Dlaczego widoczność w wyszukiwarkach AI wymaga wielokrotnych pomiarów?

Zapytaj dziś wyszukiwarkę AI “która marka produkuje najlepsze buty do biegania?”, a otrzymasz odpowiedź. Zadaj dokładnie to samo pytanie jutro, albo nawet pięć minut później, a mniej więcej dwie trzecie cytowanych źródeł będzie innych. To nie jest usterka. Tak właśnie działa wyszukiwanie oparte na AI.

Co znajdziesz w tym przewodniku:

• Dlaczego widoczność w wyszukiwarkach AI zachowuje się jak prawdopodobieństwo, a nie stały ranking, tak jak w Google
• Prostym językiem wyjaśnione metody, którymi badacze mierzą, czy odpowiedź AI faktycznie się zmieniła (Jaccard i RBO)
• Sześć wniosków opartych na danych, każdy z własnym wykresem: rotacja źródeł, stabilność marek, koncentracja cytowań, losowość modelu, różnice między silnikami i wrażliwość na prompty
• Konkretne liczby, które mają znaczenie: ile powtórzonych uruchomień na prompt i jak długie okno obserwacji potrzebujesz do uzyskania wiarygodnych danych
• Gotową do zastosowania listę kontrolną do wdrożenia pomiaru GEO, na którym rzeczywiście można polegać
• FAQ dotyczące liczby uruchomień, okien pomiarowych, silników i metryk

Nowe badanie akademickie stawia sprawę nieprzyjemnie jasno. W pracy “Don’t Measure Once: Measuring Visibility in AI Search (GEO)” (arXiv, kwiecień 2026), badacze Julius Schulte, Malte Bleeker i Philipp Kaufmann z University of St. Gallen (we współpracy z Aurora Intelligence) śledzili cztery wyszukiwarki AI w czterech branżach codziennie przez ponad sześć tygodni. Ich wniosek: widoczność w wyszukiwarkach AI jest probabilistyczna, a nie deterministyczna. Pojedyncze zapytanie to niewiarygodny zrzut ekranu, a traktowanie go jak pozycji w rankingu Google prowadzi do błędnych wniosków. To jedno z coraz liczniejszych badań akademickich nad GEO , które zmieniają sposób, w jaki marketerzy myślą o widoczności AI.

Dla marketerów ma to większe znaczenie, niż mogłoby się wydawać. Jeśli sprawdzisz raz, czy Twoja marka pojawia się w ChatGPT albo Perplexity, i nazwiesz to “pomiarem”, możesz znacząco zawyżyć lub zaniżyć swoją rzeczywistą obecność. Rozwiązaniem nie jest lepsze pojedyncze zapytanie, tylko inny model myślenia. Widoczność trzeba mierzyć jako rozkład: wiele uruchomień, wiele promptów, w ramach długiego okna czasowego.

Poniżej przeprowadzimy Cię dokładnie przez to, co wykazało badanie, dlaczego wyszukiwanie AI zachowuje się w ten sposób i ile pomiarów naprawdę potrzebujesz, by Twoje liczby cokolwiek znaczyły.

TL;DR (co wykazało badanie):

• Cytowane źródła rotują bardzo mocno. Jedynie około 34-42% źródeł cytowanych przez silnik AI powtarza się z jednego dnia na drugi, co oznacza, że mniej więcej 65% źródeł zmienia się codziennie.
• Wzmianki o markach są stabilniejsze, ale nadal zmienne. Nakładanie się dzień do dnia wynosi 45-59%, co jest bardziej wiarygodne niż w przypadku pojedynczych adresów URL, ale wciąż dalekie od stabilności.
• Cytowania są mocno skoncentrowane. Garstka domen przechwytuje większość widoczności. Średni współczynnik Giniego wynosi 0,715, a w skali od 0 do 1, gdzie 1 oznacza, że jedna domena zgarnia wszystkie cytowania, to bardzo nierówny krajobraz.
• To losowość samego modelu, nie bieżące wydarzenia. Wielokrotne uruchomienie identycznego promptu tego samego dnia daje taką samą rotację, więc większość niestabilności pochodzi z samego modelu, a nie ze zmian w realnym świecie.
• Jedno uruchomienie mówi Ci prawie nic. Potrzebujesz co najmniej 7 uruchomień na prompt dziennie, aby uzyskać wiarygodny szacunek widoczności marki, i 8, jeśli śledzisz także konkretne adresy URL źródeł.
• Krótkie okna kłamią. Ponieważ źródła zmieniają się tak szybko, potrzebujesz kroczącego okna o długości 2 do 4 tygodni, aby uzyskać stabilny obraz rzeczywistej widoczności marki.

