AIO bez efektów po 3 miesiącach: co sprawdzić najpierw

Kwartał to moment, w którym większość zespołów pierwszy raz pyta o sens całej pracy nad widocznością w modelach językowych. Treści przepisane, sekcje FAQ dodane, dane strukturalne wdrożone, a w odpowiedziach ChatGPT, Perplexity czy Gemini nadal cisza. Domyślną reakcją bywa dopisanie kolejnych dwudziestu artykułów, co zwykle niczego nie zmienia.

Brak cytowań po trzech miesiącach prawie nigdy nie ma jednej przyczyny i rzadko leży tam, gdzie szuka się go najpierw. W praktyce sprowadza się do pięciu miejsc: dostępu botów, formatu treści, istnienia marki jako encji, sygnałów spoza własnej domeny oraz sposobu pomiaru. Przechodź listę w tej kolejności, bo każdy kolejny punkt ma sens dopiero wtedy, gdy poprzedni jest odhaczony.

Realny horyzont czasowy dla AIO

Modele generatywne nie mają jednego cyklu aktualizacji. Część odpowiedzi powstaje z wiedzy wytrenowanej, zamrożonej w momencie treningu, a część z wyszukiwania na żywo. To rozróżnienie decyduje o wszystkim.

Jeżeli Twoje zapytanie trafia do warstwy wytrenowanej, realny horyzont to nie kwartał, tylko kolejny cykl treningowy, czyli od kilku miesięcy do roku. Jeżeli trafia do warstwy wyszukiwania na żywo (tak działa większość pytań o ceny, narzędzia i zmiany prawne), cytowanie może pojawić się w kilka dni od zindeksowania strony. Pierwsza czynność diagnostyczna nie polega więc na liczeniu tygodni, tylko na sprawdzeniu, do której warstwy w ogóle celujesz. Różnice między AIO i SEO zaczynają się właśnie od horyzontu, w jakim mierzy się efekt.

Kalibracja jest więc prosta: przy wyszukiwaniu na żywo trzy miesiące wystarczą i brak efektu jest sygnałem diagnostycznym. Przy zapytaniach czysto wiedzowych to za wcześnie, a jedyne, co możesz ocenić, to czy zbudowałeś warunki do bycia cytowanym.

Sprawdzenie 1: czy boty AI w ogóle wchodzą na stronę

Ten punkt wywraca najwięcej wdrożeń, a sprawdza się go najrzadziej. Model nie zacytuje strony, do której jego crawler nie ma dostępu, i żadna ilość dobrze napisanych akapitów tego nie obejdzie.

Zacznij od pliku robots.txt i sprawdź, czy nie blokujesz GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot ani Google-Extended. Wiele firm zablokowało je w 2023 lub 2024 roku w ramach ochrony treści przed treningiem, po czym rok później uruchomiło projekt AIO, nie zdejmując blokady. Osobna pułapka: OAI-SearchBot obsługuje wyszukiwanie na żywo, a GPTBot zbiera dane treningowe, więc blokada tylko jednego z nich daje inny efekt niż się zwykle zakłada. Aktualną listę user agentów publikuje dokumentacja OpenAI.

Drugie miejsce to infrastruktura. Cloudflare i podobne usługi mają przełączniki blokujące boty AI jednym kliknięciem, często włączone przez dział IT bez wiedzy marketingu, a WAF potrafi odrzucać te crawlery jako ruch podejrzany bez żadnego wpisu w robots.txt. Efekt jest ten sam: kod 403 zamiast treści.

Trzecia sprawa to renderowanie. Crawlery AI w większości nie wykonują JavaScriptu tak jak Googlebot, więc gdy treść dociąga się po stronie klienta, bot dostaje pusty szkielet strony. Weryfikacja końcowa to logi serwera: policz odwiedziny poszczególnych user agentów z ostatnich 30 dni. Zero oznacza, że masz odpowiedź i możesz przerwać diagnozę w tym miejscu. Sposób czytania tych danych opisaliśmy w tekście o analizie odpowiedzi AI.

Sprawdzenie 2: czy treść nadaje się do zacytowania

Załóżmy, że boty wchodzą. Kolejne pytanie brzmi: czy jest z czego wyciąć cytat. Model buduje odpowiedź z fragmentów, nie ze streszczeń całych artykułów, i szuka takiego kawałka tekstu, który da się przenieść w całości bez tracenia sensu.

Typowa treść po klasycznym audycie SEO tego nie spełnia: długie akapity budujące napięcie, odpowiedź rozłożona na cztery zdania, konkret schowany w połowie sekcji. Dla wyszukiwarki to bez znaczenia, dla modelu to koszt, którego nie musi ponosić, bo obok jest źródło mówiące to samo w dwóch zdaniach.

Sprawdź najważniejsze strony pod trzema kątami. Czy pod każdym nagłówkiem H2 pierwsze zdanie odpowiada bezpośrednio na pytanie z nagłówka, czy dopiero je zapowiada. Czy masz w tekście konkretne liczby, daty i nazwy, czy same sformułowania w rodzaju „znacząca poprawa” i „wiele firm”. Czy zdania nie są tak długie, że wycięcie fragmentu wymaga przepisania.

Praktyczna zasada: dla każdego pytania, na które chcesz odpowiadać, powinien istnieć w tekście samodzielny blok od 40 do 60 słów, który przeczytany bez kontekstu nadal jest poprawną odpowiedzią. Jeżeli takiego bloku nie ma, nie masz czego cytować. Konkretny zestaw zmian rozpisaliśmy w materiale o optymalizacji starego artykułu pod AI.

