Strony produktowe zgarniają 24 procent cytowań AI. Reddit i YouTube razem 4 procent

Przez ostatnie dwa lata branża powtarzała jedno zdanie: chcesz cytowań w ChatGPT, idź na Reddita. Nowe badanie agencji Ten Speed, opisane 3 września przez serwis Search Engine Journal, stawia tę tezę na głowie. Na próbie 7387 wystąpień cytowań w czterech silnikach AI strony produktowe zebrały 24,1 procent wskazań, a Reddit, YouTube i fora razem wzięte zaledwie 4,2 procent.

Różnica jest prawie sześciokrotna i dotyczy obszaru, w którym pieniądze zapadają najszybciej: zapytań zakupowych B2B na etapie oceny dostawcy. To nie jest kolejny ranking popularności platform. To pomiar tego, co model naprawdę wkleja do odpowiedzi, kiedy ktoś pyta o konkretne narzędzie, a nie o ogólną definicję.

Kontekst: skąd wzięło się przekonanie o Reddicie

Narracja o dominacji treści społecznościowych nie wzięła się znikąd. Wcześniejsze analizy, w tym te publikowane przez Search Engine Land, konsekwentnie pokazywały Reddita, YouTube i LinkedIn na szczycie list źródeł cytowanych przez wyszukiwarki AI. W styczniu 2026 raportowano, że w Perplexity mniej więcej co czwarte cytowanie prowadziło do Reddita. Późniejsze zestawienia przesuwały akcent na wideo, wskazując YouTube w okolicach 16 procent odpowiedzi wobec 10 procent dla Reddita.

Te liczby żyły własnym życiem. Powstały na nich całe strategie: kupowanie obecności w wątkach, zakładanie kont moderatorskich, produkcja wideo pod cytowania. Problem w tym, że wszystkie te pomiary obejmowały bardzo szeroki koszyk zapytań, w większości konsumenckich i informacyjnych. Pytanie „jaki laptop do 4000 zł” i pytanie „porównaj koszt wdrożenia dwóch platform do automatyzacji IT” nie aktywują tych samych źródeł, bo model szuka innego rodzaju dowodu.

Sygnałów, że układ sił się przesuwa, było zresztą więcej. Opisywaliśmy niedawno, jak Reddit stracił 86 procent cytowań w ChatGPT w cztery dni, bez oficjalnego wyjaśnienia ze strony OpenAI. Badanie Ten Speed dokłada do tego drugą warstwę: nawet gdyby Reddit odzyskał pozycję, w segmencie B2B nigdy nie był tam, gdzie zakładała branża.

Kluczowe fakty: co dokładnie zmierzono

Autorem analizy jest Nelson Brassell z agencji Ten Speed. Metodologia, w skrócie, wygląda następująco:

• 170 promptów zbudowanych tak, by odwzorować sposób, w jaki kupujący rozmawia z asystentem AI po przejściu etapu pytań ogólnych, czyli już na etapie porównywania konkretnych rozwiązań.
• Dane o cytowaniach pobrano z narzędzia Peec AI, które monitoruje, jakie adresy URL przywołują ChatGPT, Perplexity, Claude i Gemini.
• Łącznie zarejestrowano 7387 wystąpień cytowań.
• Zakres branżowy: klienci agencji z obszaru B2B SaaS i usług profesjonalnych, w tym fintech, zabezpieczenia fizyczne, hotelarstwo oraz automatyzacja IT, uzupełnieni o porównywalnych konkurentów spoza portfela agencji.

Rozkład cytowań według typu strony prezentuje się tak:

Najważniejsza liczba nie jest jednak żadną z powyższych. Jest nią suma: 88,3 procent cytowań pochodziło z treści, nad którymi marka ma bezpośrednią kontrolę. Innymi słowy, w tym segmencie widoczność w odpowiedziach AI to w przeważającej mierze funkcja własnych zasobów, a nie łaski społeczności.

