Zmiana domeny to jedna z niewielu decyzji, po których Google i modele językowe zachowują się zupełnie inaczej. Wyszukiwarka dostaje przekierowania 301, narzędzie zmiany adresu w Search Console i po kilku tygodniach zwykle przenosi sygnały na nowy adres. Model AI nie dostaje niczego: to, co wie o marce, zostało zapisane w jego wagach w chwili treningu i nie zmieni się, dopóki nie powstanie kolejna wersja. Ten tekst uzupełnia nasz przewodnik po migracji strony bez utraty widoczności o stronę, którą większość planów migracji pomija: co dzieje się z cytowaniami i rozpoznawalnością marki w ChatGPT, Gemini, Perplexity i podobnych narzędziach.
Krótka odpowiedź: zmiana domeny a widoczność w AI to dwa osobne zegary. Ruch z Google wraca w tygodniach. Rozpoznawalność nowej nazwy w pamięci modeli wraca w miesiącach, a czasem dopiero przy następnej generacji modelu.
Dlaczego modele reagują wolniej niż wyszukiwarka
Asystent AI korzysta z dwóch źródeł wiedzy. Pierwsze to wiedza parametryczna, czyli to, czego model nauczył się z danych treningowych do określonej daty granicznej. Drugie to wyszukiwanie na żywo: ChatGPT, Gemini czy Perplexity pobierają aktualne strony z indeksu i cytują je w odpowiedzi.
Te dwa źródła reagują na zmianę domeny w różnym tempie:
- Wyszukiwanie na żywo opiera się na indeksach wyszukiwarek i własnych crawlerach. Przekierowania 301 działają tu podobnie jak w Google: gdy indeks się zaktualizuje, cytowany będzie nowy adres.
- Wiedza parametryczna nie podąża za przekierowaniami. Jeśli model był trenowany na danych sprzed zmiany, nadal będzie podawał starą domenę, starą nazwę i stare opisy, nawet gdy stara strona od miesięcy przekierowuje.
Dodatkowo model nie odróżnia „starej” i „nowej” wersji marki, jeśli nikt mu tego nie opisał w danych. Gdy w sieci istnieje tysiąc wzmianek o starej nazwie i dwadzieścia o nowej, w odpowiedziach przeważy ta pierwsza. Więcej o tym, jak modele dobierają źródła, piszemy w tekście SEO pod AI 2026: framework dla agencji.
Nazwa marki jako encja: co się dzieje przy zmianie
Dla modelu marka nie jest adresem URL, tylko encją: zbiorem powiązanych faktów (nazwa, branża, lokalizacja, produkty, osoby, opinie). Domena to tylko jedna z cech tej encji. Przy zmianie możliwe są trzy scenariusze:
- Ta sama nazwa, nowa domena (np. przejście z .com.pl na .pl). Encja się nie zmienia, zmienia się jedna cecha. To najłagodniejszy przypadek: model nadal rozpoznaje markę, najwyżej podaje stary adres.
- Nowa nazwa, nowa domena (rebranding). Powstaje ryzyko, że model potraktuje nową nazwę jako osobny, mało znany podmiot, a całą historię, opinie i autorytet przypisze starej.
- Połączenie kilku domen w jedną. Model może dalej rozróżniać dawne marki i nie wiedzieć, że dziś to jedna firma.
W scenariuszu drugim i trzecim kluczowe jest jawne połączenie starej i nowej tożsamości w wielu niezależnych źródłach. Model uczy się relacji „X to dawniej Y” tylko wtedy, gdy widzi ją zapisaną wprost, najlepiej w wielu miejscach. To ten sam mechanizm, który opisujemy przy budowaniu topical authority: spójność i powtarzalność sygnałów wygrywa z pojedynczym komunikatem.
Kolejność działań przed i po przełączeniu
Techniczna część migracji wygląda tak samo jak przy klasycznym SEO. Google zaleca przekierowania 301 ze starej strony głównej i ze stron kanonicznych, a w pomocy do narzędzia zmiany adresu w Search Console pisze, by utrzymać przekierowania co najmniej 180 dni (dłużej, jeśli z wyszukiwarki nadal przychodzi ruch) i opłacać starą domenę przez co najmniej rok. Po 180 dniach Google przestaje łączyć stary i nowy serwis. Szczegóły mapowania adresów rozpisaliśmy w tekście o mapie przekierowań 301 przy migracji.