Dlaczego widoczność w wyszukiwarkach AI nie zachowuje się jak ranking Google

Jeśli pochodzisz ze świata SEO, Twoje instynkty są skalibrowane do rzeczywistości, która już nie obowiązuje. W klasycznym wyszukiwaniu wyniki są uszeregowane i w większości stabilne: Twoja strona zajmuje dziś pozycję 4, a jutro prawdopodobnie pozycję 4 lub 5. Pojedyncze sprawdzenie daje uczciwy obraz sytuacji, a gdy coś się zmienia, zmienia się stopniowo, wzdłuż przewidywalnego spektrum. Możesz obserwować przesuwanie się swojej pozycji i reagować.

Generative Engine Optimization (GEO) nie działa w ten sposób. GEO jest zerojedynkowe, to, co w pracy nazwano binarną dynamiką włączenia lub wykluczenia. W danej odpowiedzi Twoja marka lub źródło albo są wyraźnie uwzględnione, albo pominięte całkowicie. Nie ma tu żadnego pocieszenia w stylu “pozycja 8”. Albo jesteś w odpowiedzi, albo jesteś niewidzialny, a to, co akurat się wydarzy, może zmienić się z jednego uruchomienia na drugie, napędzane probabilistycznym sposobem, w jaki duże modele językowe generują tekst i wybierają dowody.

Tę zmienność potęguje drugi problem: wyszukiwarka AI to czarna skrzynka. Nie widzisz, dlaczego Twoja marka została uwzględniona w jednej odpowiedzi, a pominięta w kolejnej. Model kompresuje informacje z wielu źródeł w krótką, ograniczoną odpowiedź, a sam proces wyboru nie jest przejrzysty ani powtarzalny. W przeciwieństwie do rankingu SEO, który oscyluje w obrębie widocznego zbioru pozycji, widoczność w AI może zniknąć bez ostrzeżenia i bez wyjaśnienia.

Do tego dochodzi jeszcze jeden problem: brak odpowiedniego narzędzia. W SEO marketerzy mają Google Search Console, narzędzie od samego dostawcy, które pokazuje, na jakie zapytania się pojawiasz i jak często. Dostawcy modeli LLM nie oferują żadnego odpowiednika. Podstawowych informacji, na przykład jak często ludzie faktycznie zadają dane pytanie, po prostu nie widać w ekosystemie GEO. Ta luka jest właśnie powodem, dla którego marketerzy muszą budować pomiar z zewnątrz, poprzez wielokrotne próbkowanie zewnętrzne, i dlaczego pojedyncza, statyczna liczba “widoczności” tak łatwo wprowadza w błąd. Reszta tego artykułu poświęcona jest temu, jak przeprowadzić taki pomiar poprawnie.

Wewnątrz badania: co dokładnie zrobili badacze

Badanie jest orzeźwiająco konkretne, warto więc zrozumieć jego metodologię, zanim zaufa się liczbom. Badacze z University of St. Gallen (we współpracy z Aurora Intelligence) zbudowali system monitorujący, który codziennie odpytywał cztery wyszukiwarki AI i rejestrował dokładnie, jakie źródła i marki zwracała każda z nich.

Przetestowali cztery silniki: ChatGPT, Google Gemini, Google AI Mode i Perplexity. Każdemu z nich zadawano ten sam zestaw pytań w czterech realnych branżach (w pracy nazywanych “kampaniami”), wybranych ze względu na duży ruch wyszukiwania na rynku szwajcarskim: elektronika użytkowa, sprzedaż nieruchomości, sprzęt sportowy i telekomunikacja.

Dla każdej branży zespół przygotował 8 promptów, i tu ciekawy szczegół: prompty nie zostały wymyślone. Badacze wzięli wysoko wyszukiwane frazy SEO, wpisali je w Google i wyodrębnili rzeczywiste pytania z sekcji “Podobne pytania” (“People Also Ask”). Oznacza to, że pytania wyglądają tak, jak pytają prawdziwi ludzie: konwersacyjne zapytania na wczesnym etapie ścieżki zakupowej, takie jak “Która marka produkuje dobre buty do biegania?”, a nie gołe słowa kluczowe.

Silniki były odpytywane codziennie przez okno 45 do 46 dni (od 24 stycznia do 20 marca 2026) z serwerów zlokalizowanych w Szwajcarii, co ma znaczenie dla sposobu, w jaki AI personalizuje wyniki. W sumie analiza objęła 4044 pary kolejnych dni, czyli każde porównanie “dziś kontra jutro” we wszystkich silnikach, promptach i branżach.

Oto zestawienie metodologii w skrócie:

To bardzo dużo powtórzonych pomiarów, co jest właśnie sednem tezy tej pracy.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Rozpocznij Kontakt

Dwa proste sposoby na zmierzenie, czy odpowiedź się zmieniła

Aby odpowiedzieć na pytanie “na ile dzisiejsza odpowiedź różni się od wczorajszej?”, badacze potrzebowali sposobu na porównanie dwóch list ze sobą. Zastosowali dwie metryki, i nie trzeba znać się na statystyce, żeby je zrozumieć.

