---
title: "Widoczność marki w AI: jak ją sprawdzić i zmierzyć - Łukasz Rogala"
description: "Jak sprawdzić widoczność marki w ChatGPT, Gemini i AI Overview: wzmianka i cytowanie osobno, liczba powtórzeń pytania z pilotażu, narzędzia i ich pułapki. Na moich pomiarach."
url: "https://rogala.pro/blog/widocznosc-marki-w-ai/"
language: "pl"
author: "Łukasz Rogala"
published: "2026-10-18T11:50:00+02:00"
modified: "2026-10-18T12:16:58+02:00"
---

[Blog](https://rogala.pro/blog/)

# Widoczność marki w AI: jak ją mierzę i jakimi narzędziami

[Łukasz Rogala](https://rogala.pro/o-mnie/) · 18 października 2026 · 20 min czytania

**Widoczność marki w AI to odsetek odpowiedzi asystentów AI na pytania Twoich klientów, w których marka jest wymieniona z nazwy albo jej strona jest podana jako źródło.** Liczę ją na własnym zestawie pytań, osobno dla każdego asystenta i osobno dla wzmianki i cytowania. Nikt poza dostawcami asystentów nie zna wszystkich pytań, które ludzie im zadają, więc „udziału w rynku AI” nie da się policzyć. Każda liczba o widoczności w AI ma sens tylko razem z informacją, na czym ją policzono: na ilu pytaniach, w którym asystencie i którego dnia.

**Trzy razy od sierpnia do października moja własna kontrola wykazała, że liczba, która wyglądała dobrze, znaczy co innego, niż sądziłem:**

1. „Obecność marki” w raporcie z jednego z moich projektów okazała się cytowaniem strony, a nie wzmianką o marce. W Perplexity raport pokazywał 2%, a marka była wymieniona w 37% pytań; w samych pytaniach bez jej nazwy w 21%.
2. Test, który miał pokazać, że pozycja na podzapytania (zapytania, które asystent sam wysyła do wyszukiwarki w trakcie odpowiedzi) przewiduje cytowania lepiej niż pozycja na frazę główną, dał wynik zgodny z tezą, dopóki recenzent nie zauważył, że porównałem pomiary o różnej dokładności.
3. Liczba cytowań w narzędziu wzrosła w tydzień o połowę u dwóch marek, a ich udział prawie się nie zmienił, więc najpewniej rosła baza odpowiedzi zebranych przez narzędzie (jego indeks), a nie widoczność marek.

**Widoczność w AI mierzę tak, żeby takie błędy znaleźć przed raportem dla klienta, a nie po nim.** Drugi z tych przypadków opisałem w tekście o [pozycjonowaniu w AI](https://rogala.pro/blog/pozycjonowanie-w-ai/), dwa pozostałe są niżej.

**Wszystkie liczby własne w tym tekście pochodzą z moich pomiarów i odczytów z lipca, sierpnia i października 2026.** Tam, gdzie liczba pochodzi z narzędzia do widoczności w AI, piszę to wprost. Pierwszy z pomiarów to test powtórzeń: 1 410 odpowiedzi z jednego projektu (94 pytania, pięć powierzchni AI, czyli miejsc, w których odpowiada model, więcej o nich w kroku 4; każde pytanie zadane trzy razy), zebranych 29 sierpnia i przeanalizowanych ponownie 14 października 2026. Do tego porównanie dwóch odczytów tego samego narzędzia w odstępie tygodnia (26 lipca i 2 sierpnia 2026) i pomiar odpowiedzi AI dla jednej polskiej agencji SEO z października 2026. Nazw klientów nie podaję.

## Czym jest widoczność marki w AI?

**Widoczność marki w AI to obecność marki w odpowiedziach, które generują AI Overview i tryb AI w Google, ChatGPT, Gemini, Perplexity i Copilot, liczona jako odsetek takich odpowiedzi.** Marka może być w takiej odpowiedzi na dwa sposoby i liczę je osobno:

1. Wzmianka: nazwa marki jest w treści odpowiedzi, którą użytkownik czyta.
2. Cytowanie: strona marki jest podana jako źródło, zwykle w przypisie albo w liście linków obok odpowiedzi.

**Jedno nie wynika z drugiego.** Asystent może polecić markę z nazwy i nie podać jej strony, bo wie o niej z pamięci albo z cudzych tekstów. Może też podać stronę marki jako źródło informacji ogólnej i ani razu nie napisać jej nazwy. W tekście o [pozycjonowaniu w AI](https://rogala.pro/blog/pozycjonowanie-w-ai/) opisuję, skąd asystent bierze wiedzę o marce: z wyszukiwania czy z pamięci modelu.

**W odpowiedzi AI nie ma pozycji, więc mierzę udział, a nie miejsce.** Odpowiedź asystenta za każdym razem powstaje od nowa i nie jest listą dziesięciu wyników. Eli Schwartz ujął to w jednym zdaniu:

> „Rankings don't exist in LLMs.”
>
> Eli Schwartz, Product-Led SEO, 9.04.2026 („W modelach językowych nie ma pozycji”)

**Dlatego zamiast pozycji liczę, w ilu odpowiedziach na mój zestaw pytań marka się pojawia.** Liczba „marka jest na 3. miejscu w ChatGPT” opisuje jedną odpowiedź z jednego dnia, a następna odpowiedź na to samo pytanie może wymienić inne marki w innej kolejności.

