- Można rankować w top 5 Google i być niewidocznym dla AI - decydują entity signals i schema, nie pozycja w wynikach.
- Playbook to 7 działań w pierwszych 4 tygodniach: schema, llms.txt, przebudowa treści pod cytowalność, entity cleanup, obecność poza własną domeną.
- Pierwsze cytowania pojawiają się zwykle po 4-8 tygodniach - wcześniej nie ma czego mierzyć, bo indeks AI musi zobaczyć zmiany.
- Najważniejszy wniosek: ranking w Google ≠ widoczność w AI - to dwie osobne gry.
W 20 promptach klient z DR 42 nie pojawił się ani razu. Konkurent z DR 28 i mniejszym ruchem organicznym - był cytowany w 14 na 20.
Wyobraź sobie sklep, który ma top 5 pozycji dla kilkudziesięciu fraz transakcyjnych w Google. Solidna domena, regularny content, dobrze skonfigurowane kampanie. Wszystko na zielono - poza jednym: AI go nie zna. To nie jest wyjątek, tylko punkt wyjścia większości sklepów, które zaczynają z GEO.
Przy głębszym audycie diagnoza była jasna: klient miał ruch, ale AI go nie znało jako encji.
Trzy sygnały wstępne przy audycie
- Brak Knowledge Panel mimo 5 lat aktywności
- Strona główna bez Organization schema
- Zero unlinked brand mentions w zewnętrznych źródłach (poza własną domeną)
Baseline (pomiar manualny, październik 2025)
20 promptów × 3 platformy:
- ChatGPT Search: 0/20 promptów z wzmianką
- Perplexity: 0/20
- Google AI Overview (GSC): 0 impressions dla kluczowych fraz
To nie był wyjątek. Z naszej obserwacji na portfelu ~40 projektów e-commerce (2024–2025): ponad 60% sklepów z DR 35–50 które obsługujemy ma podobny profil - silne SEO, zero AI SOV. Przed rokiem 2025 Google AI Overview nie istniało w tej skali. Teraz ignorowanie GEO to zostawianie ruchu konkurencji.
Po pełnym audycie zidentyfikowaliśmy trzy blokery, które razem sprawiały że AI pomijało klienta mimo dobrego SEO:
Problem 1 - Brak entity authority
Google nie rozumiał klienta jako encji. Brak Organization schema z polem @id i sameAs. Brak spójnego profilu w LinkedIn/GBP/Crunchbase. Nazwa firmy pojawiała się w 5 różnych wariantach na różnych stronach. Knowledge Graph nie miał gdzie "zaczepić" tej marki.
Problem 2 - Zero quotable content
Żaden artykuł na blogu nie zaczynał się od definicji. Żaden nie miał tabeli porównawczej ani FAQ ze strukturą. Artykuły były dobre merytorycznie, ale pisane z myślą o Google - długie, SEO-friendly, ale bez autonomicznych fragmentów które LLM mógłby zacytować dosłownie.
Problem 3 - Obecność tylko na własnej domenie
AI potrzebuje consensusu - chce widzieć markę potwierdzaną przez inne źródła. Klient miał zero wzmianek na portalach branżowych, forach, w mediach. Jedyna wzmianka w zewnętrznych źródłach to stare wpisy katalogowe.
Prosta diagnoza: wpisałem nazwę marki w Perplexity i zapytałem "kim jest ta firma i co robi?". Odpowiedź: "Nie mam pewności, kim jest [nazwa]. Proszę sprawdzić bezpośrednio." Dla DR 42 i 5 lat historii - to był wyraźny sygnał że entity signals są na poziomie zera.
Tydzień 1 (dni 1–7)
Działanie 1 - Organization schema wdrożona na stronie głównej:
@type Organization, @id z URL domeny, sameAs z listą profili (LinkedIn, GBP, Facebook), name, url, logo, description, foundingDate. Walidacja przez Google Rich Results Test.
Działanie 2 - Ujednolicenie nazwy marki w 14 miejscach:
Katalogi, GMF, stare wpisy blogów partnerskich. Spójność NAP (Name, Address, Phone). Usunięcie 3 zduplikowanych wpisów w katalogach które "rozpraszały" encję.
