W teście Claude vs ChatGPT w B2B zadaliśmy obu modelom te same 50 pytań zakupowych, jakie realnie padają w polskich firmach: od wyboru CRM po agencję SEO dla producenta maszyn. Wynik jest jednoznaczny: modele różnią się nie tylko listą polecanych marek, ale samą skłonnością do wskazywania konkretnych nazw. ChatGPT podał nazwę marki w 88% odpowiedzi, Claude w 62%, a część wspólna obu list to zaledwie 31% wszystkich wymienionych firm.
W skrócie
- 50 zapytań B2B, 5 kategorii, każde pytanie powtórzone 3 razy w obu modelach (300 odpowiedzi).
- ChatGPT wymienia marki częściej i dłużej: średnio 4,6 nazwy na odpowiedź wobec 2,9 w Claude.
- Claude częściej odmawia jednoznacznej rekomendacji i prosi o doprecyzowanie budżetu lub skali firmy.
- Tylko 31% marek pojawiło się w obu modelach; reszta to rekomendacje unikalne dla jednego z nich.
- Różnice wynikają z dostępu do wyszukiwania w czasie rzeczywistym, danych treningowych i polityki ostrożności modelu.
Jak wyglądała metodyka testu?
Test objął 50 zapytań w pięciu kategoriach: oprogramowanie (CRM, ERP, narzędzia do e-fakturowania), usługi marketingowe (agencje SEO, AIO, performance), infrastruktura (hosting, chmura, cyberbezpieczeństwo), logistyka i produkcja (kurierzy B2B, dostawcy komponentów) oraz usługi profesjonalne (biura rachunkowe, kancelarie, doradztwo). Każda kategoria dostała 10 pytań sformułowanych tak, jak pisze je dyrektor operacyjny lub właściciel firmy, np. „Jaki CRM dla firmy produkcyjnej zatrudniającej 40 osób w Polsce?”.
Każde pytanie zadaliśmy trzykrotnie w nowej sesji, bez historii rozmowy, w polskiej wersji językowej. Testowaliśmy ChatGPT (model domyślny z włączonym wyszukiwaniem) oraz Claude (model domyślny, również z włączonym wyszukiwaniem). Zliczaliśmy trzy rzeczy: czy odpowiedź zawiera nazwę marki, ile marek pada i które nazwy się powtarzają między powtórzeniami i między modelami.
Marka liczyła się jako „polecana”, jeśli pojawiła się w co najmniej 2 z 3 powtórzeń. To odsiewa jednorazowe, losowe wskazania, które w obu modelach stanowiły około 15% wszystkich nazw. Podobny schemat liczenia stosujemy w porównaniu ruchu z Perplexity i ChatGPT, więc wyniki obu testów da się zestawić.
Ile marek pada w odpowiedziach?
ChatGPT wskazał konkretną firmę w 132 ze 150 odpowiedzi (88%), Claude w 93 ze 150 (62%). Różnica jest największa w usługach profesjonalnych: przy pytaniu o kancelarię czy biuro rachunkowe Claude w 7 na 10 pytań odpowiadał listą kryteriów wyboru zamiast nazwami.
| Kategoria | ChatGPT: odpowiedzi z marką | Claude: odpowiedzi z marką | Średnio marek (ChatGPT / Claude) |
|---|---|---|---|
| Oprogramowanie | 30/30 | 27/30 | 5,4 / 3,6 |
| Usługi marketingowe | 26/30 | 19/30 | 4,1 / 2,7 |
| Infrastruktura | 29/30 | 24/30 | 4,8 / 3,2 |
| Logistyka i produkcja | 25/30 | 14/30 | 3,9 / 2,4 |
| Usługi profesjonalne | 22/30 | 9/30 | 3,3 / 1,9 |
Łącznie oba modele wymieniły 214 unikalnych marek. 67 z nich (31%) pojawiło się w obu modelach, 98 tylko w ChatGPT, a 49 tylko w Claude. Dla firmy oznacza to, że obecność w jednym asystencie nie gwarantuje obecności w drugim.
Kto dominuje w Claude?
