Zrodla cytowane przez AI 2026: lista typow domen

Modele językowe z 2026 roku rzadko cytują pierwszą lepszą stronę z wyników. Wybierają konkretne typy źródeł, a reszta zostaje w cieniu modelu jako anonimowa baza treningowa. Kto rozumie tę listę, zaczyna pojawiać się w odpowiedziach ChatGPT, Gemini, Perplexity i Claude. Kto jej nie rozumie, dalej dostaje ruch wyłącznie z klasycznego Google, którego udział w ścieżce użytkownika kurczy się z kwartału na kwartał.

Ten przewodnik porządkuje typy domen, które LLM faktycznie wskazują jako swoje źródła w 2026 roku. Pokazuje, dlaczego niektóre witryny trafiają do panelu cytowań w Perplexity i grounded answers w Gemini, a inne, mimo wysokich pozycji w Google, nie są w stanie się tam przebić. Wewnątrz znajdziesz framework decyzyjny, instrukcję wdrożenia oraz zestaw KPI, dzięki którym ocenisz, czy Twoja domena ma realny potencjał na bycie cytowaną przez AI.

Czym są źródła cytowane przez AI

Pojęcie „źródła cytowane przez AI” obejmuje wszystkie publikacje internetowe, które dane narzędzie generatywne wskazuje użytkownikowi jako podstawę odpowiedzi. W Perplexity i Copilocie pojawia się to wprost: każdy fragment ma odnośnik liczbowy do strony źródłowej. W ChatGPT z włączonym przeglądaniem oraz w Gemini z funkcją grounding cytowania pokazują się w bocznym panelu lub w postaci linków pod akapitami. W Claude widoczność cytowań zależy od narzędzia integracyjnego, najczęściej w trybie research lub w odpowiedziach pochodzących z konkretnego konektora.

Z punktu widzenia właściciela domeny istnieją dwa odrębne mechanizmy. Pierwszy to cytowania w czasie rzeczywistym, czyli moment, w którym LLM wysyła zapytanie do silnika wyszukiwania (Bing, Google, własny indeks Perplexity, Sonar) i wstrzykuje pobrane fragmenty do kontekstu generowania odpowiedzi. Drugi to wiedza utrwalona w wagach modelu, pochodząca ze zbiorów treningowych typu Common Crawl, C4, RefinedWeb czy archiwów książek. Ta druga warstwa nie ma cytowań, ale wpływa na to, jaką markę model uzna za autorytet, gdy zapytanie nie wymaga świeżych danych.

W praktyce widoczność w odpowiedziach generatywnych zależy od obu mechanizmów jednocześnie. Domena, której LLM nie zna z treningu, musi mieć bardzo silne sygnały świeżości i autorytetu, żeby zostać dociągnięta w trybie real-time. Domena znana z treningu, ale nieaktualizowana, dostaje cytowania głównie dla pytań ewergreenowych. Najlepsze pozycje w cytowaniach AI w 2026 roku zajmują witryny, które łączą oba światy: są w korpusie treningowym i jednocześnie publikują świeże, dobrze ustrukturyzowane materiały.

Dlaczego LLM nie cytują równo wszystkich

Modele filtrują kandydatów na dwóch poziomach. Pierwszy filtr to zaufanie do typu domeny: oficjalne źródła rządowe, recenzowane czasopisma, podręczniki akademickie i sprawdzone media branżowe mają wbudowaną wagę wyższą niż przeciętny blog. Drugi filtr to dopasowanie semantyczne fragmentu do zapytania, mierzone przez embedding. Strona o ogólnej tematyce, choćby renomowana, przegrywa z wyspecjalizowaną mniejszą domeną, jeśli ta druga ma akapit dokładnie odpowiadający intencji pytania.

To dlatego klasyczna strategia SEO oparta na ogólnym budowaniu autorytetu domeny nie wystarcza. Liczy się specjalistyczne pokrycie wąskich zapytań plus przynależność do jednej z domenowych kategorii, którym LLM ufa z założenia.

