Microsoft dołożył do Clarity wskaźnik, który brutalnie upraszcza całą dyskusję o tym, czy warto wpuszczać roboty AI na własną stronę. Nazywa się AI Scrape-to-Referral Ratio i pokazuje jedną liczbę: ile razy dany silnik AI pobrał treść z serwisu w przeliczeniu na jedno wejście, które w zamian odesłał. W przykładzie pokazanym przez Microsoft jedno z narzędzi AI zanotowało 6000 pobrań treści na jedno realne wejście użytkownika.
Raport pojawił się w sekcji Bot Analytics w ramach AI Visibility Dashboard, czyli tego samego panelu, który w sierpniu dostał rozdzielenie cytowań markowych i niemarkowych. Dla właścicieli serwisów to pierwszy moment, w którym pytanie „czy ten crawler mi się opłaca” przestaje być kwestią przeczucia, a staje się pozycją w tabeli.
Kontekst: pytanie, na które nikt nie umiał odpowiedzieć liczbą
Przez ostatnie dwa lata branża krążyła wokół tego samego dylematu. Modele językowe potrzebują treści, żeby odpowiadać na pytania użytkowników. Wydawcy i sklepy tę treść produkują, płacą za nią i utrzymują infrastrukturę, która ją serwuje. Wymiana miała być prosta: robot bierze tekst, model cytuje źródło, czytelnik klika i wraca na stronę.
Problem w tym, że nikt nie miał narzędzia, żeby zmierzyć, czy druga część tej wymiany faktycznie zachodzi. Logi serwera pokazywały ruch botów. Analityka pokazywała ruch z odesłań. Nikt nie zestawiał tych dwóch liczb w jednym miejscu, bo mieszkały w zupełnie różnych systemach i były opisywane innym słownictwem.
Efektem była debata prowadzona na anegdotach. Jedni twierdzili, że AI wysysa treść i nie oddaje nic. Drudzy pokazywali, że ruch z asystentów konwertuje wielokrotnie lepiej niż klasyczne organiczne wejścia, więc nawet mała liczba wizyt ma sens biznesowy. Obie strony miały fragmenty racji i zero wspólnej jednostki miary. Microsoft właśnie taką jednostkę zaproponował.
Czym dokładnie jest scrape-to-referral
Wskaźnik zestawia dwie wielkości, które Clarity i tak już zbierało, tylko osobno. Pierwsza to wolumen pobrań treści przez konkretnego operatora AI, rozpoznawanego po sygnaturze robota. Druga to liczba sesji użytkowników przychodzących z tego samego ekosystemu jako źródło odesłania. Iloraz tych dwóch liczb daje wartość, którą można porównywać między platformami i w czasie.
Microsoft opisuje cel tej funkcji jako możliwość „oceny kompromisu między ekstrakcją treści a zwrotem ruchu”. To sformułowanie jest ważne, bo ustawia wskaźnik nie jako wyrok, tylko jako element rachunku. Wysoka wartość nie oznacza automatycznie, że robota trzeba zablokować. Oznacza, że koszt jego obsługi warto świadomie skonfrontować z tym, co ten kanał realnie wnosi.
| Element raportu | Co pokazuje | Zastosowanie |
|---|---|---|
| Scrape-to-Referral Ratio | Liczba pobrań treści na jedno wejście z danego źródła AI | Ocena opłacalności konkretnego crawlera |
| Ranking operatorów | Które silniki AI odsyłają ruch, a które tylko pobierają | Priorytetyzacja w robots.txt i na poziomie WAF |
| Nagrania sesji z filtrem AI | Zachowanie użytkowników przychodzących z asystentów | Diagnoza dopasowania treści do intencji z czatu |
| Jakość ruchu | Zaangażowanie, głębokość scrolla, konwersje, współczynnik odrzuceń | Porównanie wartości sesji AI i organicznych |
| Zabezpieczenia pokrycia domen | Ochrona przed mylącym agregowaniem danych | Wiarygodność raportu przy wielu subdomenach |
Ostatnia pozycja z tej listy bywa niedoceniana, a jest technicznie najciekawsza. Przy serwisach rozbitych na wiele subdomen albo przy wdrożeniach, gdzie skrypt analityczny nie pokrywa całości ruchu, proste zsumowanie pobrań i wejść daje wynik oderwany od rzeczywistości. Microsoft deklaruje, że raport pilnuje spójności pokrycia, zanim pokaże liczbę.