## Jak sprawdzić widoczność marki w ChatGPT i innych asystentach AI?

**Sprawdzam ją w sześciu krokach i liczę dopiero w piątym.** Wcześniejsze kroki są po to, żeby liczba na końcu dotyczyła właściwej marki i właściwych pytań.

**Jak mierzę widoczność marki w AI: sześć kroków, liczenie dopiero w piątym**

Oś z sześcioma krokami: czy asystent wie, o którą markę chodzi, wyniki Google na nazwę marki, zestaw pytań z popytu, pilotaż z dziesięcioma powtórzeniami każdego pytania i zapis warunków, wzmianki i cytowania liczone osobno, sprawdzenie, co może unieważnić diagnozę. Między krokami dwie bramki: asystent myli markę z inną firmą i zamrożenie zestawu pytań.

*Wcześniejsze kroki sprawdzają, czy liczba będzie dotyczyć właściwej marki i właściwych pytań. Liczę dopiero w piątym.*

### Krok 1. Sprawdź, czy asystent wie, o którą markę chodzi

**Zanim cokolwiek policzę, zadaję pytanie z samą nazwą marki i czytam odpowiedź.** Jeśli asystent myli markę z inną firmą, każda późniejsza liczba może dotyczyć nie tej firmy. W jednym z polskich sklepów internetowych narzędzie do widoczności w AI pokazało 55 punktów na 100 i 100% udziału, a wszystkie odpowiedzi, z których to policzyło, dotyczyły innej, znanej firmy o tej samej nazwie. W innym narzędziu marka, której nazwa jest zwykłym słowem ze słownika, dostała ponad 400 tysięcy stron ze wzmianką, bo narzędzie liczyło każde użycie tego słowa. Marka porównawcza miała ich niecałe 7 tysięcy.

**Gdy tę samą nazwę nosi firma z tej samej branży, pomiar traci sens, a gdy ktoś z innej dziedziny, pomiar jest tylko trudniejszy.** W pierwszym przypadku, zanim cokolwiek policzę, porządkuję opis marki na jej stronie i w profilach, żeby asystent mógł ją odróżnić. Moje imię i nazwisko nosi między innymi aktor i pilot, więc pomiar mojej marki ma sens, ale przy każdej wzmiance sprawdzam, czy dotyczy mnie.

### Krok 2. Przeczytaj wyniki Google na nazwę marki

**AI Overview i tryb AI korzystają z indeksu Google, więc najpierw sprawdzam, co Google pokazuje na samą nazwę marki.** Przy każdym wyniku z pierwszej dziesiątki zapisuję, czy kontroluję tę stronę w całości, częściowo (na przykład profil w cudzym serwisie), czy wcale. Na moje imię i nazwisko 3 października 2026 w polskim Google nie kontrolowałem w całości żadnego z 10 wyników, a jeden kontrolowałem częściowo.

**Potem szukam w tych stronach zdań, które asystenci powtarzają o marce.** Jeśli zdanie jest w wynikach, wiem, skąd asystent je bierze, i mogę poprosić o poprawkę tej strony. Jeśli go tam nie ma, prawdopodobnie jest w pamięci modelu i poprawka stron szybko go nie zmieni.

### Krok 3. Ułóż zestaw pytań i nie zmieniaj go

**Pytania biorę z danych o popycie i z Search Console, a nie z burzy mózgów.** Z Search Console wybieram zapytania, na które strona już się wyświetla, a resztę uzupełniam frazami z narzędzi do badania słów kluczowych. Podział pytań według pozycji strony opisałem w tekście o [strategii SEO](https://rogala.pro/blog/strategia-seo/). Gdy w okresie, z którego biorę zapytania, strona ma w Search Console mniej niż ok. 1 000 wyświetleń i 100 różnych zapytań, nie wyprowadzam z niej pytań, bo z tak małej próby nie wybiorę pytań, które coś mówią o rynku. To próg orientacyjny z mojego procesu, a nie wynik testu.

**Większość pytań układam bez nazwy marki, z powodu opisanego w tekście o [pozycjonowaniu w AI](https://rogala.pro/blog/pozycjonowanie-w-ai/).** Pytanie „czy X jest dobry” mierzy, co asystent wie o X, a nie to, czy poleci X komuś, kto o nim nie słyszał. Pytania bez nazwy marki układam w trzech formach (przykłady są poglądowe):

- kategoria z dookreśleniem, na przykład „biuro rachunkowe dla jednoosobowej firmy w Krakowie”;
- porównanie, w którym jest tylko nazwa konkurenta, na przykład „alternatywa dla [konkurent]”;
- pytanie o konkretną możliwość, na przykład „która aplikacja do notatek działa bez internetu”.