Sprawdzenie 3: czy marka istnieje jako encja

Model nie cytuje adresów URL w oderwaniu od tego, kim jesteś. Cytuje źródła, którym potrafi przypisać branżę, specjalizację i jakiś poziom wiarygodności. Jeżeli marka nie funkcjonuje jako rozpoznawalny byt, cytowanie jest ryzykiem, którego model nie musi podejmować.

Test zajmuje pięć minut. Zapytaj kilka modeli wprost, czym zajmuje się Twoja firma, bez podawania adresu strony. Odpowiedzi układają się w trzy scenariusze: model nie zna nazwy (zerowa baza encji), myli Cię z firmą o podobnej nazwie (gorsze niż niewiedza, bo trzeba najpierw rozplątać kolizję) albo opisuje Cię poprawnie, i wtedy problem leży gdzie indziej.

Budowa encji opiera się na spójności, nie na objętości. Ta sama nazwa, ten sam opis działalności i ten sam adres muszą powtarzać się w miejscach referencyjnych: profilu firmy w Google, katalogach branżowych, LinkedIn, wzmiankach na cudzych domenach. Dane strukturalne typu Organization z polem sameAs domykają obraz, ale same z siebie nie zbudują niczego, jeśli poza własną stroną nie ma czego łączyć. Wymagania dla tego typu opisuje dokumentacja Google Search Central.

Sprawdzenie 4: czy ktokolwiek o Tobie pisze poza własną domeną

To sprawdzenie boli najbardziej, bo jego wynik zwykle unieważnia kwartał pracy nad własnym blogiem. Modele budują ocenę wiarygodności głównie na tym, co mówią o Tobie inni. Własna domena jest źródłem informacji, ale nie jest źródłem potwierdzenia.

Sprawdź, ile razy nazwa marki pojawia się w ostatnim roku poza Twoimi kanałami: w artykułach branżowych, na forach, w zestawieniach narzędzi, w komentarzach eksperckich. Liczy się sama wzmianka, nawet bez linku, bo model przetwarza tekst, nie graf linków. Mechanizm rozbieramy szerzej w tekście o wzmiankach bez linku a autorytecie marki.

Jeżeli wynik to zero albo kilka wzmianek z własnych działań PR sprzed lat, masz przyczynę braku efektów i kierunek na kolejny kwartał:

1. Obecność w zestawieniach i rankingach branżowych, bo modele sięgają po nie wprost przy zapytaniach porównawczych.
2. Komentarze eksperckie w mediach branżowych, podpisane imieniem, nazwiskiem i nazwą firmy.
3. Udział w dyskusjach tam, gdzie realnie zapadają decyzje zakupowe w Twojej niszy.
4. Własne dane: badanie, raport albo zestawienie liczb, których nikt inny nie publikuje. Cytowalność danych pierwotnych jest nieporównywalnie wyższa niż opinii.

Sprawdzenie 5: czy mierzysz właściwe rzeczy

Część przypadków braku efektów to w rzeczywistości brak pomiaru. Cytowania w modelach nie pojawiają się w Search Console, a ruch z nich wpada do Analytics jako bezpośredni albo jako odesłanie z domen, których nikt nie umieścił na liście źródeł.

Zacznij od segmentacji ruchu odsyłającego: chatgpt.com, perplexity.ai, gemini.google.com, copilot.microsoft.com. Kilkanaście sesji w kwartale oznacza, że efekt istnieje, tylko był niewidoczny. Drugi element to odpytywanie modeli stałym zestawem 20 do 30 pytań co dwa tygodnie i notowanie, kto jest cytowany. Bez takiego panelu ocena zmiany jest wrażeniem, nie pomiarem, bo odpowiedzi modeli są na tyle zmienne, że pojedyncze sprawdzenie nic nie mówi.

Trzeci element to rozdzielenie metryk na te, które mierzą warunki (dostęp botów, zaindeksowanie, wzmianki), i te, które mierzą wynik (cytowania, ruch, konwersje). Po kwartale ocenia się warunki, wynik dopiero po dwóch lub trzech kwartałach. Raportowanie go wcześniej kończy się fałszywym alarmem albo fałszywym sukcesem.

Kiedy uznać temat za przegrany i zmienić zapytania

Nie każda przegrana jest do odrobienia. Jeżeli na Twoje kluczowe zapytanie modele konsekwentnie cytują Wikipedię, dokumentację producenta i dwa globalne serwisy, a Ty prowadzisz stronę o rocznym stażu, przewagi nie odrobisz lepszym akapitem. To próg zaufania, a nie jakość tekstu.

Sygnały, że warto zmienić cel, są jednoznaczne: przez trzy miesiące skład cytowanych źródeł nie zmienia się w ogóle, wszystkie pochodzą z domen o nieporównywalnie większym autorytecie, a samo zapytanie jest na tyle ogólne, że model odpowiada z wiedzy wytrenowanej, bez sięgania po wyszukiwanie.

Ruch, który zwykle działa, polega na zejściu o poziom niżej w konkretność: z zapytania ogólnego na osadzone w kontekście (branża, wielkość firmy, rynek, scenariusz wdrożenia). Dużych źródeł tam zwykle nie ma, bo takie pytania są dla nich zbyt wąskie, więc model musi sięgnąć po coś szczegółowego. To miejsce, w którym mała domena realnie wygrywa.

Kolejność ma znaczenie. Zablokowany crawler unieważnia najlepszą treść, nieczytelna treść unieważnia pracę nad encją, brak encji sprawia, że wzmianki nie mają do czego się przyczepić, a brak pomiaru sprawia, że nie wiesz, czy cokolwiek zadziałało. W większości audytów, które przechodziliśmy, przyczyna leżała w punkcie pierwszym albo czwartym, a zespół przez kwartał pracował nad punktem drugim.