Lista typów domen najczęściej cytowanych przez AI w 2026 roku

Audyty cytowań prowadzone w pierwszym kwartale 2026 roku, zarówno przez niezależne zespoły SEO jak i wewnętrzne testy publikacyjne, wskazują, że około osiemdziesięciu procent cytowań w ChatGPT, Gemini i Perplexity koncentruje się na ośmiu wyraźnych typach domen. Pozostałe dwadzieścia procent rozkłada się szeroko, najczęściej trafiając do bardzo niszowych blogów eksperckich lub forów dyskusyjnych.

1. Domeny rządowe i instytucjonalne (.gov, .gov.pl, .eu)

Witryny ministerstw, urzędów statystycznych, agencji regulacyjnych, banków centralnych, KE i jej organów wykonawczych. W Polsce do tej grupy zaliczają się gov.pl, stat.gov.pl, ZUS, NFZ, UKE, UOKiK oraz strony sądów i prokuratur. Modele językowe traktują tę kategorię jako wzorcowe źródło dla pytań o przepisy, statystyki, zalecenia oficjalne i procedury administracyjne. Cytowania są tu praktycznie automatyczne, gdy treść istnieje i jest zindeksowana.

2. Domeny akademickie i naukowe (.edu, .ac.*, repozytoria preprintów)

Uniwersytety, instytuty badawcze, biblioteki cyfrowe, repozytoria takie jak arXiv, SSRN, PubMed Central, biorxiv. W Polsce część tej grupy stanowią domeny w rodzaju uw.edu.pl, agh.edu.pl, pwr.edu.pl oraz oficjalne repozytoria, jak Biblioteka Nauki czy CEON. LLM cytują te źródła przy pytaniach o stan badań, definicje techniczne i kwestie metodologiczne. Tutaj kluczowe jest to, że nawet stosunkowo niszowy artykuł badawczy może wygrać z dużą redakcją branżową, jeśli model uzna go za bardziej dopasowany do intencji.

3. Wikipedia i powiązane projekty Wikimedia

Wikipedia pozostaje pojedynczą domeną najczęściej cytowaną w odpowiedziach LLM. Wynika to z trzech rzeczy: dużej obecności w korpusach treningowych, gęstej sieci linków wewnętrznych oraz struktury akapitowej idealnej do ekstrakcji fragmentów. Modele lubią cytować Wikipedię jako pierwsze źródło ogólnej definicji, a następnie wzmacniać odpowiedź bardziej szczegółowymi cytatami z domen branżowych.

4. Duże media o ugruntowanej reputacji

Reuters, AP, Bloomberg, BBC, The Guardian, New York Times, Le Monde, dpa. W polskim ekosystemie należą tu PAP, Rzeczpospolita, Gazeta Wyborcza, Money.pl, Bankier oraz wybrane portale branżowe (Puls Biznesu, Money.pl, Onet w wybranych sekcjach). LLM cytują media głównie dla pytań o aktualne wydarzenia, decyzje korporacyjne i tematy regulacyjne, gdzie liczy się znacznik czasu i identyfikowalny autor.

5. Oficjalne dokumentacje producentów i platform

Dokumentacje Google (Search Central, Cloud, Android), Microsoft Learn, AWS Docs, Mozilla Developer Network, Stripe Docs, Cloudflare Docs, dokumentacje open source w stylu Pythona, PostgreSQL czy Reacta. Ta grupa dominuje w odpowiedziach na zapytania techniczne i programistyczne. LLM uznaje te źródła za autorytatywne, ponieważ pochodzą od podmiotu, który faktycznie ten produkt tworzy, a nie tylko o nim pisze.

6. Branżowe witryny eksperckie z wąską specjalizacją

Domeny prowadzone przez praktyków, z autorami posiadającymi widoczne biogramy, biografią, profilem na LinkedIn i historią konferencji. W obszarze SEO i AIO są to między innymi Search Engine Land, Search Engine Journal, Moz, Ahrefs, Semrush Blog, a w polskim kontekście wybrane blogi agencji i niezależnych konsultantów. LLM ceni tę kategorię za szczegółowość: bardzo konkretne tutoriale i analizy przypadków, których nie da się znaleźć ani w dokumentacjach, ani w mediach ogólnoinformacyjnych.