Pod kątem AI do tej listy dochodzą kroki, które warto wykonać w określonej kolejności:
- 4–8 tygodni przed przełączeniem: spis wszystkich miejsc, gdzie marka występuje poza własną stroną (profile, katalogi, Wikipedia i Wikidata, artykuły partnerów, opisy w marketplace’ach). Zrzut aktualnych odpowiedzi modeli na pytania o markę jako punkt odniesienia.
- Kilka dni przed: publikacja zapowiedzi zmiany na starej domenie, z nową nazwą i adresem w treści.
- Dzień przełączenia: przekierowania, zmiana adresu w Search Console, nowa sitemapa, aktualizacja danych strukturalnych.
- Pierwsze 2 tygodnie po: aktualizacja profili i katalogów, w kolejności od tych, które najczęściej pojawiają się w cytowaniach.
- Kolejne miesiące: regularny pomiar odpowiedzi modeli i stopniowe poprawianie cytowań zewnętrznych.
Nie warto blokować starej domeny w robots.txt ani usuwać jej z indeksu przed czasem. Crawler, który nie może pobrać starego adresu, nie zobaczy też przekierowania.
Aktualizacja profili, katalogów i cytowań zewnętrznych
Modele z wyszukiwaniem na żywo często cytują nie stronę firmy, tylko serwisy o niej: katalogi branżowe, porównywarki, profile w mediach społecznościowych, artykuły prasowe. Jeśli te źródła dalej podają starą nazwę i adres, odpowiedź AI też będzie je powtarzać.
Priorytety aktualizacji:
- profil firmy w Google, LinkedIn, Facebook, YouTube, X i inne konta marki;
- Wikidata i Wikipedia, jeśli marka ma tam wpis (z zachowaniem zasad tych serwisów, bez samodzielnego pisania promocyjnych treści);
- katalogi branżowe, serwisy z opiniami i porównywarki;
- strony partnerów, klientów i dostawców, które linkują do starej domeny;
- własne materiały: stopki maili, dokumenty PDF, prezentacje, cenniki.
Przy linkach zewnętrznych przekierowanie wystarczy Google, ale nie wystarczy modelowi, który czyta tekst strony. Wzmianka „firma Stara Nazwa (stara-domena.pl)” w artykule partnera nadal uczy model starej wersji. Dlatego prośba o zmianę samego tekstu wzmianki, nie tylko linku, ma tu większą wartość niż w klasycznym link buildingu.
Komunikat o zmianie nazwy na stronie i w danych strukturalnych
Najprostszy i najczęściej pomijany krok: jasny komunikat na nowej stronie. Wystarczy zdanie na stronie „O nas” i w stopce, np. „Nowa Nazwa (dawniej Stara Nazwa) od 2026 roku działa pod adresem nowa-domena.pl”. Taki zapis daje modelom i wyszukiwarkom gotową relację między starą i nową tożsamością.
W danych strukturalnych pomaga typ Organization. Dokumentacja Google dotycząca danych strukturalnych organizacji opisuje pole alternateName jako inną powszechnie używaną nazwę organizacji oraz sameAs jako adresy profili w innych serwisach. Przy rebrandingu stara nazwa może trafić do alternateName na okres przejściowy, a sameAs powinno wskazywać już zaktualizowane profile. Jak poprawnie zbudować ten fragment, pokazujemy w poradniku o schema Organization i sameAs.
Trzeba przy tym pamiętać, że dane strukturalne nie trafiają bezpośrednio do wag modelu. Pomagają wyszukiwarkom poprawnie opisać encję, a pośrednio wpływają na to, co pobiorą narzędzia z wyszukiwaniem na żywo.
