Darmowy raport widoczności w AI

Sprawdź, czy Twoja firma jest widoczna w AI

Zobacz za darmo, czy ChatGPT, Gemini i Google AI wymieniają Twoją firmę w swoich odpowiedziach.

Sprawdź widoczność za darmo →

Monitoring widoczności wielu klientów w AI z jednego konta: jak agencja zamienia dane w gotowy raport dla klienta

Piętnastu klientów. Piętnaście arkuszy. I piętnaście różnych definicji słowa "widoczność". Jeden klient liczy każde pytanie, w którym pojawia się jego marka. Drugi tylko te, w których jest polecany. Trzeci chce "pozycji", bo tak przywykł do Google. Na koniec miesiąca ktoś w agencji spędza dwa dni na przeklejaniu liczb i tłumaczeniu, dlaczego wynik spadł, choć nikt nic nie zmienił.

To nie problem narzędzia. To problem braku wspólnego standardu. Dane z jednego konta mają sens tylko wtedy, gdy proces pracy jest wspólny, a projekty klientów są rozdzielone. Centralizacja oznacza wspólne zasady, nie mieszanie odpowiedzi różnych marek.

Ten poradnik pokazuje, jak ustawić monitoring widoczności wielu klientów w AI z jednego konta i zamienić surowe odpowiedzi modeli w raport, który klient rozumie, akceptuje i wie, co z nim zrobić. Krok po kroku: karta klienta, biblioteka promptów, powtarzalny pomiar, metryki z mianownikiem, szablon raportu i dystrybucja.

Dla kogo: dla właścicieli i specjalistów małych i średnich agencji SEO oraz e-commerce, którzy obsługują od kilku do kilkudziesięciu klientów. Zakładam, że znasz SEO. Nie zakładam, że wiesz, jak mierzyć widoczność w modelach językowych, bo tu metodologia dopiero się krystalizuje.

TL;DR Problem: przy kilkunastu klientach każdy arkusz ma inną definicję "widoczności", więc raporty nie są porównywalne, a czas ucieka na ręczne przeklejanie danych. Teza: jedno konto ma sens wtedy, gdy daje wspólny standard pracy i osobne projekty dla każdego klienta. Nie jedną uśrednioną liczbę. Pięć elementów rdzenia: karta klienta z izolacją danych, wersjonowana biblioteka promptów, powtarzalny pomiar z progami istotności, metryki z jawnym mianownikiem i szablon raportu kończący się zadaniem. Dystrybucja i ekonomia to szósty krok. Szablon raportu ma stałą kolejność: zakres, liczby z mianownikiem, obserwacje z pełną odpowiedzią modelu, zadanie z właścicielem i terminem, data ponownego pomiaru. Rytm pracy: tygodniowo obecność i poprawność, miesięcznie udział w odpowiedziach i pozycja, kwartalnie sentyment. Granice: raport nie gwarantuje wzrostu widoczności ani sprzedaży, a "pozycja w ChatGPT" nie działa jak pozycja w Google. W Semly.ai plan Scale (997 zł netto miesięcznie, stan na 21.11.2026) daje nielimitowaną liczbę marek na jednym koncie, uprawnienia per marka i moduł oraz raporty white label bez zużycia limitów.

Monitoring widoczności wielu klientów w AI — od czego zacząć

Zanim padnie pierwsza liczba, ustal warunki wejściowe. Inaczej pierwszy raport będzie ładny, ale bezużyteczny.

Kiedy ta metoda nie zadziała. Przy jednym lub dwóch klientach własne skrypty i arkusz mogą wystarczyć, bo ręczne sprawdzanie jeszcze się spina. Nie zadziała też, gdy klient nie ma celu biznesowego, a chce "wiedzieć, jak jest". Nie zadziała, gdy oczekuje pozycji jak w Google, bo takiej pozycji w modelach językowych po prostu nie ma. I nie zadziała, gdy w agencji nie ma osoby, która odbierze raport i zamieni go na decyzję.

Co przygotować w jeden dzień:

  • konto z możliwością dodania wielu marek i rozdzielenia ich uprawnieniami,
  • listę klientów z domenami, rynkami i językami,
  • od 30 do 50 promptów na klienta, opartych na realnych pytaniach zakupowych,
  • budżet na odpytywanie modeli, bo każdy przebieg kosztuje,
  • jedną osobę odpowiedzialną za proces i jedną za odbiór raportu.

