Jak mierzyć widoczność marki w ChatGPT, Gemini i Perplexity: metody i narzędzia

Co właściwie mierzyć

„Widoczność w AI” to kilka różnych zjawisk. Marka może pojawić się w odpowiedzi jako rekomendacja, ale bez linku. Strona może zostać zacytowana jako źródło, choć nazwa firmy nie pada w tekście. Asystent może też wspomnieć markę w złym kontekście albo z nieaktualnymi danymi. Dlatego zanim wybierzesz narzędzie, ustal, które z tych zjawisk Cię interesują.

Pierwsze pięć wskaźników wymaga zadawania asystentom pytań. Ostatni opiera się na danych, które zbierasz i tak. Najlepszy obraz daje połączenie obu grup, co opisujemy niżej. Kontekst strategiczny, czyli po co w ogóle zabiegać o obecność w odpowiedziach, znajdziesz w przewodniku GEO, czyli optymalizacja pod wyszukiwarki AI.

Jakie dane udostępniają same platformy

Oficjalnych danych jest niewiele, ale są najbardziej wiarygodne, bo pochodzą od operatorów asystentów.

Raport Google zaczął działać testowo w Wielkiej Brytanii w czerwcu 2026 r., a od 31 sierpnia 2026 r. jest dostępny dla wszystkich witryn na świecie. Brak kliknięć to jego największe ograniczenie. Wyświetlenia pozwalają jednak sprawdzić, które podstrony najczęściej trafiają do odpowiedzi AI i czy ich liczba rośnie po zmianach w treściach. Jak Tryb AI wpływa na ruch, opisujemy w tekście Tryb AI w Google w Polsce.

Jak wydzielić ruch z asystentów w analityce

OpenAI podaje, że ChatGPT automatycznie dodaje parametr utm_source=chatgpt.com do linków, w które klikają użytkownicy. Warunek jest jeden: strona nie może blokować robota OAI-SearchBot. Pozostałe asystenty rozpoznasz zwykle po domenie odsyłającej, np. perplexity.ai, gemini.google.com czy copilot.microsoft.com.

1. Utwórz w analityce osobną grupę kanałów „Asystenci AI” na podstawie źródła ruchu i domen odsyłających.
2. Sprawdź, na które strony trafiają te wizyty. Często są to inne podstrony niż te, które przyciągają ruch z Google.
3. Porównaj współczynnik konwersji z ruchem organicznym. Użytkownik, który przychodzi po rekomendacji asystenta, bywa bliżej decyzji.
4. Pamiętaj, że część wejść z asystentów może trafiać do kanału „bezpośredni”, gdy aplikacja nie przekaże informacji o stronie odsyłającej. Dane z analityki są więc wartością minimalną, a nie pełną.

Ruch z Trybu AI i AI Overviews jest w analityce nierozróżnialny od zwykłego ruchu organicznego z Google. Tu jedynym źródłem pozostaje Search Console. Szczegółową konfigurację raportów opisujemy w tekście o ruchu z AI w GA4.

Ręczny audyt odpowiedzi krok po kroku

Dane z platform nie powiedzą, czy ChatGPT poleca Twoją firmę, gdy klient pyta o najlepszego dostawcę. To trzeba sprawdzić samodzielnie. Poniższa procedura nie wymaga płatnych narzędzi.

1. Zbierz 30–50 pytań. Weź je z rozmów sprzedażowych, wyszukiwań w Search Console i pytań od klientów. Podziel je na etapy: poznanie problemu („jak…”), porównanie („co lepsze…”), wybór („jaka firma…”), pytania o markę („czy [marka] jest…”).
2. Wybierz platformy. Najczęściej ChatGPT, Gemini, Perplexity i Tryb AI w Google. Skala uzasadnia ten wybór: ChatGPT ma według OpenAI 900 mln użytkowników tygodniowo, a Tryb AI według Google ponad miliard miesięcznie.
3. Ujednolić warunki. Używaj nowej rozmowy bez historii, konta bez spersonalizowanej pamięci lub trybu bez logowania, tego samego języka i, gdzie to możliwe, tej samej lokalizacji.
4. Powtarzaj pytania. Każde pytanie zadaj co najmniej trzy razy. Odpowiedzi modeli różnią się między sesjami, a pojedyncza odpowiedź może być przypadkowa.
5. Notuj wyniki w arkuszu. Dla każdej odpowiedzi zapisz, czy pada marka, na której pozycji, czy jest link, jakie źródła cytuje asystent i czy informacje są poprawne.
6. Powtarzaj co miesiąc na tej samej liście pytań. Zmieniaj listę rzadko i świadomie, bo inaczej nie porównasz wyników.

