In short
- Jak przygotować test, żeby wynik był wiarygodny?: Odpowiedzi modeli AI zmieniają się zależnie od pytania, daty i sposobu użycia, dlatego test trzeba zrobić starannie.
- Jakie pytania zadać?: Podziel pytania na trzy grupy. Każda sprawdza coś innego.
- Jak zapisać wyniki?: Zrób prostą tabelę. Dla każdej odpowiedzi wpisz pięć rzeczy: PytanieNarzędzieFirma wymieniona?Miejsce lub kontekstŹródła pod odpowiedziąCzy opis jest prawdziwy?(wpisz)(wpisz)tak / nienp.
- Jak czytać wyniki?: Firma pojawia się tylko przy pytaniu o markę.
Odpowiedź w skrócie: Wystarczy około godziny i dziesięć pytań. Zadaj je w ChatGPT, Gemini, Perplexity i trybie AI w Google: o markę, o kategorię („jaka agencja…”) i o porównanie z konkurencją. Zapisz, czy firma jest wymieniona, na którym miejscu, z jakich źródeł i czy opis jest prawdziwy. Powtórz test trzy razy, bo odpowiedzi się zmieniają.
Jak przygotować test, żeby wynik był wiarygodny?
Odpowiedzi modeli AI zmieniają się zależnie od pytania, daty i sposobu użycia, dlatego test trzeba zrobić starannie.
- Użyj tych samych pytań w każdym narzędziu i zapisz je w arkuszu.
- Zacznij nową rozmowę przy każdym pytaniu, żeby wcześniejsze odpowiedzi nie wpływały na kolejne.
- Jeśli możesz, wyloguj się lub użyj okna prywatnego. Modele mogą dopasowywać odpowiedzi do historii użytkownika.
- Powtórz każde pytanie trzy razy. Jedna odpowiedź to anegdota, trzy to już wskazówka.
- Zapisz datę testu. Za miesiąc wynik może wyglądać inaczej.
Przetestuj co najmniej cztery miejsca: ChatGPT, Gemini, Perplexity i tryb AI w Google (lub odpowiedzi AI nad wynikami wyszukiwania).
Jakie pytania zadać?
Podziel pytania na trzy grupy. Każda sprawdza coś innego.
| Group | Przykładowe pytanie | Co sprawdzasz |
|---|---|---|
| Mark | „Czym zajmuje się [nazwa firmy]?” | czy model Cię zna i czy opis jest prawdziwy |
| Mark | „Czy [nazwa firmy] jest godna zaufania?” | jakie opinie i źródła model pokazuje |
| Kategoria | „Jaką agencję PR dla firmy B2B polecasz?” | czy jesteś w grupie poleconych firm |
| Kategoria | „Jak wybrać dostawcę [Twoja usługa] w Polsce?” | czy model w ogóle wskazuje firmy, i jakie |
| Porównanie | „[Twoja firma] czy [konkurent] – co wybrać?” | jak model porównuje Cię z konkurencją |
Ułóż w sumie około dziesięciu pytań: trzy o markę, cztery o kategorię i trzy porównawcze. Używaj sformułowań, jakich użyłby Twój klient, a nie języka z Twojej strony.
Jak zapisać wyniki?
Zrób prostą tabelę. Dla każdej odpowiedzi wpisz pięć rzeczy:
| Question | Tool | Firma wymieniona? | Miejsce lub kontekst | Źródła pod odpowiedzią | Czy opis jest prawdziwy? |
|---|---|---|---|---|---|
| (wpisz) | (wpisz) | tak / nie | np. 3. z 5 | adresy stron | yes / partially / no |
Źródła są najważniejsze. Perplexity i tryb AI w Google zwykle pokazują, skąd wzięły informacje. Zapisz te adresy, bo pokazują, kogo model „czyta”.
Jak czytać wyniki?
Firma pojawia się tylko przy pytaniu o markę. Model Cię zna, ale nie poleca Cię w swojej kategorii. To najczęstszy wynik u firm, które nie są obecne w miejscach, które model uznaje za wiarygodne.
