Jak przeprowadzić audyt GEO: monitoruj widoczność w wynikach wyszukiwania opartych na sztucznej inteligencji

Wprowadzenie

Większość zespołów marketingowych sprawdza swoją widoczność w AI w ten sam sposób: ktoś otwiera ChatGPT, wpisuje „najlepszy [kategoria] w [miasto]” i czyta odpowiedź. Jeśli marka się pojawia, wszyscy odetchną z ulgą. Jeśli nie, ktoś wpadnie w panikę na kanale Slacka. Tak czy inaczej, prawie nic się nie dowiedzieliśmy – pojedyncze zapytanie, uruchomione raz, na jednej platformie, to tylko anegdota.

Audyt GEO zastępuje tę anegdotę powtarzalnym pomiarem. GEO – generatywna optymalizacja silnika – to dziedzina zajmująca się zapewnieniem, by marka pojawiała się w sposób trafny w odpowiedziach generowanych przez sztuczną inteligencję. Niniejszy przewodnik przedstawia pięć etapów pełnego audytu: stworzenie stałego zestawu zapytań, konsekwentne uruchamianie go na różnych platformach, ocenianie odpowiedzi, mapowanie źródeł, na których opierają się te odpowiedzi, oraz ponowne uruchamianie zgodnie z harmonogramem. Na koniec uzyskasz punkt odniesienia, którego możesz bronić, oraz proces, który możesz powtórzyć w następnym miesiącu bez konieczności zaczynania od nowa.

Co faktycznie mierzy audyt GEO

Powód, dla którego warto potraktować to poważnie już teraz, jest prosty: odpowiedzi generowane przez sztuczną inteligencję po cichu stały się kanałem zakupowym. Potencjalni klienci, którzy kiedyś otwierali dziesięć niebieskich linków, teraz czytają jedną zsyntetyzowaną odpowiedź i podejmują na jej podstawie działanie. Marki obecne w tej odpowiedzi dzielą między siebie popyt; wszyscy inni dzielą to, co pozostało. Większość firm nie ma pojęcia, po której stronie tej granicy się znajduje.

Zanim przejdziemy do poszczególnych kroków, warto precyzyjnie zdefiniować jednostki miary, ponieważ nie są to rankingi.

Audyt GEO mierzy cztery rzeczy. Po pierwsze, wzmianka: czy asystent w ogóle wymienia nazwę Twojej marki, gdy kupujący zadaje pytanie typowe dla Twoich klientów? Po drugie, cytat: czy odsyła do Twojej strony internetowej, czy do strony kogoś innego, gdy przedstawia informacje na Twój temat? Po trzecie, opis: czy to, co mówi o Tobie, jest zgodne z prawdą – Twoja kategoria, lokalizacja, przedział cenowy, podstawowa usługa? Po czwarte, zależność od źródeł: na jakich stronach zewnętrznych opiera się asystent, formułując odpowiedź, i czy te strony mówią to, co chciałbyś, aby mówiły?

Te cztery elementy działają niezależnie. Marka może być wszędzie wymieniana, a nigdzie cytowana. Może być cytowana i źle opisana. Może być dobrze opisana, ponieważ jedna nieaktualna strona z recenzjami akurat w tym kwartale jest dla niej pochlebna. Uśrednienie tego wszystkiego w jeden „wynik AI” ukrywa problemy, które najbardziej musisz dostrzec. Rozdziel te cztery elementy, a audyt stanie się diagnostyczny: każdy rodzaj niepowodzenia wymaga innego rozwiązania.

Jeszcze jedna rzecz, co do której należy się zgodzić przed rozpoczęciem: audyt jest migawką zmieniającego się systemu. Modele są aktualizowane, źródła wyszukiwania ulegają zmianom, a odpowiedzi się zmieniają. Wartość nie leży w pojedynczym przebiegu, ale w ponownym przeprowadzeniu identycznego testu w późniejszym terminie i zaobserwowaniu różnicy. Wszystko w poniższych krokach ma na celu sprawienie, by to powtórzenie było tanie i rzetelne.

