Efektów GEO i szerzej AI Search nie da się sprowadzić do jednej „pozycji w ChatGPT”. System może wymienić markę bez linku, zacytować jej treść bez rekomendacji firmy albo polecić markę użytkownikowi, który dopiero później wyszuka ją w Google i skontaktuje się innym kanałem.
Dlatego pomiar powinien oddzielać trzy rzeczy: obecność marki w odpowiedziach, jakość jej reprezentacji oraz wpływ tej widoczności na zachowanie użytkownika i wynik biznesowy.
Podstawowy zestaw KPI widoczności marki w AI powinien obejmować Share of Answers, Recommendation Rate, Citation Rate, Category Association, Accuracy oraz Platform Coverage. W praktyce warto rozszerzyć go o AI Share of Voice, prominence, sentyment, obecność konkurentów, stabilność odpowiedzi, rodzaj cytowanych źródeł, AI referral, brand search, leady i sprzedaż. Jeden prompt i jeden screenshot nie są wiarygodnym pomiarem.
GEO mierzymy jako część szerszej widoczności w AI Search
GEO jest użytecznym frameworkiem opisującym optymalizację obecności w odpowiedziach generatywnych, ale samo środowisko pomiarowe jest szersze. Marka może być obecna w ChatGPT, Gemini, Copilot, Perplexity czy generatywnych funkcjach Google na kilka różnych sposobów.
Czy marka się pojawia?
Obecność, częstotliwość, udział względem konkurencji i pokrycie platform.
Jak jest przedstawiana?
Prominence, poprawność, kategoria, sentyment, cytowania i źródła.
Co dzieje się później?
Brand search, wizyty, leady, pipeline, assisted conversions i sprzedaż.
Widoczność ≠ rozpoznanie ≠ reputacja ≠ rekomendacja. Firma może być często wymieniana, a jednocześnie rzadko rekomendowana albo błędnie przypisywana do kategorii.
Najważniejsze KPI widoczności marki w AI
Share of Answers
Recommendation Rate
Citation Rate
Category Association
Accuracy
Platform Coverage
To rdzeń, który można porównywać w czasie. Nie oznacza to jednak, że każda firma powinna traktować wszystkie wskaźniki jako równie ważne. Wydawcy zależy bardziej na citation i referral, firma usługowa może mocniej ważyć recommendation i accuracy, a sklep — widoczność produktów i przychód.
Share of Answers: w ilu odpowiedziach pojawia się marka?
Share of Answers pokazuje, jak często marka występuje w kwalifikującym się zbiorze odpowiedzi.
Share of Answers = liczba odpowiedzi zawierających markę ÷ liczba wszystkich kwalifikujących się odpowiedzi × 100%
Jeżeli w jednej rundzie wykonano 200 poprawnych pomiarów, a marka pojawiła się w 54 odpowiedziach:
54 ÷ 200 × 100% = 27% Share of Answers.
Do mianownika nie powinny trafiać błędy techniczne, odmowy odpowiedzi ani prompty, przy których marka nie mogła zasadnie się pojawić.
Ogólny SoA trzeba rozdzielać na segmenty
Jeden wynik dla całej marki może ukrywać bardzo ważne różnice. Firma może mieć wysoką obecność przy pytaniach markowych i niemal zerową przy pytaniach nowych klientów.
Jeżeli marka osiąga 65% SoA dla własnej nazwy, ale 6% przy pytaniu typu „jaka firma pomaga w…”, to właśnie drugi wynik mówi więcej o zdolności do pozyskiwania nowego popytu.
AI Share of Voice: jak marka wypada na tle konkurencji?
Share of Answers odpowiada na pytanie, czy marka pojawia się w badanym zbiorze. AI Share of Voice pokazuje, jaka część wszystkich monitorowanych wzmianek należy do niej.
AI Share of Voice = liczba wzmianek marki ÷ liczba wzmianek wszystkich monitorowanych marek × 100%
Jeżeli badana grupa konkurentów została wymieniona łącznie 300 razy, a 75 wzmianek dotyczyło jednej marki, jej AI Share of Voice wynosi 25%.
Wysoki SoA nie zawsze oznacza dominację kategorii. Jeżeli konkurenci występują jeszcze częściej, udział marki w rzeczywistym polu wyboru nadal może być niski.
Wzmiankę trzeba sklasyfikować, a nie tylko policzyć
| Typ | Co się dzieje? | Znaczenie |
|---|---|---|
| Neutralna | AI tylko wymienia nazwę | rozpoznanie |
| Opisowa | system opisuje ofertę lub cechy | reprezentacja marki |
| Porównawcza | marka występuje obok konkurentów | udział w consideration |
| Rekomendacyjna | AI wskazuje markę jako dopasowane rozwiązanie | shortlista / decyzja |
Dziesięć neutralnych wystąpień nie musi mieć takiej samej wartości biznesowej jak trzy wyraźne rekomendacje w pytaniach zakupowych.
