Co mówią badania o widoczności w odpowiedziach AI (przegląd)

Jaki jest stan badań o widoczności w odpowiedziach AI?

Stan badań o widoczności w odpowiedziach AI to — stan na lipiec 2026 — dwa recenzowane eksperymenty naukowe o sprzecznych wynikach oraz kilkanaście dużych badań obserwacyjnych firm SEO i PR, które pokazują korelacje, a nie przyczyny. To za mało, żeby ogłaszać „sprawdzone taktyki GEO”, ale wystarczająco dużo, żeby oddzielić wiedzę od marketingu.

GEO (Generative Engine Optimization) — czyli metoda tworzenia i optymalizacji treści tak, aby były cytowane i wykorzystywane w odpowiedziach generowanych przez AI — ma dziś literaturę złożoną z trzech warstw. Warstwa pierwsza: eksperymenty recenzowane, czyli paper GEO (Aggarwal i in., KDD 2024) i jego niezależna replikacja C-SEO Bench (Puerto i in., NeurIPS 2025). Warstwa druga: badania cytowań na dużych próbach — Ahrefs, Semrush, Profound, Muck Rack, Wix Studio, analizy Kevina Indiga — od 115 promptów do 680 mln cytowań. Warstwa trzecia: oficjalne stanowiska operatorów silników, przede wszystkim dokumentacja Google.

Ten przegląd porządkuje wszystkie trzy warstwy według jednej ramy. Każdemu wnioskowi przypisujemy jeden z trzech statusów:

• Udowodnione — wynik eksperymentu (manipulujemy zmienną, mierzymy skutek) albo oficjalna deklaracja operatora silnika. Najmocniejszy status, ale zawsze z zastrzeżeniem warunków eksperymentu.
• Skorelowane — duże badanie obserwacyjne pokazuje współwystępowanie (np. strony cytowane przez AI częściej mają daną cechę). Nie wiadomo, co jest przyczyną, a co skutkiem — albo czy obu nie powoduje trzeci czynnik.
• Zakład — praktyka bez dowodów działania, którą część branży stosuje „na wszelki wypadek”. Bywa racjonalna przy zerowym koszcie, ale nie wolno jej sprzedawać jako sprawdzonej taktyki.

Ta rama nie jest akademicką pedanterią. Od tego, do której kategorii trafia dany wniosek, zależy, czy warto na nim budować strategię treści — i za co uczciwie można brać pieniądze klienta. Czym GEO różni się od klasycznego SEO, opisujemy szerzej w tekście GEO vs SEO: co się zmienia.

Co udowodnił paper GEO — i co pokazała replikacja C-SEO Bench?

Paper GEO udowodnił, że na benchmarku i autorskich metrykach wybrane modyfikacje treści podnoszą widoczność w symulowanym silniku generatywnym — czyli systemie, który zamiast listy linków zwraca wygenerowaną odpowiedź — nawet o 40%. Niezależna replikacja C-SEO Bench potwierdziła jednak istotny pozytywny efekt tylko w 3 z 54 testowanych przypadków. To najważniejsze napięcie w całej literaturze GEO.

Punkt wyjścia to praca „GEO: Generative Engine Optimization” (Aggarwal, Murahari i in.), przyjęta na konferencję KDD 2024 (pierwsza wersja na arXiv: listopad 2023). Autorzy zbudowali benchmark GEO-bench: 10 000 zapytań, 9 metod optymalizacji treści i 2 metryki widoczności — Position-Adjusted Word Count (udział słów ze źródła w odpowiedzi, ważony pozycją) oraz Subjective Impression. Abstrakt deklaruje, że GEO może podnieść widoczność w odpowiedziach silników generatywnych „do 40%”. Najskuteczniejsze pojedyncze metody (pełny tekst v3, 2024) to dodawanie cytatów ekspertów (Quotation Addition: 27,8 pkt PAWC vs 19,5 dla baseline’u), dodawanie statystyk (25,9) i dodawanie przypisów do źródeł (24,9) — względnie +30–40% na PAWC i +15–30% na Subjective Impression, z efektem silnie zależnym od domeny tematycznej.

