personalizacja chatgpt a wyniki

Pamięć i personalizacja w ChatGPT a widoczność marki

Wpisujesz w ChatGPT pytanie o najlepsze narzędzia w swojej branży, widzisz własną markę na drugim miejscu i odkładasz raport z poczuciem, że jest dobrze. Problem w tym, że ChatGPT zna Twoje konto. Wie, czym się zajmujesz, o co pytałeś w zeszłym tygodniu i jakie firmy często padały w Twoich rozmowach. Klient, który zadaje to samo pytanie pierwszy raz, może zobaczyć zupełnie inną listę. Ten tekst wyjaśnia, jak działa pamięć i personalizacja w ChatGPT, co z tego wynika dla widoczności marki i jak ustawić pomiar tak, żeby mierzył rynek, a nie Twoje własne nawyki.

Jak działa pamięć rozmów i ustawienia personalizacji

W ChatGPT nie ma jednej „pamięci”, tylko kilka źródeł kontekstu, które model może dołączyć do odpowiedzi. Według dokumentacji OpenAI o pamięci w ChatGPT są to, zależnie od planu i regionu: wcześniejsze czaty, zapisane wspomnienia, instrukcje własne (custom instructions), pliki zapisane w bibliotece oraz treści z podłączonych aplikacji, na przykład Gmaila.

Dwa ustawienia mają największe znaczenie dla pomiarów:

  • Zapisane wspomnienia (Reference saved memories): konkretne fakty, które użytkownik kazał zapamiętać albo które ChatGPT sam uznał za przydatne, np. „prowadzę sklep z kawą w Krakowie”.
  • Historia czatów (Reference chat history): model wyciąga informacje z wcześniejszych rozmów, a ten obraz zmienia się w czasie. OpenAI podaje, że nie ma osobnego limitu tego, do czego model może sięgnąć przez historię.

Do tego dochodzą instrukcje własne, czyli stały opis tego, kim jesteś i jak chcesz dostawać odpowiedzi. Dokumentacja zaznacza też, że ChatGPT sam decyduje, które z tych informacji są w danej chwili istotne. Nie da się więc z góry przewidzieć, czy konkretna odpowiedź była spersonalizowana, czy nie. Pod odpowiedzią może pojawić się sekcja „Sources” ze wskazaniem, z czego model skorzystał, ale OpenAI zastrzega, że nie pokazuje ona wszystkich czynników.

Dlaczego własne konto zniekształca wyniki testów

Konto specjalisty SEO albo właściciela firmy to najgorsze możliwe środowisko do mierzenia widoczności. Przez miesiące pracy zbiera się w nim wszystko, co psuje porównywalność: nazwa własnej marki, nazwy konkurentów, branżowe słownictwo, lokalizacja biura, a często także instrukcja w stylu „jestem marketerem w firmie X”.

Efekt jest przewidywalny. Model, który wie, że pracujesz w danej firmie, chętniej ją wymieni albo przynajmniej uzna za kontekst wart wspomnienia. Raport zbudowany na takim koncie zawyża udział marki i ukrywa luki, które realny klient zobaczyłby od razu. Dlatego przy analizie, jak marki są cytowane w odpowiedziach AI, pierwszym pytaniem zawsze powinno być: z jakiego konta i w jakim trybie zebrano dane.

Drugi problem jest mniej oczywisty. Wyłączenie pamięci nie czyści wszystkiego. Zgodnie z dokumentacją wyłączenie Memory nie usuwa historii czatów, a jeśli później włączysz ją z powrotem, ChatGPT może odtworzyć zapamiętane informacje z rozmów, które zostały w historii. Po wyłączeniu historii czatów zapamiętane z niej dane są usuwane w ciągu 30 dni, a zapisane wspomnienia trzeba skasować osobno. Szybkie „przełączenie suwaka” przed testem nie daje więc czystego konta.

Tryb bez historii jako podstawa pomiaru

Najprostszym narzędziem jest czat tymczasowy, ale tylko pod jednym warunkiem. Czat tymczasowy ma dwa warianty, które wybiera się przed wysłaniem pierwszej wiadomości:

  • Personalized: może korzystać z istniejących wspomnień, instrukcji własnych i wtyczek.
  • Unpersonalized: nie używa pamięci, instrukcji własnych ani wtyczek.