7. Fora dyskusyjne i serwisy Q&A z ugruntowaną reputacją

Stack Overflow, Reddit (wybrane subreddity z silnym moderowaniem), GitHub Discussions, Hacker News, Stack Exchange. Reddit po umowach licencyjnych z OpenAI i Google jest w 2026 roku jednym z najszybciej rosnących typów źródeł cytowanych przez ChatGPT i Gemini. Modele wyciągają z forów odpowiedzi praktyków na nietypowe pytania, których nie ma w oficjalnych dokumentacjach. Kluczowy jest tutaj wybór subreddita oraz długość i jakość konkretnych komentarzy.

8. Strony korporacyjne i case studies dużych marek

Działy „Resources”, „Blog”, „Customer Stories”, „Whitepapers”. LLM cytują te materiały najczęściej w pytaniach typu „jak rozwiązać problem X w skali enterprise”. Liczy się oryginalny materiał badawczy lub case study z konkretnymi liczbami. Czyste artykuły marketingowe są w tej kategorii w dużej mierze ignorowane przez modele.

Najważniejsze zasady i framework decyzyjny

Zanim wskoczysz w optymalizację techniczną, warto przepuścić projekt przez pięć pytań, które tworzą framework MERIT. Ten skrót porządkuje cechy źródła, na które LLM patrzą jednocześnie. Brak choćby jednej cechy zwykle wystarcza, by domena nie była cytowana, niezależnie od pozostałych mocnych stron.

Każdy z wymiarów MERIT da się przełożyć na konkretne działania techniczne i redakcyjne. Wymiar M to czysty HTML5, semantyczne nagłówki, schema Article z polem datePublished i dateModified, brak warstw JavaScript blokujących treść. Wymiar E to widoczne biogramy z linkami do LinkedIn, zewnętrznych publikacji i konferencji, najlepiej z markupem schema.org Person z polem sameAs. Wymiar R to nie tylko data publikacji, ale realna aktualizacja co kilka kwartałów oraz wyraźne pole „Ostatnia aktualizacja”. Wymiar I to własne dane: ankiety, audyty, analizy, których nikt inny nie ma. Wymiar T to klastrowanie treści hub-and-spoke, w którym filar otacza dziesięć lub piętnaście tekstów pobocznych z mocnym linkowaniem wewnętrznym.

Hierarchia priorytetów dla nowej domeny

Świeża domena bez historii ma w 2026 roku trzy ścieżki dojścia do cytowań AI. Pierwsza to wąska specjalizacja, w której jest realnie najlepsza na polskim rynku w jednym podtemacie. Druga to inwestycja w cykliczne badania własne, które stają się źródłem statystyk dla innych autorów (cytowania innych mediów to silny sygnał wtórny dla LLM). Trzecia to wbudowanie się w sieć cytowań poprzez digital PR. Ten ostatni mechanizm dobrze opisuje tekst o budowaniu wzmianek widocznych dla LLM, w którym pokazane jest, jak pojedyncza wzmianka w jakościowym artykule potrafi przebić dziesiątki linków z farm artykułowych.

Jak to wdrożyć krok po kroku

Wdrożenie strategii źródła cytowanego przez AI dzieli się na osiem konkretnych etapów. Kolejność ma znaczenie: niektóre kroki dają zerowy efekt, jeśli wcześniejsze nie zostały wykonane. Najczęstszy błąd polega na inwestowaniu w drogie kampanie PR, gdy strona nadal blokuje renderowanie treści za JavaScriptem albo nie posiada poprawnego schema Article.

Etap 1: Audyt techniczny pod kątem ekstrakcji

Pierwszy krok to sprawdzenie, czy boty LLM widzą treść tak samo jak człowiek. Najprostszy test polega na pobraniu strony przez curl bez interpretacji JavaScript i porównaniu jej z widokiem w przeglądarce. Jeśli sekcje z najważniejszą treścią są w wyniku curl puste, model wyciągnie tylko fragmenty nagłówków. Drugi test to walidacja schema.org w narzędziu rich results test od Google oraz schema validator schema.org. Trzeci to sprawdzenie pliku robots.txt: niektóre serwisy przez nieuwagę blokują boty GPTBot, ClaudeBot, PerplexityBot i Google-Extended, tym samym wyłączając się z cytowań trenujących i grounded. Pomocą jest tu oficjalny wykaz crawlerów Google Search Central, który warto skonfrontować z własną konfiguracją.