Krok 1: Stwórz stały zestaw pytań

Podstawą audytu jest panel zawierający od 20 do 30 pytań sformułowanych w sposób, w jaki mówią prawdziwi nabywcy, a nie w sposób, w jaki mówi Twój zespół marketingowy. Jest to trudniejsze, niż się wydaje, ponieważ zespoły wewnętrzne nieuchronnie tworzą pytania zawierające słownictwo charakterystyczne dla ich marki – którego żaden nabywca nie używa, a co sprawia, że audyt traci sens.

Dobry zestaw pytań łączy pięć rodzajów pytań. Pytania kategoryczne: „Które agencje w Dżakarcie zajmują się generatywną optymalizacją wyszukiwarek?”. Pytania problemowe: „Dlaczego ChatGPT nigdy nie wspomina o mojej firmie?”. Pytania porównawcze: „Porównaj trzy najlepsze opcje dla X”. Pytania lokalne lub specyficzne dla danego języka, w każdym języku, którego faktycznie używają Twoi klienci. Oraz pytania specyfikacyjne, które wymieniają funkcję, przedział cenowy lub wymaganie, ponieważ są to pytania najbliższe decyzji o zakupie. Pomocne jest tu narzędzie do badania słów kluczowych: zapytania, które ludzie już wpisują w Google, stanowią najlepszy materiał wyjściowy dla pytań, jakie będą wpisywać do asystenta.

Oto jak wygląda niewielki fragment prawdziwego panelu dla marki usług B2B:

• „Które agencje GEO są najlepsze dla średniej wielkości firmy e-commerce?” – „Ile kosztuje audyt GEO i co powinien obejmować?” - „Czy [marka] czy [konkurent] jest lepszy pod kątem międzynarodowego SEO?” - „Agencja cyfrowa w Dżakarcie znająca się na wyszukiwaniu opartym na sztucznej inteligencji?” (ten sam zamiar, w innym języku kupującego) - „Dlaczego Perplexity poleca [konkurenta], a nie [markę]?”

Zwróć uwagę, że żadne z nich nie zawiera sloganu marki, nazw produktów ani terminologii wewnętrznej. O to właśnie chodzi.

Trzy zasady zapewniają rzetelność panelu. Pytania należy formułować na podstawie rozmów sprzedażowych i zgłoszeń do pomocy technicznej, a nie burzy mózgów – sformułowania, których kupujący używają w rozmowie ze sprzedawcą, są tymi samymi, których użyją w rozmowie z asystentem. Należy uwzględnić kilka pytań, w których wiadomo, że należy wygrać, oraz kilka, w których spodziewa się porażki; panel, w którym wygrywa się wszystkie pytania, nie dostarcza żadnych informacji. Należy też zamrozić listę. Najczęstszym powodem niepowodzenia takich audytów jest ciche zastępowanie co miesiąc pytań łatwiejszymi, co sprawia, że każda linia trendu idzie w górę. Uzgodnijcie skład panelu raz, zapiszcie go, udostępnijcie interesariuszom i nie zmieniajcie go między kolejnymi rundami.

Krok 2: Przeprowadzaj badanie na różnych platformach, zachowując spójność

Przeprowadź każde pytanie na każdej platformie, z której korzystają Twoi klienci. Dla większości dzisiejszych marek oznacza to ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity, Copilot, Claude i Grok – ale niech o tym zdecydują Twoje własne analizy i baza klientów, a nie przyzwyczajenia.

Spójność ma większe znaczenie niż zasięg. Używaj czystej sesji dla każdej platformy: bez personalizacji wynikającej z logowania, jeśli można tego uniknąć, bez niestandardowych instrukcji, z tymi samymi ustawieniami lokalizacji i języka przy każdym uruchomieniu. Udokumentuj te ustawienia raz i wykorzystuj je ponownie, ponieważ wpływają one na odpowiedzi. Każde pytanie uruchamiaj trzy razy na każdej platformie, a nie tylko raz – pojedyncze uruchomienie może ci schlebiać lub przerażać, a trzy uruchomienia ujawniają, jak stabilna jest faktycznie odpowiedź. Jeśli pytanie zwraca twoją markę dwa razy na trzy uruchomienia, to jest to inny wynik niż trzy na trzy.

Nie pomijaj języków. To samo pytanie w języku angielskim i w bahasa indonezyjskim może dać dwie zupełnie różne listy kandydatów, ponieważ źródła, z których modele pobierają dane, różnią się w zależności od języka. Każda marka sprzedająca na rynku obsługującym więcej niż jeden język w praktyce przeprowadza jeden audyt na każdy język.

