Tak naprawdę działa indeks ChatGPT: 202 znaki na stronę i zero premii za umowę licencyjną

Francuska agencja Resoneo rozłożyła na czynniki pierwsze 1249 realnych odpowiedzi ChatGPT i opublikowała pierwszy tak szczegółowy opis tego, co OpenAI faktycznie przechowuje o Twojej stronie. Wniosek jest brutalnie prosty: własny indeks ChatGPT zapisuje tytuł i dokładnie 202 znaki treści zakotwiczone w nagłówku H1, a strony wydawców z umowami licencyjnymi są obsługiwane identycznie jak setki serwisów, które żadnej umowy nie mają. Dla branży AIO to najkonkretniejszy zestaw danych od miesięcy.

Kontekst: przez rok zgadywaliśmy, teraz mamy liczby

Od momentu, w którym ChatGPT zaczął realnie przeszukiwać sieć, optymalizacja pod odpowiedzi generatywne opierała się w dużej mierze na obserwacjach pośrednich. Widzieliśmy, że jedne strony są cytowane, a inne nie. Widzieliśmy logi serwera z botem ChatGPT-User. Nie widzieliśmy natomiast najważniejszego ogniwa: warstwy pobierania, czyli tego, skąd model bierze kandydatów do cytowania, zanim w ogóle zacznie generować odpowiedź.

Badanie Resoneo, opisane szeroko przez serwis Search Engine Journal w tekście autorstwa Matta G. Southerna, wypełnia dokładnie tę lukę. Analitycy przechwycili 1249 odpowiedzi ChatGPT z okresu lipca i sierpnia 2026, co przełożyło się na około 88 tysięcy wyników wyszukiwania obejmujących 26 900 unikalnych stron z 6400 domen. Testy prowadzono równolegle na kontach darmowych i płatnych, w kilku krajach, w różnych trybach pracy modelu.

Kluczowa okazja metodologiczna była przypadkowa. Do końca lipca OpenAI oznaczało wyniki wyszukiwania identyfikatorami źródła pipeline’u, czyli informacją o tym, który silnik dostarczył dany URL. Około 21 lipca to pole zniknęło i publiczny wgląd w mechanikę pobierania się zamknął. Resoneo zdążyło zebrać materiał wcześniej, więc dysponujemy w praktyce fotografią systemu wykonaną tuż przed zgaszeniem światła.

Kluczowe fakty: dwa silniki, dwie pamięci

Najważniejsze ustalenie dotyczy architektury. ChatGPT nie ma jednego źródła wiedzy o sieci, tylko dwa równoległe systemy pobierania i dwie odrębne pamięci.

Pierwszy silnik, oznaczany w danych jako labrador, to własny indeks OpenAI. Drugi, bright, to zeskrapowane wyniki Google. To, który z nich obsłuży Twoje zapytanie, zależy od typu konta i trybu pracy.

Ta asymetria ma poważne konsekwencje praktyczne. Użytkownik darmowy widzi świat oczami własnego indeksu OpenAI, użytkownik płacący za tryb rozumowania dostaje w trzech czwartych przypadków wyniki wyprowadzone z Google. Jeśli Twoja strategia AIO opiera się wyłącznie na pozycjach w Google, obsługujesz w praktyce tylko jedną z dwóch ścieżek, i to niekoniecznie tę, która generuje największy wolumen zapytań.

Indeks i cache to nie to samo

Resoneo rozdziela też dwie warstwy pamięci, które w branżowych dyskusjach często są mylone. Indeks przechowuje krótkie snippety zamrożone w momencie crawlowania i służy do odnajdywania stron po słowach kluczowych. Read cache przechowuje pełne strony w formacie Markdown i jest dostępny wyłącznie przez dokładny adres URL, a nie przez wyszukiwanie.

Innymi słowy: model najpierw znajduje kandydatów po snippetach z indeksu, a dopiero potem, jeśli uzna to za potrzebne, sięga po pełną treść z cache. Te dwa kroki mają zupełnie inne reguły optymalizacji i mylenie ich prowadzi do złych decyzji redakcyjnych.

202 znaki, ani znaku więcej

Najbardziej praktyczna część badania dotyczy tego, co dokładnie mieści się w snippecie labradora. Maksymalna długość to 202 znaki, a punktem zakotwiczenia jest element H1 strony. Analiza 534 cytowanych stron, z czego 463 posiadało nagłówek H1, dała następujący rozkład budżetu znaków:

Warto zatrzymać się przy trzech ostatnich wierszach. Nadtytuł sekcji, data publikacji i atrybut alt pierwszego obrazu potrafią łącznie zjeść blisko sto znaków z dwustuznakowego budżetu. To elementy, które w typowym szablonie WordPressa wstawiają się automatycznie i o których nikt nie myśli w kategoriach optymalizacji. W indeksie OpenAI konkurują one bezpośrednio z Twoim pierwszym akapitem.

