TL;DR Wzmianka, cytowanie i rekomendacja to trzy różne zdarzenia — mierz je osobno, bo inaczej ogłosisz sukces z powodu samej nazwy w tekście. Cytowanie strony firmy nie oznacza nazwania firmy: w badaniu Continuum (wrzesień 2026) nazwa pojawiła się w tekście tylko w 26,7% przypadków cytowania. Jedna odpowiedź to nie pozycja — potrzebna jest seria przebiegów w stałych warunkach. Rekomendacja to marka plus kontekst potrzeby plus uzasadnienie dopasowania. Jak to sprawdzić: stały zestaw promptów, trzy przebiegi na silnik, osobne liczniki dla każdego poziomu. Semly pokazuje te sygnały osobno: widoczność, pozycję, analizę rekomendacji, cytowane domeny i sentyment.
Twoja marka pojawia się w ChatGPT. Raz, drugi, czasem w Gemini. Wpisujesz to do raportu, a sprzedaż stoi w miejscu. Pojawia się pytanie: czy to już rekomendacja, czy tylko obecność?
To nie jest drobiazg. Wzmianka czy rekomendacja to dwa różne stany, które wymagają różnych działań. Jeśli pomylisz jedno z drugim, będziesz optymalizować coś, co nie wpływa na decyzje klientów.
W tym poradniku rozłożymy obecność marki w AI na cztery poziomy. Dostaniesz metodę pomiaru krok po kroku, progi zaliczenia i sposób odróżnienia realnej zmiany od szumu. Na końcu: co z tym zrobić.
Wzmianka czy rekomendacja — cztery poziomy obecności marki w AI
Zacznijmy od wspólnego języka. Bez niego każdy w zespole liczy coś innego.
Cytowanie to link do Twojej domeny w źródłach odpowiedzi. Model podał Twój URL, ale nie musi o Tobie mówić.
Wzmianka to nazwa marki w tekście odpowiedzi. Bez oceny, bez wskazania jako wybór. Po prostu jesteś wymieniony.
Rekomendacja to marka wskazana jako rozwiązanie konkretnej potrzeby. Obowiązuje prosta reguła: marka + kontekst potrzeby + uzasadnienie dopasowania. Brakuje jednego elementu? To jeszcze nie rekomendacja.
Pozycja to miejsce marki w uporządkowanej odpowiedzi: pierwsza propozycja, druga, trzecia, albo dalsza. Top-3 traktuj jako rekomendację silną.
| Poziom | Co widzisz w odpowiedzi | Jak zapisać | Próg zaliczenia |
|---|---|---|---|
| Cytowanie | URL Twojej domeny w źródłach | liczba odpowiedzi z cytowaniem | min. 1 cytowanie |
| Wzmianka | nazwa lub alias marki w tekście | liczba odpowiedzi z nazwą | min. 1 wystąpienie |
| Rekomendacja | marka jako rozwiązanie z uzasadnieniem | liczba odpowiedzi z rekomendacją | min. 1 wskazanie jako rozwiązania |
| Pozycja | kolejność w liście lub w prozie | indeks pierwszego wystąpienia | top-3 = rekomendacja silna |
Dlaczego to takie ważne? Badanie Continuum z września 2026 (3 118 odpowiedzi, 39 763 cytowania) pokazało, że gdy model cytuje stronę firmy, nazwa tej firmy pojawia się w tekście tylko w 26,7% przypadków. Reszta to obecność bez rekomendacji. Link w źródłach wygląda dobrze w raporcie, ale nie znaczy, że ktoś Cię polecił.
Czego nie zakładać:
- Wzmianka nie jest poleceniem. Nazwa w tekście może pojawić się w zdaniu o ograniczeniach produktu.
- Cytat nie oznacza najlepszego wyboru. Link może potwierdzać jeden fakt.
- Rekomendacja nie jest stała. Nie pojawi się w każdej odpowiedzi.
Krok 1: Przygotuj zestaw promptów i warunki testu
Bez powtarzalnych warunków nie ma pomiaru. Tylko przypadkowe zrzuty ekranu.
Zbierz 30–60 promptów. Mniej niż 20 to za mało: jeden wynik przesuwa wtedy wynik o kilka punktów procentowych. Mieszaj typy pytań: kategorie ("jaki system CRM dla małej firmy"), porównania ("X czy Y") i pytania brandowe (nazwa, zakres usług, ceny).
Ustal i zapisz warunki: język, rynek, tryb (zwykły czy z wyszukiwaniem), model. Każdy przebieg w czystej sesji, bez historii rozmowy. Trzy przebiegi na silnik.
Lista kontrolna „gotowy do pomiaru":
- lista 30–60 promptów w jednym pliku,
- arkusz z kolumnami: prompt, silnik, przebieg, data, poziom, pozycja, sentyment, URL źródła,
- zapisany język, rynek i tryb testu,
- trzy przebiegi zaplanowane na ten sam dzień,
- czysta sesja przed każdym promptem.