To ważne rozróżnienie, bo sama nazwa „tymczasowy” sugeruje czystą kartę. Tymczasowy czat w wariancie Personalized nie trafia do historii i nie tworzy nowych wspomnień, ale nadal może czytać te istniejące. Do pomiarów nadaje się wyłącznie wariant Unpersonalized. Ustawienia nie da się zmienić w trakcie rozmowy, więc każdą serię trzeba zaczynać od nowego czatu.

Pamiętaj też o kolejności pytań. Nawet w czacie bez personalizacji wszystko, co padło wcześniej w tej samej rozmowie, wpływa na kolejne odpowiedzi. Jedno pytanie, jeden nowy czat: to jedyny sposób, żeby wyniki dało się porównać między dniami.

Wpływ wcześniejszych pytań na dobór źródeł

Personalizacja nie kończy się na tym, jak model formułuje odpowiedź. Sięga także wyszukiwania. W opisie wyszukiwania w ChatGPT OpenAI wyjaśnia, że model przepisuje pytanie użytkownika na jedno lub kilka zapytań wysyłanych do partnerów wyszukiwania. Jeśli pamięć jest włączona, może przy tym użyć zapisanych wspomnień. Przykład z dokumentacji: osoba, która wcześniej napisała, że jest weganką i mieszka w San Francisco, pytając o restauracje w pobliżu, uruchomi wyszukiwanie w rodzaju „good vegan restaurants San Francisco”.

Dla marki oznacza to coś konkretnego. Inne zapytanie wysłane do wyszukiwarki to inna pula stron, a więc inne źródła i inne firmy w odpowiedzi. Użytkownik, który od dawna rozmawia z ChatGPT o e-commerce w Polsce, dostanie zapytania zawężone do tego kontekstu. Użytkownik bez historii dostanie wersję ogólną. Twoja strona może być świetnie widoczna w jednym zbiorze wyników i nieobecna w drugim.

Do tego dochodzi lokalizacja. ChatGPT ustala przybliżone położenie na podstawie adresu IP, a dokumentacja dodaje, że przy włączonej pamięci także zapisane informacje o miejscu zamieszkania mogą wpływać na wyniki. VPN zmienia ten obraz, więc testy dla polskiego rynku warto prowadzić z polskiego adresu. Szerzej o tym, dlaczego ta sama fraza daje różne odpowiedzi także bez personalizacji, piszemy w tekście o zmienności odpowiedzi AI na tę samą frazę.

Personalizacja a szanse nowej marki

Pamięć działa jak zakładka w przeglądarce: utrwala to, co użytkownik już zna. Jeśli ktoś miesiącami pracował z konkretnym narzędziem i rozmawiał o nim z ChatGPT, ta nazwa jest w jego kontekście. Model nie dostaje polecenia „promuj tę markę”, ale ma ją pod ręką, kiedy układa odpowiedź na pytanie o alternatywy.

Dla nowej marki to utrudnienie, ale nie mur. Personalizacja przesuwa wyniki na kontach z bogatą historią. Na kontach nowych, wylogowanych i w trybie bez personalizacji decyduje to, co model wie z treningu i co znajdzie w sieci. Tam liczy się to samo co zawsze: czy marka jest rozpoznawalną encją, czy pojawia się w niezależnych źródłach, czy jej strona odpowiada wprost na pytania. Pisaliśmy o tym w poradniku o tym, jak budować markę jako encję, którą LLM zna.

Jest też efekt w drugą stronę. Kiedy użytkownik raz trafi na Twoją firmę w odpowiedzi, zacznie o nią dopytywać, porównywać ją z konkurencją, wracać do niej w kolejnych rozmowach. W ten sposób marka staje się częścią jego kontekstu i ma większą szansę pojawić się ponownie. Pierwsze pojawienie się jest więc warte więcej, niż wynika z jednorazowego kliknięcia. Tego efektu nie zmierzysz jednak z zewnątrz: nie masz dostępu do kont użytkowników i nie wiesz, ilu z nich ma włączoną pamięć.