Recommendation Rate: jak często marka rzeczywiście trafia do rekomendacji?
Recommendation Rate = liczba odpowiedzi rekomendujących markę ÷ liczba odpowiedzi zawierających rekomendacje × 100%
Do tej grupy powinny trafiać przede wszystkim zapytania o wybór dostawcy, produktu lub rozwiązania:
Osobno można obserwować Top Recommendation Rate, czyli udział odpowiedzi, w których marka została przedstawiona jako pierwsza albo najsilniejsza rekomendacja.
Citation Rate i Citation Share mierzą dwie różne rzeczy
| KPI | Co mierzy? | Przykładowe pytanie |
|---|---|---|
| Citation Rate | odsetek odpowiedzi, w których cytowana jest domena marki | Jak często AI korzysta z naszych materiałów? |
| Citation Share | udział cytowań marki wśród wszystkich widocznych źródeł | Jaką część przestrzeni źródeł zajmujemy? |
Liczba odpowiedzi cytujących domenę ÷ liczba odpowiedzi zawierających cytowania × 100%.
Liczba cytowań domeny marki ÷ liczba wszystkich cytowań w badanym zbiorze × 100%.
Cytowanie nie oznacza rekomendacji. System może wykorzystać raport firmy jako źródło i jednocześnie wskazać jej konkurenta jako wykonawcę.
Analizuj także typ cytowanego dokumentu
Sam fakt cytowania domeny nie mówi jeszcze, jakie zasoby są przydatne dla systemów AI.
Strony usług
Pokazują ofertę, zakres, klientów, warunki i specjalizację firmy.
Artykuły eksperckie
Wyjaśniają problemy i mogą dostarczać informacji do odpowiedzi.
Badania i raporty
Mogą pełnić funkcję źródeł pierwotnych dla danych i metodologii.
Case studies
Pokazują doświadczenie i konkretne zastosowanie usługi.
Taki podział pozwala ustalić, czy system wykorzystuje przede wszystkim wiedzę edukacyjną, dane, ofertę czy dowody doświadczenia.
Prominence: marka może być obecna, ale praktycznie niewidoczna
Prominence opisuje znaczenie wzmianki w strukturze odpowiedzi. Firma wymieniona jako ostatnia pozycja na długiej liście nie otrzymuje takiej samej ekspozycji jak główna rekomendacja z rozwiniętym uzasadnieniem.
| Poziom | Interpretacja |
|---|---|
| 5 | główna rekomendacja lub centralna marka odpowiedzi |
| 4 | pierwsza pozycja z rozwiniętym uzasadnieniem |
| 3 | jedna z kilku równorzędnych rekomendacji |
| 2 | krótka wzmianka bez rozwinięcia |
| 1 | marginalne wystąpienie |
| 0 | brak marki |
To własna skala badawcza, dlatego musi być zdefiniowana przed rozpoczęciem monitoringu i stosowana identycznie w kolejnych rundach.
Sentyment pokazuje ton, ale nie prawdziwość informacji
Markę można przedstawić pozytywnie, neutralnie, mieszanie albo negatywnie. Sama klasyfikacja tonu nie wystarcza — należy również zapisać, czego dotyczy ocena.
Odsetek odpowiedzi pozytywnych – odsetek odpowiedzi negatywnych.
Pozytywny opis może być błędny, a krytyczna informacja może być prawdziwa. Dlatego sentyment zawsze trzeba analizować razem z Accuracy.
Accuracy może być ważniejsze niż sama częstotliwość wzmianek
Marka pojawiająca się często, ale z błędnie opisaną ofertą, lokalizacją albo specjalizacją nie ma dobrej widoczności. Ma duży problem informacyjny.
Przed rozpoczęciem badania warto przygotować kartę faktów o marce.
Liczba poprawnych sprawdzonych twierdzeń ÷ liczba wszystkich sprawdzonych twierdzeń × 100%.
Osobno warto rejestrować Critical Error Rate: błędy mogące realnie wpłynąć na decyzję klienta, np. przypisanie nieistniejącej usługi albo błędnej lokalizacji.
Category Association: czy AI łączy markę z właściwym rynkiem?
Firma może być opisywana poprawnie, ale występować przy niewłaściwych pytaniach. Dlatego trzeba mierzyć nie tylko obecność marki, lecz również jej związek z docelową kategorią.
Odsetek istotnych wzmianek, w których marka została prawidłowo połączona z docelową kategorią, problemem lub specjalizacją.