Jedna uwaga praktyczna: dane z API nie są tym samym co widok w aplikacji. W aplikacji dochodzi historia rozmowy, lokalizacja i personalizacja. Do porównań używaj jednego kanału konsekwentnie. Jeśli chcesz zobaczyć, jak taki audyt wygląda w praktyce, przejdź przez audyt widoczności sklepu w AI.
Krok 2: Uruchom przebiegi w ChatGPT, Gemini i Perplexity
Silniki różnią się nie tylko wynikami, ale i sposobem budowania odpowiedzi. To wpływa na to, co zobaczysz.
ChatGPT łączy wiedzę z modelu z wynikami wyszukiwania. Gemini opiera się na indeksie Google i streszcza strony już ocenione przez wyszukiwarkę. Perplexity syntetyzuje wiele źródeł i pokazuje odnośniki w tekście oraz w panelu źródeł.
| Silnik | Skąd bierze źródła | Na co uważać przy odczycie |
|---|---|---|
| ChatGPT | wiedza modelu plus wyszukiwanie | część odpowiedzi powstaje bez wyszukiwania, więc źródła mogą nie odpowiadać treści |
| Gemini | indeks Google | dużo listicle'i i stron firmowych, nazwa firmy pojawia się częściej niż u innych |
| Perplexity | synteza wielu źródeł z odnośnikami | najwięcej cytowań na odpowiedź, ale rzadko nazywa cytowaną firmę |
Skala różnic jest duża. W badaniu Continuum (wrzesień 2026) ChatGPT podawał średnio 7,4 cytowania na odpowiedź, Gemini 10, a Perplexity 20. Nazwanie cytowanej firmy: 46,6% w ChatGPT, 30,0% w Gemini, 16,3% w Perplexity. Wniosek jest prosty: Perplexity podaje więcej linków, ale rzadziej mówi o firmie wprost. Gemini częściej nazywa firmy, bo bazuje na stronach firmowych i zestawieniach.
Dlatego nie porównuj surowych liczb między silnikami. Porównuj odsetki w obrębie tego samego silnika i tego samego zestawu promptów.
Zapisuj wszystko: eksport odpowiedzi albo zrzut ekranu z widocznymi źródłami. Bez materiału źródłowego nie zweryfikujesz później kwalifikacji.
Krok 3: Zakwalifikuj każdą odpowiedź do poziomu
Teraz zamieniasz tekst na dane. Idź po kolei, dla każdej odpowiedzi.
- Sprawdź URL-e w źródłach. Jest Twoja domena? Zaznacz cytowanie.
- Wyszukaj nazwę marki i aliasy w tekście. Jest? Zaznacz wzmiankę.
- Oceń, czy marka jest wskazana jako rozwiązanie z uzasadnieniem dopasowania. Tak? To rekomendacja.
- Zapisz pozycję. Top-3 to rekomendacja silna.
- Osobno oceń sentyment. "Tania opcja" i "specjalista od wdrożeń" to dwa różne konteksty, nawet przy tej samej pozycji.
Jak rozpoznać uzasadnienie dopasowania? Szukaj powodu: "dobra dla małych zespołów", "ma integrację z X", "sprawdzi się, gdy zależy Ci na Y". Sama nazwa na liście bez opisu to wzmianka, nie rekomendacja.
Punkt kontrolny: weź 10 losowych odpowiedzi i zweryfikuj ręcznie według reguł. Jeśli Twoja ocena rozjeżdża się z arkuszem, doprecyzuj regułę, zanim policzysz cokolwiek. Lepiej stracić pół godziny teraz niż raportować błędne dane przez kwartał.
Krok 4: Policz odsetki i sprawdź, czy to nie szum
Wzór jest banalny: odpowiedzi z rekomendacją podziel przez wszystkie ważne odpowiedzi i pomnóż przez 100. Zawsze podawaj licznik i mianownik.
Przykład: 12 z 20 odpowiedzi to 60%. Wcześniej 10 z 20 to 50%. Różnica 10 punktów procentowych przy próbce 20 odpowiedzi nie dowodzi trendu. Może to być zwykła zmienność.
A zmienność w AI jest duża. W badaniu Continuum zestaw nazwanych firm zmieniał się między trzema przebiegami w 100% par pytanie–silnik. Tylko 30,2% firm pojawiło się we wszystkich trzech przebiegach. To nie błąd pomiaru, to natura tych modeli.
Lista kontrolna „kiedy ogłaszać zmianę":
- masz minimum trzy przebiegi na silnik,
- zestaw promptów jest identyczny jak w poprzednim cyklu,
- porównujesz wynik z konkurencją, nie tylko z własną historią,
- mianownik jest zapisany i widoczny w raporcie,
- zmiana utrzymuje się w kolejnym cyklu.
Krok 5: Ustal, co poprawić — od wzmianki do rekomendacji
Masz dane. Co teraz?