Działanie 3 - llms.txt wdrożony:
Plik z opisem marki, listą kluczowych stron, obszarami tematycznymi i autorem treści (z LinkedIn URL). Mały sygnał, ale tani w implementacji i uzupełniający resztę.
Tydzień 2 (dni 8–14)
Działanie 4 - Przebudowa 3 artykułów o najwyższym potencjale cytowania:
Dodanie sekcji "Co to jest [X]" na początku każdego (2–3 zdania cytowalne), tabeli porównawczej, FAQ w naturalnym języku z 4 pytaniami. Schema Article + FAQPage na każdym.
Działanie 5 - dateModified zaktualizowane, data widoczna dla czytelnika:
Freshness signal - Google i AI preferują świeże treści. Dodanie "Zaktualizowano: [miesiąc rok]" w hero każdego artykułu.
Tydzień 3–4 (dni 15–28)
Działanie 6 - Outreach do 4 portali branżowych:
Wpisy gościnne na 2 portalach narzędziowych (jeden z DR 51, jeden z DR 38). 1 wywiad dla e-commerce podcastu. 1 wzmianka w roundupie na blogu agregatorowym. Łącznie: 4 unlinked mentions w zewnętrznych źródłach z nazwą marki.
Działanie 7 - Wikidata:
Sprawdzenie kryteriów notability (marka je spełniała - historia, obroty). Stworzenie podstawowego wpisu Wikidata z powiązaniem do domeny. To wzmacnia Knowledge Graph bezpośrednio.
Kolejność nie była przypadkowa. Najpierw entity (schema, NAP) - bo bez tego reszta działa połowicznie. Potem content quotability - bo entity bez treści to tylko sygnał infrastrukturalny. Na końcu outreach - bo "unlinked mentions" na zewnętrznych stronach to najdroższy w czasie element, więc zostawiliśmy go na moment kiedy własna infrastruktura była już gotowa.
Tygodnie 1–4 (implementacja)
- Tydzień 1: schema wdrożona, brak jeszcze efektów (crawl delay)
- Tydzień 2: pierwsze 3 artykuły przebudowane. GSC zaczyna indeksować FAQ rich results dla 2 z nich
- Tydzień 3: Knowledge Panel pojawia się w Google dla nazwy marki. Pierwsze 2 zewnętrzne wzmianki.
- Tydzień 4: Wikidata opublikowane. Łącznie 4 zewnętrzne wzmianki. Manualne testy: Perplexity zaczyna wspominać markę w 3/20 promptach (wcześniej 0/20)
Tygodnie 5–8 (pierwsze wyniki)
- Tydzień 5–6: w GSC pojawiają się pierwsze impressions z AI Overview - zwykle dla fraz informacyjnych, nie transakcyjnych
- Tydzień 7: marka zaczyna być wspominana w części testowych promptów w ChatGPT Search
- Tydzień 8: cytowania zaczynają się kumulować, pojawia się pierwszy mierzalny ruch z AI referral
Tygodnie 9–12 (stabilizacja)
- Tydzień 9–10: liczba cytowanych fraz rośnie, w GSC widać podbicie branded search
- Tydzień 11: ruch z AI referral przestaje być szumem i daje się raportować
- Tydzień 12: zestaw cytowanych fraz stabilizuje się - to moment na pomiar bazowy i decyzję o kolejnym cyklu
Efekt biznesowy widać najpierw w branded search, a nie w sprzedaży bezpośredniej: użytkownik zobaczył markę w odpowiedzi AI, a potem wpisał jej nazwę w Google. Dlatego atrybucja ostatniego kliknięcia zwykle zaniża wpływ GEO - rozdziel raportowanie na cytowania, ruch z AI referral i trend branded search.
Dane z AI Overview w GSC są niepełne - platforma nie raportuje wszystkich cytowań, tylko te z kliknięciami lub impressions w Search Console. Rzeczywista liczba cytowań we wszystkich AI narzędziach (ChatGPT, Gemini, Perplexity, Copilot) jest wyższa od 47. Podajemy tylko dane z GSC bo są weryfikowalne.