Claude preferuje marki z rozbudowaną, publicznie dostępną dokumentacją i wieloma niezależnymi opisami. W oprogramowaniu wygrywają globalni liderzy kategorii (HubSpot, Salesforce, Pipedrive), ale model zaskakująco często dorzuca polskie narzędzia, o ile mają dobrze opisane strony porównawcze i wpisy w branżowych rankingach. W hostingu i chmurze Claude niemal zawsze zaczyna od trzech największych dostawców chmury, a polskie firmy hostingowe pojawiały się tylko przy pytaniach z wyraźnym „w Polsce” i „faktura VAT”.
Charakterystyczne dla Claude jest to, że zanim poda nazwę, ustala kontekst: wielkość firmy, budżet, integracje. W 41 odpowiedziach model zadał pytanie zwrotne lub podał warunkową listę („jeśli macie poniżej 20 użytkowników, rozważcie…”). W usługach marketingowych i profesjonalnych Claude najczęściej wskazuje kryteria zamiast firm, a gdy już wymienia agencje, to te z widocznymi case studies i autorskimi publikacjami.
Kto dominuje w ChatGPT?
ChatGPT działa bardziej jak katalog: podaje więcej nazw, w tym mniejsze polskie firmy, i rzadziej odmawia. Źródłem części rekomendacji są wyniki wyszukiwania pobrane w trakcie odpowiedzi, dlatego na listach pojawiają się firmy z aktualnie wysokich pozycji w Google oraz z artykułów typu „10 najlepszych”. Mechanizm ten opisujemy w tekście o wchodzeniu do rekomendacji w ChatGPT, bo w B2B działa dokładnie tak samo jak w produktach konsumenckich.
Stabilność rekomendacji jest jednak niższa. W ChatGPT tylko 58% marek utrzymało się we wszystkich trzech powtórzeniach tego samego pytania, w Claude 71%. ChatGPT chętniej też wymienia marki, które w Polsce nie mają lokalnego wsparcia (np. amerykańskie narzędzia do e-fakturowania niezgodne z KSeF), co dla kupującego B2B jest realnym błędem rekomendacji.
Skąd biorą się różnice między modelami?
Różnice mają trzy źródła i żadne z nich nie jest przypadkiem. Po pierwsze, oba modele korzystają z wyszukiwania w inny sposób: ChatGPT częściej sięga po świeże wyniki i przepisuje z nich listy, Claude opiera się mocniej na wiedzy z treningu i traktuje wyszukiwanie jako weryfikację. Po drugie, dane treningowe różnią się zasięgiem polskich źródeł; Claude ma widocznie mniej materiału o lokalnych usługodawcach spoza największych miast.
Po trzecie, polityka ostrożności. Anthropic projektuje Claude tak, by unikał kategorycznych sądów w sprawach, gdzie brakuje danych (opis modelu i jego założeń znajdziecie na stronie Wikipedii o Claude). W praktyce oznacza to mniej nazw i więcej warunków. ChatGPT jest zoptymalizowany pod użyteczność odpowiedzi tu i teraz, więc woli podać listę niż zadać pytanie.
- Wyszukiwanie: ChatGPT przepisuje bieżące rankingi, Claude weryfikuje własną wiedzę.
- Dane treningowe: mniejsze pokrycie polskich firm w Claude.
- Polityka modelu: Claude wybiera kryteria, ChatGPT wybiera listę.
Co z tego wynika dla firm usługowych i SaaS?
Żeby trafić do obu modeli, potrzebne są dwie różne rzeczy naraz. Dla ChatGPT liczy się obecność w rankingach i artykułach porównawczych, które model pobiera w trakcie odpowiedzi; to klasyczna praca nad widocznością w Google plus obecność w zestawieniach „najlepsze narzędzia do X”. Dla Claude liczy się gęsta, spójna dokumentacja marki: strony porównawcze z konkurencją, cenniki, case studies z liczbami i wpisy w niezależnych źródłach.
Firmy SaaS mają tu przewagę, bo ich strony naturalnie zawierają tabele funkcji i cenniki. Firmy usługowe muszą je świadomie zbudować: opis procesu, widełki cenowe, kryteria doboru. Jak taki zestaw działań przekłada się na liczby, pokazujemy w opisie 90-dniowego wdrożenia AIO w firmie B2B. Jeśli marka nie pojawia się w żadnym modelu, warto zacząć od listy przyczyn, dla których AI nie cytuje strony.
