczna część pracy nad widocznością w AI wraca pod kontrolę zespołu, zamiast zależeć od moderatorów zewnętrznych społeczności. Drugi to sceptycyzm wobec zakresu próby.
Ten drugi głos ma mocne podstawy i sami autorzy go nie ukrywają. Zestawienie obejmuje wyłącznie klientów jednej agencji z sektora B2B SaaS i usług profesjonalnych. Ten Speed pisze wprost, że baza klientów „nie jest próbą neutralną ani losową” i że wyniki mogą się nie przenosić na inne branże, typy zapytań ani wielkości firm. Dla e-commerce czy rynku konsumenckiego rozkład może wyglądać zupełnie inaczej, choćby dlatego, że tam recenzje wideo pełnią realną funkcję zakupową.
Do listy zastrzeżeń dochodzą kolejne. Badanie nie przeszło recenzji naukowej. Dane to pojedynczy zrzut z jednego momentu, a nie szereg czasowy, co przy udokumentowanej zmienności udziału cytowań społecznościowych z miesiąca na miesiąc jest istotnym ograniczeniem. Nie ma też rozbicia na poszczególne platformy: wyniki z ChatGPT, Perplexity, Claude i Gemini są zsumowane, a autorzy zapowiadają, że to luka, którą chcą zamknąć w kolejnym odczycie. Wreszcie sam kluczowy kontrast, 24% wobec 4%, jest opisowy i nie został przetestowany statystycznie, choć przy innych porównaniach użyto metod nieparametrycznych.
Pojawiła się także rozbieżność w samych liczbach. Serwis Search Engine Journal podaje, że promptów było 170 i że opublikowana grafika błędnie wskazywała 220, a agencja potwierdziła planowaną korektę. Tabela z rozkładem kategorii promptów na stronie badania sumuje się natomiast do 220. Rozbieżność dotyczy liczby zapytań, nie liczby cytowań, więc udziały procentowe pozostają w mocy, ale przy powoływaniu się na to badanie warto tę różnicę odnotować.
Jak wygląda strona produktowa, którą model może zacytować
Z rozkładu cytowań wynika praktyczne pytanie: czym różni się strona produktowa, którą asystent przywołuje, od takiej, którą pomija. Badanie nie analizuje tego wprost, ale kierunek podpowiada charakter zapytań, na które odpowiadały cytowane materiały. Były to pytania o porównania, alternatywy, przypadki użycia oraz funkcje i integracje, czyli o rzeczy sprawdzalne.
- Liczby zamiast przymiotników. „Skalowalny” nie odpowiada na żadne pytanie. „Do 500 użytkowników w planie Business, limit 2 mln rekordów” już tak.
- Pełna lista integracji na stronie, nie w PDF. Jeśli model ma potwierdzić, że narzędzie łączy się z konkretnym systemem, musi ten fakt znaleźć w treści HTML.
- Ceny widoczne bez formularza. Zapytania zakupowe stanowiły 10,5% zestawu promptów, a cennik ukryty za kontaktem z działem sprzedaży jest dla modelu po prostu nieobecny.
- Jawnie nazwane przypadki użycia. Skoro co piąty prompt dotyczył zastosowania, strona powinna wprost opisywać, dla jakiego typu zespołu i jakiego problemu produkt powstał.
- Data ostatniej aktualizacji. Przy pojedynczym zrzucie danych trudno to zweryfikować, ale świeżość pozostaje jednym z sygnałów, na które systemy wyszukiwania reagują.
To nie jest lista wymyślona pod modele językowe. Każdy z tych punktów poprawia też stronę dla człowieka, który porównuje dostawców w otwartych kartach przeglądarki. Różnica polega na tym, że wcześniej brak tych informacji kosztował konwersję, a teraz kosztuje dodatkowo obecność w odpowiedzi, której użytkownik może nawet nie zweryfikować dalej.
Czego badanie nie mierzy
Najpoważniejsze ograniczenie autorzy formułują sami: cytowanie nie jest wynikiem biznesowym. Bycie przywołanym przez model to nie to samo, co bycie przeczytanym, klikniętym czy przekonwertowanym. W zbiorze nie ma żadnego połączenia z pipeline’em ani przychodem, więc z 24,1% nie da się wyprowadzić żadnej prognozy sprzedaży.
