Właściciel zakładu przeprowadza się na inną ulicę, aktualizuje wizytówkę w Google i uznaje sprawę za zamkniętą. Kilka miesięcy później klient pyta ChatGPT o „dobrego fryzjera na Mokotowie” i dostaje stary adres oraz numer, który od dawna nie działa. Model nie zmyślił tych danych. Znalazł je w katalogu, w starym artykule prasowym albo na mapie, której nikt nie poprawił. Spójność NAP to dziś jeden z najprostszych sygnałów, jakie decydują o tym, czy AI wybiera lokalną firmę i czy podaje o niej prawdę.
Czym jest NAP i dlaczego wciąż działa
NAP to skrót od Name, Address, Phone, czyli nazwy firmy, adresu i numeru telefonu. W lokalnym SEO pojęcie funkcjonuje od lat, a jego rozszerzona wersja (NAPW) obejmuje także adres strony internetowej. Zasada jest prosta: im więcej niezależnych źródeł podaje te same dane w tej samej formie, tym pewniej wyszukiwarka łączy je w jeden obiekt, czyli konkretną firmę.
Modele językowe działają podobnie, tylko na większą skalę. Odpowiadając na pytanie o lokalną usługę, ChatGPT, Gemini czy Perplexity zestawiają dane z wyników wyszukiwania, katalogów, map i serwisów z opiniami. Gdy źródła się zgadzają, model podaje adres z pewnością. Gdy się rozjeżdżają, wybiera wersję częstszą lub lepiej opisaną, a ta nie zawsze jest aktualna. Czasem pomija firmę w ogóle, bo nie potrafi ustalić, czy dwa wpisy dotyczą tego samego podmiotu.
Skąd biorą się rozbieżności
Niespójne dane rzadko wynikają z jednego błędu. Zwykle to suma drobnych zmian rozłożonych na lata. Najczęstsze przyczyny to:
- przeprowadzka, po której zaktualizowano tylko stronę i Profil Firmy w Google,
- zmiana numeru, np. przejście z telefonu stacjonarnego na komórkowy lub numer śledzący z kampanii,
- różne zapisy nazwy: „Kowalski Serwis”, „Serwis Kowalski s.c.”, „AutoSerwis Kowalski”,
- wariantowy zapis adresu: „ul. 3 Maja 12/4”, „Trzeciego Maja 12 lok. 4”, brak kodu pocztowego,
- wpisy tworzone automatycznie przez agregatory na podstawie rejestrów, których nikt nie zweryfikował,
- duplikaty założone przez poprzedniego właściciela, agencję albo pracownika.
Dla człowieka „ul. 3 Maja” i „Trzeciego Maja” to ta sama ulica. Dla systemu, który porównuje ciągi znaków i dopiero potem próbuje je dopasować, to dwa sygnały o mniejszej wadze. Drobne różnice w zapisie szkodzą mniej niż nieaktualne dane, ale razem obniżają zaufanie do całego profilu.
Jak znaleźć wszystkie wystąpienia firmy
Zanim cokolwiek poprawisz, zrób inwentaryzację. Wystarczy arkusz z kolumnami: źródło, URL, nazwa, adres, telefon, WWW, status (poprawne, do zmiany, duplikat) i data kontaktu.
- Wyszukiwarka. Szukaj starego adresu i starego numeru w cudzysłowie, np. „22 123 45 67” oraz „ul. Długa 5” z nazwą miasta. To najszybszy sposób na wyłapanie źródeł, które wciąż pokazują nieaktualne dane.
- Mapy. Google Maps, Apple Maps, Bing Places, OpenStreetMap. Sprawdź też, czy nie ma drugiej pinezki pod starym adresem.
- Katalogi i serwisy branżowe. Panorama Firm, pkt.pl, Aleo, Oferteo, serwisy z rezerwacjami i opiniami właściwe dla branży.
- Rejestry. CEIDG lub KRS. To źródła, które agregatory kopiują najczęściej, więc błąd tutaj powiela się wszędzie.
- Własna strona. Stopka, kontakt, polityka prywatności, regulamin, stare wpisy blogowe i PDF-y. Do przeszukania całej witryny pod kątem starego numeru przyda się crawler; opisaliśmy to w tekście o konfiguracji Screaming Frog do audytu pod AI (funkcja Custom Search wyszuka dowolny ciąg w kodzie stron).
- Same modele. Zapytaj ChatGPT, Gemini i Perplexity o adres i telefon firmy. Perplexity pokazuje źródła, więc od razu widać, skąd pochodzi błąd.
Przy firmach z kilkoma oddziałami inwentaryzację prowadź osobno dla każdej lokalizacji. Więcej o tym, jak rozdzielić dane punktów, piszemy w poradniku o firmie z wieloma lokalizacjami w AI.