Wewnątrz koszyka społecznościowego proporcje też są warte odnotowania. Reddit zdecydowanie dominował, YouTube odpowiadał za około 1 procent całości. To istotne, bo w praktyce oznacza, że produkcja wideo pod cytowania w zapytaniach zakupowych B2B jest jedną z najdroższych i najmniej wydajnych taktyk, jakie można wybrać.

Format porównawczy: 20 procent promptów, 27 procent cytowań

Osobny wątek badania dotyczy nie tego, co jest cytowane, ale tego, co cytowanie wywołuje. Prompty w formacie porównawczym stanowiły 20 procent całego zestawu, a wygenerowały 27 procent wszystkich cytowań. Współczynnik zwrotu wynosi więc 1,33.

To niewielka przewaga w ujęciu bezwzględnym, ale ważna kierunkowo. Zapytania typu „X czy Y”, „alternatywy dla Z”, „czym różni się A od B” zmuszają model do zestawienia faktów z wielu źródeł naraz, więc w jednej odpowiedzi pojawia się więcej przypisów niż przy pytaniu otwartym. Jeśli mierzysz swoją widoczność w AI wyłącznie na promptach ogólnych, systematycznie zaniżasz obraz i pomijasz format, który generuje najwięcej okazji do cytowania.

Co to znaczy dla SEO i AIO

Strona produktowa przestaje być wyłącznie landingiem sprzedażowym

Typowa strona produktowa w B2B jest pisana pod człowieka, który już wie, po co przyszedł. Dużo obietnic, mało konkretów, kluczowe parametry schowane w PDF do pobrania po formularzu, cennik za bramką „skontaktuj się z nami”. Model językowy nie ma z czego zbudować odpowiedzi, więc sięga po źródło, które konkret podaje wprost, nawet jeśli jest to katalog albo wątek na forum.

Rekomendacja autorów jest bezpośrednia: pisz stronę produktową przy założeniu, że pierwszym czytelnikiem jest model, a dopiero drugim człowiek. W praktyce oznacza to wyciągnięcie na wierzch parametrów, limitów, integracji, modelu cenowego i warunków wdrożenia, w formie, którą da się wyciąć i wkleić jako zdanie. Zbliżone zasady opisywaliśmy przy okazji struktury opisów produktowych pod AI i przekładają się one na B2B niemal bez zmian.

Dlaczego model sięga akurat po stronę produktową

Mechanizm jest mniej tajemniczy, niż sugerują dyskusje o „optymalizacji pod LLM”. Model buduje odpowiedź na zapytanie porównawcze, zestawiając atrybuty: cenę, limity, dostępne integracje, model wdrożenia, obsługiwane standardy. Potrzebuje więc źródła, w którym te atrybuty występują jawnie, blisko siebie i w formie dającej się przypisać do konkretnego podmiotu. Wątek na forum spełnia ten warunek rzadko, bo miesza opinię z faktem i zwykle dotyczy jednego wąskiego problemu. Katalog spełnia go dobrze, bo ma ustrukturyzowane pola. Dobrze napisana strona produktowa spełnia go najlepiej, bo jest jednocześnie ustrukturyzowana i autorytatywna wobec opisywanego produktu.

Stąd bierze się druga obserwacja, którą łatwo przeoczyć: przewaga stron produktowych nie jest przewagą domeny ani autorytetu, tylko przewagą formatu. Nie wygrywają największe marki, tylko te strony, z których da się wyjąć zdanie z konkretem. Dla mniejszego gracza to dobra wiadomość, bo dystans w tym wymiarze nadrabia się przepisaniem kilkunastu podstron, a nie latami budowania profilu linków.

Treści porównawcze wobec wielu konkurentów, nie jednego

Drugie zalecenie dotyczy budowania porównań przeciw wielu graczom naraz, a nie klasycznej strony „my kontra jeden konkurent”. Powód jest mechaniczny: im więcej podmiotów strona zestawia, tym więcej różnych promptów porównawczych może ją aktywować. Strona porównująca pięć rozwiązań ma po prostu więcej punktów zaczepienia niż pięć osobnych stron jeden na jednego, a przy okazji rzadziej brzmi jak materiał sprzedażowy.