To rozróżnienie ma praktyczne znaczenie dla raportowania. Udział w cytowaniach jest metryką widoczności, a nie efektu, i powinien być zestawiany z realnym ruchem oraz jego wartością. Jak taki pomiar poskładać po stronie analityki, opisaliśmy w tekście o atrybucji ruchu z AI.
Co dalej
Najbliższe miesiące powinny przynieść dwie rzeczy. Po pierwsze, rozbicie na platformy, którego w tym zestawieniu zabrakło. To pytanie o realnej wadze, bo Perplexity, ChatGPT i Gemini różnią się sposobem doboru źródeł i sensownie jest zakładać, że różnią się też strukturą cytowań. Po drugie, powtórzenie pomiaru w czasie, które pokaże, czy przewaga stron produktowych jest stabilna, czy była zdjęciem jednego tygodnia.
Do tego czasu rozsądna reakcja nie polega na przebudowie strategii, tylko na przesunięciu akcentów. Jeśli zespół ma ograniczone zasoby, kolejność wynikająca z tych danych jest dość czytelna: najpierw uzupełnić stronę produktową o twarde, cytowalne parametry, potem zbudować lub odświeżyć treści porównawcze, następnie doprowadzić do porządku profile w katalogach branżowych, a dopiero na końcu wracać do kanałów społecznościowych, traktując je jako narzędzie budowania rozpoznawalności wyżej w lejku.
Warto też przyjąć ostrożne założenie interpretacyjne. Badanie opisuje jedną, wąską fazę ścieżki zakupowej w jednym segmencie rynku. Nie mówi, że społeczności przestały mieć znaczenie w wyszukiwaniu AI. Mówi, że w momencie, w którym kupujący porównuje konkretnych dostawców, model najczęściej sięga po to, co dostawca sam o sobie napisał. Dla marketingu jest to informacja o odzyskanej sprawczości, ale też o odzyskanej odpowiedzialności.
FAQ
Czy to znaczy, że Reddit przestał się liczyć w wyszukiwaniu AI?
Nie. Badanie mierzy wyłącznie fazę porównywania dostawców i celowo pomija zapytania informacyjne, w których społeczności wypadają dużo mocniej. Autorzy dodają, że te wątki z Reddita, które w ogóle się pojawiły, były cytowane średnio intensywniej. Wniosek dotyczy etapu ścieżki, a nie wartości kanału jako takiego.
Na jakiej próbie oparto wyniki?
Na 7387 cytowaniach zebranych narzędziem Peec AI dla zestawu promptów odwzorowujących zapytania porównawcze. Liczba samych promptów jest podawana rozbieżnie: 170 według korekty przekazanej Search Engine Journal, 220 według tabeli na stronie badania. Firmy pochodziły z czterech branż B2B: fintech, zabezpieczenia fizyczne, hotelarstwo i automatyzacja IT.
Czy wyniki przełożą się na e-commerce?
Nie ma na to podstaw. Autorzy sami zaznaczają, że próba obejmuje wyłącznie B2B SaaS i usługi profesjonalne oraz że nie jest losowa. W handlu konsumenckim recenzje wideo i opinie użytkowników pełnią inną funkcję zakupową, więc rozkład cytowań może być zupełnie odmienny.
Od czego zacząć, jeśli chcę być częściej cytowany przez asystentów AI?
Od strony produktowej. Powinna zawierać jednoznaczne, weryfikowalne dane: ceny, limity, listę integracji, wymagania wdrożeniowe. Kolejny krok to treści porównawcze, które w badaniu przyciągały 1,33x więcej cytowań, niż wynikałoby z ich udziału w zapytaniach. Trzeci to aktualne profile w katalogach typu G2 czy Capterra, warte 7,2% cytowań.
Czy większy udział w cytowaniach oznacza większą sprzedaż?
Badanie tego nie sprawdza i autorzy wyraźnie to zastrzegają. Cytowanie nie jest równoznaczne z odczytaniem, kliknięciem ani konwersją, a w zbiorze nie ma danych o pipeline czy przychodzie. Udział w cytowaniach należy traktować jako metrykę widoczności i zestawiać ją z rzeczywistym ruchem oraz jego wartością.