Treści, które cytują asystenci AI: co je łączy

Co łączy treści cytowane przez AI: odpowiedź w skrócie

Badania nad cytowaniami w odpowiedziach AI dają kilka spójnych wniosków. Żaden z nich nie jest gwarancją, bo modele i ich sposób wyboru źródeł zmieniają się co kilka miesięcy. Wszystkie wskazują jednak na podobny profil tekstu, który asystent chętnie przywołuje:

• zawiera konkretne liczby, daty i nazwy, a nie ogólniki,
• odwołuje się do źródeł i ekspertów,
• jest aktualny i ma widoczną datę,
• ma sekcje, z których da się wyjąć samodzielny fragment,
• wnosi coś, czego nie ma na innych stronach: własne dane, doświadczenie, procedurę,
• pochodzi z domeny, o której marce mówi się także w innych miejscach sieci.

Szerszy kontekst, w tym kwestie techniczne i pomiar, opisujemy w przewodniku GEO, czyli optymalizacja pod wyszukiwarki AI. Tutaj skupiamy się na samej treści.

Fakty, cytaty i źródła: co mówi badanie GEO

Zespół z Princeton i IIT Delhi sprawdził na 10 000 zapytaniach, jak dziewięć sposobów przeredagowania tekstu wpływa na jego obecność w odpowiedzi modelu. Najlepiej wypadły trzy metody: dodanie statystyk, dodanie cytatów z wypowiedzi lub dokumentów oraz powołanie się na wiarygodne źródła. Poprawiały one widoczność o około 40% względem tekstu wyjściowego. Upychanie słów kluczowych dało wynik gorszy niż brak zmian.

Wniosek jest prosty: model szuka w tekście materiału, który może przekazać dalej jako fakt. Zdanie „ceny reklam rosną” nic mu nie daje. Zdanie z liczbą, datą i nazwą źródła jest gotowym fragmentem odpowiedzi. Badacze zastrzegli przy tym, że skuteczność metod różniła się między dziedzinami, więc warto testować je na własnych tematach, a nie stosować mechanicznie.

Świeżość: jak stare są cytowane strony

Ahrefs przeanalizował niemal 17 mln adresów cytowanych przez ChatGPT, Perplexity, Gemini, Copilot i AI Overviews i porównał je ze stronami z organicznych wyników Google. Cytowane przez asystentów strony miały średnio 1064 dni od publikacji, a strony z wyników organicznych 1432 dni. To różnica 25,7% na korzyść świeższych treści.

Dwa szczegóły są ważne. Po pierwsze, AI Overviews jako jedyne nie preferowały świeższych treści, co pasuje do tego, że opierają się na systemach rankingowych Google. Po drugie, średni cytowany adres i tak miał prawie trzy lata. Świeżość pomaga, ale nie wypiera dobrego, starszego tekstu. Jak odświeżać artykuły tak, żeby aktualizacja coś wnosiła, opisujemy w tekście o aktualizacji starych artykułów.

Czy pozycja w Google decyduje o cytowaniu

Jeszcze w lipcu 2025 r. Ahrefs liczył, że około 76% adresów cytowanych w AI Overviews pochodzi z pierwszej dziesiątki wyników dla danego zapytania. W badaniu z marca 2026 r., opartym na 863 tys. wyników wyszukiwania i 4 mln adresów z AI Overviews, ten udział spadł do około 38%. Około 31% cytowań pochodziło spoza pierwszej setki wyników.

Autorzy tłumaczą to rozgałęzieniem zapytania (query fan-out): Google rozbija pytanie na podtematy i szuka źródeł także dla nich. Strona może więc zostać zacytowana, bo najlepiej odpowiada na jeden wątek, nawet jeśli nie rankuje na główną frazę. To dobra wiadomość dla mniejszych serwisów, które mają szczegółowe, wyczerpujące treści na wąskie tematy. Sposób planowania takich treści opisujemy w artykule o klastrze tematycznym i stronie filarowej.

Jakie domeny asystenci cytują najczęściej

Semrush śledził przez 13 tygodni, od lipca do października 2025 r., ponad 230 tys. promptów i ponad 100 mln cytowań w ChatGPT, Trybie AI i Perplexity. Reddit i LinkedIn znalazły się w pierwszej piątce najczęściej cytowanych domen na wszystkich trzech platformach. W ChatGPT udział odpowiedzi z cytatem z Reddita spadł w tym czasie z blisko 60% do około 10%, a z Wikipedii z około 55% do poniżej 20%. Tryb AI wyraźnie częściej sięgał po domeny Google, w tym YouTube.

Z tych danych płyną dwa wnioski. Po pierwsze, listy „najczęściej cytowanych domen” zmieniają się z tygodnia na tydzień, więc nie warto budować strategii na jednym rankingu. Po drugie, asystenci chętnie sięgają po treści tworzone przez ludzi na platformach społecznościowych i forach. Firma B2B, której eksperci regularnie publikują merytoryczne wpisy na LinkedInie, zostawia ślad, który model może przywołać. Jak prowadzić taki profil, piszemy w tekście LinkedIn dla firm w 2026 roku.