Dla agencji AI Search większe znaczenie ma występowanie przy pytaniach o AI Search, Brand Mentions, cytowania i widoczność marek niż przypadkowa obecność przy bardzo ogólnych pytaniach o marketing.
Platform Coverage: nie uśredniaj od razu wszystkich systemów
Marka może być silnie widoczna w Perplexity i jednocześnie prawie nie występować w ChatGPT albo Gemini. Dlatego najpierw warto analizować platformy osobno, a dopiero później tworzyć obraz zbiorczy.
Oddzielny panel
Wzmianki, rekomendacje, citations, accuracy i zmienność.
Oddzielny panel
Te same klasy KPI, ale bez zakładania identycznego mechanizmu.
Oddzielny panel
Pomiar odpowiedzi, źródeł i rekomendacji na własnych zasadach platformy.
Oddzielny panel
Szczególnie dokładna analiza źródeł i cytowanych URL-i.
Jeden prompt to obserwacja, nie pomiar
Odpowiedzi generatywne są zmienne. Ten sam prompt może przynieść inny zestaw marek, źródeł i argumentów w kolejnych próbach.
Prompt set → Platforms → Repetitions → Classification → Comparison → Trend.
Na wynik mogą wpływać platforma, model, tryb wyszukiwania, język, lokalizacja, historia rozmowy, zalogowanie, sposób sformułowania pytania, aktualność źródeł oraz naturalna zmienność generowania.
Prompt set powinien odzwierciedlać prawdziwą customer journey
| Klasa promptu | Co bada? | Przykład zadania |
|---|---|---|
| Edukacyjny | obecność przy rozpoznawaniu tematu | Jak działa określone rozwiązanie? |
| Problemowy | związek marki z potrzebą | Co zrobić, gdy występuje problem? |
| Kategorii | category association | Jakiego typu firma pomaga w…? |
| Porównawczy | consideration i konkurencję | Porównaj dostępne rozwiązania |
| Rekomendacyjny | recommendation rate | Poleć firmę do… |
| Transakcyjny | widoczność blisko zakupu | Szukam firmy z określonym budżetem |
| Markowy | accuracy encji | Czym zajmuje się firma X? |
| Weryfikacyjny | reputację i evidence | Czy firma X ma doświadczenie w…? |
Jak dużo danych potrzeba?
Nie istnieje jedna uniwersalna liczba promptów i powtórzeń. Zakres zależy od liczby usług, rynków, języków i znaczenia poszczególnych platform.
40 promptów × 4 platformy × 3 powtórzenia = 480 odpowiedzi w jednej rundzie.
To przykład roboczy, a nie standard branżowy. Przy wysokiej zmienności odpowiedzi liczbę powtórzeń należy zwiększać. Dla działalności lokalnej trzeba osobno uwzględniać istotne lokalizacje, a dla działalności międzynarodowej — rynki i języki.
Kontroluj warunki każdej rundy
Bez metadanych późniejsze porównanie może prowadzić do fałszywych wniosków.
Stały panel promptów odpowiada za porównywalność trendu. Osobna część eksperymentalna może służyć do testowania nowych zachowań klientów i zmian platform.
Visibility Stability pokazuje, czy wynik jest powtarzalny
Jeżeli ten sam prompt został wykonany pięć razy, a marka pojawiła się w czterech odpowiedziach, stabilność obecności wynosi 80%.
Wysoka średnia przy niskiej stabilności może oznaczać przypadkową widoczność. Bardziej wartościowa jest powtarzalna obecność przy najważniejszych promptach biznesowych.
FAVI może agregować wynik, ale nie zastępuje KPI źródłowych
FunkyMEDIA AI Visibility Index jest nadrzędną metodologią agregującą wiele wymiarów widoczności marki. Jego rolą jest ułatwienie porównania trendu, nie ukrywanie danych szczegółowych.
Jeden indeks może ułatwić raportowanie zarządcze, ale zespół operacyjny nadal powinien widzieć osobno SoA, recommendations, citations, accuracy, category association, platform coverage i stabilność.
Pełna metodologia indeksu znajduje się w materiale FunkyMEDIA AI Visibility Index.
KPI powinny zmieniać się wraz z etapem ścieżki klienta
| Etap | Najważniejsze KPI |
|---|---|
| Rozpoznanie problemu | SoA, Citation Rate, Category Association |
| Rozważanie | Recommendation Rate, Share of Voice, Prominence |
| Weryfikacja | Accuracy, sentyment, Critical Error Rate |
| Decyzja | Top Recommendation Rate, brand search, AI referral |
| Biznes | leady, qualified leads, pipeline, revenue |
To pozwala uniknąć sytuacji, w której każdą stronę i każdy prompt ocenia się tym samym wskaźnikiem, mimo że realizują zupełnie inne zadania.