Firma pojawia się w ogóle rzadko. Zobacz, których firm model wymienia zamiast Ciebie, i sprawdź, jakie źródła przy nich widnieją. Często są to artykuły w mediach, rankingi, serwisy branżowe lub strony z poradami, a nie strona samej firmy.
Opis jest nieprawdziwy lub nieaktualny. Poszukaj, skąd model wziął błędną informację. Zwykle jest to stara strona lub wpis w katalogu.
Pamiętaj o ograniczeniach. Test na kilkunastu odpowiedziach to obraz chwilowy, a nie wynik statystyczny. Zależy od modelu, daty i sformułowania pytania. Najwięcej mówią źródła, a nie pojedyncze miejsce na liście.
Jak może wyglądać wynik testu? Schemat przykładowy
Poniżej schemat, a nie dane klienta ani wynik prawdziwego badania. Pokazuje, jak czytać tabelę.
Wyobraź sobie firmę usługową, która zadała dziesięć pytań w czterech narzędziach i powtórzyła je trzy razy. W odpowiedziach na pytania o markę firma była wymieniana prawie zawsze, ale opis bywał nieaktualny: wśród usług wymieniono ofertę sprzed kilku lat. W odpowiedziach na pytania o kategorię firma pojawiała się rzadko. Wśród źródeł pod odpowiedziami przeważały artykuły w mediach branżowych i zestawienia firm, a strony własne firmy prawie nie występowały.
Wnioski z takiego wyniku:
- Model zna markę, ale nie ma powodu, żeby ją polecać w kategorii.
- Stara informacja wskazuje źródło do poprawy, czyli stronę, katalog lub wpis z nieaktualnym opisem.
- Zestawienia i media pokazują, gdzie warto być obecnym z rzetelną informacją o firmie.
Taki wynik nie mówi, że „AI jest przeciwko firmie”. Mówi, gdzie model szuka informacji i czego tam o firmie brakuje.
Co poprawić najpierw?
Z pomiarów i doświadczeń Commplace wynika ważna rzecz: widoczność w modelach AI nie zależy tylko od znaczników na własnej stronie, tylko od tego, kto pisze o firmie gdzie indziej. Dlatego kolejność jest taka:
- Popraw źródła zewnętrzne. Publikacje w mediach i serwisach branżowych, wypowiedzi ekspertów, opinie klientów i spójne dane firmy w katalogach.
- Napisz na własnej stronie krótkie, konkretne odpowiedzi na pytania klientów, z faktami o firmie i datą aktualizacji.
- Uporządkuj dane techniczne (na przykład dane strukturalne i llms.txt file). To pomaga, ale samo nie wystarczy.
- Powtarzaj test co miesiąc tym samym zestawem pytań i porównuj wyniki.
Nikt nie może zagwarantować, że model poleci akurat Ciebie. O wyborze źródeł decyduje model, nie firma ani agencja. Można natomiast zwiększać szansę, że wiarygodne źródła mówią o Tobie prawdę.
Frequently asked questions
Jak sprawdzić, czy ChatGPT zna moją firmę?
Zadaj w nowej rozmowie pytanie „Czym zajmuje się [nazwa firmy]?” i sprawdź, czy opis jest prawdziwy. Powtórz pytanie kilka razy i porównaj w innych narzędziach, np. Gemini i Perplexity.
Czy to samo pytanie zawsze daje tę samą odpowiedź?
Nie. Odpowiedzi modeli się różnią zależnie od momentu, wersji modelu i kontekstu. Dlatego każde pytanie warto zadać co najmniej trzy razy.
Czy można zapłacić, żeby ChatGPT mnie polecał?
Nie ma takiej możliwości w formie „zgłoszenia frazy” ani płatnej listy poleceń w odpowiedziach. Można natomiast pracować nad tym, co model czyta: stronami i publikacjami, które mówią o firmie.
Czy plik llms.txt wystarczy, żeby być widocznym w AI?
Nie. To pomocny element techniczny, ale widoczność zależy głównie od tego, jakie wiarygodne źródła opisują firmę.
Jak często powtarzać test widoczności w AI?
Co miesiąc na tym samym zestawie pytań, z zapisaną datą. Dzięki temu widać zmiany, a nie tylko pojedynczy wynik.
Co zrobić dalej?
See also: