Badania i Analizy

_Dwa testy przeprowadzone na modelu Gemini 3.1 Pro: pilotażowe badanie eksploracyjne na 45 szybko rozwijających się firmach europejskich oraz zarejestrowane wcześniej badanie stabilności odpowiedzi dla 12 marek oprogramowania w odstępie 20 dni._

Dmitrij Żatuchin

Rankfor.AI zapisało 2400 odpowiedzi udzielonych przez GPT-5.6 Sol i Gemini 3.7 Flash na 240 pytań zakupowych dotyczących 30 firm z rankingu TOPTech30 2026, czyli najcenniejszych spółek technologicznych w Estonii. W odpowiedziach na prośbę o stworzenie krótkiej listy (bez podawania nazwy firmy w pytaniu), AI wymienia daną firmę w 453 z 900 przypadków. Sześć firm jest wymienianych za każdym razem, a pięć nie pojawia się w żadnej z badanych odpowiedzi na danym rynku.

Dmitrij Żatuchin

Model Mistral Large wygenerował przekonujący opis agencji o nazwie SEO Nordic: międzynarodowe SEO, link building i strategia contentowa. Wskazał również stronę internetową agencji: seonordic.com. Nie udało nam się zweryfikować opisanej agencji. Udało nam się natomiast zweryfikować adres. Domena ta była stroną parkingową w 2012 roku, w 2013 roku przekierowywała do sprzedawcy domen, a w archiwum z 2022 roku wciąż widniała jako wystawiona na sprzedaż. Obecnie właścicielem seonordic.com jest Rankfor.AI OÜ. Kupiliśmy ją po znalezieniu tego adresu w naszych badaniach. Przygotowana przez nas strona wyjaśnia odwiedzającym, dlaczego odpowiedź AI mogła ich tam skierować, i odsyła ich do rankingów agencji pochodzących z tego samego badania.

Dmitrij Żatuchin

_Czym się zajmują, jakie są ich najważniejsze publiczne odkrycia oraz czy ich prace są recenzowane, czy stanowią jedynie preprinty lub badania branżowe._ Wyszukiwanie oparte na AI jest pełne śmiałych twierdzeń. Dowody, na których się opierają, wahają się od artykułów recenzowanych po zastrzeżone dane dostawców i obserwacje techniczne dotyczące konkretnych produktów. Przeanalizowaliśmy 15 osób często cytowanych w obszarach AI Visibility i GEO, sprawdziliśmy ich oryginalne prace oraz obecne role, a także przeszukaliśmy bazy danych naukowych pod kątem istotnych publikacji. Ten przegląd dowodów pomija liczbę obserwujących przy selekcji. Każdy profil zawiera oznaczenie rodzaju dowodów, podsumowanie użytecznych wniosków oraz główne ograniczenia.

Dmitrij Żatuchin

Ten artykuł wyjaśnia, dlaczego asystenci AI powtarzają błędne informacje o firmie i co można z tym zrobić. Przeprowadza przez pięć kroków: znalezienie źródła błędu, poprawę treści, które posiadasz, przyćmienie źródeł, których nie możesz edytować, bardziej autorytatywnym artykułem, sformułowanie faktu w sposób umożliwiający cytowanie przez AI oraz ciągłe publikowanie, aby korekta była trwała. Pokazuje również, ile czasu zajmuje różnym systemom AI uwzględnienie zmian.

Daniel Homenko

Zadaj AI pytania, które zadają Twoi kupujący, sprawdź, czy Twoja marka się pojawia, i przeczytaj cytowane źródła. Bezpłatne z Answer Trail, zgodne z RODO. Rozwiązanie: około 85% tego, co cytuje AI, znajduje się poza Twoją własną witryną, więc zdobądź około pięciu wiarygodnych wzmianek na zewnętrznych stronach na jedno pytanie kupującego, aby osiągnąć około 80% widoczności, a następnie obserwuj wyniki w czasie, ponieważ cytowane źródła zmieniają się z tygodnia na tydzień.

Dmitrij Żatuchin

Wielorynkowy zbiór danych o cytowaniach: 167 551 cytowań opartych na adresach URL dla 128 marek, 13 języków i 12 rynków z GPT, Gemini i Perplexity. AI opiera odpowiedzi o markach na źródłach zewnętrznych w 85,7% przypadków, 18% domen odpowiada za 80% cytowań, a Wikipedia jest najczęściej cytowaną domeną w 11 z 12 języków. Zbiór jest otwarcie dostępny na licencji CC-BY-4.0 z DOI.