Profile katalogowe jako aktywo contentowe

7,2 procent cytowań z profili w G2 i Capterra to udział wyższy niż całego koszyka społecznościowego. Większość firm traktuje te profile jako formalność uzupełnianą raz, przy wejściu na rynek. Badanie sugeruje, żeby zarządzać nimi jak stroną: aktualizować opisy funkcji, pilnować kategorii, dbać o świeżość i liczbę recenzji. Katalog jest dla modelu wygodnym źródłem, bo ma ustrukturyzowane pola i porównywalne dane.

Co z blogiem

Artykuły z 17,4 procent to druga pozycja w zestawieniu, więc bloga nikt tu nie odwołuje. Zmienia się natomiast jego rola. Poradniki krok po kroku, przez lata główny produkt content marketingu B2B, zebrały poniżej 9 procent i wypadły słabiej niż listy oraz zestawienia. Na etapie oceny dostawcy model nie potrzebuje instruktażu, tylko materiału pozwalającego odróżnić jedno rozwiązanie od drugiego. Jak układać taką treść, opisywaliśmy w studium wdrożenia AIO w B2B.

Co konkretnie umieścić na stronie produktowej

Rekomendacja „pisz pod model” bywa pusta, więc warto ją rozłożyć na elementy. Z rozkładu cytowań wynika, że wartość ma treść, którą asystent może zacytować jako pojedyncze, samodzielne zdanie faktograficzne. Praktyczna lista kontrolna wygląda tak:

• Cennik w treści strony. Choćby widełki, model rozliczeń i to, co wchodzi w każdy pakiet. „Wycena indywidualna” jest dla modelu informacją zerową i zwykle kończy się zacytowaniem konkurenta, który liczby podał.
• Limity i progi. Liczba użytkowników, wolumen zapytań API, wielkość przechowywanych danych, liczba stanowisk w pakiecie. To dokładnie te wartości, na których modele budują porównania.
• Lista integracji z nazwami własnymi. Nie „integracje z popularnymi systemami CRM”, tylko wymienione nazwy. Wersja ogólna nie aktywuje żadnego zapytania.
• Wymagania wdrożeniowe i czas uruchomienia. Model hostingu, wymagania środowiskowe, typowy czas wdrożenia, zakres prac po stronie klienta.
• Zgodność i certyfikacje. RODO, ISO, SOC 2, standardy branżowe. W zapytaniach B2B te atrybuty pojawiają się jako twarde kryteria odsiewu.
• Jasne granice zastosowania. Dla kogo produkt nie jest przeznaczony. Brzmi kontrintuicyjnie sprzedażowo, ale to jedna z niewielu treści, które jednoznacznie odróżniają rozwiązanie od sąsiedniego.

Wspólny mianownik: każdy z tych punktów zamienia obietnicę na sprawdzalny fakt. Marketingowe sformułowania w rodzaju „wiodące rozwiązanie klasy enterprise” nie mają jak trafić do odpowiedzi, bo nie da się ich przypisać do żadnego kryterium porównania.

Polski kontekst: mniejszy rynek, ta sama mechanika

Badanie powstało na materiale anglojęzycznym i to trzeba wziąć pod uwagę, zanim ktoś przełoży procenty jeden do jednego. Na rynku polskim koszyk źródeł wygląda inaczej: udział Reddita jest strukturalnie niższy, bo polskojęzycznych wątków branżowych jest po prostu mniej, a ich rolę częściowo przejmują grupy na platformach zamkniętych, których model nie indeksuje. Katalogi typu G2 mają w polskim B2B słabsze pokrycie, więc te 7,2 procent to raczej górna granica niż punkt odniesienia.

Wniosek kierunkowy pozostaje jednak mocniejszy, nie słabszy. Skoro w polskiej wersji językowej alternatywnych źródeł jest mniej, udział treści kontrolowanych przez markę powinien być tu wyższy niż mierzone 88,3 procent. Strona produktowa, która podaje konkret, ma na mniejszym rynku mniejszą konkurencję o miejsce w odpowiedzi. To argument za tym, żeby audyt zrobić wcześniej, a nie później.