**Pytania o reputację liczę osobno i nie wliczam ich do widoczności.** „Czy X to sprawdzona firma” i pary pytań „kogo wybrać” i „kogo unikać” pokazują, co asystent sądzi o marce, a nie to, czy ją poleca. W sklepie, o którym pisałem w kroku 1, asystenci odpowiadali na pytanie, czy to sprawdzony sklep, cytując skargi klientów.

**Pytania o polską markę zadaję po polsku i po angielsku.** W moim teście część podzapytań do polskich pytań była po angielsku, o czym piszę w tekście o [pozycjonowaniu w AI](https://rogala.pro/blog/pozycjonowanie-w-ai/).

**Zestawu nie zmieniam między pomiarami.** Nowe pytania dokładam jako osobną grupę, bo każda zmiana listy psuje porównanie z poprzednim pomiarem.

### Krok 4. Ustal liczbę powtórzeń pilotażem i zapisz, kiedy i gdzie

**Liczby powtórzeń nie ustalam z góry: na nowym zestawie pytań najpierw robię pilotaż, w którym każde pytanie zadaję 10 razy, wszystkie w tym samym czasie.** Tak zaleca Dmitrij Żatuchin w protokole Dice Roll Method do powtarzanego odpytywania modeli o marki (arXiv, wersja 2 z 14.10.2026). Z pilotażu liczy się, jak bardzo różnią się odpowiedzi na to samo pytanie i jak bardzo różnią się między sobą pytania, a z tego, ile powtórzeń potrzeba do wyniku, na którym mi zależy. W tej wersji pracy autor wycofał stałe progi z wersji pierwszej (od 5 do 20 powtórzeń zależnie od rodzaju badania), bo okazało się, że policzono je na danych z generatora syntetycznego, a nie na danych z badań.

**Pilotaż daje zwykle dwie różne liczby: mało powtórzeń do wyniku dla całego asystenta i dużo więcej do porównania jednego pytania przed zmianą i po niej.** Liczby z mojego testu i z pracy Żatuchina pokazuję niżej, w części o powtórzeniach. AI Overview był w moich danych najbardziej stabilny: w 77 z 94 pytań dał trzy identyczne odpowiedzi, więc do niego zwykle wystarcza jedno pobranie.

**Przy każdej odpowiedzi zapisuję cztery rzeczy: asystenta, powierzchnię, wersję modelu i datę z godziną.** Powierzchnia to miejsce, w którym model odpowiada: aplikacja czatu, API, tryb AI w Google albo AI Overview. Odpowiedzi z API nie muszą być takie same jak to, co widzi użytkownik aplikacji, więc wyników z dwóch powierzchni nie sumuję w jedną liczbę.

**Godzina odpowiedzi pozwala odróżnić losowość od zmiany w czasie.** W teście powtórzeń Perplexity cytowało stronę projektu w 0, 2 i 9 pytaniach w kolejnych powtórzeniach, przy prawie stałej liczbie wzmianek (33, 36 i 35). Najpewniej w trakcie pomiaru zmienił się dostęp do strony, ale arkusz nie miał godzin odpowiedzi, więc nie da się tego sprawdzić. Dlatego w kolejnych pomiarach wysyłam powtórzenia naraz i zapisuję godzinę każdej odpowiedzi.

### Krok 5. Policz wzmianki i cytowania osobno

**Wynik dla asystenta to odsetek wszystkich odpowiedzi, w których marka się pojawiła, osobno dla wzmianki i dla cytowania.** Źródła sumuję ze wszystkich powtórzeń. Pytania, przy których marka pojawiła się tylko w części odpowiedzi, oznaczam jako niestabilne i nie wyciągam z nich wniosków o pojedynczym pytaniu.

### Krok 6. Sprawdź, co może unieważnić diagnozę

**Zanim napiszę klientowi, czego mu brakuje, sprawdzam sytuacje, w których diagnoza byłaby błędna:**

- Asystent nikogo nie poleca w tej kategorii, na przykład przy pytaniach o zdrowie, finanse albo prawo. Wtedy nie ma luki, którą marka mogłaby zapełnić.
- Asystent odpowiada z pamięci, bez wyszukiwania. Wtedy praca na stronie długo nic nie zmieni.
- Konkurent, którego sam wpisałem do porównania, nie działa. W jednym pomiarze cztery domeny, na których oparłem tezę, że kategoria jest pusta, nie miały nawet rekordu DNS, czyli adres domeny nie prowadził do żadnego serwera. Zero cytowań u konkurenta, którego strona nie działa, nie oznacza wolnego miejsca w kategorii.
- Widoczność w AI rośnie, a ruch z Google w tym samym okresie spada. SearchPilot opisuje test dla serwisu Omio, w którym zmiana na stronach pomogła w ruchu z modeli językowych, ale według ich szacunku obniżyłaby ruch z Google o ok. 6,5%, więc nie została wdrożona (SearchPilot). Dlatego obok odpowiedzi AI zawsze patrzę na ruch z Google.

