Strona jest w indeksie, zbiera wyświetlenia w klasycznych wynikach, a mimo to nie pojawia się w odpowiedziach ChatGPT, Perplexity ani w AI Overviews. To jedna z częstszych diagnoz, jakie stawiamy w audytach z ostatnich miesięcy, i prawie nigdy nie ma jednej przyczyny. Cytowanie w modelu językowym to osobny lejek: bot musi wejść, pobrać renderowaną treść, znaleźć w niej fragment nadający się do zacytowania i uznać źródło za wystarczająco wiarygodne.
Poniżej jedenaście przyczyn ułożonych tak, jak przechodzi je crawler: najpierw dostęp, potem format treści, na końcu autorytet i sygnały świeżości. Ta kolejność ma znaczenie, bo naprawianie danych strukturalnych na stronie, do której bot w ogóle nie wchodzi, jest stratą czasu. Jeśli dopiero orientujesz się w różnicach między powierzchniami Google, zacznij od zestawienia AI Overviews vs AI Mode, bo każda z nich dobiera źródła inaczej.
Warstwa pierwsza: bot nie ma dostępu
Zanim zaczniesz przepisywać teksty, sprawdź, czy crawlery AI w ogóle docierają do serwera. W praktyce co trzeci serwis, który trafia do nas z problemem braku cytowań, blokuje je nieświadomie. Ta diagnoza kosztuje kwadrans, a potrafi unieważnić kilka tygodni planowanych prac redakcyjnych, więc nie ma sensu robić jej później.
1. Blokada botów AI w robots.txt
GPTBot, ClaudeBot, PerplexityBot, Google-Extended i CCBot to osobne user-agenty, niezależne od Googlebota. Wiele wtyczek bezpieczeństwa oraz gotowych szablonów robots.txt dorzuca je do listy Disallow domyślnie, często przy okazji „optymalizacji crawl budżetu”. Efekt: Googlebot indeksuje stronę normalnie, a modele nigdy nie widzą jej treści. Otwórz plik /robots.txt i przeczytaj go linia po linii, zwracając uwagę na reguły globalne User-agent: *. Składnię i kolejność dopasowań opisuje dokumentacja Google Search Central.
2. WAF, Cloudflare i reguły anty-botowe
Druga blokada jest niewidoczna w robots.txt, bo dzieje się piętro wyżej. Firewall aplikacyjny zwraca botom AI kod 403 albo wyzwanie JavaScript, którego crawler nie rozwiąże. Cloudflare od 2025 roku domyślnie ogranicza część crawlerów AI na nowych kontach, więc migracja na nowy hosting potrafi wyłączyć cytowania z dnia na dzień. Diagnoza jest prosta: wykonaj żądanie z podmienionym nagłówkiem user-agent i porównaj kod odpowiedzi z tym, który dostaje zwykła przeglądarka.
curl -sI -A "GPTBot/1.0" https://twojadomena.pl/artykul/Kod 200 oznacza, że warstwa dostępu jest w porządku. Wszystko inne (403, 429, 503) to przyczyna numer jeden na liście napraw.
3. Treść renderowana wyłącznie przez JavaScript
Googlebot renderuje JavaScript, choć z opóźnieniem. Crawlery modeli językowych w większości tego nie robią i biorą surowy HTML z pierwszej odpowiedzi serwera. Jeśli artykuł ładuje się przez fetch po stronie klienta, bot widzi pusty szkielet strony z menu i stopką. Sprawdzisz to jednym poleceniem: pobierz stronę bez wykonywania skryptów i policz, czy w źródle są nagłówki i akapity tekstu. Serwerowe renderowanie albo statyczna generacja rozwiązują problem trwale.
Warstwa druga: treść nie nadaje się do zacytowania
Model cytuje fragmenty, nie całe strony. Potrzebuje zwięzłego, samodzielnego kawałka tekstu, który odpowiada na pytanie bez kontekstu z reszty artykułu.
