GEO - bądź cytowany przez AI. Nowy standard widoczności.

U jednego z klientów z branży narzędziowej ponad 28% sesji zakupowych w Q1 2026 dotarło z ChatGPT lub Perplexity - bez żadnej wizyty w Google. Rok wcześniej ten kanał nie istniał w GA4. Google AI Overviews odpowiada na pytania bez kliknięcia. Oba zjawiska mają wspólny mianownik: jeśli AI Cię nie zna, nie istniejesz dla rosnącej grupy klientów. GEO (Generative Engine Optimization) to framework MPlace odpowiadający na to wyzwanie - i który oferujemy jako jedna z nielicznych polskich agencji od 2025 r.

GEO (Generative Engine Optimization) to działania mające na celu regularne cytowanie i poprawną reprezentację marki w odpowiedziach generatywnych AI: Google AI Overviews, ChatGPT Search, Perplexity, Gemini i Claude.

To różnica, która ma coraz większe znaczenie biznesowe: ruch z AI chatbotów konwertuje nawet 23x lepiej niż ruch organiczny (dane Ahrefs: 0,5% ruchu → 12,1% signupów u jednego z monitorowanych serwisów). Wolumen jest dziś mały (0,17% średnio na stronę), ale jakość - wyjątkowa. I trend wyraźnie wzrostowy.

Co ważne: GEO nie zastępuje SEO. Opiera się na tych samych fundamentach (techniczne SEO, E-E-A-T, topical authority) i dodaje nową warstwę - optymalizację pod encje, cytowania i machine-readable content.

Zmiana pytania

Landscape AI search w 2026

• 63% stron worldwide już odbiera ruch z AI chatbotów
• ChatGPT odpowiada za ponad 50% całego AI referral traffic
• Perplexity - około 1/3
• Gemini - ~18%

Dla polskiego e-commerce to wciąż wczesna faza - okno przewagi szacujemy na 1–2 lata.

GEO ma też kilka innych nazw w branży: AEO (Answer Engine Optimization), LLMO (Large Language Model Optimization). Niezależnie od nazwy - chodzi o jedno: bycie tam, gdzie AI szuka odpowiedzi.

GEO w polskim e-commerce - gdzie jesteśmy w 2026

Szacujemy, że mniej niż 5% polskich agencji marketingowych aktywnie oferuje GEO jako usługę - nie tylko "SEO z AI w tle", ale dedykowany framework optymalizacji pod ChatGPT, Gemini i Perplexity. Dla e-commerce oznacza to otwarte okno: klientów z pytaniami zakupowymi w AI search jest już wielu, ale zdecydowana większość polskich marek nie jest tam reprezentowana. Do czerwca 2026 przeprowadziliśmy 23 audyty GEO - głównie dla producentów wchodzących na Amazon DE/UK i marek z katalogami 500+ SKU. To wystarczyło, żeby zbudować powtarzalny framework, który działa niezależnie od kategorii.

Sygnał 1 - Entity authority

Czy Google i AI wiedzą, kim jesteś jako encja? Marka musi być rozpoznawalna jako wyraźna, jednoznaczna encja. Knowledge Graph Google, spójne schema.org Organization, profile publiczne (LinkedIn, Facebook, Google Business Profile, Crunchbase, Wikidata), spójne NAP (Name, Address, Phone) we wszystkich miejscach.

Sygnał 2 - Unlinked brand mentions

Wzmianki bez linku - w GEO mają większe znaczenie niż w klasycznym SEO. AI "czyta" setki źródeł i buduje obraz marki z samych wzmianek, nawet bez href. Strategia: PR, wpisy gościnne, aktywność na forach branżowych, Reddit, podcasty, YouTube.

Sygnał 3 - Multi-platform presence

AI preferuje źródła, którym ufają użytkownicy: Reddit, YouTube, media branżowe, listy rankingowe, recenzje. W kategorii materacy - na zapytanie "które materace polecają eksperci" - w 7 na 10 odpowiedzi ChatGPT pojawiają się marki z recenzjami na Ceneo, w wątkach Reddit i w porównaniach na blogach branżowych. Nie te z najlepszym SEO na własnej domenie. Jeśli istniejesz tylko na swoim serwisie - AI cytuje kogoś, kto jest wszędzie.

