Analiza źródeł AI6 min czytania
AutorKarol PiaseckiFounder TextRank.ai
Opublikowano
Czas czytania6 min czytania
Zaktualizowano

Jak może wyglądać profesjonalna analiza źródeł AI

Co odróżnia profesjonalną analizę źródeł AI od zrzutów z ChatGPT: metodologia, poziomy analizy, nazwane luki, priorytety, ponowny pomiar i czas pracy.

Zarząd prosi o „analizę widoczności w AI”. Po tygodniu dostaje prezentację: 30 zrzutów ekranu z ChatGPT, wykres udziału marek i wniosek „konkurencja jest częściej polecana, musimy tworzyć więcej treści”. Nikt nie wie, które treści, na które pytania ani dlaczego te, a nie inne. Za dwa miesiące nikt nie sprawdzi też, czy coś się zmieniło, bo nie zapisano warunków pierwszego pomiaru.

TextRank dostarcza analizę treści konkurencji i dostępnych źródeł AI, która wspiera audyt widoczności. Wynikiem jest konkretny plan: co zmienić na Twojej stronie, gdzie, dlaczego i w jakiej kolejności. Szerszy audyt może dodatkowo obejmować monitoring, przegląd techniczny oraz dane o ruchu i konwersjach.

Profesjonalną analizę źródeł AI poznasz po jednej cesze: każdą rekomendację da się prześledzić od pytania kupującego przez odpowiedź modelu i cytowane źródło do konkretnego fragmentu Twojej strony. Z tej cechy wynika cała reszta: metodologia, poziomy analizy, sposób zapisu i ponowny pomiar.

Dlaczego metodologia nie jest formalnością

Najlepszy przykład pochodzi z samej branży. Ahrefs w lipcu 2025 roku podał, że 76% stron cytowanych w Google AI Overviews jest w top 10 wyników. W marcu 2026 roku ta sama firma podała około 38%. Część różnicy autorzy przypisują zmianie sposobu wykrywania cytowań, a część zmianie modelu, który od stycznia 2026 roku napędza AI Overviews. Ahrefs uczciwie zaznacza, że liczb nie da się porównać wprost.

Jeśli tak zmienia się obraz w dużym badaniu, to w analizie jednej firmy różnice w dacie, sformułowaniu pytania czy trybie modelu potrafią całkowicie odwrócić wnioski. SparkToro i Gumshoe.ai pokazali, że ChatGPT i AI Google rzadziej niż raz na sto uruchomień zwracały tę samą listę marek. Rand Fishkin skrytykował przy tym narzędzia raportujące „pozycję w AI” jako mylące.

Z tego wynikają trzy wymogi metodologiczne:

  • Pytania wybrane z uzasadnieniem. Najlepiej z rozmów sprzedażowych, zgłoszeń wsparcia i pytań klientów, z przypisaną decyzją zakupową i stroną, która ma na nie odpowiadać. O doborze piszemy w poradniku jak wybrać prompty kupujących do audytu.
  • Zapisane warunki. Treść pytania, język, model, tryb, data, liczba powtórzeń.
  • Modele raportowane osobno. Średnia z ChatGPT i Gemini nie opisuje żadnego z nich.

Pięć poziomów analizy

Amatorska analiza kończy się na domenach: „cytują G2, Capterrę i stronę konkurenta X”. Profesjonalna schodzi niżej:

  1. Domena i typ źródła. Strona własna, konkurent, media, recenzje, dokumentacja, fora, wideo. Mówi, gdzie toczy się rozmowa o kategorii.
  2. Adres URL. Która konkretna strona: cennik, porównanie, artykuł, wątek.
  3. Encje. Jakie firmy, produkty, funkcje, standardy i systemy zewnętrzne nazywa źródło i jak opisuje relacje między nimi.
  4. Twierdzenia. Jakie konkretne stwierdzenia przenosi model do odpowiedzi: „wdrożenie trwa dwa tygodnie”, „integracja jest dwukierunkowa”.
  5. Fragmenty. Który akapit, wiersz tabeli lub odpowiedź FAQ zawiera to twierdzenie i czy działa bez kontekstu reszty strony.

Wnioski redakcyjne powstają na poziomach 4 i 5. Poziomy 1–3 mówią, gdzie szukać.

Nazwana luka zamiast ogólnej rady

Rada „dodaj więcej treści o integracjach” nie jest wynikiem analizy. Wynikiem jest nazwana luka z uzasadnieniem. Profesjonalny raport rozróżnia jej rodzaje:

Rodzaj lukiPrzykład
Brakujące pytanieStrona nie odpowiada, czy produkt działa z SSO przez Okta
Brakujący faktStrona mówi o „szybkim wdrożeniu”, źródła podają liczbę dni
Brakujący dowódTwierdzenie o zgodności z RODO bez linku do dokumentu
Niejasna encjaStrona pisze „nasza integracja” bez nazwy systemu
Nieużyteczny formatCeny tylko w grafice, warunki tylko w PDF-ie
SprzecznośćStrona i dokumentacja podają różne limity

Każda luka ma przypisaną decyzję: zachowaj fragment, przepisz go, dodaj dowód, przygotuj osobny materiał albo odłóż pytanie. Odkładanie też jest decyzją. Część pytań nie jest warta pracy, bo dominują w nich źródła, na które firma nie ma wpływu, albo pytanie jest daleko od zakupu.