**Po każdej zmianie na stronie albo w opisie marki powtarzam kroki od 4 do 6 na tym samym zestawie pytań.** Tylko wtedy wynik przed zmianą i po niej da się porównać.

## Jakie metryki widoczności w AI mierzyć?

**Dla każdego asystenta mierzę dwie liczby: odsetek odpowiedzi ze wzmianką marki i odsetek odpowiedzi z cytowaniem jej strony.** Do tego udział względem konkurentów na tym samym zestawie pytań i liczbę pytań niestabilnych. Ruch z asystentów w analityce traktuję jako osobną miarę, bo zawsze jest zaniżony: część wejść przychodzi bez informacji o źródle.

**Gdy policzyłem wzmianki osobno, okazało się, że raport o „obecności marki” mierzył cytowania.** W jednym z projektów, które prowadzę, pomiar z 29 sierpnia 2026 objął 94 pytania, pięć powierzchni AI i trzy powtórzenia, razem 1 410 odpowiedzi. Skrypt, który go liczył, uznawał markę za obecną tylko wtedy, gdy wśród źródeł była jej strona, a opis metody w raporcie mówił o obecności marki w odpowiedzi. W październiku policzyłem w tych samych odpowiedziach samą nazwę marki:

**Perplexity i Gemini wymieniały markę w ponad jednej trzeciej pytań, a jej stronę cytowały w 2% i 0%**

Poziome słupki dla czterech asystentów AI. Przy każdym dwa słupki: odsetek pytań, w których marka była wymieniona z nazwy w treści odpowiedzi, i odsetek pytań, w których strona marki była cytowana jako źródło. ChatGPT 41,5% i 27,7%, tryb AI Google 42,6% i 18,1%, Perplexity 37,2% i 2,1%, Gemini 38,3% i 0%.

*Jeden projekt, 94 pytania, każde zadane trzy razy (pomiar 29.08.2026, analiza 14.10.2026). Wykres pokazuje odsetek pytań, w których marka pojawiła się w co najmniej 2 z 3 odpowiedzi, bo tylko tę miarę miał pierwotny raport; w kroku 5 zalecam dokładniejszy odsetek wszystkich odpowiedzi. Wzmianki obejmują 19 pytań z nazwą marki; w 75 pytaniach bez nazwy wynosiły od 21% do 28%. Na piątej powierzchni, AI Overview, marka nie pojawiła się w żadnym pytaniu w co najmniej 2 z 3 odpowiedzi, ani jako wzmianka, ani jako cytowanie.*

**W Perplexity i Gemini marka była wymieniona w ponad jednej trzeciej pytań, a raport pokazywał 2% i 0%.** Liczby wzmianek obejmują 19 pytań z nazwą marki, więc w samych 75 pytaniach bez nazwy są niższe: od 21% do 28% zależnie od asystenta. To nadal mniej więcej jedna piąta pytań w asystentach, w których raport pokazywał prawie zero. Od tej analizy liczę obie miary osobno i tego samego wymagam od każdego raportu, który dostaję.

**Wzmianka bez cytowania i cytowanie bez wzmianki to dla mnie dwie różne hipotezy i dwie różne prace, które opisuję w sekcji o luce w widoczności.** Obie hipotezy sprawdzam zmianą i kolejnym pomiarem.

### Udział liczony na odpowiedź, nie na cytowanie

**Udział marki wśród konkurentów liczę na odpowiedź, a nie na cytowanie, bo odpowiedzi mają bardzo różną liczbę źródeł.** W pomiarze dla jednej polskiej agencji SEO 23 odpowiedzi na pytania o polecenie agencji miały od 1 do 13 źródeł. Udział liczony na cytowanie dałby odpowiedzi z 13 źródłami trzynaście razy większą wagę niż odpowiedzi z jednym. Przy liczeniu na odpowiedź każda odpowiedź waży tyle samo, bo użytkownik czyta jedną odpowiedź naraz.

**Listę źródeł z ChatGPT trzeba oczyścić z wyników wyszukiwania, które model tylko przejrzał.** Narzędzie, którym zbieram odpowiedzi ChatGPT, zwraca obok źródeł cytowanych w odpowiedzi także całą listę wyników wyszukiwania, które model widział. W jednej odpowiedzi takich wyników było 52, a źródeł cytowanych 7. W tych samych 23 odpowiedziach po odrzuceniu tej listy liczba cytowań spadła z 279 do 181, a lista miejsc, w których warto się pojawić, z 10 do 6 pozycji.

### Ile powtórzeń wystarczy?

**W moim teście trzy powtórzenia każdego pytania wystarczyły do wyniku dla całego asystenta, ale nie do oceny pojedynczego pytania.** W teście powtórzeń ok. połowa pytań, w których marka pojawiła się choć raz, miała wynik niestabilny: w ChatGPT 18 z 36 przy cytowaniu strony (wszystkie 94 pytania), a w trybie AI 16 z 29 przy wzmiance w pytaniach bez nazwy marki. Pytanie, które w jednym przebiegu „ma markę”, w następnym może jej nie mieć.

