Dane o obecności marki w odpowiedziach modeli AI mają specyficzny problem: niemal zawsze mieszkają w arkuszu, który ktoś uzupełnia ręcznie albo skryptem. Obok stoją dwa systemy z innej ligi: GA4 i Search Console, podłączane do Looker Studio jednym klikiem. Raport widoczności w AI powstaje dokładnie tam, gdzie te trzy źródła trzeba pogodzić.
Poniżej praktyczny układ takiego raportu: co do niego trafia, jak łączyć dane bez psucia liczb i jak rozłożyć strony. Jeśli równolegle porządkujesz warstwę pomiarową, zacznij od pomiaru bez cookies w 2026, bo raport jest tylko tak dobry, jak dane, które do niego wpływają.
Jakie dane trafiają do raportu
Widoczność w AI nie jest jedną metryką. Raport obsługuje cztery warstwy, które łatwo pomylić, a których nie wolno sumować.
- Cytowania: konkretny URL naszej domeny pojawił się jako źródło w odpowiedzi modelu.
- Wzmianki bez linku: model wymienia markę, ale nie podaje adresu. Dla świadomości marki to sygnał wartościowy, dla ruchu bezwartościowy.
- Ruch z modeli: sesje w GA4 przychodzące z domen asystentów, rozpoznawane po źródle odesłania.
- Baza odniesienia z GSC: wyświetlenia i kliknięcia dla tych samych adresów w klasycznym wyszukiwaniu.
Pierwsze dwie warstwy zbieramy własnym procesem, dwie kolejne pochodzą z gotowych złączy. Ta asymetria determinuje architekturę raportu: tylko arkusz możemy modelować tak, jak chcemy.
Minimalny zestaw kolumn w arkuszu
| Kolumna | Typ | Po co |
|---|---|---|
| data | Data | Oś czasu, filtr zakresu, łączenie z GA4 |
| zapytanie | Tekst | Prompt, który sprawdzamy |
| model | Tekst | Wymiar do podziału wyników |
| typ_wyniku | Tekst | cytowanie, wzmianka, brak |
| url_zrodla | URL | Klucz łączenia z GSC i GA4 |
| konkurent | Tekst | Kto jeszcze był cytowany przy tym zapytaniu |
Kluczowa decyzja zapada tutaj, nie w Looker Studio: jeden wiersz to jedna obserwacja (zapytanie, model, data). Arkusze, w których jeden wiersz trzyma zliczenia dla pięciu modeli w pięciu kolumnach, są czytelne dla człowieka i bezużyteczne jako źródło danych: model nie jest wtedy wymiarem, więc nie da się nim filtrować ani grupować.
Arkusz jako źródło cytowań i wzmianek
Po podłączeniu arkusza przez złącze Google Sheets pierwszą czynnością jest naprawa typów pól. Looker Studio zgaduje je z pierwszych wierszy i regularnie się myli: daty tekstowe zostają tekstem, a puste komórki potrafią przestawić całą kolumnę liczbową na tekst.
- Zakres nazwany, nie cały arkusz. Dodanie kolumny pomocniczej z boku nie zepsuje wtedy schematu.
- Daty jako prawdziwe daty. Format ISO i typ Data w arkuszu. Bez tego filtr zakresu dat nie obejmie tego źródła, a raport pokaże niespójne okresy na różnych stronach.
- Pole wyliczane zamiast poprawek w arkuszu. Wskaźnik definiuj w Looker Studio:
CASE WHEN typ_wyniku = "cytowanie" THEN 1 ELSE 0 END, potem suma. Logika przeżyje wymianę arkusza.
Warto od razu dodać pole url_znormalizowany, które sprowadza adresy do jednej postaci (bez parametrów, bez ukośnika na końcu, małe litery). Będzie kluczem łączenia, a klucz musi być identyczny po obu stronach, znak w znak.
Połączenie z GA4: ruch z modeli AI
GA4 nie ma kanału o nazwie AI. Sesje z asystentów wpadają w Referral albo, częściej niż się przyjmuje, w Direct, bo część klientów nie przekazuje nagłówka odesłania. To ograniczenie trzeba nazwać w raporcie, zamiast je maskować.