Podobieństwo Jaccarda zadaje po prostu pytanie: spośród wszystkich źródeł, które pojawiły się w obu dniach, ile wystąpiło w obu dniach jednocześnie? Liczy się źródła wspólne, a następnie dzieli przez łączną liczbę unikalnych źródeł z obu dni.

Oto prosty przykład. Załóżmy, że dzisiejsza odpowiedź cytuje 5 źródeł, a jutrzejsza również 5, ale tylko 2 z nich się pokrywają. Obie odpowiedzi mają 2 wspólne źródła, a łącznie wymieniają 8 różnych źródeł (5 + 5, minus 2 policzone podwójnie). Wynik Jaccarda to więc 2 ÷ 8 = 0,25, co oznacza, że tylko około jednej czwartej źródeł pozostało niezmienionych, a mniej więcej trzy czwarte zmieniło się z dnia na dzień. Wartość Jaccarda równa 1,0 oznaczałaby identyczne listy; 0,0 oznaczałoby brak jakiegokolwiek pokrycia.

Rank-Biased Overlap (RBO) zadaje to samo pytanie, ale dodaje jeden element, który Jaccard pomija: kolejność. Bycie zacytowanym jako pierwsze jest warte więcej niż bycie zacytowanym jako piąte, więc RBO nadaje większą wagę górnej części listy. Ponieważ wymaga, aby wspólne elementy znajdowały się na podobnych pozycjach (a nie tylko gdziekolwiek na liście), RBO jest zawsze bardziej rygorystyczne niż Jaccard. Dlatego w tym badaniu RBO wypada niżej niż Jaccard we wszystkich przypadkach.

Jak czytać te liczby:

• Wyższa wartość = większa stabilność. Wynik bliski 1,0 oznacza, że odpowiedź prawie się nie zmieniła; wynik bliski 0 oznacza, że została niemal całkowicie przetasowana.
• Jaccard odpowiada na pytanie “czy te same elementy są obecne?”
• RBO odpowiada na pytanie “czy te same elementy są obecne i w tej samej kolejności?”
• Różnica między nimi pokazuje, jak bardzo zmienia się sam ranking, nawet jeśli te same elementy wciąż się pojawiają.

Jeśli chcesz zobaczyć, jak te wskaźniki wpisują się w szerszy kontekst innych metryk, nasz przewodnik po 10 ważnych metrykach widoczności AI umieszcza wskaźniki nakładania się w kontekście reszty Twojego dashboardu monitoringowego.

Wniosek nr 1: Dwie trzecie cytowanych źródeł zmienia się każdego dnia

Gdyby wyszukiwanie AI działało jak Google, zadanie tego samego pytania dwa dni z rzędu ujawniałoby mniej więcej te same strony. Tak nie jest. Gdy badacze z St. Gallen śledzili, jakie źródła cztery silniki AI cytowały każdego dnia przez półtora miesiąca, okazało się, że lista cytowanych źródeł ulega niemal całkowitemu przetasowaniu z jednego dnia na drugi.

Główną liczbą jest tu Jaccard, czyli udział cytowanych źródeł obecnych w obu dniach. W czterech branżach wahał się od zaledwie 0,336 dla elektroniki użytkowej do 0,423 dla telekomunikacji, ze sprzętem sportowym na poziomie 0,355 i sprzedażą nieruchomości na poziomie 0,378. Mówiąc wprost, wartość Jaccarda równa 0,35 oznacza, że jedynie około 35% cytowanych źródeł jest takich samych następnego dnia, więc mniej więcej 65% źródeł zmienia się i jest zastępowanych każdego dnia. Telekomunikacja była najbardziej stabilna spośród badanych branż, a elektronika użytkowa najbardziej zmienna, ale żadna z nich nie zbliżyła się do stabilności.

Sytuacja pogarsza się, gdy uwzględni się ranking. RBO, które nadaje największą wagę górnej części listy, wyniosło od 0,21 do 0,26, wyraźnie mniej niż Jaccard. Ta różnica jest wymowna. Oznacza, że z dnia na dzień zmienia się nie tylko które źródła się pojawiają, ale też kolejność, w jakiej się pojawiają. Nawet ta garstka źródeł, która przetrwa do następnego dnia, często zmienia miejsce w rankingu, więc “najwyższe” cytowanie widziane wczoraj może dziś być głęboko schowane.

To dokładnie ta sama rotacja, o której pisaliśmy już wcześniej w artykule o problemie 7% nakładania się : pojedyncze zapytanie to zrzut ekranu ruchomego celu. Sprawdź swoje cytowania AI raz i zapisz wynik, a uchwycisz jedną klatkę rozkładu, który przetasuje się jeszcze przed jutrzejszym porankiem.