Rejestruj wszystko na bieżąco: pytanie, platformę, numer uruchomienia, datę, pełny tekst odpowiedzi lub zrzut ekranu. Prowadzenie dziennika wydaje się żmudne w pierwszym tygodniu, ale w trzecim miesiącu staje się najcenniejszym dokumentem, jaki posiadasz, gdy ktoś zapyta, dlaczego dana liczba uległa zmianie.

Wystarczy prosta struktura dziennika. Jeden wiersz na jeden przebieg, z kolumnami na datę, platformę, identyfikator pytania, numer przebiegu, wzmiankę (tak/nie), ewentualny cytowany adres URL, streszczenie opisu, widoczne źródła oraz link do pełnej odpowiedzi. Na tym etapie arkusze kalkulacyjne przewyższają pulpity nawigacyjne; format ulegnie zmianie, gdy dowiesz się, o co faktycznie pytają Twoi interesariusze, a arkusz kalkulacyjny łatwo dostosowuje się do zmian.

Krok 3: Ocenianie wzmianek, cytatów i opisów

Dla każdej odpowiedzi zapisz cztery pola.

Wzmianka: czy wymieniono nazwę marki – tak czy nie. Cytat: czy odpowiedź zawierała link do Twojej witryny, a jeśli zawierała link gdziekolwiek, to gdzie. Opis: krótka notatka na temat tego, jak scharakteryzowano markę – kategoria, lokalizacja, pozycjonowanie, przedział cenowy. Źródła: na jakich zewnętrznych stronach w widoczny sposób opierała się odpowiedź, tam gdzie platforma je pokazuje.

Na szczególną uwagę zasługują dwa wzorce. Wzmianka bez odnośnika oznacza, że model zna Twoją nazwę, ale nie powiązał jej z Twoimi własnymi źródłami – zazwyczaj jest to oznaka, że Twoja strona nie jest najlepszą odpowiedzią na zadane pytanie. Odnośnik z błędnym opisem jest gorszy od obu powyższych przypadków: asystent z przekonaniem kieruje do Ciebie kupujących, jednocześnie podając błędne informacje o tym, czym się zajmujesz, gdzie się znajdujesz lub ile kosztujesz. Zespoły często nie doceniają tego zagrożenia. Asystent, który wymienia Twoją firmę, ale myli lokalizację, przedział cenowy lub podstawową usługę, wyrządza większą szkodę niż ten, który Cię pomija, ponieważ powoduje rozczarowanie kupujących na dużą skalę.

Oprzyj się pokusie uśredniania wyników z różnych platform. Platformy zachowują się tak różnie, że średnia jest fikcją. W naszej pracy z klientami rutynowo obserwujemy, jak dana marka pojawia się w setkach przeglądów Google AI i odpowiedzi w trybie AI, podczas gdy ten sam panel pytań generuje zaledwie kilkadziesiąt wzmianek łącznie w Copilot, Perplexity, Gemini i ChatGPT. Marka, która zapozna się wyłącznie z łączną liczbą, uznałaby, że jej widoczność w AI jest „wszędzie średnia”, podczas gdy w rzeczywistości jest ona silna w wynikach Google, a niemal nieobecna w samodzielnych asystentach – są to dwa problemy wymagające zupełnie różnych rozwiązań.

Krok 4: Zidentyfikuj źródła, na których opierają się odpowiedzi

To właśnie ten krok przekształca pomiary w plan działania.

Gdy asystent podaje źródło twierdzenia dotyczącego Twojej kategorii, zapisz to źródło. W całym panelu zgromadzisz listę: platformy z recenzjami, artykuły porównawcze, katalogi branżowe, Wikipedię, wątki na Reddicie, relacje w mediach oraz własne zasoby. Ta lista stanowi rzeczywiste pole bitwy. Modele nie wymyślają opinii na temat marek; pobierają i kompresują to, co już znajduje się w sieci.

Przejrzyj listę źródeł, zadając sobie trzy pytania. Które z tych stron kontrolujemy – bezpośrednio lub poprzez relacje? Które strony są niedokładne, nieaktualne lub pomijają nas – i co trzeba zrobić, aby to naprawić? A które źródła pojawiają się w przypadku konkurencji, ale nie w naszym przypadku?