- 13%Tyle pytań bez nazwy marki zostałoby w ChatGPT błędnie ocenionych (marka jest wymieniona albo nie) przy trzech powtórzeniach. Przy jednym zadaniu pytania 21%, przy pięciu 9%, przy siedmiu 8%.Szacunek z modelu na danych z 1 410 odpowiedzi, 14.10.2026
- 1,5 pkt proc.Tyle wynosi typowy błąd (odchylenie standardowe) odsetka odpowiedzi ze wzmianką marki w ChatGPT przy trzech powtórzeniach, w pytaniach bez nazwy marki. Przy pięciu 1,2 pkt proc.Szacunek z modelu na danych z 1 410 odpowiedzi, 14.10.2026
- 0,33Mediana podobieństwa list cytowanych domen między dwoma powtórzeniami tego samego pytania w ChatGPT i trybie AI: część wspólna podzielona przez wszystkie domeny z obu list (1 to identyczne listy). W Perplexity 0,92.Test powtórzeń, 14.10.2026
- 77 z 94Przy tylu pytaniach AI Overview dał trzy identyczne odpowiedzi.Test powtórzeń, 14.10.2026

**Z trzech na pięć powtórzeń wynik dla asystenta poprawił się w moim teście o mniej niż punkt procentowy, więc do tego wyniku zwykle zostaję przy trzech.** To szacunek z modelu statystycznego dopasowanego do jednego projektu, jednego okna pomiaru i dwóch asystentów (ChatGPT i trybu AI), a nie pomiar, i dlatego na nowym zestawie sprawdzam go pilotażem. Podobny wynik ma Żatuchin: na 250 różnych pytaniach już jedno albo dwa powtórzenia dawały współczynnik rzetelności 0,80, a pięć powtórzeń 0,96 (1 oznacza, że średnie z powtórzeń bez błędu odróżniają pytania od siebie).

**Do porównania jednego pytania przed zmianą na stronie i po niej potrzeba 15-25 powtórzeń, a nie trzech.** Według symulacji Żatuchina przy pięciu powtórzeniach szansa wykrycia dużej zmiany na jednym pytaniu wynosi tylko 15-19%, a 80% osiąga dopiero przy 15-25 powtórzeniach. Jego dane dotyczą polecania marek przez modele odpytywane przez API, więc dla odpowiedzi z wyszukiwaniem tę liczbę też sprawdzam pilotażem.

**Listy źródeł z jednego powtórzenia nie używam, bo w ChatGPT i trybie AI część wspólna dwóch powtórzeń tego samego pytania to zwykle tylko jedna trzecia wszystkich domen cytowanych w obu.** Listę miejsc, w których marka powinna się pojawić, buduję ze wszystkich powtórzeń, z liczbą wystąpień każdej domeny.

**Źródła potrafią się zmieniać także z tygodnia na tydzień.** SISTRIX śledził 82 619 pytań przez 17 tygodni w sześciu krajach (bez Polski) i w ChatGPT z tygodnia na tydzień zmieniało się do 74% cytowanych źródeł; to wartość najwyższa, a nie średnia (SISTRIX, 1.05.2026). Dlatego zmianę w źródłach uznaję dopiero wtedy, gdy powtórzy się w kolejnym pomiarze.

## Jak działają narzędzia do pomiaru widoczności w AI i jak je wybrać?

**Narzędzia do widoczności w AI robią to samo co ręczny pomiar: zadają asystentom zestaw pytań, zapisują odpowiedzi i liczą, gdzie pojawia się marka.** Różnią się tym, czyje są pytania, ile razy je zadają i co liczą. Dane biorę z trzech rodzajów źródeł:

| Rodzaj | Przykłady | Co daje | Na co uważam |
|---|---|---|---|
| Darmowe raporty wyszukiwarek | Bing Webmaster Tools, Google Search Console | cytowania w Copilocie i Bingu, wyświetlenia w AI Overview i trybie AI | dane tylko z jednej wyszukiwarki, bez ChatGPT |
| Płatne platformy | Ahrefs Brand Radar, Semrush, SE Ranking, Peec AI, Profound | wzmianki i cytowania w kilku asystentach, własne pytania, w części porównanie z konkurentami | czy wzmianka i cytowanie są osobno (wprost opisują to Ahrefs i SE Ranking); liczby z bazy pytań dostawcy rosną razem z jej indeksem (sprawdziłem w Ahrefs); obsługa Polski i polskiego |
| Własny pomiar przez API | API modeli, DataForSEO | pełna kontrola nad pytaniami, powtórzeniami i zapisem | czas na przygotowanie; API to nie aplikacja, którą widzi użytkownik |

### Liczby bezwzględne rosną razem z indeksem narzędzia

**Liczba cytowań w narzędziu potrafi wzrosnąć o połowę w tydzień, choć udział marki się nie zmienia.** W raporcie Ahrefs o liczbie odpowiedzi AI, które cytują domenę, opartym na bazie pytań Ahrefsa, porównałem dwa odczyty dla dwóch dużych sklepów internetowych w Niemczech, z 26 lipca i z 2 sierpnia 2026. Liczba ich cytowań w ChatGPT wzrosła w tym czasie u obu o 50%, a udział jednego z nich w łącznej liczbie cytowań obu sklepów prawie się nie zmienił: 34,2% i 34,1%. W Perplexity liczby wzrosły o 68% i 185%. Najpewniej rosła baza narzędzia, a nie widoczność tych marek. To dwie marki, jedno narzędzie i jeden tydzień.