Trzy pytania kontrolne: czy mam dane, by zacząć? Czy wiem, kiedy odpuścić? Czy ktoś realnie odbierze wynik? Jeśli na którekolwiek odpowiadasz "nie", najpierw domknij tę lukę.

Krok 1: Karta klienta i izolacja danych

Cel jest prosty: każdy klient ma własny projekt i własny mianownik. Bez tego metryki z różnych marek zaczynają się mieszać, a raport przestaje być wiarygodny.

Karta klienta to jedna strona, którą wypełniasz przed konfiguracją. Pola: marka, domeny, rynek, język, lista konkurentów, cel biznesowy, właściciel po stronie agencji i po stronie klienta.

Model danych, który warto trzymać w głowie: konto, klient, projekt, wersjonowany zestaw promptów, przebieg, odpowiedź, ekstrakcja. Każdy poziom ma swoje miejsce, a odpowiedzi nie przeciekają między poziomami.

Izolacja w praktyce to trzy rzeczy. Osobne projekty dla każdej marki. Uprawnienia per marka i moduł, żeby contentowiec nie grzebał w cennikach. Opcjonalny dostęp klienta wyłącznie do jego marki, jeśli chcesz dać mu podgląd na żywo. W Semly.ai plan Scale nie limituje liczby marek na koncie, więc liczba klientów nie wymusza tworzenia kolejnych kont.

Dwa punkty kontrolne. Czy da się policzyć metryki klienta A bez dotykania danych klienta B? Czy klient widzi tylko swoją markę? Jeśli odpowiedź brzmi "nie", popraw uprawnienia, zanim wyślesz cokolwiek na zewnątrz.

Krok 2: Biblioteka promptów z wersjonowaniem

Cel: porównywalność tydzień do tygodnia. Bez stałej biblioteki każdy "spadek" może być skutkiem zmiany pytań, a nie zmiany widoczności.

Zacznij od mapowania intencji. Informacyjne ("jak działa X"), porównawcze ("X czy Y"), zakupowe ("gdzie kupić X w Polsce"). Podziel prompty na stały rdzeń i część rotacyjną. Rdzeń zostaje bez zmian przez cały kwartał, rotacja pozwala testować nowe pytania bez psucia serii.

Prowadź rejestr zmian. Data, autor, powód. Trzy kolumny, ale ratują cały raport, gdy klient pyta, dlaczego liczba drgnęła.

Rozdzielaj powierzchnie: ChatGPT, Gemini, Claude, Google AI Overview i Google AI Mode. To różne mechanizmy i różne odpowiedzi. Wrzucenie ich do jednego worka daje średnią, która nic nie znaczy.

Kontrola: w obu porównywanych okresach musi obowiązywać ta sama wersja promptów. Objaw błędu jest charakterystyczny. Widzisz spadek, który pokrywa się dokładnie z datą zmiany biblioteki. To nie rynek, to twoja edycja.

Krok 3: Pomiar powtarzalny — ile przebiegów i jakie progi

Cel: odróżnić szum od realnej zmiany. Modele generują odpowiedzi probabilistycznie, więc pojedynczy odczyt bywa mylący.

Praktyka: od 3 do 5 powtórzeń na prompt, stała temperatura i seed tam, gdzie dostawca je udostępnia. W raporcie pokazuj medianę i rozrzut, nie jeden wynik.

Progi istotności, które warto przyjąć z góry:

  • zmiana większa niż 5 p.p. przy co najmniej 60 odpowiedziach w próbie,
  • zmiana większa niż 3 p.p. dla Citation Rate,
  • przesunięcie o 0,5 pozycji dla Average Position,
  • sentyment tylko jako trend trzymiesięczny, bo jest około 6,7 razy bardziej zmienny niż sama wzmianka.

Na co uważać: próg istotności to nie dowód przyczyny. Przekroczenie progu mówi "coś się zmieniło", a nie "zmieniło się z powodu twojej publikacji". Przyczynę sprawdzaj osobno: nowe treści, zmiany w feedzie, wejście konkurenta, aktualizacja modelu.

