Zapytania typu blisko mnie w AI: jak się w nich pojawić

Fraza „blisko mnie” przez lata kojarzyła się z mapą w Google. Dziś to samo pytanie coraz częściej trafia do asystenta: „polecisz dobrego mechanika blisko mnie?”, „gdzie zjem ramen niedaleko?”, „hydraulik w okolicy, który przyjedzie dziś”. Model nie wyświetla dwudziestu pinezek, tylko krótką listę dwóch, trzech, czasem pięciu firm z jednym zdaniem uzasadnienia. Kto się na niej znajdzie, dostaje telefon. Kto nie, dla tego użytkownika nie istnieje.

Mechanizm takich odpowiedzi ma sporo wspólnego z klasycznym SEO lokalnym, ale nie jest jego kopią. Szerzej o tym, jak firmy lokalne trafiają do odpowiedzi ChatGPT, pisaliśmy osobno. Tutaj skupiamy się na jednym typie zapytania: takim, w którym użytkownik nie podaje miasta, a model musi sam ustalić, gdzie jest „blisko”.

Jak model ustala lokalizację użytkownika

Zapytanie „blisko mnie” nie zawiera żadnej nazwy miejsca, więc asystent musi ją skądś wziąć. W praktyce korzysta z kilku źródeł, w mniej więcej takiej kolejności zaufania:

1. Jawna lokalizacja w rozmowie. Jeśli użytkownik kilka wiadomości wcześniej napisał „jestem na Mokotowie”, model użyje tej informacji i zwykle traktuje ją jako najpewniejszą.
2. Lokalizacja urządzenia. Aplikacje mobilne (Gemini, ChatGPT, Copilot) mogą poprosić o dostęp do GPS. Gdy zgoda jest udzielona, precyzja sięga kilkudziesięciu metrów.
3. Przybliżenie z adresu IP. Bez zgody na GPS zostaje geolokalizacja IP, która w Polsce bywa trafna co do miasta, ale potrafi pomylić dzielnice, a przy sieciach komórkowych wskazać zupełnie inne miasto wojewódzkie.
4. Ustawienia konta i pamięć. Część asystentów zapamiętuje miasto z wcześniejszych rozmów lub profilu i przyjmuje je domyślnie.

Dla firmy wynika z tego ważna rzecz: ten sam użytkownik może dostać inną listę na laptopie w biurze i inną w telefonie na ulicy. Promień „blisko” też nie jest stały. W gęstym centrum dużego miasta model zawęża wyniki do kilkuset metrów, w mniejszej miejscowości chętnie sięga kilkanaście kilometrów dalej, bo inaczej nie miałby czego polecić.

Skąd bierze listę firm w okolicy

Model językowy sam z siebie nie zna aktualnej listy zakładów fryzjerskich na Woli. Wiedza z treningu jest zbyt stara i zbyt ogólna, dlatego przy zapytaniach lokalnych asystenci prawie zawsze uruchamiają wyszukiwanie. To, gdzie szukają, zależy od platformy:

Na tej podstawie model buduje listę kandydatów, a potem ją zawęża. Etap zawężania jest ciekawszy, bo to tutaj rozstrzyga się, kto trafi do trzech polecanych miejsc. Podobnie działa to w Perplexity, gdzie mechanika cytowań nagradza źródła, które jednoznacznie odpowiadają na pytanie.

Rola Profilu Firmy i katalogów lokalnych

Dla odpowiedzi opartych na danych Google wizytówka jest fundamentem. Google wprost opisuje, że ranking lokalny zależy od trafności, odległości i rozpoznawalności, a asystent korzysta z tych samych sygnałów, tylko pokazuje mniej wyników. Kilka rzeczy ma tu szczególną wagę:

• Kategoria główna musi odpowiadać temu, jak ludzie formułują pytanie. „Warsztat samochodowy” i „mechanik” to dla modelu bliskie pojęcia, ale „serwis klimatyzacji samochodowej” już nie.
• Godziny otwarcia są filtrem. Przy pytaniu „otwarte teraz blisko mnie” firma bez godzin albo z nieaktualnymi godzinami po prostu odpada.
• Atrybuty i usługi (dojazd do klienta, płatność kartą, dostęp dla wózków) pozwalają modelowi dopasować firmę do bardziej szczegółowych pytań.
• Spójne dane NAP w katalogach takich jak Panorama Firm, Bing Places czy Apple Business Connect potwierdzają, że firma istnieje pod danym adresem.

