Zanim sprawdzisz fakty AI: co naprawdę mówi o markach

Bycie poleconym to nie szczyt drabiny

Widoczność w AI mierzymy jako drabinę pięciu kroków: AI odczytuje twoją stronę, cytuje twoje podstrony, wymienia twoją markę, poleca cię i opisuje cię poprawnie. Większość narzędzi i większość zespołów marketingu przestaje liczyć na kroku czwartym. Jeśli AI cię poleca, praca wygląda na skończoną.

1. 4
   Polecana

   AI stawia cię na pierwszym miejscu lub przedstawia jako najlepszy wybór.

2. 5
   Opisana poprawnie

   To, co AI mówi o tobie, jest prawdą: właściwe ceny, produkty, rynki i mocne strony.

Ale rekomendacja oparta na błędnych faktach może kosztować więcej niż jej zupełny brak. Kupujący przychodzi z oczekiwaniem starej ceny, nieistniejącej funkcji lub niewłaściwego kraju dostawy, a sprzedaż rozpada się na ostatnim kroku. Nic w twojej analityce nie pokazuje dlaczego. Dlatego „poprawny opis” traktujemy jako osobny krok z własnym pomiarem.

Co zobaczyliśmy w pierwszej analizie

Każda odpowiedź modelu AI o marce zawiera drobne stwierdzenia faktograficzne: „kosztuje X miesięcznie”, „jest dostępny w Y”, „integruje się z Z”. Nazywamy je twierdzeniami. Twierdzenia o identycznym brzmieniu liczymy jako jedno.

4010Odpowiedzi AI

754odpowiedzi, w których padła nazwa marki

31 447cytowanych źródeł

4 modele AI

6 rynków4 języki

31 dnizbierania odpowiedzi

Zakres badania7 sie 2026 – 19 wrz 2026

Zebraliśmy 4010 odpowiedzi z ChatGPT, Gemini, Perplexity i Google AI Overviews na pytania kupujących w sześciu rynkach: turystyka przygodowa, marketing architektoniczny, e-commerce, oprogramowanie CRM, terapia online i narzędzia AI. Razem te odpowiedzi zacytowały 31 447 źródeł. AI wspomniała o danej marce w 754 z 4010 odpowiedzi (18,8%). Ta średnia ukrywa duży rozrzut: na dwóch rynkach AI wymieniła markę w ponad połowie odpowiedzi. Na pozostałych czterech wymieniła ją w około 2% do 11% z nich. Twierdzenia mogą pochodzić tylko z odpowiedzi, w których pada nazwa marki, dlatego analiza twierdzeń korzysta z ich podzbioru:

Przeanalizowane odpowiedzi pochodziły z ChatGPT, Gemini i Google AI Overviews, na pytania kupujących w czterech z sześciu rynków: oprogramowanie CRM, e-commerce, turystyka przygodowa i marketing architektoniczny. Średnio jedna odpowiedź zawierała 3,8 twierdzenia o marce (2166 wzmianek o twierdzeniach w 567 odpowiedziach). W zależności od rynku AI wygłosiła od 48 do 985 unikalnych twierdzeń o marce.

Wzmianka o twierdzeniu to jedno twierdzenie w jednej odpowiedzi. To samo twierdzenie może pojawić się w kilku odpowiedziach, dlatego wzmianek (2166) jest więcej niż unikalnych twierdzeń (2084). 13 twierdzeń pojawia się w dwóch modelach AI, więc wiersze modeli AI sumują się do 2097 unikalnych twierdzeń, a nie do 2084.

Niewiele zespołów marketingu potrafiłoby wymienić wszystko, co AI o nich mówi. Prawie żaden tego nie sprawdził.

Trzy werdykty, nie dwa

Aby sprawdzić twierdzenie, potrzebujesz czegoś, z czym je porównasz: własnych faktów. Co sprzedajesz, komu, gdzie i w jakiej cenie. Każde twierdzenie jest następnie porównywane z tymi faktami i dostaje jeden z trzech werdyktów:

Trzeci werdykt ma znaczenie. Proste sprawdzenie prawda/fałsz wciska każde twierdzenie do jednej z dwóch szufladek. W praktyce wiele z tego, co AI mówi o marce, nie jest ani potwierdzone, ani obalone przez nic, co marka zapisała.

Największa luka: to, czego nigdy nie zapisano

Gdy marka nie podaje czegoś jasno, AI nie milczy. Wypełnia lukę recenzjami, starymi stronami, artykułami porównawczymi pisanymi przez konkurentów albo własnym treningiem. „Nieobjęte” twierdzenie z przykładu może nawet być prawdziwe. Ale marka go nie wybrała i nie zobaczy go, dopóki nie sprawdzi.