Struktura, z której łatwo wyjąć fragment

Microsoft opisał w październiku 2025 r., jak asystent Binga przetwarza stronę: dzieli ją na mniejsze fragmenty, ocenia każdy z nich i składa odpowiedź z kawałków pochodzących z wielu źródeł. Z tego wynikają zalecenia:

1. Nagłówki jak tytuły rozdziałów. „Ile kosztuje wdrożenie” mówi więcej niż „Dowiedz się więcej”.
2. Odpowiedź od razu pod pytaniem. Jedno lub dwa zdania, które mają sens po wyjęciu z kontekstu.
3. Listy i tabele. Porównania i kroki procedury model może przenieść niemal bez zmian.
4. Konkret zamiast przymiotników. „Innowacyjny” czy „ekologiczny” bez wyjaśnienia nic nie znaczy dla modelu.
5. Ważne treści w HTML. Informacje ukryte w zakładkach, plikach PDF czy na grafikach mogą nie zostać odczytane.

Google ujmuje sprawę ostrożniej. W przewodniku z lipca 2026 r. zaznacza, że nie trzeba dzielić treści na fragmenty pod AI, nie ma idealnej długości strony, a systemy rozumieją synonimy i intencję. Oba stanowiska się nie wykluczają. Przejrzysta struktura służy czytelnikowi i ułatwia pracę każdemu systemowi. Nie zastąpi jednak treści, która ma coś do powiedzenia.

Doświadczenie, którego nie da się skopiować

Google zaleca treści „nietowarowe”, czyli takie, które wnoszą własny wgląd: doświadczenie z pierwszej ręki, perspektywę eksperta, dane, których nie ma gdzie indziej. To ważne, bo model zna już ogólną wiedzę z treningu. Strona, która ją powtarza, nie daje mu powodu, by ją wskazać jako źródło.

Co może być takim wkładem w firmie, która nie prowadzi badań naukowych?

• cennik lub widełki kosztów z opisem, od czego zależą,
• procedura krok po kroku z typowymi błędami, które widzi zespół,
• dane z własnej działalności, np. sezonowość zamówień czy najczęstsze pytania klientów,
• zestawienie danych publicznych, uporządkowane dla konkretnej branży.

Źródła takich danych opisujemy w tekście o danych publicznych o rynku, a sposób pokazywania kompetencji autora w artykule o E-E-A-T w praktyce.

Przykład: jak przerobić akapit pod odpowiedź AI

Poniższy przykład jest modelowy: fikcyjna firma wdrażająca sklepy internetowe. Liczby w tabeli są ilustracją, w prawdziwym tekście wpisz własne dane. Przykład pokazuje kierunek zmian, a nie gwarantowany efekt.

Wersja „po” odpowiada wprost na pytanie, podaje liczby z zaznaczeniem ich charakteru i daje się zacytować w jednym zdaniu. Przy pisaniu takich tekstów z pomocą narzędzi AI trzeba pilnować, by liczby pochodziły z rzeczywistych danych, o czym piszemy w tekście o copywritingu z AI.

Dlaczego dobra treść mimo to nie jest cytowana

Zdarza się, że tekst spełnia wszystkie powyższe warunki, a asystent i tak go pomija. Zanim zaczniesz przepisywać treść, sprawdź przyczyny, które nie mają nic wspólnego z jej jakością.

• Robot nie ma dostępu do strony. Wyszukiwarka ChatGPT korzysta z robota OAI-SearchBot. Jeśli blokuje go robots.txt albo zapora na serwerze, model nie przeczyta treści. Konfigurację opisujemy w tekście o botach AI i pliku robots.txt.
• Strona nie może mieć fragmentu opisu. Google pokazuje w funkcjach AI tylko strony zaindeksowane i kwalifikujące się do wyświetlenia z fragmentem. Dyrektywa nosnippet wyklucza je z cytowań.
• Kluczowe informacje są ukryte. Cennik w PDF-ie, tabela na grafice albo odpowiedź w zwiniętej zakładce mogą nie zostać odczytane.
• Tekst odpowiada na inne pytanie niż to, które zadaje klient. Artykuł o „trendach w e-commerce” rzadko trafi do odpowiedzi na pytanie „ile kosztuje sklep internetowy”.
• Marka jest nieobecna poza własną stroną. Jeśli nikt inny nie wspomina o firmie, model ma mało powodów, by uznać ją za źródło w danym temacie.

Jak sprawdzić, czy zmiany działają

Najprostsza metoda to stała lista pytań, które zadajesz asystentom przed zmianą i kilka tygodni po niej. Notuj, czy strona jest cytowana, które jej fragmenty model przytacza i jakie inne źródła wybiera. Odpowiedzi różnią się między sesjami, więc każde pytanie warto zadać kilka razy. Metody i narzędzia opisujemy w artykule jak mierzyć widoczność marki w ChatGPT, Gemini i Perplexity.

Gdy cytowań przybywa, a ruchu nie, nie oznacza to porażki. Część użytkowników zadowala się odpowiedzią, a marka i tak zostaje w ich pamięci. Jak firmy oceniają taki efekt, opisujemy w tekście Klient nie klika w wyniki.