Dwa wyniki z tego papieru zasługują na szczególną uwagę. Po pierwsze, keyword stuffing pogarszał widoczność: 17,8 PAWC vs 19,5 baseline’u (ok. −9%), a na produkcyjnym Perplexity.ai ok. −10% (21,9 vs 24,1). Po drugie, efekt „demokratyzacji”: Cite Sources dało +115,1% widoczności źródłu z 5. pozycji SERP, przy −30,3% dla źródła z pozycji 1. (sekcja 5.2, Tabela 2). Wewnątrz jednej odpowiedzi widoczność jest grą o sumie zerowej — zysk jednego źródła to strata innego.

Replikacja przyniosła zimny prysznic. C-SEO Bench (Puerto i in., NeurIPS 2025 Datasets & Benchmarks) — 1,9 tys. zapytań, 16,3 tys. dokumentów, 6 domen, 4 modele — wykazał istotny statystycznie pozytywny efekt tylko w 3 z 54 przypadków (ok. 5,6%), a metoda dodawania statystyk istotnie pogarszała ranking cytowań w 19 z 24 ustawień. Autorzy piszą wprost, że „most current C-SEO methods are not only largely ineffective but also frequently have a negative impact on document ranking”, a tradycyjne SEO — pozycja dokumentu w kontekście podanym modelowi — działa istotnie lepiej. Dodają też argument teoretyczny: przy masowej adopcji tych samych taktyk zyski zbiegają do zera.

Jedyny wniosek zgodny między oboma eksperymentami: keyword stuffing szkodzi. Wszystko inne — łącznie ze sławnym „+40%” — ma status wyniku jednego benchmarku, którego niezależny zespół nie potwierdził. Szczegółowe porównanie obu prac, metryka po metryce, znajduje się w naszym omówieniu badanie GEO z Princeton kontra replikacja C-SEO Bench.

Po dwóch recenzowanych eksperymentach jedynym uniwersalnie potwierdzonym wnioskiem przyczynowym w GEO jest to, że keyword stuffing obniża widoczność w odpowiedziach AI. Cała reszta to wyniki jednego benchmarku, korelacje albo zakłady — i strategia, która tego nie rozróżnia, sprzedaje nadzieję zamiast wiedzy.

Skąd silniki generatywne biorą źródła? Co mówią badania cytowań

Badania cytowań pokazują zgodnie, że silniki generatywne sięgają daleko poza czołówkę Google — w badaniu Ahrefs tylko 12% linków cytowanych przez chatboty rankowało w top-10 Google dla tego samego zapytania. Cytowanie (w odpowiedzi AI), czyli wskazanie strony jako źródła w odpowiedzi silnika generatywnego, rządzi się więc innymi regułami niż klasyczny ranking.

Najmocniejsze liczby dotyczą rozjazdu między rankingiem a cytowaniami. W badaniu nakładania się wyników (Ahrefs, 2025) na 15 000 zapytań long-tail tylko 12% linków cytowanych przez ChatGPT, Gemini i Copilot pochodziło z top-10 Google; per silnik: Perplexity 28,6%, Copilot 8,6%, Gemini 8,2%, ChatGPT (cytowania w tekście) 8,0%. Około 80% cytowań nie rankowało w Google nigdzie dla oryginalnego zapytania. Podobny trend widać w samym Google: udział cytowań AI Overviews (generowanych przez AI podsumowań nad wynikami wyszukiwania Google) pochodzących ze stron z top-10 spadł do 37,9%, wobec ~76% w lipcu 2025 — przy czym część różnicy to zmiana metodologii pomiaru — jak pokazuje analiza 863 tys. SERP-ów i 4 mln URL-i (Ahrefs, 2026). W tym samym badaniu YouTube okazał się najczęściej cytowaną pojedynczą domeną w AI Overviews (5,6% wszystkich cytowań).