Praktyczne wskazówki dotyczące konfiguracji znajdziesz w tekście o tym, jak zoptymalizować Profil Firmy Google pod AI. Warto pamiętać, że ChatGPT i Copilot nie widzą wizytówki Google bezpośrednio, więc firma obecna tylko tam traci część rynku asystentów.

Treści z nazwą dzielnicy i okolicy

Gdy model zawęża listę, sięga też po strony www firm. Szuka potwierdzenia, że dana firma rzeczywiście obsługuje okolicę użytkownika. Strona, która mówi tylko „działamy w Warszawie”, przegrywa z konkurentem piszącym „dojeżdżamy na Ursynów, Wilanów i do Piaseczna w ciągu godziny”.

Dobrze sprawdzają się trzy rodzaje treści:

• Obszar działania opisany nazwami dzielnic, osiedli i sąsiednich miejscowości, najlepiej z czasem dojazdu.
• Punkty orientacyjne przy adresie („wejście od ulicy Puławskiej, naprzeciwko stacji metra Wierzbno”), które model może przytoczyć w odpowiedzi.
• Realizacje z lokalizacją, czyli krótkie opisy zleceń wykonanych w konkretnych miejscach.

To ten sam kierunek, który opisujemy przy doborze fraz w artykule o lokalnych słowach kluczowych dla usług. Różnica jest taka, że w odpowiedziach AI nie chodzi o wpisanie frazy „blisko mnie” do tekstu (to nic nie daje), tylko o jednoznaczne powiązanie firmy z miejscem. Osobne podstrony dla każdej dzielnicy mają sens tylko wtedy, gdy niosą realnie różną treść; kopiowane szablony z podmienioną nazwą osiedla model rozpoznaje i pomija.

Opinie jako czynnik selekcji

Przy krótkiej liście model musi jakoś uzasadnić wybór, a najłatwiej zrobić to cytatem z opinii. Stąd charakterystyczne sformułowania w odpowiedziach: „klienci chwalą szybki termin”, „recenzenci zwracają uwagę na uczciwą wycenę”. Opinie pełnią więc dwie funkcje naraz:

1. Filtrują. Firmy z oceną wyraźnie poniżej średniej w okolicy rzadko trafiają do polecanych, nawet gdy są najbliżej.
2. Dostarczają argumentów. Recenzja, która opisuje konkretną usługę i dzielnicę („naprawili piec na Bemowie w sobotę”), daje modelowi gotowe zdanie do odpowiedzi.

Liczba opinii ma znaczenie, ale świeżość i treść często ważą więcej. Profil z 40 szczegółowymi recenzjami z ostatniego roku zwykle wypada lepiej niż profil z 200 ocenami bez komentarza sprzed trzech lat. Odpowiedzi właściciela na opinie też są czytane, bo pokazują, że firma działa i reaguje.

Jak przetestować własną firmę

Ponieważ wynik zależy od lokalizacji, test z biurka nic nie powie o tym, co widzi klient trzy kilometry dalej. Rzetelny pomiar wymaga kilku zmiennych naraz:

1. Wybierz 5–10 zapytań w wersji „blisko mnie”, „w okolicy” i „niedaleko”, uzupełnionych o intencję (pilnie, otwarte teraz, tanio, polecany).
2. Testuj w co najmniej trzech punktach obszaru, który obsługujesz: przy siedzibie, na jego skraju i w dzielnicy, w której masz najwięcej klientów. Najprościej zrobić to telefonem z włączonym GPS.
3. Sprawdź minimum trzy asystenty: Gemini lub AI Mode, ChatGPT z wyszukiwaniem i Perplexity. Każdy korzysta z innego zestawu źródeł.
4. Zapisuj nie tylko obecność, ale też uzasadnienie. Jeśli model polecił konkurenta „bo ma dojazd do klienta”, wiesz, jaki atrybut uzupełnić.
5. Powtarzaj co miesiąc w tych samych punktach i o podobnej porze, bo odpowiedzi zmieniają się z dnia na dzień.

Przy interpretacji pamiętaj, że pojedynczy brak w odpowiedzi nie jest jeszcze sygnałem. Znaczenie ma powtarzalny wzorzec: jeśli na skraju obszaru firma znika we wszystkich trzech asystentach, problemem jest zasięg zadeklarowany w wizytówce i na stronie, a nie jakość profilu.

FAQ