To zmienia zadanie. Naprawianie tego, co AI podaje błędnie, to tylko połowa pracy. Druga połowa to podawanie faktów, co do których AI wciąż zgaduje, prostymi słowami, na stronach, które AI potrafi znaleźć.

Chwalone, a błędne

Modele AI są zazwyczaj życzliwe wobec marek. W naszym badaniu 68,8% z 2084 twierdzeń było pozytywnych, 27,5% neutralnych i tylko 3,7% negatywnych. W raporcie sentymentu to wygląda na dobrą wiadomość. Ale pozytywne twierdzenie nie musi być poprawne:

Sentyment mówi ci, jak AI ocenia ciebie. Nie mówi, czy AI ma rację. Potrzebujesz obu, i to dla każdego twierdzenia z osobna, a nie jako jednej średniej oceny.

Każdy model AI opowiada własną historię

Aby uczciwie porównać modele AI, pogrupowaliśmy 2084 twierdzenia według znaczenia w 157 tematów, takich jak ceny marki, łatwość obsługi czy obszar dostaw. Następnie policzyliśmy, które modele AI poruszały każdy temat:

Około jedna trzecia tematów pojawiła się we wszystkich trzech modelach AI. Ale 41,4% pojawiło się tylko w jednym. Kupujący, który pyta ChatGPT, i kupujący, który pyta Gemini, mogą usłyszeć o różnych aspektach tej samej marki.

Źródła różnią się jeszcze bardziej. Odpowiedzi stojące za twierdzeniami zacytowały 952 różne witryny. 83,8% tych witryn zacytował tylko jeden model AI, 11,8% – dwa, a zaledwie 4,4% (42 witryny) – wszystkie trzy. Każdy model AI buduje obraz twojej marki z własnego zestawu stron.

Uwaga do tych liczb. Zautomatyzowany krok grupowania porządkuje twierdzenia w tematy, więc granice między tematami nie są dokładne. Dwa modele AI, które poruszają ten sam temat, mogą mimo to mówić o nim różne rzeczy. A witryna zacytowana tylko przez jeden model AI może być znana także pozostałym.

To ważne dla dokładności, bo jeden model AI może podawać aktualną cenę, a inny powtarzać starą. Wtedy błąd nie leży w „AI w ogóle”. Zwykle tkwi w konkretnych stronach, na których opiera się dany model AI, albo w tym, czego ten model nauczył się podczas treningu. Dzięki temu da się go wyśledzić: sprawdzając każdy model AI osobno i patrząc na źródła, które cytują jego odpowiedzi.

Strona na żywo czy pamięć?

Odpowiedzi AI opierają się na dwóch warstwach: na tym, co model AI znajduje w sieci w tej chwili (Na żywo), i na tym, czego model nauczył się podczas treningu (Pamięć). To, skąd pochodzi błędne twierdzenie, decyduje o tym, jak je naprawić. Pierwszą wskazówkę daje odpowiedź, która za nim stoi: czy cytowała źródła, czy nie?

W naszym badaniu 78% odpowiedzi stojących za twierdzeniami zacytowało co najmniej jedno źródło. Razem zacytowały 6504 źródła: 3785 różnych stron w 952 różnych witrynach. Udział silnie różnił się w zależności od modelu AI:

Dla większości twierdzeń istnieje strona, którą można wskazać. W przypadku Gemini prawie połowa odpowiedzi nie cytowała niczego, więc jego twierdzenia trudniej powiązać ze stroną.

Uwaga do tego podziału. Odpowiedź bez cytowanych źródeł nie dowodzi, że model AI nie korzystał ze stron internetowych. Modele AI różnią się też sposobem pokazywania źródeł, a odpowiedzi ChatGPT w tej próbie zebrano z włączonym wyszukiwaniem w sieci. Traktuj oba przypadki jako kierunki do zbadania, a nie dokładne przyczyny, i nie odczytuj tabeli jako rankingu modeli AI.

Co z tym zrobić

Dla dokładności stosujemy te same cztery kroki co dla każdego innego elementu widoczności w AI:

1. 1
   Zobacz

   Spisz swoje fakty: produkty, ceny, rynki, komu służysz. Następnie zbierz to, co AI faktycznie twierdzi o tobie, w różnych modelach AI, z prawdziwych odpowiedzi.