Sygnał 4 - Content quotability

Krótkie definicje, tabele porównawcze, listy, unikalne statystyki, cytaty eksperckie z przypisaniem autora. LLM cytuje fragmenty, które można przywołać dosłownie - bez potrzeby parafrazowania. FAQ w naturalnym języku, sekcje "Co to jest X", dane własne (case studies, raporty) - to złoto dla AI.

Sygnał 5 - Machine readability

Schema.org (Organization, Article, FAQPage, Product), treść dostępna w source HTML bez JavaScript-only rendering, aktualny llms.txt, brak blokowania AI crawlerów w robots.txt.

Knowledge Graph to baza wiedzy Google łącząca encje (firmy, produkty, osoby, miejsca) i relacje między nimi. W 2026 to nie tylko źródło Knowledge Panel - to infrastruktura zasilająca AI Overviews, Google AI Mode i Gemini.

Jak sprawdzić, czy Twoja marka jest w Knowledge Graph

1. Wyszukaj nazwę marki w Google - sprawdź, czy pojawia się Knowledge Panel po prawej stronie.
2. Użyj Knowledge Graph API: kgsearch.googleapis.com/v1/entities:search?query=twojamarka
3. Sprawdź spójność danych: schema.org Organization na stronie vs. profile publiczne.

Red flagi entity

• Brak Knowledge Panel mimo dobrego DR i historii domeny
• AI myli Twoją markę z inną encją o podobnej nazwie
• Niespójne opisy w różnych miejscach sieci (LinkedIn "XYZ sp. z o.o.", Google Business "XYZ Sp z oo", strona "XYZ.pl")

Entity disambiguation checklist - 5 kroków

1. Wdróż Organization schema z polami: @id (stały URL), sameAs (lista wszystkich profili), name, url, logo, description, foundingDate.
2. Ujednolicij opis marki w: LinkedIn, Facebook, Google Business Profile, Crunchbase.
3. Zarejestruj encję w Wikidata jeśli marka spełnia kryteria notability.
4. Zlinkuj krzyżowo profile społecznościowe.
5. Sprawdź i usuń zduplikowane wpisy w katalogach.

Framework MPlace - 8 reguł treści cytowalnych przez AI:

Reguła 1 - Definicja na początku

2–3 zdania wyjaśniające "co to jest X", napisane tak, żeby dało się je przytoczyć dosłownie. Bez intro, bez kontekstu - od razu do sedna. Sprawdzamy to na etapie audytu: sekcje "co to jest X" z artykułów klientów są cytowane przez Perplexity w ~60% przypadków, gdy pojawia się fraza klienta w odpowiedzi AI.

Reguła 2 - Tabele porównawcze

"X vs Y" to format, który AI uwielbia - zamienia na podsumowanie bez utraty danych. Każdy pillar powinien mieć przynajmniej jedną tabelę z kluczowymi różnicami. Artykuł klienta z kategorii mebli z tabelą "materac piankowy vs sprężynowy" pojawia się w AI Overview dla 12 wariantów pytania - choć strona nie jest w top 5 Google dla żadnego z nich.

Reguła 3 - FAQ w naturalnym języku

Pytania i odpowiedzi, a nie keyword-stuffed nagłówki. Pytania tak, jak użytkownicy je wpisują w ChatGPT. Klient z branży beauty zmienił nagłówek z "Kwas hialuronowy - zastosowania" na "Czy kwas hialuronowy nawilża czy tylko zatrzymuje wilgoć?" - CTR z AI Overview wzrósł o 34%.

Reguła 4 - Unikalne liczby i dane własne

Case studies z klientów, benchmarki z portfela. Generyczne treści AI ignoruje - woli konkretne dane z realnych źródeł. W kategorii suplementów na sen: artykuł z benchmarkiem testu na 120 osobach jest cytowany przez Perplexity 4x częściej niż ogólny poradnik o problemach ze snem.

Reguła 5 - Krótkie, autonomiczne sekcje

Każda H2 powinna być zrozumiała bez reszty artykułu. AI chunk-uje treść i może zacytować tylko jeden fragment - ten fragment musi mieć sens sam w sobie. Test praktyczny: skopiuj jedną sekcję do ChatGPT i zapytaj "co to mówi o X?" - jeśli odpowiedź wymaga przeczytania całości artykułu, sekcja wymaga przepisania.

