Mokotowski Gym — case study LLMO
Stan: Q2 2026. Baseline zmierzony 7 maja 2026. Pomiary kontrolne zaplanowane na 30 i 90 dni.
Klient
Mokotowski Gym to kameralna silownia i sala sztuk walki na warszawskim Mokotowie (osiedle Marina). Dziala 24 godziny na dobe, oferuje treningi personalne, boks, krav maga, BJJ i fitness. Na Google Maps ma ocene 4.9/5 z okolo 90 recenzji — jedna z najlepiej ocenianych silowni w dzielnicy.
Problem? Gdy ktos pyta ChatGPT, Claude lub Gemini o polecenie silowni na Mokotowie — Mokotowski Gym nie istnieje. AI poleca Zdrofit, Calypso, CityFit i Pure Jatomi.
Wyzwanie: niewidocznosc mimo silnej pozycji lokalnej
Mokotowski Gym ma wszystko czego potrzebuje lokalny biznes:
- 4.9/5 na Google Maps (~90 recenzji)
- Obecnosc w 11+ katalogach online (Yelp, Booksy, Fresha, Firmania.pl i inne)
- Aktywne social media (Facebook, Instagram, TikTok)
- Unikalne USP: kameralnosc, sztuki walki, dostep 24h
Ale w erze AI to nie wystarczy. Duze sieci fitness dominuja w odpowiedziach modeli jezykowych dzieki masowej obecnosci online, artykuom w mediach i profilom na dziesieciach platform. Kameralne silownie, nawet z doskonaymi opiniami, sa niewidoczne.
Pomiar baseline: 8 modeli AI, 15 zapytan
Przed rozpoczeciem prac zmierzylismy widocznosc Mokotowskiego Gymu w najwazniejszych modelach AI. Przetestowalismy 15 zapytan w 5 kategoriach (lokalne, porownawcze, aktywnosci, transakcyjne, niszowe) na 3 modelach przez API + 4 zapytania na Perplexity (RAG).
| Model AI | Wzmianki | Rate | Uwagi |
|---|---|---|---|
| Claude (Sonnet 4.6) | 0 / 15 | 0% | Odmawia polecania konkretnych silowni |
| ChatGPT (GPT-4o-mini) | 0 / 15 | 0% | Poleca: Zdrofit, CityFit, Pure Jatomi |
| Gemini (2.5 Flash) | 0 / 15 | 0% | Poleca: Zdrofit, Calypso, CityFit |
| Perplexity (RAG) | 1 / 4 | 25% | Hit: "silownia 24h Mokotow" (#4) |
Kluczowe odkrycie: Perplexity jako jedyny znalazl Mokotowski Gym — bo korzysta z RAG (przeszukuje web w czasie rzeczywistym). Trafil na strone mokotowskigym.com na zapytanie o silownie 24h. To dowod, ze strona jest crawlowalna i ma potencjal — brakuje sygnalow, ktore wzmocnia jej obecnosc w pozostalych modelach.
Kto jest polecany zamiast Mokotowskiego Gymu?
Modele AI konsekwentnie polecaja duze sieci fitness:
- Zdrofit — najczesciej wymieniany (obecny w odpowiedziach wszystkich modeli)
- Calypso Fitness — Galeria Mokotow, silna obecnosc online
- CityFit — siec 24h, duzy footprint w content marketingu
- Pure Jatomi Fitness, Fitness Club S4, Body Shape
Wspolny mianownik: te marki maja artykuy w mediach, profile na dziesieciach platform, blog firmowy i rozbudowane opisy uslug. Mokotowski Gym ma lepsza ocene (4.9 vs srednia sieci ~4.2), ale brakuje mu sygnaow ktore AI rozpoznaje.