Osobną kategorią są snippety dla treści newsowych. Te mają około 1100 znaków i, co istotne, nie są cytatem dosłownym, tylko streszczeniem wygenerowanym maszynowo. Redakcja nie kontroluje więc ich brzmienia w takim stopniu, jak w przypadku zwykłych stron.

Umowa licencyjna nie kupuje miejsca w indeksie

Element badania, który wywołał największą dyskusję w branży, dotyczy wydawców. Resoneo porównało obsługę serwisów mających podpisane umowy licencyjne z OpenAI oraz setek redakcji bez żadnego porozumienia. Różnicy nie stwierdzono. Dłuższe streszczenie dostępne przez własny indeks nie jest przywilejem licencyjnym, a strony małych wydawców bez umowy trafiają do głównego indeksu obsługującego darmowych użytkowników na tych samych zasadach co partnerzy kontraktowi.

Dla rynku, na którym umowy licencyjne z dostawcami modeli były przedstawiane jako przepustka do widoczności w AI, to ustalenie jest niewygodne. Sugeruje, że wartość takich kontraktów leży gdzie indziej, na przykład w danych treningowych albo w ochronie prawnej, ale nie w preferencyjnym traktowaniu przy pobieraniu odpowiedzi.

Co to znaczy dla SEO i AIO

Przełożenie tych danych na praktykę redakcyjną jest zaskakująco konkretne. Po raz pierwszy mamy techniczną specyfikację, pod którą da się realnie optymalizować, zamiast ogólników o „wartościowej treści”.

• H1 przestaje być ozdobnikiem. Skoro snippet jest zakotwiczony w H1, ten nagłówek decyduje o tym, od którego miejsca liczy się 202 znaki. Strona bez H1 albo z H1 ukrytym głęboko w szablonie oddaje kontrolę nad własną reprezentacją w indeksie.
• Pierwsze zdanie po H1 to Twoja jedyna reklama. Zostaje około 146 znaków. To mniej niż typowy meta description. Jeśli pierwszy akapit zaczyna się od rozgrzewki w stylu „w dzisiejszych czasach”, model zapamięta właśnie rozgrzewkę.
• Wyczyść przestrzeń między H1 a treścią. Nadtytuły, breadcrumby renderowane jako tekst, daty i podpisy pod obrazami wchodzą do budżetu. Każdy z nich to znaki zabrane właściwemu przekazowi.
• Alt pierwszego obrazu wymaga dyscypliny. Do 50 znaków z budżetu snippetu może pochłonąć opis grafiki. Rozwlekły, przeładowany słowami kluczowymi alt szkodzi tu podwójnie.
• Wysoka pozycja w Google nie gwarantuje obecności w labradorze. To dwa różne systemy z różnymi zasobami. Strona może być w top 3 Google i jednocześnie być niewidoczna dla darmowego użytkownika ChatGPT.

Osobno warto odnotować ustalenia dotyczące świeżości. Minimalne okno przed ponownym crawlem wynosi 30 minut, ale realne przechowywanie obserwowano przez wiele miesięcy, potwierdzono ponad 90 dni. System działa w modelu „najpierw podaj, potem sprawdź”, czyli serwuje starą wersję w trakcie odświeżania w tle. Cache jest współdzielony między użytkownikami po adresie URL i ignoruje nagłówek Cache-Control: no-store. Praktyczna konsekwencja: strona, którą poprawiłeś wczoraj, może być cytowana w wersji sprzed kwartału, a Ty nie masz jak tego sprawdzić ani wymusić zmiany.

Jeśli chcesz uporządkować warsztat pisania pod tę mechanikę, przydatny jest nasz praktyczny poradnik pisania treści cytowanych przez ChatGPT, który omawia strukturę akapitów pod pobieranie fragmentów.

Cytowanie to osobna loteria

Trafienie do puli kandydatów nie oznacza jeszcze cytowania. Dane Resoneo pokazują wyraźną przepaść między stronami, które model faktycznie otworzył, a tymi, które jedynie pobrał z indeksu.

Do tego około 90% pobranych adresów nigdy nie opuszcza sekcji „więcej” i nie zostaje wypromowanych do widocznej części odpowiedzi. Samo otwieranie stron przez model jest przy tym rzadkie, w trybie natychmiastowym szacowane na jeden przypadek na osiemdziesiąt, i koncentruje się w trybie rozumowania na kontach płatnych. Zmienność cytowanych źródeł między kolejnymi zapytaniami opisywaliśmy już wcześniej przy okazji analizy ukrytego pipeline’u cytowań w ChatGPT, a nowe dane dostarczają dla tamtych obserwacji technicznego wyjaśnienia.