Kolejność porządkowania źródeł
Najpierw ustal jedną wzorcową wersję danych, łącznie z interpunkcją, skrótami i formatem numeru. Zapisz ją i kopiuj, zamiast przepisywać z pamięci. Potem poprawiaj źródła od najważniejszych do najmniej istotnych:
| Etap | Źródła | Dlaczego w tej kolejności |
|---|---|---|
| 1 | Rejestr (CEIDG, KRS), własna strona | To źródła pierwotne, z których kopiują inni |
| 2 | Profil Firmy w Google, Apple, Bing | Najczęściej cytowane przez wyszukiwarki i modele |
| 3 | Duże katalogi i agregatory | Zasilają mniejsze serwisy danymi |
| 4 | Serwisy branżowe i lokalne | Mniejszy zasięg, ale często widoczne w odpowiedziach AI |
| 5 | Artykuły, wzmianki, stare wpisy | Wymagają kontaktu z wydawcą, więc trwają najdłużej |
Wizytówka w Google zasługuje na osobną uwagę, bo jej dane trafiają do Map, AI Overviews i wielu zewnętrznych narzędzi. Szczegóły jej konfiguracji znajdziesz w tekście o optymalizacji Profilu Firmy Google pod AI, a zasady nazewnictwa w oficjalnych wytycznych Google dotyczących reprezentowania firmy. Duplikaty zgłaszaj do usunięcia lub scalenia, zamiast zostawiać je bez opieki.
Na własnej stronie dodaj dane strukturalne LocalBusiness z tym samym zapisem nazwy, adresu i telefonu co w wersji wzorcowej. W polu sameAs wskaż profile, które już poprawiłeś. To jednoznaczna wskazówka dla wyszukiwarki, które wpisy dotyczą tej samej firmy.
Zmiana adresu lub nazwy bez chaosu
Przeprowadzka lub rebranding to moment, w którym rozbieżności powstają najszybciej. Kilka zasad ogranicza szkody:
- zaktualizuj rejestr i stronę w dniu zmiany, a Profil Firmy w Google tego samego dnia lub dzień później,
- nie zakładaj nowej wizytówki, tylko edytuj istniejącą; zachowasz opinie i historię,
- przez kilka miesięcy dodaj na stronie krótką informację „wcześniej pod adresem…”, która pomoże modelom połączyć oba wpisy,
- jeśli zmieniasz numer, utrzymaj przekierowanie ze starego przez co najmniej pół roku,
- przy zmianie nazwy opublikuj komunikat, który wiąże starą i nową markę.
Lista zmian w arkuszu inwentaryzacji staje się wtedy listą zadań. Każde źródło dostaje datę zgłoszenia i datę weryfikacji.
Ile trwa, zanim model to zauważy
Tu trzeba oddzielić dwa mechanizmy. Modele z dostępem do wyszukiwarki (ChatGPT z wyszukiwaniem, Perplexity, Gemini, AI Overviews) pobierają dane na bieżąco, więc poprawka widoczna w Mapach i katalogach zwykle trafia do odpowiedzi w ciągu 2–8 tygodni. Zależy to od tego, jak szybko roboty odwiedzą poprawione strony ponownie.
Gorzej jest z wiedzą zapisaną w samym modelu. Jeśli odpowiedź powstaje bez wyszukiwania, model korzysta z danych treningowych, które mogą mieć kilka miesięcy lub więcej. Na to nie masz bezpośredniego wpływu. Możesz jedynie sprawić, że przy każdym kolejnym treningu i każdym wyszukiwaniu poprawna wersja będzie wyraźnie liczniejsza od starej.
Dlatego sprawdzaj efekty cyklicznie, np. raz w miesiącu, tym samym zestawem pytań. Notuj, który model podaje jaki adres i na jakie źródło się powołuje. Jak budować takie zapytania i jak wpaść do odpowiedzi ChatGPT jako firma lokalna, opisujemy osobno.
FAQ
Czy drobne różnice w zapisie adresu naprawdę szkodzą?
Pojedyncza różnica typu „ul.” zamiast „ulica” ma niewielkie znaczenie. Problem pojawia się, gdy różnic jest wiele, a część źródeł podaje dane nieaktualne. Wtedy model ma mniej pewności, że wszystkie wpisy dotyczą jednej firmy.
Czy trzeba płacić za narzędzia do zarządzania wpisami?
Nie. Przy jednej lokalizacji arkusz, wyszukiwarka i kilka godzin pracy wystarczą. Płatne narzędzia oszczędzają czas przy kilkunastu oddziałach albo częstych zmianach danych.
Co zrobić z katalogiem, który nie odpowiada na prośby o poprawkę?
Spróbuj przejąć wpis przez formularz weryfikacji właściciela. Jeśli to niemożliwe, poproś o usunięcie wpisu powołując się na nieaktualne dane osobowe lub firmowe. W ostateczności skup się na tym, by poprawnych źródeł było wyraźnie więcej.
Czy numer śledzący z kampanii może zaszkodzić spójności NAP?
Tak, jeśli pojawia się w wizytówkach lub katalogach. Numer śledzący stosuj tylko w reklamach i na stronach docelowych kampanii, a w źródłach publicznych podawaj zawsze ten sam numer główny.
Jak sprawdzić, skąd AI bierze stary adres?
Najłatwiej w Perplexity, które wyświetla źródła pod odpowiedzią. W ChatGPT z wyszukiwaniem poproś o podanie linków. Następnie wyszukaj stary adres w cudzysłowie, by znaleźć pozostałe strony z tą samą informacją.