4. Brak odpowiedzi wprost na pytanie
Klasyczny wstęp typu „w tym artykule przyjrzymy się temu, jak działa X” jest bezużyteczny dla modelu. Fragment nadający się do cytowania ma 40 do 60 słów, zaczyna się od definicji lub konkretnej liczby i zawiera podmiot w pełnym brzmieniu, a nie zaimek. Zasada praktyczna: pod każdym nagłówkiem H2 pierwszy akapit powinien dać się wyciąć i wkleić gdziekolwiek indziej bez utraty sensu.
5. Kluczowa informacja siedzi w akordeonie lub karuzeli
Elementy interfejsu, które chowają tekst za kliknięciem, bywają renderowane dopiero po interakcji. Jeżeli twoje FAQ, tabela cen albo specyfikacja produktu ładują się dynamicznie, dla crawlera po prostu nie istnieją. Rozwiązaniem jest trzymanie treści w HTML od początku i ukrywanie jej wyłącznie stylami CSS albo natywnym elementem details.
6. Zbyt ogólne treści bez własnych danych
Model ma do wyboru kilkanaście stron mówiących to samo. Wybierze tę, która wnosi coś, czego nie ma nigdzie indziej: wynik testu, przedział cenowy z konkretnego rynku, liczbę z własnego wdrożenia. Tekst zbudowany z parafraz cudzych poradników jest statystycznie nie do odróżnienia od konkurencji, więc nie ma powodu, by to on trafił do przypisu. Dobrym wzorcem jest tu eksperyment z llms.txt i cytowaniami w ChatGPT, gdzie liczby z pomiaru robią całą robotę.
Warstwa trzecia: autorytet i encja marki
Dostęp i format to warunki konieczne, ale niewystarczające. Gdy kilkanaście stron odpowiada na pytanie równie dobrze, o wyborze decyduje to, komu system ufa. Ta warstwa jest najwolniejsza w naprawie i najtrudniejsza do podrobienia, dlatego zostawiamy ją na koniec listy, choć długofalowo waży najwięcej.
7. Marka nie jest rozpoznawalną encją
Modele operują na encjach, nie na ciągach znaków. Jeśli nazwa firmy nie występuje w spójnym brzmieniu w Wikipedii, w bazach branżowych, w profilach na portalach z opiniami i we własnych danych strukturalnych Organization, system nie ma jak połączyć strony z podmiotem, któremu mógłby przypisać wiarygodność. Ujednolicenie nazwy, adresu i opisu w kilkunastu miejscach w sieci brzmi banalnie, a jest jednym z tańszych zabiegów o realnym efekcie.
8. Zero wzmianek poza własną domeną
Cytowanie w odpowiedzi AI koreluje z tym, jak często o źródle mówi się gdzie indziej, i co ważne, wzmianka nie musi być linkiem. Wystarczy, że nazwa marki pojawia się w kontekście tematu na innych domenach. Rozwinięcie tego wątku znajdziesz w tekście o tym, jak działają wzmianki bez linku a autorytet marki w AI. Ta sama logika obowiązuje przy ocenie historii domeny, którą dopiero chcesz kupić: analiza domeny przed zakupem pokazuje, jak sprawdzić, czy adres nie ciągnie za sobą spalonej reputacji.
Warstwa czwarta: świeżość, struktura, porządek
9. Nieaktualne daty i dane
Pytania o stan bieżący (ceny, wersje narzędzi, przepisy) domyślnie premiują źródła świeże. Artykuł z datą modyfikacji sprzed dwóch lat przegrywa nawet wtedy, gdy merytorycznie jest lepszy. Pilnuj, żeby data w danych strukturalnych, data widoczna w szablonie i faktyczna aktualizacja treści mówiły to samo. Podbijanie samej daty bez zmiany treści działa krótko i psuje zaufanie do całego serwisu.
10. Brak danych strukturalnych
Schema nie gwarantuje cytowania, ale ułatwia parsowanie: Article z autorem i datą, FAQPage tam, gdzie faktycznie są pytania, Organization na stronie głównej. Częsty błąd to schemat wygenerowany przez wtyczkę, który zawiera pusty węzeł bez typu albo odwołuje się do nieistniejącego obrazka. Walidacja w narzędziu do testowania wyników z elementami rozszerzonymi zajmuje minutę na szablon.
