Pozycjonowanie w AI (GEO, generative engine optimization) to optymalizacja, dzięki której modele językowe - ChatGPT, Gemini, Perplexity - wskazują i cytują markę w odpowiedziach. Budujemy encję marki, treści cytowalne i dostęp dla botów AI, a widoczność regularnie mierzymy. Zespół prowadzi Paweł Kunaszyk, w SEO od 2005 roku - projekt prowadzą osoby, które realnie wykonują pracę.
Czym jest pozycjonowanie w AI (GEO)
Klasyczne pozycjonowanie w Google walczy o pozycję na liście linków. Pozycjonowanie w AI walczy o coś innego - o to, żeby model wymienił markę w samej odpowiedzi, zanim użytkownik kliknie cokolwiek.
Modele nie czytają strony tak jak człowiek. Przyswajają ją jako sieć powiązań: encje (kto, co, marka), fakty o nich i kontekst. Dlatego o cytowaniu nie decyduje gęstość słów kluczowych, lecz to, jak wyraźnie i wiarygodnie marka jest opisana jako encja. GEO obejmuje dziś ChatGPT, Gemini, Perplexity, Copilot oraz AI Overviews w Google - a każdy z tych kanałów czerpie z trochę innych źródeł, więc strategia nie może być jedna dla wszystkich.
Czy AI poleca dziś Państwa markę?
Najczęściej - nie. Większość polskich firm w ogóle nie pojawia się w odpowiedziach modeli na pytania o ich własną branżę. Problem w tym, że tego nie widać w Google Analytics: użytkownik pyta ChatGPT „kto robi dobre X", dostaje trzy rekomendacje i to one wygrywają, a firma nawet nie dowiaduje się, że jej tam zabrakło.
Dobra wiadomość: to się sprawdza i mierzy. Punktem wyjścia jest audyt widoczności w AI - pokazuje, w ilu zapytaniach marka jest dziś cytowana (zwykle punktem wyjścia jest zero) i od czego zacząć. Sprawdzenie, czy AI poleca markę → bezpłatna konsultacja
Jak mierzymy widoczność w AI
To jest fundament całej pracy nad widocznością w AI.
Widoczność w AI da się policzyć - i dokładnie to robimy: udział marki w odpowiedziach modeli, mierzony w czasie.
Dla każdego klienta ustalamy zestaw priorytetowych zapytań - realnych pytań, które jego klienci zadają modelom. Następnie sprawdzamy, w ilu z tych odpowiedzi pojawia się marka (to udział w odpowiedziach, czyli share-of-voice) i w jakim kontekście - pozytywnym czy neutralnym. Pomiar powtarzamy regularnie, bo cytowania w AI rotują szybko: w skali miesiąca potrafi się zmienić 40-60% źródeł.
W efekcie powstaje nie obietnica, tylko liczba: punkt startowy i jego zmiana w czasie. Tak wygląda wycinek z realnego raportu - prowadzona przez nas klinika medyczna z Krakowa, 52 priorytetowe zapytania. Poniżej odsetek odpowiedzi, w których strona marki znalazła się wśród źródeł odpowiedzi (początek pomiaru wobec ostatniego odczytu):
| Silnik | maj 2026 | sierpień 2026 |
|---|---|---|
| ChatGPT | 21% | 35% |
| Gemini | 64% | 65% |
| Perplexity | 78% | 88% |
| Google AI Mode | pomiar od lipca | 37% |
Łącznie udział odpowiedzi z cytowaniem wzrósł w tym projekcie z 44% do 56%. Osobno liczymy wzmianki, czyli sytuacje, w których model wymienia markę w treści odpowiedzi, choć nie podaje jej strony jako źródła - w sierpniu było to 65% odpowiedzi. Te dwie metryki raportujemy rozdzielnie, bo mierzą co innego.
Od czego zależy, że model cytuje właśnie tę markę
Nie od tego, że strona jest pierwsza w Google. Wysoka pozycja pomaga, ale nie wystarcza - z pierwszej dziesiątki wyników Google do odpowiedzi AI trafia dziś średnio tylko około 38% stron (jeszcze w 2025 było to ok. 76%). Ranking i widoczność w AI to dwie różne gry.
Model cytuje markę, którą rozpoznaje jako wyraźną encję z faktami i autorytetem. Widoczność budujemy w trzech krokach: najpierw treść musi zostać pobrana (retrieved), potem zacytowana (cited), w końcu - traktowana jako zaufane źródło (trusted). Na każdym etapie pracujemy konkretnie: struktura treści gotowa do cytowania (definicje, sekcje pytań i odpowiedzi, akapity długości 130-170 słów), oryginalne fakty (Information Gain), spójna encja w danych strukturalnych i powiązania ze sprawdzonymi źródłami. Sam plik llms.txt i dane strukturalne tego nie załatwiają - liczy się spójna encja i treść, którą model ma po co zacytować.