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Wniosek nr 2: Wzmianki o markach są stabilniejsze, ale wciąż dalekie od stabilności

Poszczególne adresy URL zmieniają się gwałtownie, ale marketerów zwykle interesuje coś bardziej ogólnego: czy moja marka w ogóle jest wspominana? Agregacja od konkretnych źródeł do nazw marek wygładza znaczną część szumu, ale nawet na poziomie marki obraz dzień do dnia jest daleki od stabilnego rankingu, jakiego można by oczekiwać z tradycyjnego wyszukiwania.

Jaccard na poziomie marki wyniósł od 0,45 do 0,59, wyraźnie wyżej niż 0,34-0,42 zaobserwowane dla źródeł. Telekomunikacja była najbardziej stabilna z wynikiem 0,589, elektronika użytkowa blisko za nią z wynikiem 0,557, a sprzęt sportowy najniżej z wynikiem 0,453. Oznacza to, że mniej więcej połowa marek wspomnianych dziś pojawia się ponownie jutro, w porównaniu do jedynie jednej trzeciej źródeł. Obecność marki jest więc bardziej trwałym sygnałem, dlatego stanowi lepszy główny wskaźnik KPI niż śledzenie poszczególnych adresów URL.

Warto rozłożyć na czynniki dwa szczegóły. Po pierwsze, sprzedaż nieruchomości została całkowicie wykluczona z analizy marek. Silniki wskazały konkretną markę jedynie w 53,6% odpowiedzi dotyczących nieruchomości (poniżej progu 70%, który badacze ustalili jako minimum liczby wzmianek o markach potrzebnych do rzetelnej analizy branży), ponieważ wiele promptów dotyczyło ogólnych pytań podatkowych i inwestycyjnych, na które modele LLM odpowiadają, nie cytując żadnej konkretnej firmy. Uwzględnienie tej branży zaburzyłoby wyniki, więc ją pominięto.

Po drugie, sprzęt sportowy znalazł się najniżej z konkretnego powodu: istnieje duża, wymienna pula marek butów do biegania, więc model ma do wyboru dziesiątki niemal równoważnych opcji i rotuje między nimi z dnia na dzień.

I nawet tutaj kolejność jest niestabilna. RBO dla marek wyniosło zaledwie 0,19 do 0,30, więc ranking, w jakim marki się pojawiają, wciąż mocno się zmienia. Stabilniejszy niż w przypadku źródeł, ale nadal nie jest to coś, co można zmierzyć raz i temu zaufać. To argument za ciągłymi alertami monitoringu marki AI , a nie jednorazowymi sprawdzeniami.

Wniosek nr 3: Kilka domen przechwytuje niemal wszystkie cytowania

Nie każda cytowana domena otrzymuje równy kawałek tortu. W wyszukiwaniu AI niewielka grupa domen zgarnia zdecydowaną większość cytowań AI dla danego tematu, podczas gdy reszta walczy o okruchy.

Praca mierzy to za pomocą współczynnika Giniego, standardowego wskaźnika nierówności. Przyjmuje wartości od 0 do 1: Gini równy 0 oznaczałby, że każda domena jest cytowana równie często, a Gini równy 1 oznaczałby, że jedna domena zgarnia wszystkie cytowania. To ta sama matematyka, której ekonomiści używają do opisu nierówności dochodowych, zastosowana tutaj do liczby cytowań.

We wszystkich silnikach i kampaniach średni Gini wyniósł 0,715. To wysoka wartość. Oznacza, że krajobraz cytowań jest mocno przechylony, a garstka domen posiada większość widoczności w danym temacie.

Koncentracja różni się w zależności od silnika. Perplexity rozkładał swoje cytowania najrówniej (Gini 0,671), następnie ChatGPT (0,684) i Gemini (0,723). Google AI Mode był najbardziej skoncentrowany ze wszystkich, na poziomie 0,782, co oznacza, że najmocniej opiera się na wąskiej puli zaufanych źródeł.

Różni się to również w zależności od tematu. Sprzęt sportowy był najmniej skoncentrowany (0,680), następnie elektronika użytkowa (0,713) i nieruchomości (0,718), a telekomunikacja najbardziej skoncentrowana na poziomie 0,750.

Wniosek strategiczny: dla każdego tematu garstka domen posiada widoczność w AI, a reszta jest niemal niewidzialna. Prawdziwa wygrana leży we wejściu do tej czołowej grupy, więc Twoja strategia udziału w AI (AI share of voice) powinna skupić się na przebiciu się do tego skoncentrowanego trzonu, zamiast gonić za długim ogonem, który AI rzadko eksponuje.

Wniosek nr 4: To model, nie bieżące wydarzenia

Jeśli źródła zmieniają się z dnia na dzień, może to po prostu efekt zmieniającego się świata? Publikowane są nowe artykuły, zmienia się autorytet domen, odświeżają się indeksy. Aby to sprawdzić, badacze przeprowadzili sprytny eksperyment.