Reguła 6 - Cytaty eksperckie z imienia

"Wg Chrisa Mączki, CEO MPlace..." - AI i Google wzmacniają encję autora. Treści anonimowe mają niższy trust score. Podpisany cytat eksperta to format, który LLM przytacza chętniej niż anonimowy akapit o tej samej treści.

Reguła 7 - Regularność aktualizacji

Freshness signal wpływa na preferencje AI. Artykuły datowane na 2022 rok są pomijane, gdy istnieje świeższy kontent na ten sam temat. Aktualizuj kluczowe artykuły co 6–12 mies. Konkretnie: dodaj "Zaktualizowano: [miesiąc rok]" w widocznym miejscu dla czytelnika, zmień dateModified w schema i przejrzyj liczby pod kątem aktualności - jak zrobiliśmy na tej stronie.

Reguła 8 - Oddziel warstwy

• Dla kliknięcia: storytelling, CTR hooks, emocje.
• Dla cytowania przez AI: definicje, tabele, liczby, bezstronne porównania.

Nie wszystkie artykuły muszą robić obie rzeczy - ale każda strona powinna wiedzieć, dla której warstwy jest priorytetowa. Pillar (jak ten artykuł) → priorytet na cytowania przez AI. Landing page → priorytet na kliknięcie i konwersję. Case study → oba naraz.

Struktura artykułu pod GEO - szablon MPlace

1. [Intro] - definicja + dlaczego ważne
2. [H2: Co to jest X] - 1-3 zdania cytowalne
3. [H2: Jak X działa] - bullet points lub tabela
4. [H2: X dla e-commerce] - konkretne przypadki użycia
5. [H2: X vs Y] - tabela porównawcza
6. [H2: Jak wdrożyć X] - checklist
7. [H2: FAQ]

Co to jest llms.txt

Plik tekstowy umieszczony w głównym katalogu domeny (domena.pl/llms.txt). To odpowiednik robots.txt, ale dla modeli językowych - informuje AI crawlery o strukturze strony, kluczowych treściach i tożsamości marki.

Standard w 2026: nieoficjalny, ale respektowany przez ChatGPT, Claude i Perplexity. Specyfikacja: llmstxt.org.

Minimalna zawartość llms.txt

Techniczne podstawy GEO - checklist

Które boty AI respektować w robots.txt

AI Share of Voice (AI SOV) - podstawowy KPI GEO

Udział Twojej marki w odpowiedziach AI dla zestawu promptów z Twojej niszy, w porównaniu do konkurentów. Ahrefs Brand Radar mierzy AI SOV na bazie 250+ milionów search-backed promptów.

Jak mierzyć bez Ahrefs Brand Radar (manual tracking)

1. Zdefiniuj 20–30 kluczowych promptów dla swojej niszy (np. "najlepsza polska agencja Amazon", "jak wejść na Amazon DE")
2. Testuj każdy prompt w ChatGPT, Perplexity i Gemini co miesiąc
3. Zapisuj wyniki w spreadsheet: marka wymieniona (T/F), pozycja w odpowiedzi (1-5), link do źródła (T/F)
4. Oblicz AI SOV = liczba promptów z wzmianką / całkowita liczba promptów testowanych

AI referral traffic w GA4

1. Stwórz custom channel group: Source zawiera chat.openai.com | perplexity.ai | gemini.google.com | bing.com (Copilot)
2. Śledź: sesje, engaged sessions, konwersje, revenue per channel
3. Benchmark: AI traffic powinien konwertować wyraźnie lepiej niż organic - jeśli nie, sprawdź landing pages

GSC dla GEO - co obserwować

• "Crocodile chart": rosnące impressions + malejący CTR = AI Overviews przejmują kliknięcia
• Zapytania w formie pytań (how, what, which, czy, jak) - to fanout queries. Jeśli tracisz CTR → AIO Cię wyprzedza
• Branded queries trend - wzrost branded search koreluje z rosnącym AI SOV

Miesięczny dashboard GEO - co raportować klientowi

1. AI SOV score (top 20 promptów) - zmiana vs poprzedni miesiąc
2. AI referral traffic: sesje, konwersje, per platforma
3. Branded search trend (GSC impressions)
4. Liczba opublikowanych "cytowalnych assetów" (case studies, raporty, FAQ)
5. Entity status: Knowledge Panel aktywny T/F, schema errors