Liczby, które ustawiają skalę
Sam wskaźnik nabiera sensu dopiero na tle danych o tym, jak duży jest w ogóle kanał AI. Tutaj obraz jest niejednoznaczny i to jest w nim najbardziej interesujące.
Z jednej strony Microsoft w materiałach o kierunku rozwoju Clarity podawał, że odesłania z AI urosły o 155 procent w ciągu ośmiu miesięcy, przy wzroście wyszukiwania o 24 procent i mediów społecznościowych o 21 procent. Jednocześnie ruch z AI wciąż stanowił poniżej jednego procenta wszystkich odwiedzin. Konwersja tych wizyt na rejestracje wynosiła 1,66 procent wobec 0,15 procent dla ruchu z wyszukiwarki, czyli była jedenastokrotnie wyższa.
Z drugiej strony dane handlowe pokazują podobny wzorzec. Shopify raportowało, że w drugim kwartale sesje przychodzące do sklepów z platform AI wzrosły o 197 procent rok do roku, a zamówienia z tego kanału potroiły się. W tym samym okresie sesje organiczne urosły o 12 procent, ale na nieporównywalnie większej bazie i wciąż odsyłały do sprzedawców więcej ruchu niż wszystkie śledzone platformy AI razem wzięte.
Trzeci punkt odniesienia jest najbardziej trzeźwiący. Według badania firmy Scrunch, obejmującego miliony wyszukiwań, rozmów z AI i wizyt na stronach w okresie od lutego do czerwca 2026 roku, tylko 1,1 procent wejść do serwisów informacyjnych pochodziło bezpośrednio z asystentów AI. Około 75 procent wizyt po rozmowie z modelem realizowało się przez wejście bezpośrednie, a około 9 procent przez klasyczne wyszukiwanie.
Te trzy zestawy danych nie są ze sobą sprzeczne. Opisują ten sam mechanizm z różnych stron: kanał AI rośnie bardzo szybko, dowozi wyjątkowo wartościowe sesje, ale w ujęciu wolumenowym wciąż jest ułamkiem ruchu, a znaczna część jego wpływu w ogóle nie zapisuje się jako odesłanie. I właśnie dlatego wskaźnik 6000 do 1 wymaga ostrożnej interpretacji.
Co to znaczy dla SEO i AIO
Pierwsza konsekwencja jest operacyjna. Decyzja o blokowaniu robotów AI przestaje być ideologiczna, a staje się decyzją opartą na danych z własnego serwisu. Do tej pory typowy zespół miał do wyboru albo wpuścić wszystko, albo skopiować listę blokad z cudzego robots.txt. Teraz można zacząć od pomiaru i dopiero potem zdecydować, który operator zasługuje na dostęp.
Druga konsekwencja dotyczy budżetu. Ruch botów to realny koszt: transfer, czas odpowiedzi serwera, obciążenie cache, czasem opłaty za CDN. Przy skali 6000 pobrań na jedno wejście ten koszt przestaje być zaokrągleniem w fakturze. Warto zestawić go z modelami rozliczeniowymi, które zaczynają się pojawiać na rynku, o czym pisaliśmy przy okazji wdrożenia rozliczeń pay per crawl przez Cloudflare.
Trzecia konsekwencja jest najtrudniejsza i dotyczy interpretacji. Niska wartość odesłań nie zawsze oznacza brak wartości. Model, który pobiera treść i cytuje markę w odpowiedzi, buduje rozpoznawalność nawet wtedy, gdy użytkownik nigdy nie kliknie w link. Badanie Scrunch pokazuje to wprost: czytelnicy istotnie częściej odwiedzali serwisy informacyjne w tygodniu po rozmowie z AI na dany temat, tylko docierali tam wpisując adres albo przez wyszukiwarkę. W raporcie odesłań ten efekt jest niewidoczny.
Czwarta konsekwencja dotyczy tego, co robimy z treścią. Jeśli konkretny silnik pobiera dużo i odsyła mało, jednym z możliwych ruchów nie jest blokada, tylko zmiana struktury materiału tak, żeby odpowiedź modelu nie zamykała tematu. Fragmenty wymagające danych aktualizowanych na żywo, kalkulatory, tabele porównawcze i materiały wymagające interakcji naturalnie wymuszają wejście na stronę. Tekst, który w całości mieści się w akapicie odpowiedzi, nie ma po co odsyłać.