Jak mierzyć powrót rozpoznawalności w modelach
Ruch z Google zmierzysz w Search Console. Rozpoznawalność w AI wymaga osobnego, ręcznego lub półautomatycznego pomiaru. Najprostsza metoda to stały zestaw pytań zadawanych co tydzień lub co dwa tygodnie w kilku narzędziach:
| Pytanie | Co sprawdzasz |
|---|---|
| „Czym zajmuje się Nowa Nazwa?” | czy model zna nową nazwę |
| „Jaki jest adres strony firmy Stara Nazwa?” | czy podaje nową domenę |
| „Jakie firmy oferują [usługa] w [miasto]?” | pod którą nazwą marka pojawia się w zestawieniach |
| „Czy Nowa Nazwa i Stara Nazwa to ta sama firma?” | czy model łączy obie tożsamości |
Warto zapisywać odpowiedzi osobno dla trybu z wyszukiwaniem i bez niego, bo pokazują dwa różne zegary opisane wyżej. Gotową bazę pytań do takiego monitoringu znajdziesz w naszej liście 40 promptów do monitoringu marki, a narzędzia, które automatyzują ten pomiar, porównujemy w przeglądzie stacku narzędzi do AIO.
Jeden pomiar niczego nie dowodzi: odpowiedzi modeli różnią się między sesjami. Sensowny wskaźnik to odsetek odpowiedzi poprawnych w serii kilkunastu powtórzeń tego samego pytania.
Realny czas dojścia do poprzedniego poziomu
Nie ma jednej liczby, którą można uczciwie podać dla każdej marki, i nie znamy publicznych badań, które mierzyłyby to na dużej próbie. Można natomiast rozdzielić trzy etapy:
- Google: według dokumentacji przeniesienie małego lub średniego serwisu trwa zwykle kilka tygodni, a przy dużych serwisach dłużej. Na tempo wpływa m.in. to, jak często Googlebot odwiedza stronę, co omawiamy w tekście o crawl budget.
- Narzędzia AI z wyszukiwaniem na żywo: zwykle podążają za indeksem z pewnym opóźnieniem, więc nowy adres zaczyna się pojawiać w cytowaniach po tym, jak zaktualizują się indeksy i zewnętrzne źródła.
- Wiedza parametryczna modeli: zmienia się dopiero w nowej wersji modelu, której dane treningowe obejmują okres po zmianie. Między datą graniczną danych a premierą modelu mija zwykle wiele miesięcy, więc ten etap trzeba liczyć raczej w kwartałach niż w tygodniach.
Praktyczny wniosek: plan migracji powinien zakładać, że przez dłuższy czas część odpowiedzi AI będzie podawać starą nazwę. Dlatego stara domena musi przekierowywać jak najdłużej, a komunikat „dawniej Stara Nazwa” powinien zostać na stronie co najmniej do momentu, w którym pomiary pokażą, że modele konsekwentnie łączą obie tożsamości.
FAQ
Czy przekierowanie 301 wystarczy, żeby ChatGPT podawał nową domenę?
Tylko w trybie z wyszukiwaniem na żywo i dopiero po aktualizacji indeksu. Wiedza zapisana w modelu podczas treningu nie śledzi przekierowań, więc bez wyszukiwania model może dalej podawać stary adres.
Czy zmiana samej końcówki domeny jest groźna dla widoczności w AI?
Zwykle mniej niż rebranding. Nazwa marki się nie zmienia, więc model nadal rozpoznaje firmę. Ryzyko dotyczy głównie podawania starego adresu, co przekierowania w praktyce neutralizują dla użytkownika.
Jak długo trzymać przekierowania ze starej domeny?
Google zaleca co najmniej 180 dni i dłużej, jeśli z wyszukiwarki nadal przychodzi ruch, a starą domenę opłacać przynajmniej rok. Ze względu na modele AI rozsądnie jest utrzymywać przekierowania jeszcze dłużej, bo stare wzmianki i adresy krążą w sieci latami.
Czy alternateName w schema przyspieszy rozpoznawanie nowej nazwy?
Pomaga wyszukiwarkom połączyć starą i nową nazwę jednej organizacji, ale nie zmienia bezpośrednio wiedzy modelu. Najlepiej działa razem z jawnym komunikatem na stronie i aktualizacją profili zewnętrznych.
Jak sprawdzić, czy modele już łączą starą i nową markę?
Zadawaj ten sam zestaw pytań co tydzień lub dwa w kilku narzędziach, osobno z wyszukiwaniem i bez niego, i licz odsetek poprawnych odpowiedzi w kilkunastu powtórzeniach. Pojedyncza odpowiedź jest zbyt zmienna, by wyciągać z niej wnioski.