Co robimy technicznie
Żeby model mógł zacytować markę, musi najpierw mieć dostęp do strony. Sprawdzamy i porządkujemy dostęp botów AI w pliku robots.txt (m.in. OAI-SearchBot, ChatGPT-User, ClaudeBot, PerplexityBot, Google-Extended), bo ich domyślne zablokowanie wyklucza markę z odpowiedzi. Podpinamy Bing Webmaster Tools - to praktyczny warunek widoczności w ChatGPT, który korzysta z indeksu Bing. Wdrażamy dane strukturalne (schema JSON-LD: Organization, Person, Service, FAQPage) z powiązaniami między encjami i przygotowujemy treść w czystym HTML, możliwą do odczytania bez wykonywania JavaScriptu.
Dowód: efekty w projektach, które prowadzimy
Tę stronę zbudowaliśmy tą samą metodą, którą stosujemy u klientów. A jak ta metoda działa u nich, widać w liczbach - dwa przykłady z tego samego pomiaru (maj-sierpień 2026):
- klinika medyczna z Krakowa: udział odpowiedzi AI cytujących markę wzrósł z 44% do 56% w ok. 10 tygodni (52 zapytania, 4 silniki, 1137 sprawdzonych odpowiedzi),
- platforma edukacyjna: wzrost z 20% do 47% ogółem, a w samym Perplexity z 33% do 87%.
Ten sam pomiar prowadzimy dla ponad 50 polskich firm - od maja 2026 sprawdziliśmy blisko 17 tysięcy odpowiedzi AI.
Dla kogo jest pozycjonowanie w AI
Najwięcej zyskują marki B2B i sklepy, o które klienci pytają modele przy wyborze dostawcy czy produktu. Warto zacząć teraz z prostego powodu: wczesna obecność utrwala markę w odpowiedziach na długo, a etap edukacji i porównania coraz częściej dzieje się w czacie, nie w wyszukiwarce. Konwersja wraca na stronę marki - ale tylko wtedy, gdy AI w ogóle ją wymieni.
Najczęstsze pytania
Czym pozycjonowanie w AI różni się od klasycznego SEO?
SEO walczy o pozycję na liście wyników w Google. GEO walczy o to, żeby model wymienił markę w treści odpowiedzi. To powiązane, ale osobne cele - i osobne techniki.
Czy wysoka pozycja w Google oznacza, że AI cytuje moją markę?
Nie. Z pierwszej dziesiątki Google do odpowiedzi AI trafia dziś około 38% stron. Trzeba pracować nad widocznością w AI niezależnie od rankingu.
W jakich modelach budujecie widoczność?
ChatGPT, Gemini, Perplexity, Copilot oraz AI Overviews w Google. Każdy czerpie z innych źródeł, więc strategię dobieramy do kanału.
Jak mierzycie efekty?
Liczymy udział marki w odpowiedziach (share-of-voice) na zestaw priorytetowych zapytań i raportujemy zmianę w czasie.
Ile trwa, zanim marka pojawi się w odpowiedziach AI?
Zależy od konkurencyjności tematu i siły domeny. W projektach objętych stałym pomiarem pierwsze wyraźne wzrosty pojawiały się w 6-10 tygodni - u kliniki medycznej udział cytowań wzrósł o 12 punktów procentowych, a u firmy z branży marketingowej ChatGPT zaczął cytować markę od zera do 33% odpowiedzi (pomiar maj-sierpień 2026). Realny przedział dla konkretnej branży podajemy po pierwszym pomiarze bazowym.
Czy wystarczy dodać llms.txt?
Nie. To jeden z sygnałów, nie dźwignia. Liczy się encja marki, oryginalne fakty i autorytet - a tego plik tekstowy nie załatwia.
Dla jakich firm to się opłaca?
Przede wszystkim B2B i e-commerce - wszędzie tam, gdzie klient pyta AI o rekomendację przed zakupem.
Kto za tym stoi: Paweł Kunaszyk i zespół
Pozycjonowaniem zajmuję się od 2005 roku, a firmę prowadzę od 2008. Łączę klasyczne SEO z semantycznym pozycjonowaniem pod AI, a kontakt jest z osobami, które realnie wykonują pracę. Więcej o mnie · LinkedIn