Drugi zgodny wniosek: silniki różnią się profilami źródeł i te profile są niestabilne w czasie. Według analizy 680 mln cytowań (Profound, 2025) ChatGPT najczęściej cytował Wikipedię (7,8% wszystkich cytowań), Perplexity — Reddit (6,6%), a AI Overviews miały rozkład najbardziej wyrównany (Reddit: 2,2%). Te konkretne hierarchie zdążyły się już jednak zdezaktualizować i traktujemy je wyłącznie jako dowód na różnice między silnikami. Jak szybko wzorce się zmieniają, pokazało badanie 230 tys. promptów (Semrush, 2025): ChatGPT cytował Reddit w ok. 60% odpowiedzi, a po zmianie we wrześniu 2025 udział spadł do ok. 10% w ciągu tygodni (Wikipedia: z ok. 55% do ok. 20%).

Wniosek metodologiczny z obu obserwacji: widoczność w odpowiedziach AI trzeba mierzyć per silnik i w czasie, bo pojedynczy pomiar na jednej platformie — wykonany przez model językowy (LLM) z groundingiem, czyli opieraniem odpowiedzi na bieżącym indeksie wyszukiwania danego silnika — mówi niewiele o całości.

Co koreluje z widocznością marki w odpowiedziach AI?

Z widocznością marki w odpowiedziach AI najsilniej korelują wzmianki o marce w niezależnych źródłach — nie backlinki, nie wielkość serwisu i nie autorytet domeny. To wniosek powtarzający się w kolejnych badaniach obserwacyjnych, ale wciąż tylko korelacyjny.

Najszersze dane dostarcza badanie korelacji widoczności marek (Ahrefs, 2025) na próbie 75 000 marek o DR>40 (ChatGPT, AI Mode, AI Overviews; korelacja Spearmana): najsilniejszym pojedynczym czynnikiem okazały się wzmianki o marce na YouTube (~0,737), dalej brandowe wzmianki w sieci (0,656–0,709) i brandowe anchory (0,511–0,628). Klasyczne metryki SEO wypadły słabo: Domain Rating 0,266–0,326, liczba podstron ~0,194. Ahrefs zastrzega wprost: „correlation isn’t causation”. Wcześniejsze badanie dla AI Overviews (Ahrefs, 2025) na tej samej skali próby dało spójny obraz: wzmianki brandowe 0,664 vs backlinki 0,218 — około trzykrotna różnica.

Z korelacjami wzmianek współgra skład źródeł cytowań. Według raportu „What is AI Reading?” (Muck Rack, 2026) — 25 mln+ linków z odpowiedzi ChatGPT, Claude’a i Gemini, 17 branż — 84% cytowań pochodzi z mediów earned (zakres 82–89% w trzech edycjach badania od lipca 2025), samo dziennikarstwo to 27%, a treści płatne i advertoriale — 0,3%. Muck Rack jest firmą PR, więc ma interes w takim wyniku, ale metodologia jest jawna, a kierunek spójny z konkurencyjnymi badaniami.

Na poziomie samej treści badania korelacyjne wskazują trzy wzorce:

1. Świeżość — umiarkowanie. AI-asystenci cytują treści średnio o 25,7% świeższe niż organiczny Google (1064 vs 1432 dni od publikacji) — tak wynika z analizy 16,975 mln cytowanych URL-i (Ahrefs, 2025). Wyjątek: AI Overviews, gdzie wiek cytowanych treści jest taki sam jak w SERP-ach. Średni wiek cytowanej treści to nadal ok. 2,9 roku — świeżość pomaga, ale nie jest warunkiem.
2. Początek treści pracuje najmocniej. 44,2% zweryfikowanych cytowań ChatGPT pochodziło z pierwszych 30% treści strony (środek: 31,1%, ostatnia jedna trzecia: 24,7%) — analiza 18 012 cytowań z 1,2 mln odpowiedzi (Kevin Indig, 2026). To wspiera pisanie w układzie odpowiedź-najpierw, choć dowodu przyczynowego brak.
3. Format ma znaczenie względem intencji zapytania. Listicle to najczęściej cytowany format: 21,9% z 1,06 mln cytowań, przed artykułami (16,7%) i stronami produktowymi (13,7%); przy zapytaniach komercyjnych listicles zgarniają 40,86% cytowań — badanie 75 000 odpowiedzi (Wix Studio AI Search Lab, 2026).

