LLMO case study — eksperyment widoczności marki w AI
Stan: Q2 2026. Dane z eksperymentu przeprowadzonego w kwietniu-maju 2026.
Ile polskich marek jest widocznych w ChatGPT, Claude i Gemini? Które branże radzą sobie najlepiej? Co odróżnia marki widoczne od niewidocznych? Postanowiliśmy to sprawdzić — nie na podstawie opinii, ale danych. Przy pomocy Brand Checker przebadaliśmy 50 polskich marek z 10 branż pod kątem widoczności w trzech głównych modelach AI.
Wyniki są niepokojące: tylko 34% marek jest rozpoznawanych przez wszystkie trzy modele. Reszta — ponad dwie trzecie — jest niewidoczna w przynajmniej jednym z najważniejszych chatbotów AI. W erze, gdy ChatGPT obsługuje 2,5 mld zapytań dziennie (Superlines 2026), niewidoczność w AI to coraz kosztowniejszy problem.
Metodologia eksperymentu
Eksperyment przeprowadzono w kwietniu-maju 2026 z użyciem Mokebe Brand Checker — naszego narzędzia do audytu widoczności AI. Parametry badania:
- Próba: 50 polskich marek z 10 branż (5 marek na branżę)
- Modele AI: ChatGPT (GPT-4o), Claude (Claude 3.5 Sonnet), Gemini (Gemini 1.5 Pro)
- Branże: e-commerce, fintech, SaaS, nieruchomości, gastronomia, fitness, edukacja, usługi prawne, marketing, medycyna
- Kryteria doboru: marki z aktywną stroną internetową, obecnością w Google, minimum 2 lata na rynku
- Metryki: rozpoznawalność (tak/nie), kontekst (rekomendacja/wzmianka/brak), sentiment (pozytywny/neutralny/negatywny)
- Zapytania: standardowe pytania buyer-intent ("Jaką firmę [branża] polecisz w Polsce?", "Porównaj firmy [branża] w Polsce")
Każda marka została sprawdzona 3-krotnie w każdym modelu (różne sformułowania pytania) w celu uniknięcia losowości odpowiedzi. Wynik "rozpoznana" oznacza co najmniej 2 z 3 pozytywnych odpowiedzi.
Wyniki główne — kto jest widoczny w AI?
Agregowane wyniki z 50 marek i 450 zapytań (50 marek × 3 modele × 3 pytania):
| Metryka | ChatGPT | Claude | Gemini | Wszystkie 3 |
|---|---|---|---|---|
| Marki rozpoznane | 68% (34/50) | 38% (19/50) | 54% (27/50) | 34% (17/50) |
| Jako rekomendacja | 42% | 24% | 36% | 18% |
| Tylko wzmianka | 26% | 14% | 18% | 16% |
| Nierozpoznane | 32% | 62% | 46% | — |
Kluczowe obserwacje z danych:
- ChatGPT zna najwięcej marek — 68% rozpoznawalność, głównie dzięki RAG (wyszukiwanie real-time) i największym danym treningowym
- Claude zna najmniej, ale najdokładniej — 38% rozpoznawalność, ale gdy zna markę, kontekst jest precyzyjny i merytoryczny
- Gemini jest pośrodku — 54% rozpoznawalność, ale 52% cytowań pochodzi z domen marki (preferuje schema i landing pages)
- Spójność cross-model jest niska — tylko 34% marek jest widocznych we wszystkich trzech modelach jednocześnie
Wyniki per branża — kto wygrywa, kto przegrywa
Różnice między branżami są dramatyczne. Branże z silną obecnością online i dojrzałym content marketingiem dominują, podczas gdy branże tradycyjne są praktycznie niewidoczne. Badania Princeton/IIT Delhi (arXiv:2311.09735) potwierdzają: treści ze statystykami i cytatami mają 30-40% wyższą widoczność w AI — co bezpośrednio przekłada się na różnice branżowe.
| Branża | Rozp. ChatGPT | Rozp. Claude | Rozp. Gemini | Średnia |
|---|---|---|---|---|
| Fintech | 100% | 80% | 80% | 87% |
| SaaS | 100% | 60% | 80% | 80% |
| E-commerce | 80% | 60% | 80% | 73% |
| Marketing | 80% | 40% | 60% | 60% |
| Edukacja | 80% | 40% | 60% | 60% |
| Medycyna | 60% | 40% | 40% | 47% |
| Nieruchomości | 60% | 20% | 40% | 40% |
| Usługi prawne | 40% | 20% | 40% | 33% |
| Fitness | 40% | 20% | 20% | 27% |
| Gastronomia | 40% | 0% | 20% | 20% |
Fintech i SaaS dominują — te branże mają silny content marketing, blog firmowy, media exposure, dane strukturalne i częstą aktualizację treści. Na dole rankingu: gastronomia (brak contentu online poza social media), fitness (content ograniczony do Instagrama) i usługi prawne (konserwatywne podejście do marketingu cyfrowego).