Uruchomili ten sam prompt nawet do 10 razy tego samego dnia kalendarzowego, na wszystkich czterech silnikach. To samo zapytanie, te same warunki, w odstępie kilku minut. Gdyby rotacja dzień do dnia wynikała z zewnętrznych wydarzeń i aktualizacji indeksów, ponowne uruchomienie promptu tego samego dnia powinno zwracać niemal identyczne źródła. Zgodnie ze starymi założeniami wyszukiwania, można by oczekiwać niemal pełnego pokrycia.

Tak się nie stało. Nakładanie się źródeł tego samego dnia (Jaccard) wyniosło od 0,32 do 0,43 we wszystkich kampaniach, co oznacza, że jedynie około jedna trzecia cytowanych źródeł pokrywała się między dwoma uruchomieniami tego samego dnia. Elektronika użytkowa osiągnęła 0,327, sprzęt sportowy 0,321, nieruchomości 0,391, a telekomunikacja 0,434.

Oto puenta: ten zakres jest zasadniczo identyczny z zakresem dzień do dnia wynoszącym 0,34-0,42. Wyeliminowanie bieżących wydarzeń jako czynnika niemal niczego nie zmieniło.

Wniosek jest nieunikniony. Rotacja nie pochodzi z zewnętrznych aktualizacji, zmian algorytmu ani zmieniającego się cyklu informacyjnego. Pochodzi z własnej losowości modelu: probabilistycznego sposobu, w jaki AI generuje i wybiera źródła dla każdej odpowiedzi. Zapytaj ten sam silnik dwa razy z rzędu, a otrzymasz istotnie różne źródła, nie dlatego, że świat się zmienił, ale dlatego, że model po raz kolejny rzucił kośćmi. Właśnie dlatego jeden pomiar nie wystarczy i dlaczego monitoring musi uśredniać wielokrotne uruchomienia, aby cokolwiek znaczyć.

Wniosek nr 5: Cztery silniki nie są wymienne

Kuszące jest traktowanie “wyszukiwania AI” jako jednego monolitu. Dane mówią co innego. Cztery silniki zachowują się na tyle różnie, że założenie, iż jeden odzwierciedla drugi, sprowadzi Cię na złą drogę.

Rozbicie wyników ponownych uruchomień tego samego dnia według silnika ujawnia ogromną przepaść w spójności. Jeśli chodzi o źródła, Gemini był zdecydowanie najbardziej spójny, z Jaccardem tego samego dnia na poziomie 0,505, co oznacza, że mniej więcej połowa cytowanych źródeł pozostawała niezmienna między powtórzonymi uruchomieniami. ChatGPT był najmniej spójny, z wynikiem zaledwie 0,233, czyli niewiele ponad jedną czwartą pokrycia. Perplexity (0,282) i Google AI Mode (0,318) uplasowały się pomiędzy.

Obraz marek całkowicie przetasowuje ranking. W przypadku wzmianek o markach prowadził Perplexity (Jaccard 0,492), tuż za nim ChatGPT (0,437), następnie Gemini (0,409) i Google AI Mode (0,375). Silnik najbardziej stabilny w kwestii źródeł nie jest więc najbardziej stabilny w kwestii marek. Nie ma jednego “najbardziej stabilnego” silnika.

ChatGPT wyróżnia się jeszcze z innego powodu. W 57,8% uruchomień nie zwraca żadnych cytowań. Ponad połowę czasu pomija wyszukiwanie w sieci przy pytaniach definicyjnych i odpowiada z pamięci. Zapytaj go “czym różni się notebook od laptopa?”, a często w ogóle nikogo nie zacytuje. To zupełnie inne zachowanie niż w przypadku Gemini czy Perplexity, które znacznie chętniej sięgają po sieć.

Wniosek jest prosty, ale kluczowy: nie można zakładać, że zachowanie jednego silnika odzwierciedla zachowanie innego. Każdy ma swoją własną losowość, swoje własne nawyki cytowania i swoje własne osobliwości. Każdy poważny program monitoringu, czy AI Visibility Index , musi ustalać wartości bazowe osobno dla każdego silnika, zamiast łączyć wszystko w jedną liczbę i liczyć, że się uogólni.

Wniosek nr 6: Wybrany prompt mocno wpływa na wynik

Oto szczegół, który zaskakuje większość ludzi: wybrany prompt ma równie duże znaczenie jak liczba jego uruchomień. Badanie zmierzyło spójność na poziomie poszczególnych promptów w każdej kampanii, a rozrzut jest ogromny. Niektóre prompty zwracają niemal te same źródła i marki przy każdym uruchomieniu, z Jaccardem powyżej 0,8, co oznacza, że ponad 80% elementów się powtarza. Inne są niemal czystym szumem, poniżej 0,2, gdzie mniej niż jeden na pięć elementów pozostaje niezmienny.