**Dlatego z narzędzi biorę udział, a nie liczby bezwzględne, i tylko dla asystentów, w których udział w moim porównaniu nie zmienił się o więcej niż pół punktu procentowego.** Tak było w ChatGPT, AI Overview, trybie AI i Groku (asystencie firmy xAI), a w Perplexity, Gemini i Copilocie udział zmienił się o ok. 3 do 11 punktów procentowych. To jedno porównanie z jednego tygodnia, więc zakładam stabilność, dopóki kolejny odczyt jej nie zaprzeczy.

### Co sprawdzam przed wyborem narzędzia

**Przed wyborem narzędzia sprawdzam siedem rzeczy:**

1. Czy pokazuje wzmiankę i cytowanie osobno.
2. Czy mogę dodać własne pytania i trzymać je bez zmian przez wiele miesięcy.
3. Ile razy zadaje każde pytanie i czy pokazuje, które pytania są niestabilne.
4. Czy zapisuje wersję modelu, powierzchnię i datę każdej odpowiedzi.
5. Czy obsługuje mój rynek i język.
6. Czy pokazuje pełne odpowiedzi, żebym mógł sprawdzić, czy chodzi o właściwą markę.
7. Czy podaje udział na tym samym zestawie pytań, a nie tylko liczby bezwzględne.

**Ocen wydźwięku z klasyfikatora, który testowałem, nie raportuję.** W jednym przypadku oznaczył jako negatywną odpowiedź, która kończyła się werdyktem „X to lepszy wybór dla większości zespołów”. Wydźwięk oceniam, czytając sam fragment odpowiedzi, albo nie piszę o nim nic.

**Jeden „wynik widoczności w AI” z narzędzia nie jest dla mnie celem.** Łączy wzmianki, cytowania i różnych asystentów, więc nie da się z niego odczytać, co się zmieniło. Liczbę z narzędzia podaję zawsze razem z miarą biznesową: zapytaniami od klientów, sprzedażą albo ruchem z Google.

### Darmowe źródła: Bing i Google

**Bing Webmaster Tools pokazuje za darmo, ile razy Copilot i odpowiedzi AI w Bingu cytowały Twoje strony.** Raport AI Performance ogłoszono 10 lutego 2026 jako wersję testową. Pokazuje liczbę cytowań, liczbę cytowanych stron dziennie, cytowania poszczególnych adresów i próbkę fraz, którymi AI szukało treści, zanim ją zacytowało (Bing Webmaster Blog). To dane tylko z Binga i Copilota, więc nie zastępują pomiaru w ChatGPT.

**Search Console pokazuje wyświetlenia stron w AI Overview i trybie AI, ale nie mówi, czy marka była wymieniona z nazwy.** Google udostępnił ten raport części stron w czerwcu 2026, a od 31 sierpnia 2026 wszystkim (Google Search Central, Pomoc Search Console). Opis raportu mówi o wyświetleniach według stron, krajów, dat i urządzeń, a nie opisuje wzmianek w treści odpowiedzi ani pytań, które je wywołały. To dobra kontrola po stronie Google, ale nie pomiar wzmianek.

### Własny pomiar przez API

**Własny pomiar przez API kosztuje mało, ale wymaga czasu na przygotowanie i kontrolę.** Przebieg 14 pytań na czterech powierzchniach (ChatGPT z wyszukiwaniem, tryb AI Google oraz Gemini i Perplexity przez API), razem 56 odpowiedzi, kosztował mnie 0,82 USD opłat za API, z czego 0,63 USD przypadło na Gemini (pierwszą z tych liczb podałem w tekście o pozycjonowaniu w AI). Był to pierwszy z trzech przebiegów pomiaru dla agencji SEO, a cały pomiar, razem 180 odpowiedzi, kosztował ok. 2,8 USD. Według tych stawek zestaw 100 pytań na czterech powierzchniach z trzema powtórzeniami, czyli 1 200 odpowiedzi, kosztowałby ok. 18-19 USD za pomiar, w większości za Gemini. Pilotaż z dziesięcioma powtórzeniami na tym samym zestawie to 4 000 odpowiedzi i ok. 60 USD, jednorazowo. Czasu wymaga ułożenie pytań, sprawdzenie, czy asystent nie myli marki z inną, i czytanie odpowiedzi. W tekście o [narzędziach AI w SEO](https://rogala.pro/blog/narzedzia-ai-w-seo/) opisałem testy, po których liczby z takich pomiarów liczę skryptem, a nie modelem.