Co odróżnia marki widoczne od niewidocznych
Porównaliśmy cechy stron internetowych 17 marek widocznych we wszystkich 3 modelach z 16 markami niewidocznymi w żadnym modelu. Strony aktualizowane częściej niż co 2 miesiące uzyskują +28% więcej cytowań (SE Ranking, 2025) — nasze dane potwierdzają tę zależność.
| Czynnik | Marki widoczne (17) | Marki niewidoczne (16) | Różnica |
|---|---|---|---|
| Schema.org markup | 94% (16/17) | 31% (5/16) | +62pp |
| Spójny opis na ≥5 źródłach | 82% (14/17) | 25% (4/16) | +57pp |
| Blog z ≥10 artykułami | 88% (15/17) | 31% (5/16) | +57pp |
| Sekcja FAQ na stronie | 71% (12/17) | 19% (3/16) | +52pp |
| GPTBot dozwolony w robots.txt | 76% (13/17) | 44% (7/16) | +33pp |
| Wikipedia presence | 47% (8/17) | 6% (1/16) | +41pp |
| Aktualizacja treści <2 mies. | 65% (11/17) | 19% (3/16) | +46pp |
| Wzmianki w mediach branżowych | 76% (13/17) | 25% (4/16) | +51pp |
Najsilniejsze korelacje z widocznością AI:
- Schema markup — +62pp różnica. Modele z wyszukiwaniem real-time (Perplexity, Gemini) explicite parsują structured data
- Spójne opisy marki — +57pp. Modele budują confidence przez redundancję: ta sama terminologia na ≥5 źródłach
- Blog z substancją — +57pp. Nie 300-słowowe wpisy, ale artykuły z fact density (fakt co 150-200 słów)
- Sekcja FAQ — +52pp. Format pytanie-odpowiedź ma najwyższy citation rate w modelach generatywnych
Case study: marka "zero do hero" w 90 dni
Jedna z marek z naszego badania — firma B2B z branży SaaS — na początku eksperymentu (luty 2026) była rozpoznawana tylko przez ChatGPT (i to jako wzmianka, nie rekomendacja). Claude i Gemini nie znały jej w ogóle. Po 90 dniach systematycznych działań LLMO wyniki wyglądały tak:
| Metryka | Luty 2026 (przed) | Maj 2026 (po) | Zmiana |
|---|---|---|---|
| ChatGPT | Wzmianka | Rekomendacja | Upgrade kontekstu |
| Claude | Nieznana | Wzmianka | 0 → widoczna |
| Gemini | Nieznana | Rekomendacja | 0 → rekomendacja |
| AI-referred traffic | ~120 sesji/mies. | ~340 sesji/mies. | +183% |
| Leady z AI | 2-3/mies. | 12-15/mies. | +400% |
Co zrobiono w ciągu 90 dni:
- Dodano schema markup (Organization + FAQ + HowTo) — koszt: 0 zł, 4 godziny pracy
- Ujednolicono opisy marki na 8 platformach (strona, LinkedIn, Google Business, Clutch, katalogi) — 0 zł, 6 godzin
- Opublikowano 6 artykułów eksperckich z fact density co 150-200 słów i datami "As of Q1 2026" — koszt produkcji: ~3000 zł
- Odblokowano GPTBot i CCBot w robots.txt — 0 zł, 5 minut
- Dodano sekcję FAQ (12 pytań) z danymi liczbowymi — 0 zł, 3 godziny
- 3 artykuły gościnne na portalach branżowych — ~2000 zł (copywriting zewnętrzny)
Łączny koszt: ~5000 zł w 90 dni. Efekt: z 2-3 leadów/mies. do 12-15 leadów/mies. z AI. Przy średniej wartości leada 800 zł to ROI ~19:1 w pierwszym kwartale.
Wnioski z eksperymentu — 5 zasad widoczności AI
Na podstawie danych z 50 marek i 450 zapytań formułujemy pięć zasad, które odróżniają marki widoczne w AI od niewidocznych. Konwersja ruchu z AI wynosi 15,9% wobec 1,76% z Google organic — każda z tych zasad bezpośrednio wpływa na wynik biznesowy.
1. Schema jest fundamentem
94% marek widocznych ma schema markup. Gemini: 52% cytowań z domen ze schema. Brak schema = start z deficytem.