Kontrola: czy zmiana przekracza próg? Objaw błędu to raportowanie pojedynczego odczytu jako faktu. Klient zapamięta liczbę, a za tydzień dostanie inną i straci zaufanie do całego procesu.

Krok 4: Metryki i mianowniki — co trafia do raportu

Cel: wspólny język z klientem. Każda metryka musi mieć wzór i mianownik, inaczej dwie osoby policzą ją inaczej.

Najpierw rozdziel trzy zdarzenia, które często zlewają się w jedno. Wzmianka to pojawienie się marki w odpowiedzi. Rekomendacja to wskazanie jej jako rozwiązania. Cytowanie źródła to link do twojej domeny w przypisach. To trzy różne rzeczy i trzy różne metryki.

Metryka Wzór Mianownik Kadencja
Mention Rate odpowiedzi z wzmianką / wszystkie odpowiedzi liczba odpowiedzi w próbie tygodniowo
Citation Rate odpowiedzi z cytowaniem domeny / wszystkie odpowiedzi liczba odpowiedzi w próbie tygodniowo
Share of Voice wzmianki marki / wzmianki wszystkich marek z listy suma wzmianek w tych samych odpowiedziach miesięcznie
Average Position średnia pozycja wzmianki w odpowiedzi odpowiedzi z wzmianką miesięcznie
Product Accuracy odpowiedzi z poprawnym produktem i ceną / odpowiedzi o produkcie odpowiedzi dotyczące oferty tygodniowo

Druga warstwa to efekt biznesowy: referrale z AI i konwersja. Trzymaj ją osobno. Łączenie widoczności i sprzedaży w jeden wskaźnik wygląda elegancko na slajdzie, ale uniemożliwia diagnozę.

Kontekst rynkowy wstaw do raportu z datą. Ruch z platform AI to około 0,32% wizyt stron, ChatGPT odpowiada za około 75% referrali z AI, a marki globalne pojawiają się w 73% odpowiedzi, podczas gdy małe w 11%. Te liczby pomagają klientowi ustawić oczekiwania. Bez kontekstu każdy wynik wygląda albo na sukces, albo na porażkę.

Krok 5: Szablon raportu dla klienta

Cel: dać gotową strukturę do wypełnienia, żeby raport powstawał w godzinę, a nie w dwa dni.

Kolejność sekcji jest stała:

  1. Zakres: projekt, okres, kraj, język, modele, wersja promptów.
  2. Liczby z mianownikiem: metryki z tabeli powyżej, z podaną próbą.
  3. Obserwacje: pełna odpowiedź modelu i cytowane źródło, nie tylko wyciąg.
  4. Zadanie: URL do poprawy, właściciel, termin, kryterium odbioru.
  5. Data ponownego pomiaru na tej samej bibliotece.

Checklista odbioru raportu, pięć punktów:

  • zakres i wersja promptów są opisane,
  • każda liczba ma mianownik,
  • obserwacje mają cytat z odpowiedzi modelu,
  • jest co najmniej jedno zadanie z właścicielem i terminem,
  • jest zdanie o granicach raportu.

To ostatnie zdanie napisz wprost: raport nie gwarantuje wzrostu widoczności ani sprzedaży. Akceptacja raportu dotyczy treści i zaleceń, nie potwierdzenia wyniku. Brzmi zachowawczo, ale chroni relację lepiej niż optymistyczna obietnica.

Krok 6: Dystrybucja i ekonomia wielu klientów

Cel: oddać raport tanio i bezpiecznie, bez ręcznego składania PDF-ów.

Raport white label z logo agencji, własnym CTA i prywatnym linkiem to najkrótsza droga. W Semly.ai plan Scale pozwala przechowywać do 100 raportów bez zużycia limitów, więc nie płacisz za każdym razem, gdy klient prosi o wersję "jeszcze raz". Pamiętaj o jednym: raporty są jednorazowe, a stały monitoring to osobna funkcja. Nie obiecuj klientowi automatycznej wysyłki cyklicznej.

Gdy klient ma własny szablon, użyj eksportu CSV lub XLSX. Gdy chcesz przeanalizować cały portfel, sięgnij po MCP i zapytaj asystenta o wszystkie marki w jednej rozmowie, bez przełączania zakładek. Natywnego konektora Looker Studio nie ma, więc raczej zbuduj szablon na eksporcie niż licz na gotowe dashboardy.