Reakcje branży i granice wniosków

Odbiór badania jest podzielony i sami autorzy podchodzą do wyników ostrożniej niż nagłówek, który je rozniósł. Wskazywane zastrzeżenia są konkretne i warto je znać przed przepisaniem strategii.

• Brak podziału na platformy. Nie zebrano rozbicia wyników osobno dla ChatGPT, Perplexity, Claude i Gemini. To poważne ograniczenie, bo silniki różnią się doborem źródeł, a Perplexity historycznie sięgał po Reddita znacznie chętniej niż pozostałe. Uśredniony wynik może maskować duży rozrzut.
• Kluczowa statystyka jest opisowa. Zestawienie 24 procent wobec 4 procent nie zostało poddane testowi istotności statystycznej. To obserwacja z próby, nie zweryfikowana hipoteza.
• Jeden punkt w czasie. Badanie jest zdjęciem stanu, nie analizą trendu. Przy tempie zmian w tym obszarze, gdzie udział jednego serwisu potrafi spaść o kilkadziesiąt procent w ciągu kilku dni, to ograniczenie kosztowne.
• Cytowanie to nie przychód. Nie wykazano żadnego powiązania między liczbą cytowań a realnymi efektami biznesowymi: wejściami, zapytaniami demo czy zamkniętymi umowami.
• Nieujawniony zakres próby. Nie podano, ile dokładnie marek i branż objęto pomiarem. Portfel jednej agencji, nawet uzupełniony o konkurentów, nie jest przekrojem rynku.

Do tego dochodzi zastrzeżenie, którego w samym badaniu nie ma, a które warto dopisać: część efektu może być artefaktem doboru promptów. Jeśli 170 zapytań napisano tak, by odwzorowywały rozmowę o konkretnych produktach, to wzrost udziału stron produktowych jest po części wbudowany w metodę. Wniosek pozostaje użyteczny, ale jego zasięg jest węższy niż sugeruje nagłówek: dotyczy etapu oceny w B2B, a nie wyszukiwania AI w ogóle.

Co dalej

Praktyczna konsekwencja jest taka, że pytanie „gdzie mnie cytują” trzeba zamienić na „gdzie mnie cytują przy jakim typie zapytania”. Dwa różne etapy ścieżki zakupowej dają dwa różne rozkłady źródeł i optymalizowanie obu jednym zestawem taktyk jest marnowaniem budżetu.

Sensowna kolejność działań na najbliższy kwartał wygląda następująco:

• Zbuduj własny zestaw promptów odwzorowujący etap oceny w twojej kategorii, z wyraźnym udziałem formatów porównawczych, i mierz na nim, a nie na zapytaniach ogólnych.
• Zrób audyt stron produktowych pod kątem tego, czy zawierają fakty możliwe do zacytowania: parametry, limity, integracje, warunki cenowe, wymagania wdrożeniowe.
• Wyprowadź kluczowe dane zza formularzy i plików PDF do treści HTML, bo materiał za bramką dla modelu nie istnieje.
• Potraktuj profile w G2 i Capterra jak stronę docelową, z właścicielem i harmonogramem aktualizacji.
• Powtórz pomiar po kilku tygodniach, żeby mieć trend, a nie pojedyncze zdjęcie.

Czego natomiast nie robić: wyciągać z tego badania wniosku, że obecność w społecznościach jest bezwartościowa. Pomiar dotyczy udziału w cytowaniach na wąskim wycinku zapytań, nie wpływu na decyzję zakupową. Dyskusja w branżowym wątku potrafi zamknąć sprzedaż, nie pojawiając się w żadnym przypisie modelu. Wniosek z danych jest węższy i brzmi tak: jeśli twoim celem jest cytowanie w odpowiedzi AI na zapytanie porównawcze B2B, budżet ulokowany we własnej stronie produktowej pracuje wielokrotnie wydajniej niż ten sam budżet ulokowany w treściach społecznościowych.

FAQ