11. Kanibalizacja i rozproszenie tematu
Pięć krótkich wpisów o tym samym zagadnieniu dzieli między siebie sygnały i żaden nie osiąga masy krytycznej. Model wybierze konkurencyjną stronę, która całość omawia w jednym miejscu. Konsolidacja: jeden wyczerpujący tekst, przekierowania 301 z reszty, linkowanie wewnętrzne skierowane na wersję docelową.
Kolejność napraw według kosztu
Nie wszystko naprawia się naraz. Ta tabela porządkuje przyczyny według stosunku efektu do nakładu pracy.
| Priorytet | Przyczyna | Nakład | Czas do efektu |
|---|---|---|---|
| 1 | robots.txt, WAF, kody 403 | godziny | 1–4 tygodnie |
| 2 | renderowanie po stronie serwera | dni | 2–6 tygodni |
| 3 | akapity cytowalne pod H2 | dni | 3–8 tygodni |
| 4 | dane strukturalne i daty | godziny | 2–6 tygodni |
| 5 | konsolidacja kanibalizacji | dni | 4–12 tygodni |
| 6 | encja marki i wzmianki | miesiące | 3–9 miesięcy |
Jak zmierzyć, czy naprawa zadziałała
Cytowania nie mają jednego licznika, więc mierzy się je pośrednio. Po pierwsze: logi serwera, filtrowane po user-agentach botów AI. Wzrost liczby pobrań po odblokowaniu dostępu widać w ciągu kilku dni i to najszybszy sygnał, że warstwa techniczna działa. Po drugie: raport widoczności w AI w Search Console, który pokazuje wyświetlenia z AI Overviews i AI Mode. Po trzecie: ręczny zestaw 20 do 30 pytań, zadawanych co dwa tygodnie w kilku modelach, z notowaniem, czy domena pojawia się wśród źródeł.
Warto też zapisać punkt odniesienia przed zmianami: liczbę pobrań na bota tygodniowo i wynik zestawu pytań. Bez tego każda późniejsza obserwacja jest anegdotą, a wahania między modelami potrafią być większe niż efekt naprawy.
Sensowny horyzont oceny to kwartał. Modele aktualizują dane o źródłach z opóźnieniem, a część cytowań pochodzi z warstwy wyszukiwania na żywo, część z wiedzy wytrenowanej wcześniej. Jeśli po odblokowaniu botów w logach nadal jest cisza, wróć do punktu drugiego: prawie zawsze problem siedzi w warstwie dostępu, nie w treści.
FAQ
Czy odblokowanie GPTBota zaszkodzi ruchowi z Google?
Nie, to niezależne user-agenty. Google-Extended steruje wykorzystaniem treści w Gemini i AI Overviews, ale nie wpływa na indeksowanie przez Googlebota ani na pozycje w klasycznych wynikach.
Ile trwa pojawienie się pierwszych cytowań po naprawie?
Przy blokadzie technicznej zwykle 1–4 tygodnie od pierwszego udanego pobrania strony. Przy problemach z autorytetem marki liczy się miesiącami, bo sygnały muszą narosnąć poza twoją domeną.
Czy plik llms.txt zwiększa szansę na cytowanie?
W testach efekt jest nieistotny statystycznie. Żaden duży dostawca nie zadeklarował, że traktuje ten plik jako sygnał rankingowy, więc traktuj go jako tani eksperyment, nie jako remedium.
Czy dane strukturalne są warunkiem cytowania?
Nie są warunkiem, ale obniżają koszt zrozumienia strony. Poprawny Article z autorem i datą oraz Organization na stronie głównej to minimum, które warto mieć.
Co zrobić, gdy konkurencja jest cytowana za słabszy tekst?
Sprawdź, czy różnica nie leży w dostępie i renderowaniu, a następnie porównaj wzmianki o obu markach poza własnymi domenami. W większości takich przypadków przewaga wynika z rozpoznawalności encji, nie z jakości pojedynczego artykułu.