Dmitrij Żatuchin

Otwarte dane do badania 50 marek, opublikowanego w czasopiśmie Journal of Marketing Analytics 31 października 2026 r.: 250 pytań zakupowych z pięciu branż, zadanych pięć razy każdemu z trzech systemów (GPT-5.2, Gemini 3 Flash i Perplexity sonar-pro) w lutym i wrześniu 2026 r. Trzy systemy wskazały tę samą markę na pierwszym miejscu odpowiednio w 57,2% i 60,8% pytań; średni współczynnik Giniego 0,30; próżnie: 7,6%. CC BY 4.0 w Zenodo.

Dmitrij Żatuchin

Pełna metodyka stojąca za Rankfor Index 2026: 66 marek, 12 języków, 3 modele AI z ugruntowaniem w czasie rzeczywistym, 35 640 odpowiedzi i 131 667 cytowań. Pięć ważonych komponentów (sentyment, rekomendacja, jakość źródeł, spójność, stabilność) składa się na AI Visibility Score w skali 0-100 publikowany na stronie każdej marki. Metoda pokazuje też metryki, które ujawniają tylko dane wielojęzyczne: karę dwujęzyczną, koncentrację cytowań oraz ślepe języki.

Dmitrij Żatuchin

Ankieta na żywo z Warszawy pokazuje, że w Polsce wyszukiwanie startuje w ekosystemie Google (75%), a Gemini wyprzedza ChatGPT. Nasze badanie 46 marek i 17 891 cytowań dodaje część zmierzoną: YouTube to jedyny kanał, w którym pojawia się każda marka, a dwa przykłady producentów lodów pokazują, jak różnie AI buduje reputację na podstawie źródeł.

Przeanalizowaliśmy 17 891 cytowanych źródeł, których AI używa do opisywania 46 polskich marek konsumenckich w trzech czołowych modelach z włączonym groundingiem. Po odrzuceniu domen własnych marek, cztery portale HR (livecareer.pl, pl.indeed.com, interviewme.pl, randstad.pl) wygenerowały łącznie 460 cytowań, co stanowi 10,6% TOP 20 domen przekrojowych. To sprawia, że reputacja pracodawcy jest trzecią największą kategorią źródeł, na których opiera się AI w przypadku polskich marek, wyprzedzając Wikipedię, Business Insider Polska i Forbes Polska. Strony te pozostają poza kontrolą marketingu oraz PR.

Pełnowymiarowe badanie replikacyjne analizujące 1239 cytowań gruntujących z nowo wydanego modelu Gemini 3.5 Flash od Google w obejmującym 66 marek indeksie Nordic-Baltic-CEE Index. Pokazujemy, jak Google zniwelował lukę w cytowaniach.

Wydawcy Tier-1 dyktują widoczność marki w systemach AI. Zmapowaliśmy zależności geograficzne walidacji AI w Europie Północnej, wykazując, że transgraniczne dziennikarstwo biznesowe napędza ugruntowanie modeli w znacznie większym stopniu niż lokalne komunikaty prasowe.

Tradycyjne feedy w mediach społecznościowych są niewidoczne dla generatywnej AI. Nasza analiza marek z Europy Północnej pokazuje, że YouTube i Reddit dominują w cytowaniach społecznościowych, a platformy takie jak Instagram i X nie zapewniają żadnego znaczącego uwiarygodnienia.

Firmy działające w modelu business-to-business osiągają 20,1% udziału w widoczności mediów własnych w generatywnych systemach AI, podczas gdy marki B2C zdobywają zaledwie 13,4%. Analizujemy, jak sektory takie jak lotnictwo, energetyka i fintech dominują w cytowaniach AI dzięki ustrukturyzowanym, użytecznym treściom.

Odtworzyliśmy benchmark LongMemEval projektu MemPalace, testując cztery podejścia do wyszukiwania na 500 pytaniach ze wszystkich 6 typów zadań. Ustrukturyzowana ekstrakcja wiedzy (model SECI) uzyskała wynik 93,9% R@5 wobec 92,1% dla surowego przechowywania tekstu. Główny wniosek: model embeddingów ucina tekst przy 256 tokenach, podczas gdy sesje mają średnio 10 000 znaków. Surowe przechowywanie powoduje utratę 90% treści na warstwie embeddingów, natomiast ekstrakcja kondensuje całą sesję do rozmiaru okna embeddingów.