Praktyczny przykład: załóżmy, że pytanie porównawcze „najlepsze X dla Y” konsekwentnie opiera się na jednej znanej witrynie z recenzjami i jednym katalogu branżowym. Twojej marki nie ma na żadnej z nich; trzech konkurentów jest obecnych na obu. Audyt właśnie dostarczył ci konkretnej informacji – asystenci nie ignorują cię, tylko wiernie odzwierciedlają sytuację w sieci, w której nie ma cię na tych dwóch stronach, które mają znaczenie dla tego pytania. Rozwiązanie jest równie konkretne: zadbaj o rzetelną i aktualną obecność na tych dwóch stronach. Żadna zmiana treści na stronie głównej nie wpłynęłaby na tę odpowiedź.

To właśnie dlatego GEO i klasyczne SEO w końcu dzielą większość swoich narzędzi: źródła, które zajmują wysokie pozycje w rankingach, są zazwyczaj tymi, które są pobierane. Cyfrowy PR, artykuły gościnne w zaufanych publikacjach, dokładne wpisy w katalogach oraz recenzje od prawdziwych klientów to mało efektowna praca, która jednak jest dokładnie tym, co wpływa na odpowiedzi AI. Stanowi to również sedno tego, czym zajmujemy się w Arfadia dla marek budujących swoją obecność w wynikach wyszukiwania opartych na AI.

Krok 5: Popraw, a następnie uruchom ponownie zgodnie z harmonogramem

Audyt, który kończy się prezentacją slajdów, niczego nie zmienia. Przekształć wyniki w listę poprawek, uporządkowaną według priorytetów: najpierw popraw błędne opisy w źródłach o wysokim autorytecie, następnie buduj obecność w źródłach, które generują odpowiedzi w danej kategorii, a potem wzmacniaj własne strony, aby stały się najlepszą dostępną odpowiedzią na pytania, które powinny należeć do Ciebie.

Następnie ponownie uruchom identyczny zestaw testów – te same pytania, te same platformy, te same ustawienia, te same trzy przebiegi – w ustalonym rytmie. W przypadku większości marek wystarczy co miesiąc; co kwartał to minimum. Porównuj wyniki poszczególnych przebiegów, platformę po platformie, wskaźnik po wskaźniku. Nie chodzi o to, by liczba rosła. Szukasz zmian w konkretnych odpowiedziach: pytania porównawczego, które teraz obejmuje Twoją markę, opisu, który w końcu jest dokładny, odpowiedzi Perplexity, które teraz powołują się na Twoją stronę zamiast na recenzję sprzed trzech lat.

Wcześnie ustal oczekiwania z interesariuszami: zmiany w odpowiedziach AI następują z opóźnieniem od tygodni do miesięcy w stosunku do wykonanej pracy, ponieważ modele i ich warstwy wyszukiwania aktualizują się według własnych harmonogramów. Brak zmian w pierwszym ponownym uruchomieniu po miesiącu poprawek jest normalny i nie stanowi werdyktu.

Na osobny akapit zasługuje kwestia raportowania. Interesariusze przyzwyczajeni do raportów SEO będą prosić o odpowiednik narzędzia do śledzenia pozycji w AI: jedną liczbę, która rośnie. Daj im coś lepszego – krótki raport dla każdej platformy, z czterema oddzielnymi wskaźnikami, dwoma lub trzema dosłownymi fragmentami odpowiedzi oraz listą poprawek wraz z ich statusem. Dosłowne fragmenty odpowiedzi bardziej wzmacniają wiarygodność niż jakikolwiek wykres, ponieważ nikt nie kwestionuje zrzutu ekranu przedstawiającego asystenta, który błędnie opisuje Twoją firmę.

Pomocne jest również równoległe prowadzenie klasycznych pomiarów SEO, a nie zastępowanie ich. Pozycje w wynikach wyszukiwania, ruch organiczny i widoczność w AI odpowiadają na różne pytania: gdzie znajdujesz się na stronach wyników oraz co maszyny mówią o tobie, gdy zostaną o to bezpośrednio zapytane. Te dwa elementy w coraz większym stopniu dzielą się danymi wejściowymi, więc śledzenie ich równolegle – pozycje słów kluczowych w narzędziu do śledzenia pozycji oraz wzmianki i cytaty w dzienniku audytu – pokazuje, który czynnik wpłynął na dany wynik.