Wzorzec stojący za tym rozrzutem jest intuicyjny, gdy się go zauważy. Konkretne zapytania o produkty otrzymują bardziej spójne odpowiedzi niż szerokie, ogólne pytania. Precyzyjne pytanie w stylu “które buty do biegania są najlepsze” wyciąga bardziej zwarty, powtarzalny zestaw marek i źródeł. Niejasne pytanie na wczesnym etapie ścieżki zakupowej, na które można odpowiedzieć na tuzin różnych, uzasadnionych sposobów, za każdym razem kieruje model do znacznie szerszej puli.

Praktyczny wniosek: jeden lub dwa prompty nie mogą reprezentować całej kampanii. Jeśli przypadkiem wybierzesz dwa spójne prompty, przecenisz swoją stabilność. Jeśli wybierzesz dwa niestabilne, przekonasz się, że cała kategoria to chaos. Tak czy inaczej, mierzysz osobliwości doboru swoich promptów, a nie rzeczywistą widoczność.

Rozwiązaniem jest duże, zróżnicowane portfolio promptów, które odzwierciedla sposób, w jaki naprawdę pytają użytkownicy: konkretne i ogólne, transakcyjne i informacyjne. Uśrednianie wyników z wielu promptów to jedyny sposób, aby zniwelować ten szum na poziomie pojedynczego zapytania i zobaczyć kampanię taką, jaka jest naprawdę.

Ile razy powinieneś uruchomić każdy prompt?

Pomyśl o pojedynczym zapytaniu jak o jednym rzucie monetą. Nigdy nie zdecydowałbyś, czy moneta jest uczciwa, na podstawie jednego rzutu, a jednorazowe zapytanie do wyszukiwarki AI właśnie tego od Ciebie oczekuje. Ponieważ wyszukiwarki AI są probabilistyczne, każde uruchomienie to nowy rzut kośćmi, a jedynym sposobem, by dowiedzieć się, jak często Twoja marka naprawdę się pojawia, jest wielokrotne uruchomienie promptu i uśrednienie wyników. Im więcej uruchomień zbierzesz, tym mniejszy będzie Twój błąd standardowy (SE), czyli margines niepewności wokół szacunku.

Praca dokładnie kwantyfikuje, jak szybko ten margines się zmniejsza.

Zbieżność jest stroma na początku, a potem się wypłaszcza. Pojedyncze uruchomienie niesie SE na poziomie 0,370, co jest w zasadzie bezużyteczne. Mówiąc wprost: marka, której rzeczywisty wskaźnik wykrywalności wynosi 50%, mogłaby w pojedynczym zrzucie ekranu wykazać wartość gdziekolwiek między 0% a 100%. Nie dowiedziałbyś się niczego.

Dodaj uruchomienia, a mgła szybko się rozwiewa:

SE spada poniżej progu wiarygodności 0,10 przy 7 uruchomieniach dla śledzenia marki (przy sześciu uruchomieniach jest jeszcze na poziomie 0,101). Pokrycie na poziomie źródeł jest bardziej zaszumione i wymaga 8 uruchomień, aby osiągnąć ten próg.

Rekomendacja jest więc konkretna: uruchamiaj prompt co najmniej 7 razy dziennie, gdy monitorujesz widoczność marki, i co najmniej 8 razy, gdy liczy się pokrycie na poziomie źródeł. Poniżej tego progu wciąż rzucasz jedną monetą i nazywasz to pomiarem. To różnica między prawdziwym AI Visibility Index a szczęśliwym zgadywaniem.

Jak długo powinieneś obserwować? Argumenty za oknem 2 do 4 tygodni

Wystarczająco częste uruchamianie każdego promptu eliminuje szum w obrębie jednego dnia. Istnieje jednak drugie źródło zmienności: odpowiedzi AI zmieniają się też z dnia na dzień, a przy niemal 65% cytowanych źródeł zmieniających się co 24 godziny, pojedynczy dzień (a nawet pojedynczy tydzień) jest zdecydowanie zbyt krótki, aby odróżnić sygnał od szumu. Potrzebujesz na tyle szerokiego okna, by codzienna rotacja mogła się uśrednić.

Badanie zmierzyło, jak precyzja szacunku poprawia się wraz z wydłużaniem okna obserwacji.

Obowiązuje ta sama logika zbieżności, tylko rozłożona w czasie kalendarzowym zamiast w liczbie powtórzonych uruchomień:

Szacunek przekracza próg poniżej 0,10 po 10 dniach i spada poniżej 0,05 mniej więcej w okolicach 24 dnia (jest na poziomie 0,053 przy 21 dniach i 0,033 przy 28 dniach). W praktyce oznacza to: tydzień danych to wciąż niepewna podstawa do śledzenia pojedynczej marki, ale margines 0,05 oznacza, że marka rzeczywiście cytowana w 40% przypadków wykaże wynik w przedziale mniej więcej od 30% do 50%, na tyle wąskim, by zaufać trendowi. Dwa do czterech tygodni to moment, w którym liczby dla poszczególnych marek stają się rzeczywiście stabilne.