Osobnego rozróżnienia wymaga para pojęć, którą badania długo zlewały w jedno. Cytowanie URL-a i wzmianka marki (wystąpienie nazwy marki w treści odpowiedzi) to dwa różne zjawiska: według badania ghost citations (Semrush i Kevin Indig, 2026) 61,7% cytowań AI to ghost citations — link do strony jest, ale marka nie pada w tekście odpowiedzi. Silniki mają przy tym odwrotne profile: Gemini wymienia markę w 83,7% wystąpień, a cytuje tylko w 21,4%; ChatGPT odwrotnie — cytuje w 87%, a wymienia w 20,7%. Próba była umiarkowana (115 promptów, 3 981 wystąpień domen), więc liczby traktujemy jako rząd wielkości — ale wniosek dla pomiaru jest twardy: wzmianki i cytowania to osobne KPI i trzeba je liczyć osobno.

Co badania mówią o warstwie technicznej: schema, llms.txt, wymagania Google?

W warstwie technicznej badania są rzadko tak jednoznaczne jak tu: dane strukturalne (schema.org) korelują z cytowaniami, ale ich dodanie nie powoduje wzrostu; llms.txt pozostaje zakładem bez śladu adopcji; a Google oficjalnie deklaruje, że do jego funkcji AI nie potrzeba żadnych dodatkowych plików ani markupu.

Przypadek schema to podręcznikowa lekcja różnicy między korelacją a przyczynowością. W quasi-eksperymencie Ahrefs (2026) 1 885 stron, które między sierpniem 2025 a marcem 2026 dodały JSON-LD, porównano z ok. 4 000 stron kontrolnych: cytowania w AI Overviews spadły o 4,6% (istotny, mały spadek), w AI Mode +2,4% i w ChatGPT +2,2% — oba nieistotne statystycznie; cztery testy statystyczne dały zgodny wynik. Równolegle w ujęciu korelacyjnym (6 mln URL-i) strony cytowane przez AI ok. 3 razy częściej mają JSON-LD — Ahrefs interpretuje to jako współwystępowanie: dobre serwisy mają i schema, i cytowania, ale to nie schema je powoduje.

Jeszcze mocniejszy jest werdykt w sprawie llms.txt — proponowanego standardu pliku z mapą najważniejszych treści strony dla systemów AI. Według analizy 137 000 domen (Ahrefs, 2026) 28% domen publikuje poprawny llms.txt, ale 97% tych plików nie otrzymało w maju 2026 ani jednego żądania; Ahrefs pisze wprost: „no major LLM provider currently supports llms.txt. Not OpenAI. Not Anthropic. Not Google.” John Mueller z Google porównał llms.txt do meta tagu keywords już w kwietniu 2025. To czysty zakład: koszt bliski zera, dowody działania — zero.

Stanowisko Google domyka obraz. Oficjalna dokumentacja Google Search Central (2025) stwierdza: „You don’t need to create new machine readable files, AI text files, or markup to appear in these features” — funkcje AI Google (AI Overviews, AI Mode) opierają się na tych samych systemach rankingu co klasyczne wyszukiwanie (stan na lipiec 2026). Dla praktyki oznacza to, że fundament techniczny widoczności w AI to po prostu zdrowa, indeksowalna strona — a nie nowa warstwa magicznych plików.

Które badanie mówi co? Zestawienie metodologii, wniosków i statusów

Poniższa tabela zbiera wszystkie omawiane badania w jednym miejscu: co zbadano, jak, z jakim wnioskiem i jakim statusem dowodowym. To mapa, do której warto wracać, gdy ktoś powołuje się na „badania” bez podania którego.

Co z tych badań wynika dla strategii widoczności w AI?