Jak zbudować powtarzalne środowisko testowe

Skoro nie da się zmierzyć wszystkich spersonalizowanych wariantów, celem pomiaru jest stabilny punkt odniesienia: odpowiedź, jaką dostaje osoba bez historii. Praktyczna lista ustawień:

  1. Osobne konto testowe. Nigdy nie prywatne ani firmowe konto zespołu. Bez instrukcji własnych, bez podłączonych aplikacji, bez zapisanych wspomnień.
  2. Wyłączona pamięć i historia czatów w ustawieniach personalizacji, a dodatkowo każde pytanie w czacie tymczasowym w wariancie Unpersonalized. Podwójne zabezpieczenie chroni przed sytuacją, w której ktoś z zespołu przez pomyłkę zapisze zwykłą rozmowę.
  3. Jedno pytanie na czat. Bez dopytywania i bez serii pytań w tym samym oknie.
  4. Stały adres IP z Polski, bez VPN, i stałe urządzenie albo przeglądarka.
  5. Dziennik zmiennych. Do każdego wyniku zapisz datę, godzinę, wersję modelu widoczną w interfejsie, typ konta (darmowe czy płatne) i informację, czy odpowiedź korzystała z wyszukiwania.
  6. Powtórzenia. Jedna odpowiedź to anegdota. Ile serii potrzeba, żeby różnica była czymś więcej niż szumem, policzyliśmy w tekście o tym, jak często mierzyć widoczność w AI.

Przy większej skali ręczne klikanie przestaje mieć sens i pomiar przenosi się do skryptów. Zapytania przez API są bezstanowe, bo model nie widzi pamięci konta ChatGPT, chyba że sam przekażesz mu wcześniejsze wiadomości. Trzeba jednak pamiętać, że API to nie ta sama aplikacja: inna konfiguracja, inne narzędzia, czasem inne zachowanie wyszukiwania. Wyniki z API traktuj jako osobny wskaźnik, a nie jako kopię tego, co widzi użytkownik. Przykłady, jak spiąć taki proces w powtarzalny przepływ, znajdziesz w artykule o automatyzacji pracy z treściami pod AI.

Na koniec jedna uwaga o raportowaniu. Odpowiedź z czystego konta to wynik bazowy, nie „prawdziwa pozycja” marki. Realni użytkownicy będą widzieć warianty przesunięte przez swoją historię. Dlatego w raportach lepiej pisać o udziale w odpowiedziach bazowych niż o „rankingu w ChatGPT”, co omawiamy szerzej w tekście o tym, czy rankingi w AI w ogóle istnieją.

FAQ

Czy personalizacja w ChatGPT zmienia wyniki dla każdego użytkownika?

Nie zawsze. Zależy od tego, czy użytkownik ma włączoną pamięć i historię czatów, czy wpisał instrukcje własne i czy model uzna te informacje za istotne dla danego pytania. Konto bez historii albo czat tymczasowy w wariancie Unpersonalized dają odpowiedź bez tego kontekstu.

Czy czat tymczasowy wystarczy do testowania widoczności marki?

Tylko w wariancie Unpersonalized, wybranym przed pierwszą wiadomością. Wariant Personalized nie zapisuje rozmowy w historii, ale nadal może korzystać z istniejących wspomnień i instrukcji własnych.

Czy wyłączenie pamięci czyści konto przed testem?

Nie w pełni. Wyłączenie pamięci nie usuwa historii czatów, a zapisane wspomnienia trzeba skasować osobno. Bezpieczniej założyć oddzielne konto testowe, które nigdy nie było używane do pracy.

Czy pamięć wpływa na to, jakie strony ChatGPT cytuje?

Może. Według dokumentacji OpenAI przy włączonej pamięci ChatGPT może używać zapisanych wspomnień, gdy przepisuje pytanie na zapytania do wyszukiwarki. Inne zapytanie oznacza inną pulę stron, a więc potencjalnie inne źródła w odpowiedzi.

Czy testy przez API omijają problem personalizacji?

API nie korzysta z pamięci konta ChatGPT, więc personalizacja znika. API nie jest jednak tą samą aplikacją co ChatGPT, dlatego wyniki z niego warto raportować jako osobny wskaźnik, a nie jako obraz tego, co widzą użytkownicy.