Co zadziałało najbardziej (ranking 3 działań by impact)
-
Przebudowa artykułów pod quotability (działanie 4):
Najszybszy i najtrwalszy efekt. Fragmenty z definicjami zaczęły być cytowane przez Perplexity już w tygodniu 6. Szacunkowy udział w wyniku: ~40% całego wzrostu AI SOV. -
Outreach + unlinked mentions (działanie 6):
Trudniejszy w realizacji, ale krytyczny dla ChatGPT Search który mocno waży "consensus zewnętrznych źródeł". Bez tych 4 wzmianek marka prawdopodobnie pozostałaby na poziomie 20–25 cytowań. -
Organization schema + Knowledge Panel (działania 1–2):
Fundament który "odblokował" resztę. Bez tego AI nie wiedziałoby z czym kojarzyć markę. Efekt sam w sobie skromny, ale bez niego pozostałe działania byłyby nieskuteczne.
Co zrobilibyśmy inaczej
Outreach zostawilibyśmy na tydzień 1–2 równolegle z schema, nie na 3–4. Entity signals z zewnętrznych wzmianek prawdopodobnie przyspieszyłyby indeksowanie przez Knowledge Graph. Szacujemy że mogłoby to skrócić całą timelę o 2–3 tygodnie.
Drugim błędem było pominięcie llms.txt na Wikidata (link do llms-full.txt z Wikidata). To marginalny efekt, ale przy takim projekcie warto robić wszystko.
Czy to powtarzalne?
Tak, przy spełnieniu 3 warunków:
- Marka ma realną tematyczną ekspertyzę w swojej kategorii (AI nie zacytuje kogoś bez powodu)
- Istnieje content do przebudowy - lub jesteśmy gotowi go stworzyć
- Outreach jest możliwy - branża musi mieć portale, podcasty lub media gdzie można się pojawić
Chcesz mierzyć efekty podobnego projektu? Przeczytaj AI Share of Voice - jak mierzyć widoczność w AI search (Ahrefs Brand Radar + manual tracking w Sheets + GA4). A jeśli Twoja marka nie ma jeszcze silnych entity signals jak ten klient przed projektem - zacznij od Knowledge Graph - jak sprawdzić i poprawić encję marki. Jeśli chcesz wdrożyć ten playbook samodzielnie, sprawdz nasz checklist: Jak dostac sie do Google AI Overview - 12 kroków →
Źródła i narzędzia użyte w projekcie
Dane własne MPlace
- Google Search Console (GSC) - dane impressions i clicks z AI Overview, Q4 2025–Q1 2026
- Ahrefs Brand Radar - pomiar AI Share of Voice w ChatGPT Search, Perplexity i Google AI Overview
- Google Analytics 4 - atrybucja AI referral traffic i branded search trend
- Testy manualne - 20 promptów × 3 platformy (ChatGPT Search, Perplexity, Google AI Overview), październik 2025 i styczeń 2026
Zewnętrzne badania i kontekst
-
Ahrefs (maj 2025) - An Analysis of AI Overview Brand Visibility Factors (75 000 marek)
Kontekst dla wniosku „ranking w Google ≠ widoczność w AI" oraz znaczenia unlinked brand mentions.
ahrefs.com/blog/ai-overview-brand-correlation → -
Search Engine Land / Kalicube Pro (sierpień 2025) - Google's Great Clarity Cleanup: 3 billion entities removed
Tło dla sekcji o entity cleanup, Knowledge Graph i efektach maja 2025.
searchengineland.com → Google's great clarity cleanup →
Narzędzia użyte w projekcie
- Google Rich Results Test - walidacja Organization schema, Article schema i FAQPage po wdrożeniu
- Google Knowledge Graph Search API - weryfikacja istnienia encji marki w KG przed i po projekcie
- Wikidata - budowa wpisu encji marki (krok 7 playbooka)
- Ahrefs Brand Radar - monitoring AI Share of Voice i tracking cytowań w AI Overview
Nie wiesz czy ChatGPT i Perplexity wiedzą, że Twoja firma istnieje? Sprawdzamy to w jedną rozmowę - bezpłatny audyt GEO, konkretne wnioski z Twojej kategorii. Umów termin →
FAQ
Twoja marka niewidoczna w AI Overview?
Bezpłatny audyt GEO - pokażemy gdzie jesteś w AI i jakie 3 działania dają najszybszy efekt w Twojej kategorii.