Zacznij od faktów o marce. Uzupełnij opisy, zakres usług i ceny tak, żeby model nie musiał zgadywać. Halucynacje biorą się najczęściej z luk, nie ze złej woli modelu.
Potem zadbaj o treści, które da się zacytować: konkretne, z liczbami, z jasną odpowiedzią na jedno pytanie. Sprawdź też, gdzie model czyta o Twojej kategorii: katalogi branżowe, zestawienia, YouTube, fora. W kategorii travel katalogi odpowiadają za 50,3% cytowań, w SaaS za 1,3% (Continuum, wrzesień 2026). Twoja kategoria ma swoje miejsca i warto je znać.
Na końcu powtarzaj pomiar. Bez kolejnego cyklu nie wiesz, czy działanie zadziałało.
Tu wchodzi Semly. Monitoring widoczności marki w AI pokazuje kontekst wzmianek, cytowania i źródła w codziennych raportach. AI analytics rozdziela widoczność, pozycję marki w odpowiedziach, Share of Voice i cytowane domeny. Leon AI Agent zamienia to na rekomendacje i plan działań. To trzy osobne warstwy, które odpowiadają dokładnie na pytanie z tytułu: obecność, kontekst i wskazanie jako rozwiązanie.
Mini-case: Ofertoland w 60 dni podniósł widoczność z 5 do 54 punktów na 100, a konwersja wzrosła z 1,9% do 4,1% (case study Semly, Q3 2025). To ilustracja, że pomiar połączony z działaniem daje efekt. Nie jest gwarancją, że każda marka powtórzy ten wynik.
Czy da się zagwarantować rekomendację w ChatGPT, Gemini czy Perplexity? Nie. Decyzja o treści odpowiedzi należy do dostawcy modelu. Można natomiast zwiększać prawdopodobieństwo i mierzyć, czy rośnie.
Najczęstsze błędy i jak je naprawić
Błąd: liczenie wzmianek jako rekomendacji. Objaw: raport pokazuje wysoki wynik, a sprzedaż nie reaguje. Co zrobić: dodaj osobną kolumnę "rekomendacja" i wymagaj uzasadnienia dopasowania.
Błąd: jeden przebieg jako "wynik". Objaw: wynik skacze między tygodniami bez zmian w działaniu. Co zrobić: minimum trzy przebiegi, raportuj medianę lub zakres.
Błąd: mieszanie modeli i trybów w jednym wyniku. Objaw: nie wiesz, czy poprawa dotyczy ChatGPT, czy Gemini. Co zrobić: raportuj osobno per silnik i per tryb.
Błąd: pomijanie mianownika. Objaw: "wzrost o 20%" bez informacji, z ilu odpowiedzi. Co zrobić: zawsze podawaj licznik i mianownik.
Błąd: branie cytowania za polecenie. Objaw: link do Twojej strony w źródłach, a nazwy brak w tekście. Co zrobić: sprawdzaj tekst odpowiedzi, nie tylko panel źródeł.
Błąd: wniosek o przyczynie po jednym wzroście. Objaw: "nowa treść zadziałała", choć zmieniło się pięć innych rzeczy. Co zrobić: zmieniaj jedną rzecz na cykl i porównuj kolejne pomiary.
Co dalej
Masz pierwszy cykl za sobą. Wybierz ścieżkę.
Pomiar ręczny — taniej, ale wolniej. Sensowny przy kilkunastu promptach i jednej marce. Wybierz, gdy budżet jest zerowy, a potrzebujesz punktu startu. Pomocny bywa wtedy audyt widoczności w AI krok po kroku.
Narzędzie do monitoringu — szybciej i szerzej, ale kosztuje. Wybierz, gdy masz więcej niż jedną markę, więcej niż 30 promptów albo potrzebujesz raportów cyklicznych. Semly w planie Premium obejmuje 50 promptów i dwa modele, w Ultra 100 promptów i pięć modeli, w Scale ponad 250 promptów i wiele marek.
Pełna automatyzacja z agentem — najszybsza, ale wymaga gotowych treści i procesu publikacji. Wybierz, gdy pomiar już działa i wiesz, co poprawiać.
Drzewko decyzji:
- Mniej niż 20 promptów i jedna marka? Ręcznie.
- Więcej marek, modeli lub promptów? Narzędzie.
- Potrzebujesz raportów dla klientów i wielu marek? Agencja albo plan z obsługą wielu marek.
- Masz zespół contentu i chcesz domykać pętlę pomiar–działanie? Agent.
Niezależnie od wyboru rozszerzaj zakres: kolejne modele, kolejne rynki, kolejne języki. I ustal rytm. Miesięcznie przy dynamicznej kategorii, kwartalnie przy stabilnej.
Najważniejsze: przestań liczyć obecność, zacznij liczyć rekomendacje. To one przekładają się na decyzje klientów.