## Co robię, gdy pomiar pokaże lukę w widoczności?

**Pomiar pokazuje, w której sytuacji jest marka, a od tego zależy, co robię:**

- Marki nie ma ani we wzmiankach, ani w źródłach, a asystent szuka w sieci: pracuję nad widocznością strony w Google na te pytania i ich warianty. Zaczynam od sprawdzenia, czy roboty asystentów w ogóle dostają stronę, tak jak w [audycie SEO](https://rogala.pro/blog/audyt-seo/).
- Marka jest wymieniana, ale jej strona nie jest cytowana: poprawiam fragmenty strony tak, żeby odpowiadały na pytanie bez reszty tekstu.
- Strona jest cytowana, ale marka nie jest wymieniona z nazwy: pracuję nad tym, co o marce piszą inni, bo prawdopodobnie to z cudzych tekstów asystent wie, kogo polecić. W tekście o [link buildingu w erze AI](https://rogala.pro/blog/link-building-w-erze-ai/) opisałem, jak planuję wzmianki na stronach, które AI już cytuje.
- Asystent odpowiada z pamięci i podaje nieaktualne albo nieprawdziwe fakty: najpierw jeden spójny opis marki we własnych kanałach, potem publikacje w miejscach redagowanych przez innych. Efektu nie obiecuję w ciągu kwartału.

**Efekt każdej z tych prac sprawdzam kolejnym pomiarem na tym samym zestawie pytań, bo żadna z nich nie daje gwarancji.** W tekście o [pozycjonowaniu w AI](https://rogala.pro/blog/pozycjonowanie-w-ai/) opisałem, które z tych działań mają dowód, a które są popularną radą bez pomiaru. Tam są też moje testy, które nie potwierdziły kilku takich rad.

## Czego pomiar widoczności w AI nie powie?

**Pomiar nie powie, ile osób zobaczyło markę w odpowiedziach AI.** Odsetek dotyczy mojego zestawu pytań, a nie wszystkich rozmów z asystentami, których liczby nie znam.

**Nie powie też, dlaczego asystent wybrał tę, a nie inną markę.** Diagnoza z pomiaru to hipoteza, którą sprawdzam zmianą i kolejnym pomiarem na tym samym zestawie.

**Wynik z jednego dnia nie jest trendem.** Dostawcy zmieniają modele i sposób wyszukiwania, a zmiany nie zawsze są ogłaszane, więc porównuję tylko pomiary z tą samą powierzchnią i zapisaną wersją modelu, a zmianę uznaję dopiero wtedy, gdy powtórzy się w kolejnym pomiarze.

**Dla Polski brakuje danych o tym, z których asystentów ludzie korzystają.** Polskiego badania o tym, jak często ludzie używają poszczególnych asystentów, nie znalazłem, więc nie wiem, jaką wagę ma wynik w każdym z nich. Dlatego pokazuję wynik dla każdego asystenta osobno i nie łączę ich w średnią.

## Co mierzę na własnej marce?

**Na rogala.pro mierzę to samo co u klientów, ale pierwszy pomiar (punkt zerowy) z 26 lipca 2026 zrobiłem słabszą metodą.** Miał jedną odpowiedź na pytanie i nie objął wyników z ChatGPT. Punkt zerowy i to, co zmieniłem od tego czasu, opisałem w tekście o [pozycjonowaniu w AI](https://rogala.pro/blog/pozycjonowanie-w-ai/). 25 sierpnia ustawiłem w Ahrefs Brand Radar codzienne sprawdzanie czterech pytań z punktu zerowego w ChatGPT dla Polski. Wyników tego codziennego sprawdzania nie opisuję, dopóki nie zestawię ich z pomiarem z 1 listopada. Pierwszy pomiar metodą z tego tekstu zaplanowałem na 1 listopada 2026 jako pilotaż: te same cztery pytania na czterech powierzchniach, każde 10 razy. Wynik opiszę w obu tekstach, także jeśli będzie zerowy.

**Chcesz wiedzieć, w ilu odpowiedziach AI na pytania Twoich klientów pojawia się Twoja marka?** Napisz, w jakiej branży działasz i kogo uważasz za konkurenta. Odpiszę, jak zmierzyłbym to w Twoim przypadku.

[Napisz do mnie](https://rogala.pro/kontakt/) · [LinkedIn](https://www.linkedin.com/in/lukaszrogala/?locale=pl_PL) · [WhatsApp](https://wa.me/48570081225)

## Najczęstsze pytania o widoczność marki w AI

### Jak sprawdzić widoczność marki w ChatGPT za darmo?

**Zadaj ChatGPT kilka pytań, które zadają Twoi klienci, bez nazwy Twojej marki, każde trzy razy, i zapisz, kogo wymienia i jakie strony cytuje.** Da Ci to pierwszy obraz całego zestawu, ale nie pewny wynik dla pojedynczego pytania. Najpierw zadaj jedno pytanie z samą nazwą marki, żeby sprawdzić, czy ChatGPT nie myli jej z inną firmą. Zapisz datę i model, bo przy następnym sprawdzeniu porównasz tylko te same pytania w tych samych warunkach.

