Śledzenie widoczności w AI: dlaczego jeden pomiar myli

Śledzenie widoczności w AI jest bardziej zaszumione, niż przyznaje większość dashboardów. Nowy preprint National University of Singapore wykazał, że wyniki Google plus API OpenAI odtworzyły tylko 26,2% konkretnych stron, które ChatGPT faktycznie zacytował. Jeden odczyt niczego nie dowodzi, dlatego traktuj widoczność w AI jak rozkład i zestawiaj ją z wynikami biznesowymi.

Najważniejsze wnioski

• Narzędzia oparte na API lub wynikach Google SERP wychwytują około 26% cytowanych stron, ale około 49% domen. Śledź oba poziomy.
• Uruchamiaj każdy prompt wielokrotnie (w badaniu 20 razy), bo 44,5% unikalnych stron pojawiło się tylko raz.
• Mierz osobno wzmianki i cytowania, ponieważ łączony wynik ukrywa przyczynę zmiany.
• Widoczność to nie ruch: AI Overview obniża CTR najwyższego wyniku o 58%.
• Po każdej zmianie modelu podchodź do danych historycznych z ostrożnością.

Dlaczego pojedynczy odczyt widoczności w AI wprowadza w błąd

Preprint, opisany przez Search Engine Journal, testował modele od GPT-5.2 do GPT-5.5 Instant. ChatGPT nigdy nie wyszukiwał dokładnie tym sformułowaniem, którego użył użytkownik. Zawsze przepisywał pytanie własnymi słowami, a w 67-70% uruchomień z zapytaniami po chińsku przełączał się na angielski.

Większym problemem jest wariancja. 44,5% unikalnych stron pojawiło się tylko w jednym z 20 uruchomień. Po przejściu na GPT-5.5 Sistrix odnotował wahania niemieckich cytowań o 47%, przy normalnych 1-2%.

Wniosek praktyczny: pojedynczy snapshot to anegdota. Potrzebujesz częstotliwości, czyli informacji, jak często Twoja marka pojawia się w powtarzanych uruchomieniach.

Co narzędzia do śledzenia widzą, a czego nie

Google plus API wychwyciły 26,2% stron, ale 48,7% domen (subdomeny liczone osobno). Śledzenie potrafi więc z grubsza powiedzieć, które serwisy AI cytuje, ale nie jest wiarygodne w kwestii tego, które adresy URL.

Równie ostrożnie podchodź do klasycznych rankingów. Badanie Ahrefs, streszczone przez Search Engine Journal, wykazało, że tylko 37,1% adresów URL cytowanych w AI Overviews rankuje też w top 10. Kolejne 26,2% znajduje się na pozycjach 11-100, a 36,7% poza top 100. Query fan-out wciąga treści, których śledzenie pozycji na Twoich głównych frazach w ogóle nie obejmuje.

A schema? Cytowane strony miały JSON-LD trzy razy częściej, jednak jego dodanie nie zmieniło istotnie liczby cytowań (AI Mode +2,4%, ChatGPT +2,2%, AI Overviews -4,6%). Znaczniki nadal mają znaczenie dla agentów i wyników rozszerzonych, ale nie oczekuj, że same kupią Ci cytowania. 10 najlepszych praktyk SEO od Semrush słusznie kładzie większy nacisk na autorytet tematyczny i jasną intencję każdej strony.

Wzmianki, cytowania i realny wpływ na biznes

Jeden wynik łączy rzeczy różnego rodzaju. Wzmianka bez cytowania to obecność bez uznania. Cytowanie bez wzmianki to źródło bez kontekstu. Gdy je zmieszasz, nie dowiesz się, dlaczego liczba się zmieniła.

Ważniejsze jest pytanie, co z tego masz. AI Overview obniża CTR najlepiej rankującego wyniku o 58%. Marka może rosnąć w odpowiedziach AI i jednocześnie tracić kliknięcia.

Przydatne ramy podaje tekst The Generative AI Report Sucks. Raport Generative AI w Search Console pokazuje tylko wyświetlenia, więc autor proponuje wskaźnik AI Commercial Exposure = (V × S × T × C)^(1/4):

• V: widoczność w AI z GSC
• S: substytucja przez AI Overview na podstawie danych SERP
• T: zależność od ruchu organicznego z GA4
• C: wartość komercyjna (przychód, konwersje)

Znormalizuj wszystko do skali 0-100 i licz według podkatalogów (/news/, /blog/, /products/). Eksport z GSC na poziomie strony jest ograniczony do 1000 wierszy, więc w większych serwisach to tylko próbka. Wysoka widoczność znaczy niewiele, jeśli treść nie ma wartości komercyjnej lub nie zależy od ruchu organicznego.

Praktyczny sposób na rzetelny pomiar widoczności w AI

1. Powtarzaj prompty. Uruchamiaj każdy kluczowy prompt dziesiątki razy i zapisuj odsetek uruchomień, w których pojawiła się Twoja marka.
2. Licz na dwóch poziomach. Domeny dla trendu, adresy URL tylko jako zgrubny sygnał.
3. Rozdziel wzmianki i cytowania. Dwie metryki, dwa wykresy.
4. Buduj prompty z prawdziwego języka. Wątki na Reddicie, rozmowy sprzedażowe, pytania klientów. Model i tak przepisuje zapytanie, więc pokrywaj warianty semantyczne zamiast jednej frazy long tail.
5. Powiąż to z przychodem. GSC, GA4 i dane komercyjne na poziomie podkatalogów. W logach serwera rozdzielaj boty treningowe, wyszukujące i pobierające, bo każdy sygnalizuje inny rodzaj popytu.
6. Zresetuj punkt odniesienia po zmianie modelu. Starsze dane niewiele mówią o nowym zachowaniu.

Jeśli wolisz nie sklejać tego w arkuszach, Charlie łączy te warstwy w jednym miejscu, a specjaliści AI pomagają w analizie.

Gdzie pasują nowe narzędzia pomiarowe Google

Śledzenie widoczności w AI to połowa pracy. Drugą połową jest wykazanie wpływu. W ogłoszeniu nowych narzędzi Google podaje średni wzrost przyrostowego ROAS o 26% dla reklamodawców, którzy połączyli dane offline i z aplikacji przez Data Manager, oraz wzrost konwersji w Search o 11% dzięki rozszerzonym konwersjom. To liczby Google, więc zweryfikuj je na własnych danych.

Najbardziej użyteczny element to Meridian GeoX, dostępny już globalnie do przyczynowych eksperymentów geograficznych. Jeśli AI ogranicza kliknięcia, test geograficzny pokaże, czy spadek widać w przychodach, a nie tylko w dashboardzie.

Podsumowanie

Widoczność w AI to statystyka, nie fakt. Mierz ją wielokrotnie, na poziomie domen i adresów URL, oddzielaj wzmianki od cytowań i zawsze zestawiaj z kliknięciami i przychodem. Dopiero wtedy staje się decyzją budżetową.