Reakcje branży
Odbiór nowych raportów Clarity był w większości pozytywny, choć entuzjazm dotyczył głównie samego faktu, że ktoś wreszcie te dane udostępnia za darmo. Aleyda Solis, konsultantka specjalizująca się w SEO międzynarodowym, określiła zestaw nowych raportów jako użyteczny i zawierający wnioski, na których da się działać.
Simon Poulton, EVP do spraw innowacji i wzrostu w agencji Tinuiti, odniósł się do powiązanej metryki udziału w autorytecie, mówiąc że jest to wskaźnik, którego klienci potrzebowali, ale nie mieli dla niego nazwy, a teraz ją mają. Martha van Berkel, CEO Schema App, zwracała uwagę na to, że nowe metryki widoczności dają wreszcie informację zwrotną o tym, w jakich obszarach AI uznaje daną markę za autorytet.
Heidi Sturrock, doradczyni w obszarze marketingu w wyszukiwarkach, podsumowała rzecz najkrócej, stwierdzając że Clarity wyjmuje z GEO element zgadywania. To zdanie dobrze oddaje nastrój: nie chodzi o to, że wskaźnik rozwiązuje problem, tylko o to, że pozwala przestać dyskutować bez danych.
Sceptycy zwracają uwagę na dwie rzeczy. Po pierwsze, rozpoznawanie operatorów AI opiera się na sygnaturach robotów, a te bywają zmieniane, ukrywane albo podszywane. Pobrania realizowane przez infrastrukturę, która nie deklaruje się jako crawler AI, po prostu nie trafią do licznika. Po drugie, atrybucja odesłań z asystentów jest krucha technicznie, bo część platform obcina nagłówek odesłania albo przepuszcza ruch przez własne przekierowania. Oba czynniki działają w tę samą stronę i mogą zawyżać wskaźnik.
Jak to wykorzystać w praktyce
Sensowna kolejność działań wygląda mniej więcej tak.
- Zacznij od pomiaru bazowego. Zanotuj wartość wskaźnika dla każdego operatora osobno, zanim zmienisz cokolwiek w konfiguracji. Bez punktu odniesienia każda późniejsza zmiana będzie nieweryfikowalna.
- Zestaw wskaźnik z jakością ruchu, a nie tylko z jego wolumenem. Operator odsyłający mało sesji, które konwertują, może być wart więcej niż taki, który odsyła dużo wejść bez zaangażowania.
- Sprawdź, czy pomiar obejmuje całą domenę. Braki w pokryciu skryptu na części serwisu przekładają się bezpośrednio na zawyżony iloraz.
- Zanim zablokujesz cokolwiek, sprawdź, jak dany silnik cytuje Twoją markę. Blokada wycina nie tylko koszt, ale też obecność w odpowiedziach, a tej drugiej rzeczy nie odzyskasz z dnia na dzień.
- Traktuj wynik jako szereg czasowy. Pojedynczy odczyt po dużej aktualizacji treści albo po migracji będzie nietypowy z powodów, które nie mają nic wspólnego z polityką danego robota.
Warto też pamiętać, że deklaracje w plikach kontrolnych nie zawsze przekładają się na zachowanie robotów. Widzieliśmy to przy okazji fetchera Google omijającego reguły robots.txt, więc pomiar rzeczywistego ruchu jest lepszym źródłem prawdy niż konfiguracja, którą sami zapisaliśmy.
Szerszy obraz: koniec ery szacunków
Nowy raport wpisuje się w wyraźny trend. Przez pierwsze lata obecności modeli językowych w wyszukiwaniu branża działała na danych zastępczych: liczyła cytowania ręcznie, budowała własne skrypty odpytujące asystentów, szacowała widoczność z próbek. Teraz metryki zaczynają przychodzić od samych dostawców infrastruktury, a to zmienia charakter dyskusji.
Zmienia też układ sił. Dostawca, który udostępnia miarę, w praktyce definiuje, co jest mierzone. Scrape-to-referral jest miarą sensowną, ale jest też jedną z wielu możliwych. Nie mierzy wpływu cytowania na zapamiętywalność marki, nie mierzy wejść bezpośrednich wywołanych rozmową z asystentem, nie mierzy wartości obecności w odpowiedzi, która nie skończyła się kliknięciem. Jeśli branża przyjmie ten wskaźnik jako główny, część realnej wartości kanału AI po prostu zniknie z raportów.