Z badań wynika strategia trójwarstwowa: budować na tym, co udowodnione (higiena treści, brak keyword stuffingu, indeksowalność), inwestować w to, co silnie i spójnie skorelowane (wzmianki w niezależnych źródłach, odpowiedź na początku treści, dopasowanie formatu do intencji zapytania), a zakłady podejmować tylko wtedy, gdy koszt jest bliski zera.

Warstwa pierwsza — udowodnione — jest wąska, ale solidna. Nie upychać słów kluczowych (jedyny wniosek zgodny między paperem GEO (2024) a C-SEO Bench (2025)), utrzymywać stronę indeksowalną i nie czekać na „specjalne wymagania AI”, których Google oficjalnie nie stawia (2025). Warstwa druga — skorelowana — to realny program pracy: earned media i wzmianki marki (84% cytowań AI z mediów earned wg Muck Rack, 2026; korelacje wzmianek 0,656–0,737 wg Ahrefs, 2025), kluczowa odpowiedź w pierwszych 30% treści, formaty dobrane do intencji, regularna aktualizacja tam, gdzie merytorycznie potrzebna. Warstwa trzecia — zakłady typu llms.txt — bez oczekiwań co do wyniku.

Do tego dochodzi pomiar, bez którego strategia jest ślepa: osobne liczenie wzmianek marki i cytowań URL-i (61,7% cytowań to ghost citations wg Semrush, 2026), per silnik i w czasie, bo wzorce potrafią się odwrócić w tygodnie (Semrush, 2025). Jeżeli chcesz wiedzieć, gdzie Twoja marka stoi dziś w odpowiedziach ChatGPT, Gemini, Perplexity i AI Overviews — zanim zainwestujesz w którąkolwiek warstwę — zacznij od audytu widoczności w AI: mierzymy dokładnie te KPI, które rozdzielają badania z tego przeglądu. Pełny program działań na bazie tych dowodów opisuje nasz przewodnik po GEO (Generative Engine Optimization).

FAQ: badania o widoczności w odpowiedziach AI

Czy istnieją naukowe badania widoczności w AI?

Tak — dwa recenzowane eksperymenty. Paper GEO (Aggarwal i in., KDD 2024) wykazał na benchmarku 10 000 zapytań wzrost widoczności do 40% dla wybranych metod, ale replikacja C-SEO Bench (NeurIPS 2025) potwierdziła istotny pozytywny efekt tylko w 3 z 54 przypadków. Resztę literatury stanowią duże badania obserwacyjne firm branżowych, które pokazują korelacje, nie przyczyny.

Czy dodawanie statystyk i cytatów zwiększa cytowania w AI?

Nie ma na to zgodnych dowodów. W GEO-bench (2024) cytaty i statystyki dawały +30–40% na metryce PAWC, ale w C-SEO Bench (2025) dodawanie statystyk istotnie pogarszało ranking cytowań w 19 z 24 ustawień. Liczby i cytaty warto stosować, bo podnoszą jakość i weryfikowalność treści — nie dlatego, że gwarantują wzrost cytowań.

Co najsilniej koreluje z widocznością marki w odpowiedziach AI?

Wzmianki o marce w niezależnych źródłach. W badaniu 75 000 marek (Ahrefs, 2025) najsilniejszym pojedynczym korelatem były wzmianki na YouTube (~0,737), potem brandowe wzmianki w sieci (0,656–0,709); Domain Rating osiągnął tylko 0,266–0,326, a backlinki w analogicznym badaniu dla AI Overviews (Ahrefs, 2025) — 0,218. To korelacje, nie dowód przyczynowy.

Czy schema i llms.txt poprawiają widoczność w AI?

Nie ma dowodów, że tak. W quasi-eksperymencie Ahrefs (2026) dodanie JSON-LD nie zwiększyło cytowań (AI Overviews: −4,6%). W przypadku llms.txt 97% opublikowanych plików nie otrzymało żadnego żądania (Ahrefs, 2026), a żaden duży dostawca LLM nie deklaruje wsparcia. Google potwierdza oficjalnie (2025): żadne dodatkowe pliki ani markup nie są wymagane.