AI referral jest użytecznym KPI, ale pokazuje tylko widoczne kliknięcia
W analityce można wydzielić wizyty pochodzące z rozpoznanych platform AI i mierzyć je tak samo jak inne źródła ruchu.
Nie każdy kontakt z AI pozostawi jednak referrer. Użytkownik może zapamiętać nazwę marki, wyszukać ją później, wejść direct albo zadzwonić.
Dlatego konwersje trzeba podzielić na trzy grupy
Bezpośrednie
Użytkownik przychodzi z rozpoznanego źródła AI i konwertuje podczas tej ścieżki.
Wspomagane
AI uczestniczy wcześniej, ale ostatnim rozpoznanym kanałem jest Google, direct albo inny touchpoint.
Deklarowane
Klient sam wskazuje ChatGPT, Gemini, Copilot, Perplexity lub inne AI jako źródło informacji.
Właśnie dlatego warto dodać do formularza lub procesu handlowego proste pytanie: „Skąd dowiedziałeś się o naszej firmie?”
Brand search może ujawniać wpływ niewidoczny w referral
Odpowiedź AI może zakończyć się zapamiętaniem nazwy firmy zamiast kliknięciem. Wtedy warto obserwować:
Wzrost brand search nie dowodzi samodzielnie wpływu AI. Trzeba zestawiać go z chronologią zmian widoczności oraz innymi kampaniami marketingowymi.
Połącz monitoring odpowiedzi, analitykę i CRM
marka pojawia się częściej
rośnie zainteresowanie marką
użytkownik weryfikuje ofertę
powstaje kontakt
lead zostaje kwalifikowany
powstaje szansa sprzedaży
pojawia się wynik biznesowy
Nie każdy etap musi rosnąć jednocześnie. Przy usługach B2B efekt rozpoznawalności może pojawić się dużo wcześniej niż przychód.
Jakie KPI wybrać w zależności od celu?
| Cel | KPI główny | KPI wspierający |
|---|---|---|
| Rozpoznawalność | Share of Answers | AI Share of Voice |
| Rekomendacje | Recommendation Rate | Prominence / Stability |
| Cytowalność | Citation Rate | Citation Share / cytowane URL-e |
| Kategoria | Category Association | Context Relevance |
| Poprawność | Accuracy | Critical Error Rate |
| Ruch | AI referral | engagement / landing pages |
| Leady | AI-attributed leads | assisted + self-reported attribution |
| Sprzedaż | pipeline / revenue | qualified lead rate |
Dobry raport nie kończy się na wykresach
Raport powinien umożliwiać podjęcie decyzji. Sam wzrost lub spadek wskaźnika niewiele daje, jeśli nie wiadomo, gdzie nastąpiła zmiana i jakie działanie powinno z niej wynikać.
Skuteczność ocenia się względem baseline, nie pojedynczego wyniku
zmierz punkt wyjścia
wdroż zmiany
zapisz publikacje i aktualizacje
powtórz ten sam panel
porównaj konkurencję
sprawdź reprezentację marki
oceń wpływ biznesowy
Nie każda zmiana pojawi się natychmiast. Źródła muszą zostać ponownie pobrane lub odnalezione, a system musi zacząć wykorzystywać nowe informacje w odpowiednich kontekstach.
Co uznać za rzeczywistą poprawę?
Najsilniejszy sygnał pojawia się wtedy, gdy kilka niezależnych warstw zaczyna poprawiać się jednocześnie.
Więcej właściwych odpowiedzi → więcej rekomendacji → lepsza reprezentacja marki → stabilniejsze wyniki → właściwe źródła → większe zainteresowanie → wartościowe leady.
Sam wzrost Citation Rate nie oznacza jeszcze sukcesu biznesowego. Sam wzrost referral również nie oznacza, że marka jest częściej rekomendowana. KPI powinny być interpretowane razem.
Pomiar ma odpowiadać na jedno pytanie: czy marka częściej uczestniczy w decyzji?
Najbardziej użyteczny system pomiaru nie próbuje odtworzyć klasycznej tabeli pozycji SEO dla ChatGPT. Rejestruje prawdopodobieństwo obecności marki, jakość jej reprezentacji, konkurencję, źródła oraz skutki biznesowe.
Prompt Set → Platform → Repetition → Mention → Recommendation → Citation → Prominence → Accuracy → Category Association → Stability → Traffic → Lead → Pipeline → Revenue.
Jeżeli potrzebujesz szerszej metodologii pomiaru wszystkich warstw widoczności, przejdź do pomiaru widoczności marki w AI Search. Ten artykuł pozostaje skoncentrowany na KPI, klasyfikacji odpowiedzi i porównywalności kolejnych rund.