Dmitrij Żatuchin

5000 person kupujących w sektorze B2B enterprise z pełnym modelowaniem komitetów zakupowych w 15 branżach, 47 019 rzeczywistych zapytań wyszukiwania oraz 7500 zapytań dotyczących marek konkurencyjnych. Zanonimizowana próbka z 130 tys. person wygenerowanych przez 5 modeli LLM. Licencja CC BY 4.0.

Dmitrij Żatuchin

Przeanalizowaliśmy 71 388 person kupujących w segmencie enterprise w 15 branżach i 4 modelach LLM. Oceniając dostawców, kupujący proszą AI o studia przypadków (20%), raporty analityków (22%), whitepapery (19%) i kalkulatory ROI (14%). Wpisy na blogu, podcasty i wideo uzyskały wynik 0% przy każdym problemie i w każdej branży. Twój kalendarz treści może być pełny, ale Twój pipeline jest pusty. Dane wyjaśniają, dlaczego.

Dmitrij Żatuchin

Niepublikowane badanie Rankfor.AI obejmujące 24 znane firmy z 8 branż, dane zebrane 20 lutego 2026, bez recenzji naukowej. Dwie części: 1311 odpowiedzi bez wyszukiwania w sieci od GPT-5.2 i Gemini 3 Flash oraz 3041 linków cytowanych przez trzy wyszukiwarki AI. Wśród cytowanych linków 14,7% prowadziło do domeny samej firmy, 5,7% do mediów tier-1, a 70,2% do domen spoza kategorii wymienionych w badaniu. Oba modele oceniły te same marki inaczej (średni sentyment 0,83 wobec 0,32), pięć odpowiedzi na to samo pytanie rzadko się pokrywało (średnie podobieństwo 0,54), a spółki giełdowe i prywatne wypadły tak samo. Artykuł poprawiony 4 listopada 2026.

Dmitrij Żatuchin

Ponieważ 60% wyszukiwań w sieci kończy się obecnie bez kliknięcia, systemy AI, takie jak Gemini, ChatGPT i Perplexity, stały się głównym interfejsem między kupującymi a markami. Tradycyjne SEO – stworzone z myślą o pozycjonowaniu w wynikach opartych na linkach – nie odpowiada na sposób, w jaki duże modele językowe wybierają, oceniają i rekomendują marki. Niniejszy artykuł wprowadza pojęcia Answer Engine Optimization (AEO) oraz Generative Engine Optimization (GEO) jako dwie dyscypliny wypełniające tę lukę i przedstawia cztery wymiary AI Visibility, które decydują o tym, czy Twoja marka zostanie wymieniona: zapamiętywalność, spójność przekazu, struktura treści oraz postrzeganie wartości.

Daniel Homenko

150 zapytań w Walentynki 2026 w trzech modelach AI ujawnia, że 70% rekomendacji marek jest przypisanych do jednej płci. Gemini wymienia 11,4 marki na odpowiedź, w porównaniu do 1,3 w przypadku Groka i 1,2 w przypadku OpenAI. Jedynie Away i Ember wykraczają poza silosy płci. Prompty o profilu żeńskim otrzymują teraz o 16,2% więcej marek niż te o profilu męskim, co stanowi odwrócenie sytuacji z okresu świątecznego.

Dmitrij Żatuchin

Przeanalizowaliśmy, co AI naprawdę sądzi o kupujących w ponad 500 branżach. Oto najważniejsze wnioski z największego opublikowanego dotychczas zbioru person zakupowych.

Dmitrij Zatuchin

15 000 person zakupowych opublikowanych na HuggingFace jako stratyfikowana próba pełnego zbioru danych liczącego 1 031 732 persony. Dostępny na licencji Apache 2.0. Plik Parquet o rozmiarze 8,9 MB obejmuje 25 branż. Stworzony, aby zweryfikować, co AI myśli o potrzebach Twoich klientów, oraz udowodnić metodologię stojącą za naszą komercyjną platformą analityczną.

Dmitrij Żatuchin

929 zapytań na trzech platformach AI w dwóch sezonach prezentowych dostarcza silnych dowodów statystycznych: AI traktuje marki różnie w zależności od płci, a kierunek uprzedzenia zmienia się sezonowo. Święta Bożego Narodzenia zmniejszają liczbę rekomendacji skierowanych do kobiet o 28-43%. Walentynki przynoszą niewielkie odwrócenie tego trendu na platformie Gemini, gdzie zapytania dotyczące kobiet otrzymują o 14,2% więcej marek. To samo AI. Ten sam zbiór marek. Kierunek zależny od kontekstu.