Praktycznie: w GA4 zbuduj grupę kanałów na podstawie źródła odesłania i wymień w niej domeny asystentów, które widzisz w danych. Listę traktuj jak żywy dokument, bo zmienia się co kwartał. W Looker Studio nazwij tę metrykę ruchem rozpoznanym z modeli i zaznacz, że jest to dolna granica.
Na tej stronie sprawdzają się trzy widgety: sesje w czasie z podziałem na źródło, strony docelowe oraz zaangażowanie wobec średniej witryny. Ostatni bywa najciekawszy, bo ruch z asystentów przychodzi z konkretną intencją.
Jeśli warstwa zgody nie jest poukładana, część tych sesji nie zostanie zliczona. Wdrożenie opisaliśmy w tekście o Consent Mode v2 w Google Tag Managerze na WordPressie; bez tego liczby z GA4 zaniżają skalę.
Search Console jako punkt odniesienia
GSC odpowiada tu na jedno pytanie: czy adresy cytowane przez modele radzą sobie także w klasycznym wyszukiwaniu. Złącze oferuje dwa typy tabel. Site Impression agreguje na poziomie witryny i nie ma wymiaru strony. URL Impression ma wymiar strony, więc tylko ona nadaje się do łączenia z arkuszem.
Dochodzi do tego mechanika samego GSC: gdy do zapytania dołożysz wymiar zapytania, część kliknięć zostaje ukryta z powodu progów prywatności. Tabela z podziałem na zapytania i stronę pokazuje więc mniej kliknięć niż tabela samych stron. To nie błąd raportu, tylko właściwość źródła, ale niewyjaśniona generuje najwięcej pytań klienta. Dostępne wymiary opisuje dokumentacja Search Console API.
Drugi szczegół to postać adresów. GSC zwraca URL kanoniczny w formie, którą serwuje witryna. Jeśli witryna przekierowuje adresy z ukośnikiem na wersję bez niego, a w arkuszu masz je z ukośnikiem, klucz łączenia nie zadziała i połowa raportu pokaże pustki.
Blendy danych i ich pułapki
Łączenie danych w Looker Studio jest wygodne i dokładnie dlatego niebezpieczne. Trzy pułapki powtarzają się w niemal każdym takim raporcie.
Zła relacja łączenia
Domyślne łączenie left outer z arkuszem po lewej stronie zostawia wszystkie cytowania i dokłada dane GSC tam, gdzie jest dopasowanie. To zwykle właściwy wybór. Odwrotna kolejność daje raport o wszystkich stronach witryny z rzadkimi wstawkami o cytowaniach, czyli coś innego niż zamówił klient.
Zwielokrotnione metryki
Najkosztowniejszy błąd. Jeśli arkusz ma trzy wiersze dla jednego URL (trzy modele), a GSC jeden wiersz z 400 wyświetleniami, po połączeniu zobaczysz 1200 wyświetleń. Liczba jest fałszywa, a wygląda wiarygodnie. Zabezpieczenia są dwa: łącz na poziomie już zagregowanym (arkusz zwinięty do jednego wiersza na URL i datę) albo w widżetach z metrykami GSC nie używaj wymiaru modelu. Najbezpieczniejszy jest układ, w którym metryki z różnych źródeł stoją w osobnych widżetach, a połączenie służy wyłącznie do tabeli porównawczej.
Niedopasowane zakresy dat
GSC ma opóźnienie dwóch, trzech dni, GA4 kilka godzin, arkusz jest aktualny na moment ostatniego uzupełnienia. Przy wspólnym filtrze ostatnie 7 dni trzy źródła pokażą trzy różne okresy, a klient policzy różnicę. Ustaw domyślny zakres na 28 dni z przesunięciem o 3 dni i dopisz w stopce datę odświeżenia każdego źródła.
Układ stron raportu dla klienta
Pięć stron wystarcza, a każda odpowiada na jedno pytanie. Kolejność idzie od wniosku do szczegółu, bo tylko pierwszą stronę czyta każdy odbiorca.
- Podsumowanie. Cztery kafle: udział cytowań, liczba cytowań, sesje rozpoznane z modeli, kliknięcia z GSC dla tego samego zestawu adresów. Pod nimi wykres liniowy z udziałem cytowań w czasie.