### Czym różni się wzmianka od cytowania w odpowiedzi AI?

**Wzmianka to nazwa marki w treści odpowiedzi, a cytowanie to strona marki podana jako źródło.** Jedno nie wynika z drugiego: w jednym z moich pomiarów Perplexity wymieniało markę w 37% pytań, a cytowało jej stronę w 2%.

### Ile razy zadać to samo pytanie asystentowi AI?

**Na nowym zestawie pytań najpierw 10 razy, jako pilotaż, a potem tyle, ile wynika z danych z pilotażu.** Do wyniku dla całego asystenta zwykle wystarczają trzy powtórzenia zadane w tym samym czasie, a do porównania jednego pytania przed zmianą na stronie i po niej potrzeba 15-25. Do AI Overview zwykle wystarcza jedno pobranie, bo w moich danych dawał najczęściej identyczne odpowiedzi.

### Czy wynik widoczności w AI z narzędzia to dobry wskaźnik?

**Jako jedyny wskaźnik nie, bo łączy wzmianki, cytowania i różnych asystentów w jedną liczbę.** Z narzędzi biorę udział marki na stałym zestawie pytań, osobno dla każdego asystenta, i podaję go razem z miarą biznesową. Liczby bezwzględne cytowań potrafią rosnąć razem z indeksem narzędzia, bez żadnej zmiany po stronie marki.

### Jak często mierzyć widoczność w AI?

**Raz w miesiącu na tym samym zestawie pytań, a dodatkowo przed ważną zmianą na stronie i po niej.** Cykl miesięczny to moja praktyka, a nie wynik testu. Codzienny odczyt jednego pytania daje dużo punktów, ale każdy z nich to jedna losowa odpowiedź, więc trend odczytuję dopiero z kilku powtórzeń.

### Czy narzędzia do widoczności w AI działają dla polskich marek?

**Część z nich tak, ale sprawdź to przed zakupem.** Na stronach produktów 18 października 2026 Polskę jako rynek wymieniał wprost tylko Semrush. Ahrefs, SE Ranking i Peec AI pisały o wyborze krajów i języków bez listy, a Profound opisywał wybór kraju i języka w planie Enterprise. Polskie Senuto pokazuje, na które frazy w polskim Google wyświetla się AI Overview i czy cytuje Twoją domenę, ale nie opisuje śledzenia pytań w ChatGPT. Przy polskiej marce sprawdź też, czy narzędzie nie myli jej nazwy ze zwykłym słowem.

## Od czego zacząć?

**Pierwszy pomiar możesz zrobić sam w godzinę, bez płatnego narzędzia.** Zadaj asystentowi jedno pytanie z samą nazwą marki i sprawdź, czy wie, o kogo chodzi. Wybierz z Search Console dziesięć zapytań, na które Twoja strona się wyświetla, zadaj je bez nazwy marki trzy razy w ChatGPT i w trybie AI Google i zapisz osobno, gdzie marka jest wymieniona z nazwy, a gdzie jej strona jest źródłem. To da obraz całego zestawu; o pojedynczych pytaniach powie więcej dopiero pilotaż z dziesięcioma powtórzeniami. Jeśli wynik Cię zaskoczy, to dobry temat na [konsultację](https://rogala.pro/kontakt/).

Źródła zewnętrzne (sprawdzone 18 października 2026):

- arXiv, Dmitrij Żatuchin: The Dice Roll Method, wersja 2 z 14.10.2026 (arxiv.org)
- Product-Led SEO, Eli Schwartz: AEO is not SEO 2.0 (productledseo.com)
- SISTRIX: AI citation drift, how stable are sources in AI search results (sistrix.com)
- SearchPilot: GEO A/B testing, SEO and GEO are not the same (searchpilot.com)
- Bing Webmaster Blog: Introducing AI Performance in Bing Webmaster Tools (blogs.bing.com)
- Google Search Central: Generative AI performance reports (developers.google.com)
- Pomoc Search Console: raport o skuteczności w funkcjach AI (support.google.com)

Dane własne: test powtórzeń na 1 410 odpowiedziach (pomiar 29 sierpnia, analiza 14 października 2026), odczyty Ahrefs z 26 lipca i 2 sierpnia 2026, pomiar dla polskiej agencji SEO z października 2026 (trzy przebiegi przez API, 180 odpowiedzi).

[Łukasz Rogala](https://rogala.pro/o-mnie/)

strateg i konsultant SEO

Łukasz Rogala - strateg i konsultant SEO, prezes VerticalSEO i współzałożyciel Linko. Od 2014 roku prowadzi SEO 360°: od strategii i audytów, przez SEO techniczne, treści i link building, po semantic SEO i widoczność marek w wyszukiwarkach AI (GEO).

[O mnie](https://rogala.pro/o-mnie/) · [Wystąpienia](https://rogala.pro/wystapienia/)

Przeczytaj też

- [Pozycjonowanie w AI: GEO, LLMO i AI SEO bez mitów](https://rogala.pro/blog/pozycjonowanie-w-ai/)
- [Strategia SEO: jak ją zbudować krok po kroku](https://rogala.pro/blog/strategia-seo/)