Jakie są ograniczenia testu?
Test ma trzy ograniczenia, o których trzeba pamiętać przed wyciąganiem wniosków. Próba 50 pytań i 3 powtórzeń wystarcza, by pokazać kierunek różnic, ale nie pozwala rzetelnie porównać pojedynczych marek; różnica jednego wystąpienia to już kilka punktów procentowych. Odpowiedzi zbieraliśmy w ciągu 4 dni, a oba modele zmieniają się wraz z aktualizacjami, więc konkretne listy marek mają krótką ważność.
Testowaliśmy wyłącznie domyślne ustawienia bez pamięci rozmów i bez personalizacji. Użytkownik z historią pytań o konkretną branżę dostanie inne listy. Wreszcie: liczyliśmy wystąpienia nazw, nie jakość rekomendacji. Model, który podaje więcej marek, nie jest z definicji lepszym doradcą.
Najczęstsze błędy w interpretacji takich testów
- Traktowanie jednej odpowiedzi jako wyniku: bez powtórzeń nie da się odróżnić stałej rekomendacji od losowej.
- Porównywanie modeli z różnymi ustawieniami wyszukiwania (jeden z dostępem do sieci, drugi bez).
- Mieszanie języków zapytań: te same pytania po angielsku dają zupełnie inne listy marek.
- Uznawanie liczby marek za miarę jakości zamiast sprawdzenia, czy rekomendacje pasują do polskiego rynku.
FAQ: najczęstsze pytania
Który model częściej poleca polskie firmy B2B?
ChatGPT. W naszym teście polskie marki stanowiły 44% nazw wymienionych przez ChatGPT i 29% nazw z Claude. ChatGPT pobiera je z bieżących wyników wyszukiwania i lokalnych rankingów, Claude częściej sięga po globalnych liderów i dorzuca polskie narzędzia tylko przy wyraźnie lokalnym pytaniu.
Czy rekomendacje Claude i ChatGPT są stabilne między sesjami?
Częściowo. Claude utrzymał tę samą markę we wszystkich trzech powtórzeniach w 71% przypadków, ChatGPT w 58%. Dlatego w testach trzeba powtarzać pytania i liczyć markę dopiero wtedy, gdy pojawia się w większości powtórzeń.
Jak sprawić, by Claude polecał moją firmę?
Zbudować gęstą, spójną dokumentację: strony porównawcze z konkurencją, jawne cenniki lub widełki, case studies z liczbami oraz obecność w niezależnych źródłach branżowych. Claude preferuje marki, które potrafi zweryfikować w kilku miejscach jednocześnie, a nie te z pojedynczego rankingu.
Dlaczego Claude nie podaje nazwy, tylko pyta o budżet?
To wynik polityki ostrożności modelu. Claude unika kategorycznych rekomendacji, gdy brakuje mu kontekstu (skala firmy, budżet, integracje), i w 41 ze 150 odpowiedzi w naszym teście zadał pytanie zwrotne lub podał listę warunkową. Doprecyzowanie zapytania zwykle wystarcza, by uzyskać konkretne nazwy.
Czy wyniki testu przenoszą się na Perplexity i Gemini?
Tylko częściowo. Perplexity działa jeszcze bardziej „katalogowo” niż ChatGPT, bo cytuje źródła przy każdej nazwie. Gemini opiera się na indeksie Google, więc listy marek są bliższe wynikom organicznym. Każdy asystent wymaga osobnego testu z tą samą metodyką.
Co dalej
Następny krok to sprawdzenie, jak Wasza marka wypada w takim samym teście: 10 pytań z Waszej kategorii, po 3 powtórzenia w każdym modelu, liczone tak jak wyżej. Jeśli wynik jest bliski zeru, zacznijcie od materiału o mechanice rekomendacji w ChatGPT, bo tam najszybciej widać pierwsze efekty, a dopiero potem budujcie dokumentację pod Claude.