- Zapytania. Tabela zapytań z typem wyniku i modelem, posortowana po tych bez cytowania. Ta strona pokazuje, co jest do zrobienia.
- Strony. Tabela URL z liczbą cytowań, sesjami i kliknięciami obok siebie. Tu ujawnia się rozjazd: adresy cytowane przez modele, a niewidoczne w wyszukiwarce, i odwrotnie.
- Konkurencja. Udział cytowań naszej domeny wobec konkurentów przy tych samych zapytaniach. Najmocniejsza strona w rozmowie handlowej i najczęściej pomijana.
- Metodologia. Ile zapytań sprawdzamy, jak często, które modele, co znaczy każda metryka i czego raport nie mierzy.
Ostatnia strona wygląda na formalność, a jest jedyną obroną przed pytaniem, dlaczego ta liczba jest inna niż u nas. Nie wkładaj natomiast do raportu pozycji w odpowiedzi modelu jako wskaźnika trendu (zbyt zmienna między uruchomieniami tego samego promptu) ani wskaźnika zbudowanego na mniej niż 30 zapytaniach: przy małej próbce jedna zmiana w modelu przesuwa wynik o kilkadziesiąt procent.
Jak taka praca wygląda od strony efektu, a nie samego pomiaru, pokazuje case wzrostu cytowań w Perplexity po przebudowie sekcji FAQ.
Automatyczne odświeżanie i wysyłka
Looker Studio buforuje dane, a częstotliwość odświeżania ustawia się osobno dla każdego źródła: arkusz co 15 minut, GA4 co 4 godziny, GSC co 12 godzin. Częściej nie ma sensu, bo źródła aktualizują się rzadziej niż raport pyta.
Harmonogram dostarczania wysyła PDF w cyklu tygodniowym lub miesięcznym. Dwie rzeczy zawodzą tu najczęściej:
- Zakres dat ustawiony na stałe zostaje utrwalony w harmonogramie. Filtr musi być względny, inaczej klient co miesiąc dostaje ten sam okres.
- PDF renderuje tylko to, co widać bez przewijania, a tabele obcina. Strony projektuj pod jeden ekran.
Uzupełnianie arkusza też da się zautomatyzować: skrypt dopisuje wiersze dla stałej listy zapytań. Ręczną czynnością zostaje kwartalny przegląd tej listy.
Podsumowanie
Raport widoczności w AI w Looker Studio stoi na trzech decyzjach podjętych przed otwarciem narzędzia: jeden wiersz na obserwację w arkuszu, znormalizowany URL jako klucz oraz świadomość, że połączenia mnożą metryki. Reszta to układanie widżetów. Bez tych trzech rzeczy raport będzie pokazywał liczby, których nikt nie umie obronić.
FAQ
Czy da się zbierać dane o cytowaniach w AI bez arkusza?
Tak, przez własną bazę danych albo złącze narzędzia monitorującego. Arkusz wygrywa na starcie, bo nie wymaga infrastruktury i pozwala szybko zmieniać strukturę danych. Przy kilkuset zapytaniach dziennie i historii dłuższej niż rok warto przejść na BigQuery, głównie z powodu szybkości raportu.
Dlaczego liczba kliknięć w moim raporcie jest mniejsza niż w Search Console?
Najczęściej dlatego, że widżet ma wymiar zapytania. Search Console ukrywa wtedy część kliknięć z powodu progów prywatności i suma jest niższa. Sumaryczną liczbę kliknięć pokazuj zawsze w widżecie bez podziału na zapytania.
Jak często sprawdzać zapytania w modelach?
Tygodniowo dla stałego zestawu 50 do 150 zapytań to rozsądny kompromis między kosztem i czytelnością trendu. Codzienne sprawdzanie daje dużo szumu, bo odpowiedzi modeli różnią się między uruchomieniami nawet bez zmian na stronie. Ważniejsza od częstotliwości jest stałość listy zapytań: zmiana zestawu zeruje możliwość porównań.
Czy ruch z asystentów AI widać w GA4?
Częściowo. Sesje z linków klikniętych w interfejsie webowym zwykle przychodzą z rozpoznawalnym źródłem odesłania, ale ruch z aplikacji mobilnych i część sesji z desktopu trafiają do Direct. Metrykę traktuj jako dolną granicę i zapisz to w metodologii raportu.