Jak sprawdzić to na własnej stronie

Ustalenia Resoneo dają się przełożyć na prosty, powtarzalny audyt, który nie wymaga żadnego płatnego narzędzia. Otwórz dowolny wpis w trybie źródła HTML i policz znaki od otwarcia znacznika H1 do pierwszego zdania właściwej treści. Jeśli wynik przekracza sto znaków, oznacza to, że ponad połowa budżetu snippetu jest zajęta przez elementy szablonu, zanim model dotrze do jakiegokolwiek merytorycznego zdania.

Drugi krok to inwentaryzacja szablonów. Serwisy zwykle mają ich kilka: wpis blogowy, artykuł newsowy, karta produktu, strona kategorii. Każdy z nich układa nadtytuły, daty i obrazy inaczej, więc audyt jednego wpisu nie mówi nic o pozostałych typach stron. W praktyce najgorzej wypadają szablony newsowe, w których nad treścią piętrzą się kategoria, data, autor i podpis pod grafiką.

Trzeci krok dotyczy tekstów alternatywnych. Warto wyeksportować listę pierwszych obrazów z najważniejszych wpisów i sprawdzić długość ich atrybutu alt. Opisy przekraczające pięćdziesiąt znaków należy skrócić do zwięzłej frazy, która realnie opisuje grafikę. Ta zmiana jest mechaniczna, odwracalna i nie wpływa negatywnie na dostępność, o ile skrócony opis pozostaje sensowny dla czytników ekranu.

Reakcje branży

Odbiór badania w środowisku SEO był wyraźny, choć nie jednomyślny co do wniosków strategicznych. Najczęściej cytowana reakcja pochodzi od specjalisty Radu Stoiana, który podsumował rzecz zwięźle: najtrudniejszą częścią wyszukiwania AI może nie być sam model językowy, tylko indeks wyszukiwania. To zdanie dobrze oddaje przesunięcie ciężaru dyskusji z promptów i modeli na infrastrukturę pobierania danych.

Część komentatorów zwraca uwagę, że ustalenie o braku premii licencyjnej może zostać przechwycone przez obie strony sporu wydawców z dostawcami modeli. Wydawcy mogą argumentować, że skoro ich treść i tak trafia do indeksu, umowy są wymuszone raczej ryzykiem prawnym niż realną wymianą wartości. Dostawcy modeli mogą odpowiadać, że równe traktowanie jest dowodem na neutralność systemu.

Pojawia się też głos ostrzegawczy dotyczący trwałości samych danych. Skoro OpenAI usunęło pole identyfikujące źródło pipeline’u pod koniec lipca, każde kolejne badanie tego typu będzie znacznie trudniejsze do przeprowadzenia. Branża dostała szczegółową mapę systemu i jednocześnie straciła narzędzie, które pozwalało tę mapę aktualizować.

W polskim kontekście ustalenia mają dodatkowy wymiar. Redakcje i sklepy działające na szablonach z rozbudowanymi nadtytułami, datami i podpisami nad treścią oddają część dwustuznakowego budżetu na elementy, które nie niosą przekazu sprzedażowego. Audyt tego, co realnie znajduje się między H1 a pierwszym zdaniem treści, to zadanie na kilka godzin, a nie na kwartał.

Co dalej

Krótkoterminowo warto potraktować badanie jako listę kontrolną. Sprawdź, czy każdy szablon na Twojej stronie ma jeden, jednoznaczny H1. Zmierz, ile znaków oddziela ten H1 od pierwszego zdania treści merytorycznej. Skróć alt pierwszego obrazu do konkretnego opisu. Przepisz pierwsze zdanie tak, aby samodzielnie odpowiadało na intencję zapytania w około stu czterdziestu znakach.

Średnioterminowo pytaniem otwartym pozostaje, jak długo opisana architektura przetrwa w obecnej formie. Wzrost udziału zeskrapowanych wyników Google w trybie rozumowania sugeruje, że własny indeks OpenAI nie jest jeszcze w pełni samowystarczalny. Jeśli ta proporcja się odwróci, ciężar optymalizacji przesunie się ponownie w stronę klasycznego SEO. Jeśli utrzyma się obecny podział, rynek będzie musiał na stałe obsługiwać dwie różne ścieżki widoczności. Kontekst konkurencji między silnikami pobierania opisywaliśmy przy okazji dodania Binga jako kolejnego silnika źródeł w ChatGPT.

Długoterminowo najważniejszą konsekwencją jest utrata przejrzystości. Po usunięciu pola diagnostycznego właściciele stron nie mają żadnego oficjalnego sposobu, aby sprawdzić, w jakiej wersji i z jakiego silnika ich treść trafia do odpowiedzi. Wizyty bota ChatGPT-User w logach oznaczają odświeżenie cache, a nie realne zapytanie użytkownika, więc nawet analiza logów daje mylny obraz popytu. Branża będzie musiała oprzeć się na testach próbkujących i własnych pomiarach cytowań, bo dostawca nie zamierza tych danych udostępniać.