2. 2
   Zrozum

   Sklasyfikuj każde twierdzenie: potwierdzone, zaprzeczone lub nieobjęte. Sprawdź, który model AI je wygłasza i z jakich źródeł skorzystała odpowiedź.

3. 3
   Działaj

   Naprawiaj zaprzeczone twierdzenia u źródła: najpierw na własnych stronach, potem na zewnętrznych stronach, które cytują odpowiedzi. Zamieniaj częste „nieobjęte” twierdzenia w jasne fakty, które da się znaleźć.

4. 4
   Mierz

   Sprawdzaj dalej. Poprawka na stronie na żywo może być widoczna szybko. Luka w pamięci zamyka się powoli, wraz z aktualizacjami modeli.

Vosapio wykonuje te cztery kroki za ciebie: zbiera odpowiedzi, wyodrębnia twierdzenia, sprawdza je z faktami, które wprowadzasz, i przechowuje źródła stojące za każdą odpowiedzią. Zobacz jak Vosapio monitoruje widoczność w AI, albo porównaj plany dla marek oraz plany dla agencji.

Dla agencji

Przeprowadź to samo sprawdzenie dla każdego klienta. Pokaż każdemu klientowi, jakie twierdzenia AI wygłasza o nim, który model AI je wygłasza i jakie źródła za nimi stoją. To szybki sposób, by rozpocząć rozmowę z klientem od danych zamiast opinii i ustalić, które strony poprawić w pierwszej kolejności.

Metoda i ograniczenia

• Pełny zbiór danych. 4010 odpowiedzi z ChatGPT, Gemini, Perplexity i Google AI Overviews na 297 monitorowanych pytań kupujących w sześciu rynkach i czterech językach (angielskim, niemieckim, francuskim i rumuńskim), zebranych między 7 sierpnia a 19 września 2026 (w ciągu 31 dni). Odpowiedzi zacytowały 31 447 źródeł.
• 19% to średnia, nie punkt odniesienia. Łączy sześć rynków o bardzo różnej wielkości, a największy rynek miał jeden z najniższych wskaźników. To, czy wskaźnik wzmianek jest wysoki czy niski, zależy od rynku, marki i zadanych pytań.
• Analiza twierdzeń. 567 odpowiedzi z ChatGPT, Gemini i Google AI Overviews na 79 pytań, w czterech z sześciu rynków i czterech językach. Twierdzenia wyodrębniono automatycznie między 24 września a 10 października 2026. Wszystkie liczby o twierdzeniach, sentymencie i źródłach w tym artykule pochodzą z tych 567 odpowiedzi.
• Jak wybrano 567 odpowiedzi. Twierdzenia o marce mogą zawierać tylko odpowiedzi, które o niej wspominają: tak było w 754 z 4010 odpowiedzi. Dla każdej marki analiza bierze najnowsze odpowiedzi, które o niej wspominają i nie były jeszcze analizowane, i zatrzymuje się po 500 odpowiedziach lub 500 twierdzeniach na przebieg. Te 567 to odpowiedzi, które dały co najmniej jedno twierdzenie. To nie jest próba losowa: skłania się ku najnowszym odpowiedziom i ku markom, o których AI wspomina najczęściej.
• Mała próba. Cztery rynki i trzy modele AI w analizie twierdzeń. Liczby opisują tę próbę. Nie są szacunkiem dla wszystkich marek ani wszystkich modeli AI.
• Grupowanie. Sumy twierdzeń uznają je za takie same tylko wtedy, gdy ich brzmienie jest identyczne, więc są wyższe niż liczba według znaczenia. Na potrzeby porównania modeli AI zautomatyzowany krok pogrupował też wszystkie 2084 twierdzenia według znaczenia w 157 tematów.
• Automatyczna ekstrakcja. Model wyodrębnia z każdej odpowiedzi twierdzenia i ich ton. Niektóre twierdzenia zostaną podzielone, scalone lub błędnie oznaczone.
• Brak jeszcze wskaźników dokładności. Marki nie wprowadziły własnych faktów, więc żadne twierdzenie nie ma werdyktu. Nie publikujemy odsetków poprawnych ani błędnych twierdzeń i zaktualizujemy ten artykuł, gdy je uzyskamy.
• Fakty pochodzą od marki. Twierdzenie można sprawdzić tylko z tym, co marka zapisała. Marka z małą liczbą faktów dostaje więcej werdyktów „nieobjęte”.
• Bez nazw marek. Nasze liczby są zagregowane. Żadna stojąca za nimi marka nie jest wymieniona z nazwy.