Przykład modelowy arkusza audytu:

Kolumna „cytowane źródła” jest często najcenniejsza. Pokazuje, z jakich serwisów asystent bierze wiedzę o Twojej kategorii, a więc gdzie warto zadbać o obecność marki. Jakie cechy mają cytowane treści, opisujemy w tekście Treści, które cytują asystenci AI.

Narzędzia do monitorowania odpowiedzi AI

Ręczny audyt przestaje wystarczać przy kilkuset pytaniach lub kilku rynkach. Wtedy pomagają narzędzia, które automatycznie zadają pytania asystentom i zliczają wzmianki. Działają w trzech modelach: jako moduły w dużych pakietach SEO, jako wyspecjalizowane platformy do monitoringu AI oraz jako własne skrypty korzystające z API modeli. Część branżowych badań, które cytujemy na portalu, powstała właśnie na bazie takich zbiorów danych.

Nie publikujemy rankingu narzędzi, bo brakuje niezależnych porównań ich dokładności. Zamiast tego proponujemy listę pytań do dostawcy:

• Czy narzędzie odpytuje asystenta przez interfejs użytkownika, czy przez API? Odpowiedzi z API mogą się różnić od tych, które widzi klient w aplikacji.
• Czy uwzględnia wersję z wyszukiwaniem w sieci, z której korzysta większość użytkowników?
• Czy obsługuje język polski i lokalizację w Polsce?
• Ile razy zadaje każde pytanie i jak uśrednia wyniki?
• Czy pozwala wgrać własną listę pytań i porównać się z wybranymi konkurentami?
• Czy zapisuje pełne odpowiedzi i cytowane źródła, a nie tylko wynik liczbowy?
• Czy umożliwia eksport danych do własnych raportów?

Pomiar warto zautomatyzować także samodzielnie, np. agentem, który regularnie sprawdza odpowiedzi i wyniki konkurentów. Taki scenariusz opisujemy w tekście o agencie AI do monitoringu konkurencji.

Dlaczego jeden pomiar to za mało

Odpowiedzi asystentów i ich źródła zmieniają się szybko. Semrush śledził przez 13 tygodni ponad 230 tys. promptów. W tym czasie udział odpowiedzi ChatGPT z cytatem z Reddita spadł z blisko 60% do około 10%, a z Wikipedii z około 55% do poniżej 20%. Gdyby ktoś zmierzył widoczność tylko na początku sierpnia 2025 r., wyciągnąłby zupełnie inne wnioski niż we wrześniu.

Wniosek: oceniaj trendy z kilku miesięcy, a nie pojedyncze zrzuty ekranu. Jeśli widoczność spadła w jednym pomiarze, sprawdź najpierw, czy podobny spadek dotknął konkurentów. To może być zmiana po stronie modelu, a nie Twojej strony.

Wskaźniki pośrednie, które warto dodać

Część efektów obecności w AI widać poza samymi asystentami. Bain & Company zaleca, by obok kliknięć śledzić wyświetlenia i zasięg w AI oraz oceniać wpływ marki, a nie tylko bezpośrednie konwersje.

• Wzmianki o marce w sieci. W analizie Ahrefs 75 tys. marek to właśnie liczba wzmianek najmocniej korelowała z obecnością w AI Overviews. Ich monitoring opisujemy w tekście o social listeningu.
• Wyszukiwania nazwy marki. Jeśli klient poznał markę w odpowiedzi AI, może ją potem wpisać w Google.
• Odpowiedzi w ankiecie „skąd o nas wiesz”. Opcja „ChatGPT lub inny asystent AI” szybko pokaże, czy kanał przynosi klientów. Jak przygotować takie pytanie, wyjaśniamy w artykule o ankiecie „skąd o nas wiesz”.

Jak raportować widoczność w AI

Raport dla zarządu powinien mieścić się na jednej stronie i pokazywać trend, a nie surowe dane. Przykładowy zestaw:

Dane z kilku źródeł najłatwiej połączyć w jednym panelu, co pokazujemy w tekście o dashboardzie marketingowym w Looker Studio. Gdy liczba kliknięć z Google spada, a wzmianki w odpowiedziach rosną, taki raport pomaga wyjaśnić, że marka nie traci widoczności, tylko zmienia się miejsce, w którym klienci ją spotykają. Szerzej piszemy o tym w artykule Klient nie klika w wyniki.