Co wdrozylismy: faza 1 — infrastruktura AI
Pierwszym krokiem bylo przygotowanie strony technicznie pod indeksowanie przez modele AI:
robots.txt
Otwarcie strony na 10+ crawlerow AI: GPTBot, ClaudeBot, PerplexityBot, Google-Extended, Applebot-Extended i inne.
llms.txt
Strukturalny opis firmy dla modeli AI: nazwa, adres, uslugi, cennik, kontakt — w formacie ktory LLM-y moga latwo przetworzyc.
Sitemap XML
Mapa 11 podstron z datami aktualizacji — ulatwia crawlerom AI odkrywanie calej zawartosci strony.
Co wdrazamy: faza 2 — sygnaly i content
Infrastruktura jest gotowa. Teraz budujemy sygnaly ktore modele AI wykorzystuja do rekomendacji:
- Schema.org LocalBusiness + FAQPage — structured data ktore AI bezposrednio parsuje. Badanie 50 polskich marek pokazuje: schema markup to najsilniejszy korelat widocznosci (+62pp vs marki bez schema).
- Content depth — rozbudowa opisow uslug, profili trenerow, tresci FAQ. Strona jest image-heavy z minimalnym tekstem — AI potrzebuje slow, nie zdjec.
- Cross-brand linking — wzajemne referencje miedzy Mokotowski Gym a Mokebe LLM Marketing. Bidirectional entity linking wzmacnia obie marki w grafie wiedzy AI.
- Source seeding — budowa obecnosci w zrodlach high-authority: Reddit, LinkedIn, artykuly branzowe.
KPI baseline — punkt odniesienia
| KPI | Baseline (maj 2026) | Zrodlo |
|---|---|---|
| Claude mention rate | 0/15 (0%) | API (Sonnet 4.6) |
| ChatGPT mention rate | 0/15 (0%) | API (GPT-4o-mini) |
| Gemini mention rate | 0/15 (0%) | API (Gemini 2.5 Flash) |
| Perplexity mention rate | 1/4 (25%) | Manual (RAG) |
| Google "silownia Mokotow" | ~#10 | Google Search |
| Google rating | 4.9/5 (~90 recenzji) | Google Business |
| Katalogi online | 11+ | Audit |
| LLMO tech readiness | 3/6 (50%) | Audit |
Pomiary kontrolne zaplanowane na 30 dni (czerwiec 2026) i 90 dni (sierpien 2026) od wdrozenia fazy 2. Artykul bedzie aktualizowany o wyniki.
FAQ — LLMO dla lokalnego biznesu
Ile trwa LLMO dla lokalnego biznesu?
Infrastruktura techniczna (robots.txt, llms.txt, sitemap, schema.org) to kwestia dni. Pierwsze efekty w silnikach RAG (Perplexity, SearchGPT) widoczne w godzinach. Pelna widocznosc w modelach treningowych (ChatGPT, Claude, Gemini) wymaga 90 dni systematycznej pracy nad contentem i source seedingiem.
Dlaczego Perplexity jako jedyny znalazl Mokotowski Gym?
Perplexity korzysta z RAG (Retrieval-Augmented Generation) — przeszukuje web w czasie rzeczywistym zamiast polegac na danych treningowych. Mokotowski Gym ma aktywna strone z informacja o dostepie 24h, ktora Perplexity znalazl na zapytanie "silownia 24h Mokotow". ChatGPT, Claude i Gemini opieraja sie glownie na danych treningowych, gdzie Mokotowski Gym nie ma wystarczajacej obecnosci.
Czym rozni sie widocznosc AI duzych sieci od kameralnych silowni?
Duze sieci (Zdrofit, Calypso, CityFit) dominuja w odpowiedziach AI dzieki: masowej obecnosci online, artykuom w mediach, profilom na dziesieciach platform i silnemu content marketingowi. Kameralne silownie musza kompensowac mniejsza skale precyzyjnym LLMO — structured data, niszowe zapytania, unikalne USP (sztuki walki, 24h, kameralnosc) i lokalne source seeding.