Dmitrij Żatuchin

Pięć pytań. 60 sekund. Wynik od 0 do 100, który mówi dokładnie, dlaczego AI pomija Twoją markę. Kalkulator mierzy pięć wymiarów behawioralnych na tle rzeczywistych danych branżowych z 1 031 732 person kupujących. Średni wynik to 28,6. Większość marek nie zna swojego.

Dmitrij Żatuchin

Sklasyfikowaliśmy branże pod kątem gotowości na AI na podstawie 1 031 732 person zakupowych. Branże z oceną A są nasycone: każdy konkurent wie już, jak wygrywać. Branże z oceną C stoją otworem. Playbook dla nich dopiero czeka na napisanie. Wynik Twojej branży przewiduje, która strategia zadziała.

Dmitrij Żatuchin

Przeanalizowaliśmy 1 031 732 rzeczywiste persony kupujących wygenerowane przez AI i stworzyliśmy narzędzie pokazujące różnicę między Twoją zakładaną grupą odbiorców a grupą zakładaną przez AI. Ta różnica decyduje o tym, czy AI rekomenduje Twoją markę.

Dmitrij Żatuchin

Uruchomiliśmy rankfor.ai i w ciągu 60 dni uzyskaliśmy dokładne wzmianki w ChatGPT, Claude, Gemini oraz Perplexity. Oto dokładny plan działania, który zastosowaliśmy.

Daniel Homenko

Trzy sygnały w jednym tygodniu: Google ukarał autopromocyjne listy (spadek widoczności marek SaaS o 34-49%) i zmniejszył limity indeksowania o 86,7%, a Ahrefs wykazał, że 44% cytowań w ChatGPT pochodzi właśnie z takich zestawień. Google się kurczy, AI się rozrasta. Materiał zawiera instrukcję 5-minutowego audytu marki oraz strategię dwutorową ułatwiającą poruszanie się w obu systemach odkrywania.

Dmitrij Żatuchin

Historia tego, jak nagrodzona praca studencka z 2011 roku na temat analizy struktury stron internetowych ewoluowała w metodologię stojącą za nowoczesnym pomiarem AI Visibility.

Dmitrij Żatuchin

Oto sprawdzony proces zamykania transakcji sprzedaży usług widoczności w AI. Poznaj czteroetapowy proces: zbadaj stronę klienta, uruchom skanowanie w Rankfor.AI, przeanalizuj persony oraz terytoria, a na koniec zadaj strategiczne pytania.

Rankfor.AI

Sposób postrzegania Twojej marki przez AI wykracza poza prosty podział na obecność i jej brak. Istnieje 8 odrębnych stanów, od Niewidocznej do Lidera Kategorii, a każdy wymaga innej strategii. Ten artykuł wyjaśnia system klasyfikacji stojący za AI Visibility Score oraz sposób, w jaki wzorce metryczne określają diagnozę strategiczną.

Dmitrij Żatuchin

To historia o tym, jak jako założyciel GreenMuru odkryłem, że moja własna strona internetowa o pielęgnacji trawników potajemnie przekonywała sztuczną inteligencję, że zajmuję się bananami. Miałem pełną kontrolę nad tym, co widzieli ludzie — i zerową nad tym, w co wierzyła sztuczna inteligencja. Oto czego nauczyłem się o luce między Twoją stroną internetową a Twoją reputacją w oczach AI.

Daniel Homenko

Wyszukiwanie nadal istnieje, ale przestało być miejscem podejmowania decyzji. Tradycyjne SEO opierało się na założeniu, że wysoka pozycja gwarantuje odkrycie. AI działa zupełnie inaczej. Ten artykuł ekspercki wyjaśnia, dlaczego widoczność AI jest ważna, i przedstawia jej cztery wymiary: Obecność, Trafność, Użyteczność i Zaufanie.

Dmitrij Żatuchin

Zadaliśmy 480 zapytań na trzech platformach AI. Zgodność między modelami w zakresie rekomendacji marek wyniosła zaledwie 10-45%. Zidentyfikowaliśmy 26 marek zablokowanych według płci, odkryliśmy, że tylko LEGO i Disney osiągają powszechną widoczność, oraz ustaliliśmy, że AI poleca o 41% mniej marek w zapytaniach dotyczących żony niż w zapytaniach dotyczących męża.

Rankfor.AI Research Team

29 grudnia 2025 roku zebraliśmy 239 odpowiedzi od Gemini 3 Flash Preview, GPT-5.2 i Grok-4-1-fast-reasoning na trzy pytania o prezent (mąż, żona, 2025), powtarzane w przebiegach po 10, i policzyliśmy wzmianki o 95 znanych markach konsumenckich. Zmierzyliśmy częstość wzmianek o markach, zmienność między powtarzanymi odpowiedziami i nakładanie się marek między modelami. Wyniki opisują te wersje modeli z tamtego dnia.