To ryzyko jest znane z historii samego SEO. Kiedy dane o frazach zniknęły z analityki, przez lata optymalizowaliśmy to, co dało się zmierzyć, a nie to, co było ważne. Podobne napięcie widać w sporze o wiarygodność danych podawanych przez dostawców, który opisywaliśmy przy okazji deklaracji Google o miliardach kliknięć z AI bez możliwości ich weryfikacji.
Co dalej
Microsoft nie podał daty zakończenia wdrożenia funkcji, więc dostępność raportu może się różnić między kontami. W praktyce oznacza to, że w najbliższych tygodniach warto po prostu sprawdzać sekcję Bot Analytics, zamiast czekać na komunikat.
Kierunek rozwoju jest jednak dość czytelny. Microsoft sygnalizował wcześniej prace nad panelem pokazującym wpływ asystentów AI w kategoriach zbliżonych do wyszukiwarkowych, czyli wyświetlenia, kliknięcia, konwersje i najlepiej radzące sobie treści. Do tego dochodzą pomysły na wykrywanie dostępu agentów po stronie serwera, także wtedy, gdy po pobraniu treści nie następuje żadna wizyta człowieka. Jeśli te elementy trafią do produktu, scrape-to-referral przestanie być pojedynczą liczbą, a stanie się jednym z wymiarów pełnego raportu widoczności w AI.
Dla zespołów SEO i AIO praktyczny wniosek na teraz jest prosty. Włącz pomiar, zbierz dwa, trzy tygodnie danych i dopiero potem podejmuj decyzje o dostępie robotów. Wskaźnik 6000 do 1 wygląda dramatycznie w nagłówku, ale sam w sobie nie mówi jeszcze, czy dany kanał jest kosztem, czy inwestycją. Mówi tylko, że wreszcie da się o tym rozmawiać liczbami.
FAQ
Czym jest wskaźnik scrape-to-referral w Microsoft Clarity?
To iloraz pokazujący, ile razy dany silnik AI pobrał treść z Twojego serwisu w przeliczeniu na jedno wejście użytkownika, które ten sam ekosystem odesłał. Raport znajduje się w sekcji Bot Analytics w ramach AI Visibility Dashboard i pozwala porównywać poszczególnych operatorów między sobą oraz śledzić zmiany w czasie.
Czy wysoki wskaźnik oznacza, że powinienem zablokować danego robota AI?
Niekoniecznie. Wysoka wartość mówi tylko, że stosunek pobrań do odesłań jest niekorzystny. Blokada wycina koszt transferu, ale jednocześnie usuwa markę z odpowiedzi generowanych przez ten silnik, a obecność w cytowaniach ma wartość, której raport odesłań nie pokazuje. Decyzję warto podejmować po zestawieniu wskaźnika z jakością ruchu i sposobem, w jaki dany model cytuje Twoją markę.
Dlaczego ruch z AI jest tak mały, skoro rośnie tak szybko?
Bo rośnie z bardzo niskiej bazy. Według danych Microsoftu odesłania z AI urosły o 155 procent w ciągu ośmiu miesięcy, ale wciąż stanowiły poniżej jednego procenta wszystkich wizyt. Dodatkowo znaczna część wpływu asystentów nie zapisuje się jako odesłanie: badanie Scrunch pokazało, że około 75 procent wizyt po rozmowie z AI realizuje się jako wejście bezpośrednie.
Czy dane w tym raporcie są w pełni wiarygodne?
Mają dwa znane ograniczenia. Rozpoznawanie robotów opiera się na sygnaturach, więc ruch pobierający treść bez deklarowania się jako crawler AI nie trafi do licznika. Atrybucja odesłań bywa z kolei tracona, gdy platforma obcina nagłówek odesłania lub przepuszcza ruch przez własne przekierowania. Oba czynniki mogą zawyżać wynik, dlatego wskaźnik lepiej traktować jako sygnał kierunkowy niż wartość bezwzględną.
Ile kosztuje dostęp do tych raportów?
Microsoft Clarity pozostaje narzędziem bezpłatnym, a nowe raporty widoczności w AI są częścią standardowego panelu. Warunkiem jest poprawnie wdrożony skrypt Clarity na całej domenie, bo braki w pokryciu bezpośrednio zniekształcają wyliczenie ilorazu.