Rekomendacją jest kroczące okno o długości 2 do 4 tygodni. Okno kroczące pełni podwójną funkcję: zbiera wystarczająco dużo dni, aby zmniejszyć margines statystyczny, a jednocześnie po cichu uśrednia drobne aktualizacje modelu i odświeżenia indeksu, które silniki AI regularnie wprowadzają, dzięki czemu jednorazowa zmiana w dowolny wtorek nie udaje prawdziwego trendu. To właśnie ta długość okna powinna być wbudowana w każdy dashboard monitoringowy czy metodologię testów A/B widoczności AI , zanim wyciągniesz wnioski, czy Twoja widoczność faktycznie się zmieniła.

Co to oznacza dla Twojej strategii GEO

Badanie przekłada się bezpośrednio na garść konkretnych zasad dla każdego, kto prowadzi program GEO . Traktuj je jako wymogi operacyjne dla systemu pomiarowego, któremu można rzeczywiście zaufać.

Uruchamiaj każdy prompt co najmniej 7 razy dziennie (8 razy, gdy liczą się źródła). Pojedyncze zapytanie ma błąd standardowy na poziomie 0,370 dla wskaźnika wykrywalności marki, co jest w zasadzie rzutem monetą przebranym za dane. Błąd spada poniżej 0,10 przy 7 uruchomieniach dla obecności marki i wymaga 8 uruchomień dla pokrycia na poziomie źródeł. Poniżej tego progu reagujesz na szum, a nie mierzysz widoczności.

Pokryj każdy temat szerokim, zróżnicowanym portfolio promptów. Nakładanie się na poziomie promptu waha się od poniżej 0,2 do powyżej 0,8 w obrębie jednej kampanii, więc jeden lub dwa prompty uchwycą osobliwości akurat tych sformułowań, a nie Twoją rzeczywistą pozycję. Zbuduj co najmniej osiem zróżnicowanych zapytań na temat, mieszankę konkretnych pytań o produkt i szerokich sformułowań typu “co jest najlepsze”, aby Twoje liczby odzwierciedlały kampanię, a nie przypadek doboru słów.

Agreguj dane w oknie kroczącym o długości 2 do 4 tygodni, a nie w ciągu dnia czy tygodnia. Przy niemal 65% cytowanych źródeł zmieniających się codziennie, krótkie okna nie są w stanie oddzielić sygnału od szumu. Szacunki dla poszczególnych marek stabilizują się dopiero poniżej 0,10 SE po 10 dniach i poniżej 0,05 po 24 dniach. Kroczące okno dwa do czterech tygodni wygładza codzienną rotację i drobne aktualizacje modelu w trwały obraz.

Ustal osobne wartości bazowe dla każdego silnika. Koncentracja cytowań sięga od 0,671 w Perplexity do 0,782 w Google AI Mode, a spójność źródeł tego samego dnia waha się od 0,233 w ChatGPT do 0,505 w Gemini. Jeden wspólny próg dla wszystkich czterech silników wprowadzi Cię w błąd co do co najmniej jednego z nich. Benchmarkuj każdy silnik na jego własnych warunkach.

Monitoruj obecność marki i adresy URL źródeł jako dwa osobne wskaźniki KPI. Stabilność na poziomie marki (Jaccard 0,45-0,59) przewyższa stabilność na poziomie źródła (0,34-0,42), więc zagregowana obecność marki jest Twoim bardziej wiarygodnym głównym wskaźnikiem. Warto jednak nadal śledzić źródła na poziomie URL, ponieważ to one pokazują, które strony faktycznie napędzają Twoje uwzględnienie w odpowiedziach.

Uczciwe ograniczenia, o których warto wiedzieć

Autorzy są orzeźwiająco szczerzy co do tego, co ten zbiór danych może, a czego nie może Ci powiedzieć, a każde zastrzeżenie to powód, by prowadzić własny, ciągły pomiar, zamiast opierać się na jednym badaniu.

To dane szwajcarskie. Wszystkie dane pochodziły z serwerów w Szwajcarii, z adresów IP i ustawień regionalnych właściwych temu krajowi, w oparciu o prompty w języku niemieckim. Personalizacja indeksu w zależności od lokalizacji i wzorce cytowań mogą wyglądać inaczej w Twoim regionie lub języku, więc traktuj konkretne liczby jako wskazówkę kierunkową, a nie uniwersalną prawdę.

To jedno okno czasowe. Wszystko pochodzi z jednego okresu 45 do 46 dni (od stycznia do marca 2026). Silniki AI stale się aktualizują, więc zrzut ekranu z dowolnego stałego okna, w tym z tego, może z czasem stracić na aktualności.

ChatGPT często nie zwracał niczego. ChatGPT pominął wyszukiwanie w sieci w 57,8% uruchomień, nie generując żadnych cytowań; te uruchomienia zostały wykluczone z analizy źródeł. Twoje własne pokrycie w ChatGPT może być bardziej nierówne, niż sugerują liczby przedstawione w tym artykule.