Jak może wyglądać fragment raportu

Załóżmy firmę sprzedającą system do zarządzania flotą dla firm transportowych. Jedna pozycja profesjonalnego raportu mogłaby wyglądać tak:

- Pytanie: „System do zarządzania flotą z integracją tachografów dla firmy z 40 ciężarówkami” - Modele i data: ChatGPT z wyszukiwaniem i Gemini, 3 powtórzenia każdy, 14 października - Obserwacja: W 5 z 6 odpowiedzi przywołano stronę konkurenta A, za każdym razem za fragment o automatycznym odczycie danych z tachografów cyfrowych i liczbie obsługiwanych modeli urządzeń. - Twoja strona: Sekcja „Integracje” wymienia „tachografy” bez modeli, sposobu odczytu i częstotliwości. - Luka: brakujący fakt i niejasna encja. - Decyzja: przepisać sekcję, dodać listę obsługiwanych urządzeń i częstotliwość odczytu. Fakty potwierdza zespół produktu. - Priorytet: wysoki: pytanie blisko decyzji, zmiana na istniejącej stronie, fakty dostępne wewnętrznie. - Ponowny pomiar: te same pytania i modele 4 tygodnie po publikacji.

Taki zapis da się przekazać autorowi, ekspertowi i osobie zatwierdzającej bez dodatkowego spotkania.

Amatorska a profesjonalna analiza

ElementAnaliza amatorskaAnaliza profesjonalna
PytaniaWymyślone przez zespół, ogólneZ rozmów z klientami, przypisane do decyzji i strony
PomiarJedno uruchomienie, zrzut ekranuPowtórzenia, zapisane warunki, modele osobno
Jednostka analizyDomenaTwierdzenie i fragment
WynikWykres udziału lub jeden scoreNazwana luka z uzasadnieniem i decyzją
Rekomendacja„Twórz więcej treści”„Przepisz sekcję X, dodaj fakt Y potwierdzony przez Z”
WeryfikacjaBrakPonowny pomiar w podobnych warunkach
MetrykiWszystko w jednym wskaźnikuOsobno cytowanie, wzmianka, wizyta, zapytanie sprzedażowe

Najczęstsze problemy z analizami źródeł AI

Jeden wynik bez uzasadnienia. Score 62/100 nie mówi, co poprawić. Może pomagać w ustaleniu kolejności, ale nie zastępuje opisu luki.

Ranking pozycji w odpowiedziach AI. Przy tak dużej zmienności odpowiedzi pozycja na liście jest słabą miarą. Częstość pojawiania się w wielu odpowiedziach jest stabilniejsza.

Rekomendacje bez źródła faktu. Analiza zaleca dopisać „czas wdrożenia 7 dni”, choć nikt w firmie tego nie potwierdził. Fakt bez pokrycia trzeba oznaczyć i zweryfikować przed publikacją.

Przenoszenie wniosków z badań na konkretną firmę. Badanie GEO z Princeton pokazało, że skuteczność metod różni się między dziedzinami. Dane ogólne mówią, gdzie szukać, a nie co zadziała u Ciebie.

Brak oddzielenia cytowania od biznesu. Cytowanie w odpowiedzi, wizyta na stronie i zapytanie ofertowe to trzy różne zdarzenia. Google raportuje ruch z funkcji AI w Search Console razem z resztą ruchu z wyszukiwarki, więc atrybucja wymaga osobnej uwagi.

Ile trwa profesjonalna analiza bez narzędzi

Załóżmy 15 pytań, cztery modele i trzy powtórzenia. W naszej roboczej kalkulacji samo zbieranie odpowiedzi z metryczkami to około 15–20 godzin. Czytanie źródeł i wypełnianie kart fragmentów to kolejne 25–40 godzin. Porównanie ze stronami klienta, nazwanie luk i ustalenie priorytetów zajmuje 10–15 godzin, a przygotowanie raportu i omówienie go z zespołem jeszcze 5–10 godzin.

Razem daje to 55–85 godzin, czyli około dwóch tygodni pełnej pracy analityka albo trzech–czterech tygodni, gdy analiza dzieje się obok innych obowiązków. Ponowny pomiar po wdrożeniu zmian powtarza większą część tej pracy. To główny powód, dla którego firmy robią taką analizę raz i nie wracają do niej.

Jak TextRank realizuje ten standard

TextRank powstał po to, aby taki standard był dostępny bez kilku tygodni ręcznej pracy. Dla wybranego pytania kupującego zbiera odpowiedzi ChatGPT, Gemini, Claude i Grok oraz cytowane źródła, osobno dla każdego modelu, z zapisanym promptem i datą. Analizuje stronę na poziomie encji, twierdzeń i fragmentów i porównuje ją ze źródłami.

Raport zawiera to, co powyżej opisaliśmy jako profesjonalne minimum: odpowiedzi modeli, przywołane źródła, analizę strony fragment po fragmencie, nazwaną lukę i priorytetowy plan zmian. Każda rekomendacja ma prompt, uzasadnienie i następny krok. Raport można udostępnić albo wyeksportować do Markdown lub PDF, a po wdrożeniu powtórzyć audyt i porównać wyniki.

TextRank nie zastępuje decyzji zespołu. Nie potwierdza za Ciebie faktów o produkcie i nie obiecuje, że model zacznie polecać firmę. Zostawia zespołowi to, czego automatyzować nie warto: ocenę, co jest prawdą, i decyzję, co opublikować. Metodę opisujemy szczegółowo w dokumentacji, a przykład pełnej ścieżki od pytania do zmiany w tekście przykładowy audyt widoczności AI. Jeśli zaczynasz od samych cytowań, przeczytaj jak analizować treści, które cytuje ChatGPT.

Uruchom pierwszą analizę źródeł w TextRank.

Od analizy do zadania dla autora

Po porównaniu źródeł przygotuj zadanie z adresem strony, fragmentem do poprawy, brakującą informacją, uzasadnieniem i kryterium odbioru. Zobacz jak przekazać plan zmian po analizie treści konkurencji. Autor przygotowuje treść, ekspert zatwierdza fakty, a osoba z dostępem do strony publikuje poprawkę.