Czy można zautomatyzować audyt GEO?

Częściowo. Uruchamianie panelu i rejestrowanie odpowiedzi można zautomatyzować, a w przypadku dużych paneli powinno się to zrobić – te same narzędzia SEO do wyszukiwania oparte na sztucznej inteligencji, które śledzą widoczność, mogą zaplanować przebieg testów. Analiza odpowiedzi nie powinna być zautomatyzowana, a przynajmniej nie w całości: ocena, czy opis zawiera subtelne nieścisłości – właściwa usługa, niewłaściwy rynek; właściwa cena, niewłaściwy poziom – nadal pozostaje zadaniem dla człowieka i to właśnie w tym obszarze kryją się najkosztowniejsze błędy. Rozsądnym rozwiązaniem jest automatyczne gromadzenie danych połączone z oceną dokonywaną przez człowieka, w tym samym stałym rytmie.

Typowe błędy, które po cichu rujnują audyty GEO

Większość nieudanych audytów kończy się niepowodzeniem z tych samych kilku powodów. Modyfikowanie zestawu pytań między kolejnymi przebiegami, co tworzy fałszywe wrażenie postępu. Testowanie jednej platformy – zazwyczaj ChatGPT – i uogólnianie wyników na całą „sztuczną inteligencję”. Przeprowadzanie testu tylko raz zamiast trzy razy i skupianie się na nieistotnych szczegółach. Traktowanie wzmianek jako sukcesu bez sprawdzania, czy opis był dokładny. Ignorowanie innych języków, a następnie wnioskowanie, że marka jest niewidoczna, podczas gdy jest ona po prostu niewidoczna w języku angielskim. Oraz uśrednianie wszystkich wyników w jedną ocenę, co ukrywa jedyne informacje, na podstawie których warto podjąć działania.

Wszystkie te błędy dotyczą procesu, a nie narzędzi. Można ich również łatwo uniknąć, dlatego zdyscyplinowany audyt ręczny przewyższa niedbały audyt automatyczny.

Ile czasu minie, zanim poprawki pojawią się w odpowiedziach AI?

Należy spodziewać się tygodni lub miesięcy, a nie dni. Strony własne można szybko ponownie zindeksować, ale źródła zewnętrzne, które napędzają większość odpowiedzi w poszczególnych kategoriach, aktualizują się według własnych harmonogramów, a zachowanie modelu podąża za nimi z opóźnieniem. To argument przemawiający za rozpoczęciem audytu już teraz, a nie za czekaniem: zbudowanie punktu odniesienia zajmuje tydzień, a każdy miesiąc bez niego to miesiąc dryfowania, którego nie widać.

Podsumowanie

Audyt GEO nie jest czymś efektownym. To stała lista pytań kupujących, starannie sprawdzana we wszystkich asystentach, z których korzystają Twoi klienci, analizowana pod kątem wzmianek, cytatów, opisów i źródeł, a następnie powtarzana w ten sam sposób w następnym miesiącu. Marki, które to robią, dowiadują się, na czym faktycznie stoją i co należy poprawić. Marki, które ograniczają się do wyrywkowych kontroli pojedynczych zapytań, opierają się na odczuciach zamiast na danych.

Tessar Napitupulu, założyciel i dyrektor generalny Arfadia.

Dziedzina ta jest na tyle młoda, że w większości kategorii nie ma jeszcze ustalonych punktów odniesienia – co oznacza, że pierwszy zespół w danej kategorii, który przeprowadzi rzetelny pomiar, zazwyczaj jako pierwszy odnotowuje poprawę. Dwie książki, które opublikowałem na ten temat – „Found Before They Search” poświęcona indonezyjskiemu krajobrazowi cyfrowemu oraz „Cited or Silent” dotycząca widoczności w GEO i AI – opierają się na tej samej przesłance, co niniejszy przewodnik: nie da się wygrać meczu, którego wyniku nie chcesz odczytać.

Stwórz panel, ustal jego skład, uruchom go i pozwól, by odpowiedzi wskazały ci, nad czym należy popracować.