Wykrywanie marek opierało się na dopasowaniu ciągów znaków. Wzmianki dopasowywano do stałego słownika, więc synonimy, skróty i parafrazy zostały pominięte. Rzeczywista obecność marek jest prawdopodobnie nieco wyższa niż zmierzona.

Google AI Overviews zostały wykluczone jako odrębny produkt. Jeśli AIO ma dla Ciebie znaczenie, to cała powierzchnia, której to badanie w ogóle nie dotknęło.

Nic z tego nie podważa głównego wniosku, wręcz przeciwnie, wzmacnia go. Jedynym sposobem, by dowiedzieć się, jak widoczność zachowuje się na Twoim rynku, w Twoim języku i w tym konkretnym miesiącu, jest zmierzenie tego samemu, w sposób ciągły.

Jak wdrożyć wielokrotny pomiar w praktyce

Oto praktyczna lista kontrolna wynikająca z badania, czyli minimalny działający zestaw wymagań dla pomiaru GEO, na którym można oprzeć działania:

• Uruchamiaj każdy prompt 7 do 10 razy dziennie. Siedem uruchomień sprowadza wykrywalność marki poniżej progu wiarygodności; osiem pokrywa źródła; dziesięć daje Ci zapas bezpieczeństwa.
• Utrzymuj zróżnicowane portfolio co najmniej 8 promptów na temat. Łącz konkretne zapytania o produkty z szerokimi sformułowaniami typu “co jest najlepsze”.
• Śledź wartości bazowe osobno dla każdego silnika. ChatGPT, Gemini, Google AI Mode i Perplexity zachowują się różnie zarówno pod względem spójności, jak i koncentracji cytowań, więc benchmarkuj każdy z nich osobno.
• Korzystaj z kroczącego okna 2 do 4 tygodni. Agreguj wskaźniki wykrywalności w oknie od 14 do 28 dni, aby wygładzić codzienną rotację źródeł i drobne aktualizacje modelu.
• Monitoruj obecność marki i adresy URL źródeł osobno. Obecność na poziomie marki to Twój stabilny, główny KPI; śledzenie źródeł pokazuje, które strony zdobywają uwzględnienie.
• Obserwuj koncentrację cytowań. Rosnący współczynnik Giniego oznacza kurczącą się grupę domen posiadających odpowiedzi, więc sprawdzaj, czy jesteś w tej grupie, czy poza nią.

Ręczne wykonywanie tego wszystkiego w czterech silnikach, w kilkudziesięciu promptach i przy codziennych powtórkach to mnóstwo ruchomych elementów. Platforma do monitoringu widoczności AI, taka jak amicited, automatyzuje dokładnie ten wzorzec (wiele uruchomień, wiele promptów, śledzenie w oknie kroczącym w ChatGPT, Gemini, Google AI Mode i Perplexity), dzięki czemu rozkład jest obliczany za Ciebie, zamiast być szacowany na oko na podstawie pojedynczego zapytania. Szerszy przegląd dostępnych opcji znajdziesz w przewodniku po narzędziach do śledzenia cytowań AI , a aby wychwytywać zmiany na bieżąco, skonfiguruj alerty monitoringu marki AI .

Podsumowanie: widoczność to rozkład, a nie liczba

Najważniejszy wniosek z tego badania to zmiana modelu myślenia. Widoczność w wyszukiwarkach AI nie jest stałym rankingiem, który można odczytać jednym zapytaniem. To prawdopodobieństwo bycia wspomnianym, które ujawnia się dopiero w wielu uruchomieniach. Pamiętasz pytanie o buty do biegania, od którego zaczęliśmy? Zadaj je raz, a możesz zobaczyć swoją markę; zadaj je ponownie minutę później, w identycznych warunkach, a może już jej nie być. Zbiory źródeł pokrywają się jedynie w 34-42% z dnia na dzień; nawet marki, ten bardziej stabilny sygnał, pokrywają się tylko w 45-59%.

Oznacza to, że każda liczba, którą wyciągasz z pojedynczego sprawdzenia, jest w rzeczywistości losowym ciągnięciem z leżącego u jej podstaw rozkładu, a jednorazowe ciągnięcie mówi prawie nic o kształcie tego rozkładu. Marka zacytowana w jednym uruchomieniu i nieobecna w kolejnym nie “spadła”; po prostu jednokrotnie spróbkowałeś losowy proces rzucania kośćmi i wziąłeś tę jedną próbkę za prawdę.

Przestań więc pytać “czy jestem cytowany?” i zacznij pytać “jak często jestem cytowany i jak to się zmienia?”. Powtarzane uruchomienia, zróżnicowane prompty, wartości bazowe dla poszczególnych silników i okna kroczące zamieniają zaszumiony zrzut ekranu w stabilny szacunek, na którym można oprzeć decyzje. Mierz rozkład, nie chwilę. To cała gra w wyszukiwaniu AI.