Etap 2: Mapowanie domeny do jednej z ośmiu kategorii

Drugi krok to świadome zdecydowanie, do której z opisanych ośmiu kategorii Twoja domena pretenduje. Niektóre wybory są bezdyskusyjne: ministerstwo nie zostanie blogiem branżowym, a uniwersytet nie zostanie media outletem. W przypadku komercyjnych serwisów wybór nie jest jednak oczywisty. Agencja SEO może próbować pozycjonować się jako branżowa witryna ekspercka (kategoria 6) albo jako platforma badawcza z elementami case studies (kategoria 8). Decyzja determinuje cały dalszy ton, format treści i partnerów PR.

Etap 3: Architektura hub-and-spoke pod jeden temat naraz

Trzeci krok to wybór jednego klastra tematycznego i pełne jego pokrycie. Dziesięć do dwudziestu tekstów wokół jednego filaru jest minimum, jeśli celem jest pojawianie się w cytowaniach dla tego klastra. Praktyczne wskazówki opisuje analiza backlinków, które LLM realnie biorą pod uwagę, w której pokazany jest mechanizm wzajemnego wzmacniania linków wewnętrznych i zewnętrznych w obrębie jednego klastra.

Etap 4: Treść z elementem oryginalnym

Czwarty krok to dodanie do każdego tekstu choć jednego elementu, którego nie da się znaleźć w czterech pierwszych wynikach Google. Może to być własne badanie, audyt konkretnych przypadków, tabela porównawcza zebrana ręcznie, screencast pokazujący proces. LLM nagradzają oryginalność, ponieważ zmniejsza ona ryzyko, że odpowiedź modelu okaże się identyczna z dziesiątkami innych witryn (a właśnie taka różnorodność jest podstawą wyboru źródeł).

Etap 5: Autorzy i biogramy

Piąty krok to budowa zaplecza ludzkiego. Każdy ważny artykuł powinien mieć autora z pełnym biogramem, linkiem do profilu na LinkedIn, listą publikacji zewnętrznych, listą wystąpień konferencyjnych i polem schema.org Person z elementem sameAs zawierającym linki do profili poza domeną. Pojedynczy autor publikujący trzysta tekstów rocznie pod różnymi pseudonimami jest dla LLM sygnałem ostrzegawczym, a nie atutem.

Etap 6: Digital PR i wzmianki w jakościowych mediach

Szósty krok to systematyczna obecność w mediach drugiej i trzeciej kategorii z naszej listy ośmiu, czyli w mediach o ugruntowanej reputacji oraz w treściach akademickich. Liczy się jakość wzmianki, a nie sam link. Pełna wypowiedź eksperta z cytatem w tekście większego artykułu jest dla modelu wielokrotnie ważniejsza niż link w stopce sponsorowanego materiału. Mechanizm ten szczegółowo objaśnia tekst poświęcony interpretacji aktualnych aktualizacji algorytmów Google, ponieważ logika wyboru źródeł jakościowych jest częściowo wspólna z logiką Google Search.

Etap 7: Mierzalne sygnały świeżości

Siódmy krok to wprowadzenie polityki aktualizacji. Co kwartał najmocniejsze teksty dostają realny rewizyjny update z widocznym znacznikiem, najlepiej z notatką w stylu „Aktualizacja maj 2026: dodano nowe dane z raportu X”. Sztuczne odświeżanie daty bez realnej zmiany treści jest wykrywane i nie pomaga, a w skrajnych przypadkach obniża zaufanie zarówno Google, jak i modeli.