Koszt licz prosto: liczba promptów razy liczba modeli razy częstotliwość. Przy dziesięciu klientach i 40 promptach na klienta to 400 promptów na jeden przebieg. Trzy przebiegi w tygodniu i pięć modeli dają już spory wolumen, dlatego warto zacząć od węższej listy pytań i rozszerzać ją, gdy proces się ustabilizuje. Szybciej i taniej, ale mniej dokładnie. Szerzej i drożej, ale z lepszym pokryciem intencji.

Rytm pracy: tydzień, miesiąc, kwartał

Cel: ustalić kadencję i odpowiedzialności, żeby nikt nie zgadywał, kto co robi.

Tygodniowo analityk sprawdza obecność i poprawność produktów. To szybki przegląd, który wychwytuje błędy w danych i nagłe zmiany. Miesięcznie ten sam analityk liczy udział w odpowiedziach i pozycję, a opiekun klienta składa raport i prowadzi rozmowę. Kwartalnie wracacie do sentymentu i przeglądu biblioteki promptów.

Handoff do treści jest kluczowy. Analityk przekazuje contentowcowi konkretne pytania, w których marki nie ma lub gdzie model podaje nieaktualną cenę. Contentowiec poprawia treść lub feed. Po dwóch, trzech tygodniach pomiar wraca na tę samą bibliotekę, żeby porównanie miało sens.

Najczęstsze błędy i jak je naprawić

Cel: skrócić drogę do poprawnego raportu. Poniżej sześć sytuacji, które widzi niemal każda agencja.

Objaw Przyczyna Naprawa
Klient pyta, dlaczego jego wynik to średnia z innymi Uśrednianie klientów w jednym arkuszu Osobne projekty i osobne mianowniki
"Spadek" po zmianie pytań Mieszanie powierzchni AI lub edycja biblioteki w trakcie okresu Rozdziel modele, wersjonuj prompty, porównuj te same wersje
Liczby skaczą co tydzień Pojedynczy odczyt zamiast serii Od 3 do 5 powtórzeń, mediana i rozrzut
Klient nie wie, co zrobić z raportem Brak mianownika i brak zadania Dodaj próbę, właściciela, termin i kryterium odbioru
Rozczarowanie po pierwszym miesiącu Obietnica wzrostu widoczności lub sprzedaży Zamień obietnicę na zakres i kadencję pomiaru
Ryzyko przy promptach i logach Dane osobowe w promptach, brak podstawy przetwarzania Usuń dane osobowe, ustal podstawę prawną i retencję logów

Ostatni punkt traktuj poważnie. Prompty nie powinny zawierać danych osobowych klientów, a logi pomiarowe to dane przetwarzane, więc potrzebują podstawy i okresu przechowywania. To element wdrożenia, nie detal.

Co dalej

Gdy proces działa na pięciu klientach, dodanie kolejnych to głównie praca administracyjna: karta, biblioteka, uprawnienia. Skala przestaje być problemem, jeśli standard jest wspólny.

Następny krok to przejście od raportu do działań. Pętla pomiar, treść, ponowny pomiar daje agencji argument w rozmowie z klientem: nie "jesteś niewidoczny", ale "oto pytanie, w którym cię nie ma, oto poprawka i oto termin sprawdzenia".

Kiedy warto rozważyć inne podejście? Przy jednym lub dwóch klientach własne skrypty mogą wystarczyć. Przy wymaganiach enterprise, takich jak SSO i rozbudowane kontrole dostępu, warto sprawdzić platformę o szerszym zakresie. Warto też zaplanować rozmowę o AI Act. Artykuł 50, dotyczący oznaczania treści generatywnych, obowiązuje od 2 sierpnia 2026 roku, a klienci coraz częściej pytają o to w kontekście własnych publikacji.

Najważniejsze na koniec: raport jest produktem, nie eksportem. Jego wartość nie leży w liczbach, ale w decyzji, którą uruchamia.

Źródła

Sprawdź, czy Cię widzi

Wpisz adres Twojej strony, żeby otrzymać bezpłatny raport widoczności w AI