2. Spójność ponad wszystko
Marka identycznie opisana na 8 platformach > doskonała strona + zero obecności w katalogach. Minimum: ≥5 źródeł z tym samym pozycjonowaniem.
3. FAQ to złoto LLMO
71% widocznych ma FAQ vs 19% niewidocznych. 2,8× więcej cytowań ze stron z nagłówkami (AirOps).
4. Nie blokuj botów AI
24% marek blokowało GPTBota — żadna nie była rozpoznawana. Najprostsza poprawka: jedna linia w robots.txt, zero kosztów.
5. Aktualizuj regularnie
Aktualizacja co <2 mies. = +28% cytowań (SE Ranking, 2025). Perplexity nagradza świeże daty. "As of Q2 2026..." sygnalizuje aktualność modelom AI.
Ograniczenia badania
Transparentność wymaga wskazania ograniczeń naszego eksperymentu:
- Próba 50 marek — to badanie eksploracyjne, nie statystycznie reprezentatywna próba polskiego rynku. Wnioski wskazują kierunki, nie bezwzględne prawdy
- Zmienność odpowiedzi AI — modele AI generują różne odpowiedzi na to samo pytanie w różnych momentach. Nasze 3 powtórzenia na model minimalizują, ale nie eliminują tego efektu
- Korelacja ≠ przyczynowość — nie możemy twierdzić, że schema markup "powoduje" widoczność. Marki ze schema mogą mieć lepszy marketing ogólnie. Ale kierunek jest konsystentny z badaniami Princeton
- Snap in time — dane z kwietnia-maja 2026. Modele AI są regularnie aktualizowane, wyniki mogą się zmienić
Co dalej — sprawdź swoją markę
Ruch z AI do stron wzrósł o 527% rok do roku (Previsible 2025). Gartner prognozuje spadek tradycyjnego searcha o 25% do końca 2026. 93% sesji z AI nie generuje kliknięcia — odpowiedź AI jest końcową destynacją. Każdy dzień bez widoczności w AI to utracone leady.
Trzy kroki, które możesz zrobić dziś:
- Sprawdź obecność — Brand Checker pokaże Ci status Twojej marki w ChatGPT, Claude i Gemini w 30 sekund
- Zacznij od fundamentów — schema markup, FAQ, spójne opisy, crawlability. Koszt: 0 zł. Pełny cennik LLMO →
- Skonsultuj strategię — skontaktuj się z Mokebe LLM Marketing po darmowy audyt widoczności AI
Planujemy powtórzyć ten eksperyment w Q4 2026 na próbie 200 marek i 15 branż. Zapisz się do newslettera, żeby dostać wyniki jako pierwszy.
FAQ — eksperyment widoczności AI
Jaki procent polskich marek jest widoczny w AI?
W naszym eksperymencie (50 marek z 10 branż, Q2 2026) tylko 34% było rozpoznawanych przez wszystkie 3 modele AI (ChatGPT, Claude, Gemini). 42% było rozpoznawanych przez co najmniej jeden model. Oznacza to, że 58% marek jest niewidocznych w przynajmniej jednym z głównych chatbotów AI.
Który model AI najlepiej zna polskie marki?
ChatGPT rozpoznał 68% badanych marek — najwięcej ze wszystkich modeli, dzięki RAG (wyszukiwanie real-time) i największym danym treningowym. Gemini rozpoznał 54%, Claude — 38%. Claude ma najwęższe pokrycie, ale gdy zna markę, kontekst jest precyzyjny i merytoryczny.
Co wpływa na widoczność marki w AI?
Najsilniejsze korelacje z widocznością AI w naszym badaniu: schema markup na stronie (+62pp vs marki niewidoczne), spójne opisy na ≥5 źródłach (+57pp), blog z substancją (+57pp), sekcja FAQ (+52pp). Te dane są spójne z badaniami Princeton (treści ze statystykami mają 30-40% wyższą widoczność).
Jak sprawdzić widoczność swojej marki w AI?
Najszybszy sposób: Brand Checker na mokebe.ai — darmowe narzędzie sprawdzające obecność w ChatGPT, Claude i Gemini w 30 sekund, bez rejestracji. Alternatywnie: ręczne pytania do każdego modelu o firmy z Twojej branży (min. 3 warianty pytania).
Ile czasu zajmuje poprawa widoczności w AI?
Dla silników z wyszukiwaniem real-time (Perplexity, SearchGPT) efekty widoczne w godzinach-dniach. Dla LLMO (wiedza wbudowana w model) — 90 dni systematycznej pracy. W naszym case study marka B2B SaaS zwiększyła AI-referred traffic o 183% i liczbę leadów z AI 4-5× w ciągu kwartału, przy łącznym koszcie ~5000 zł.