Etap 8: Monitoring widoczności w LLM

Ósmy krok to wdrożenie cyklicznych testów: lista kontrolnych zapytań do ChatGPT, Gemini, Perplexity i Copilota, wykonywanych co dwa tygodnie. Z każdego zapytania zapisujesz, jakie domeny zostały zacytowane, w jakiej pozycji i z jakim fragmentem. Po trzech miesiącach masz pierwszą krzywą wzrostu widoczności i konkretne luki tematyczne, które warto zaadresować.

Najczęstsze błędy i pułapki

Spójrzmy na siedem powtarzających się problemów, które obniżają szansę na cytowania przez AI nawet w dobrze pomyślanych projektach. Część z nich wygląda niewinnie, ale w skali całej domeny daje efekt kumulatywny.

1. Blokowanie botów LLM w robots.txt. Czasem przez nieuwagę, czasem w starych szablonach. Sprawdź wpisy dla GPTBot, ClaudeBot, PerplexityBot, Google-Extended, Bytespider, oai-searchbot.
2. Treść renderowana po stronie klienta. SPA bez SSR ani pre-renderingu. Wiele botów LLM nie wykonuje JS, więc nie widzi treści.
3. Schema.org tylko częściowe. Sam Article bez Person, bez Organization i bez datePublished daje znacznie słabszy efekt.
4. Sztuczne odświeżanie daty. Zmiana tylko pola dateModified bez realnej edycji treści. Modele uczą się rozpoznawać ten pattern.
5. Pojedynczy artykuł bez klastra. Nawet bardzo dobry tekst bez otoczki linków wewnętrznych przegrywa z średnim tekstem w gęstym klastrze.
6. Anonimowi autorzy. Pseudonimy, brak biogramów, brak sameAs. Sygnał ostrzegawczy dla każdego mechanizmu rankingu jakościowego.
7. Treść w stu procentach generatywna bez weryfikacji. Modele coraz lepiej rozpoznają typowe wzorce LLM-generated, jeśli nie ma w nich nic oryginalnego. Generuje to ryzyko zignorowania źródła.

Pułapki specyficzne dla rynku polskiego

Na polskim rynku do listy ogólnych błędów dochodzą trzy lokalne. Pierwszy to brak języka angielskiego dla treści, które mogłyby być globalnie cytowane (większość modeli woli źródła angielskie dla zapytań ogólnoświatowych). Drugi to nadmierne kopiowanie międzynarodowych badań bez własnej polskiej próby (oryginalna polska próba nawet 200 respondentów daje przewagę nad reskinem badania globalnego). Trzeci to korzystanie z farm artykułowych jako głównej strategii backlinków, co generuje sygnały typowe dla niskiej jakości i obniża zaufanie modelu do domeny.

Specyfika rynku polskiego w 2026 roku

Polskie modele językowe i polskie cytowania w ChatGPT, Gemini oraz Perplexity rządzą się dodatkowymi zasadami, które warto rozumieć osobno. Wynika to z dwóch zjawisk: stosunkowo niedawnego wzrostu jakości treści po polsku w korpusach treningowych oraz silnego dominującego udziału kilku dużych mediów w polskim ekosystemie informacyjnym. Modele preferują źródła, które łączą polski język z międzynarodowo rozpoznawalnym wzorcem strukturalnym treści.

W praktyce oznacza to, że polska witryna ekspercka konkuruje nie tylko z innymi polskimi serwisami, ale również z silnymi anglojęzycznymi źródłami przy pytaniach globalnych. Im bardziej specjalistyczne zapytanie, tym większa szansa, że model sięgnie po polski wynik. Dlatego klastry tematyczne o wąskiej, polskiej specyfice (lokalne regulacje, polskie wyniki badań, polski rynek e-commerce) są najszybszą drogą do regularnych cytowań.

Drugim ważnym czynnikiem jest sposób, w jaki polskie LLM traktują znaki diakrytyczne. Modele uczone głównie na korpusach anglojęzycznych potrafią mieć drobne problemy z parsowaniem akapitów zawierających rzadkie kombinacje (na przykład znaki typograficzne z lat osiemdziesiątych w archiwalnych zasobach). Współczesne wersje GPT-5, Gemini 2.5 i Claude Opus 4.7 radzą sobie z tym dobrze, ale starsze warstwy modeli wciąż mogą pomijać fragmenty z nietypową diakrytyką. Praktyczna konsekwencja: warto trzymać się standardowej typografii UTF-8 i unikać archaicznych encji HTML.