Rankfor.AI Research Team

Niniejsze badanie rozszerza analizę spójności marek w LLM dla różnych promptów poprzez wprowadzenie neutralnego płciowo zapytania o „partnera” w celu wyizolowania efektów biasu płci. Porównując cztery warianty promptów na łącznej próbie 299 zapytań, przedstawiamy wyraźne dowody na stronniczość rekomendacji marek w LLM ze względu na płeć. Główne odkrycie: Kindle pojawił się w 100% iteracji dla żon oraz partnerów, ale w 0% iteracji dla mężów.

Rankfor.AI Research Team

Twoja marka zajmuje 1. miejsce w Google, ale ChatGPT nigdy o Tobie nie wspomina. To kryzys „Zero-Click” – 60% wyszukiwań kończy się bez kliknięcia. Oto dlaczego AI Attention Management to nowa warstwa przewagi konkurencyjnej.

Dmitrij Żatuchin

Każdego dnia marketerzy marnują godziny, próbując „nauczyć” ChatGPT wszystkiego o swojej marce. Technicznie jest to niemożliwe. Oto dlaczego – oraz strategia, która faktycznie działa.

Dmitrij Żatuchin

Wyszukiwania zero-kliknięć wzrosły z 26% do 60% w latach 2022-2024, a Google AI Overviews zmniejszyły liczbę kliknięć o 34,5% na zapytanie – zagrażając 2 miliardom dolarów przychodów wydawców i powodując 37% spadek liczby ofert pracy w SEO. Jednak użytkownicy wyszukiwania AI konwertują 23 razy skuteczniej niż ruch organiczny, co pokazuje, że tradycyjne metryki ruchu nie przewidują już wyników biznesowych. Zmiana ta wymaga ewolucji od pozyskiwania ruchu do budowania wpływu, z sukcesem mierzonym poprzez AI visibility, wzmianki o marce w odpowiedziach LLM oraz jakość konwersji, a nie liczbę kliknięć.

Dmitrij Żatuchin

73% marek znajdujących się w pierwszej dziesiątce wyników Google nie pojawia się, gdy narzędzia AI rekomendują rozwiązania, ponieważ systemy AI wymagają ustrukturyzowanych danych o relacjach między możliwościami a problemami klientów – a nie tylko treści zoptymalizowanych pod kątem słów kluczowych. Firmy takie jak HubSpot osiągają 80% ROI, czyniąc swoją wiedzę czytelną dla maszyn dzięki połączonym mapom treści, które pokazują, jak funkcje, przypadki użycia i wyniki są ze sobą powiązane. Marki, które już teraz optymalizują się pod kątem AI Visibility Score, odnotowują o 40% wyższy wskaźnik wzmianek w ciągu 90 dni, podczas gdy konkurenci, którzy zwlekają, stają się coraz bardziej niewidoczni w najszybciej rozwijającym się kanale odkrywania informacji.

Dmitrij Żatuchin

60% wyszukiwań w Google kończy się obecnie bez kliknięcia, ponieważ AI dostarcza bezpośrednie odpowiedzi w wynikach wyszukiwania i interfejsach czatów. Tradycyjne SEO optymalizuje pod kątem rankingów, ale AI Visibility wymaga optymalizacji pod kątem rekomendacji — zapewnienia, że systemy AI rozumieją i cytują Twoją markę, gdy potencjalni klienci zadają pytania zakupowe. To przejście od Search Engine Optimization (SEO) do Generative Engine Optimization (GEO) wymaga nowych wskaźników, strategii treści strukturalnych oraz skupienia się na autorytecie semantycznym zamiast na rankingach słów kluczowych.

Dmitrij Żatuchin

How Rankfor.AI processes personal data in its published AI visibility research, and what you can ask us to do about it. Published under GDPR Article 14(5)(b). Names come from public professional profiles, no individual is named in any paper or public dataset, and the identifying list is never published. Access, correction, deletion and objection all run through dpo@rankfor.ai.

llms.txt is spreading fast on GitHub, up about nine times in six months, but the largest checks so far show no link between having the file and being cited by AI (p = 0.85 across ~300,000 domains). Most of the surge is documentation tooling auto-emitting the file, not deliberate adoption. The verdict: folklore. It does no harm, it does not earn citations, and it can quietly replace the work that does.

Dmitrij Żatuchin