Trzy najczęstsze nadzieje polskich agencji, które się nie sprawdzają

Pierwsza nadzieja to założenie, że samo posiadanie domeny .pl zwiększa szansę na cytowanie polskich zapytań. Tak nie jest. Model patrzy na język treści i jakość strukturalną, nie na sufiks domeny. Druga nadzieja to przekonanie, że szybki przyrost treści (sto tekstów miesięcznie) automatycznie przekłada się na cytowania. W praktyce model preferuje gęsto powiązany klaster trzydziestu tekstów nad luźny zbiór stu artykułów. Trzecia nadzieja to liczenie na to, że płatne reklamy zwiększą widoczność w LLM. Płatne kanały Google i Bing wpływają na ścieżki marketingowe, ale nie na sygnały rankingowe modeli, które wybierają cytowania z organicznych wyników wyszukiwania i własnych indeksów.

Mierzenie efektów i KPI

Strategia bez metryk zwykle umiera w trzecim kwartale. Warto od początku zaprojektować zestaw wskaźników, które pokażą, czy domena faktycznie staje się źródłem cytowanym przez AI. Trzy poziomy mierzenia poniżej tworzą piramidę, której podstawą są twarde dane techniczne, a wierzchołkiem realne pojawienia się w odpowiedziach modeli.

Poziom 1: KPI techniczne (mierzone co tydzień)

• Procent stron z poprawnym schema Article. Cel: 95% lub więcej w obrębie sekcji blogowej.
• Procent stron z prawidłowym schema Person dla autora. Cel: 100% w sekcji eksperckiej.
• Status w robots.txt dla wszystkich botów LLM. Cel: pełen Allow lub kontrolowane Allow.
• Czas do interaktywności i Time to First Byte. Cel: TTFB poniżej 600 ms dla ścieżek głównych.

Poziom 2: KPI redakcyjne (mierzone co miesiąc)

• Liczba aktualizowanych tekstów filarowych. Cel: minimum 10% klastra na miesiąc.
• Liczba nowych autorskich danych (badania, audyty, zestawienia). Cel: minimum 1 na miesiąc.
• Średnia liczba linków wewnętrznych z klastra do filaru. Cel: 8–12 na filar.
• Liczba zewnętrznych wzmianek bez linku w jakościowych mediach. Cel: 2–5 na miesiąc.

Poziom 3: KPI widoczności w LLM (mierzone co dwa tygodnie)

• Share of citations w panelu testowym. Procent zapytań z listy 50–100 kontrolnych, w których Twoja domena pojawia się jako źródło w ChatGPT, Gemini, Perplexity.
• Pozycja w cytowaniach Perplexity (1–6). Średnia pozycja dla cytowanych zapytań.
• Liczba unikatowych URL Twojej domeny cytowanych miesięcznie.
• Ruch z LLM mierzony przez referer i parametry UTM. Zarówno ChatGPT (chat.openai.com), Perplexity (perplexity.ai), Gemini (gemini.google.com), jak i Bing Chat.

Cele realistyczne dla domeny startującej

Domena bez istotnej historii cytowań osiąga zwykle pierwsze stabilne pojawienia w cytowaniach Perplexity po około czterech do sześciu miesięcy konsekwentnej publikacji w klastrze. Cytowania w ChatGPT z włączonym przeglądaniem przychodzą zazwyczaj wcześniej, ponieważ silnik Bing leżący u podstawy tej funkcji indeksuje świeże treści szybko. Gemini z grounded answers działa najwolniej, bo wymaga znacznych sygnałów Google. Realny cel po pełnym roku to dwadzieścia do pięćdziesięciu cytowań miesięcznie w jednym klastrze tematycznym, przy założeniu osiemdziesięciu opublikowanych tekstów w tym klastrze.

FAQ