Cytowania strony w AI: producent wapna źródłem we wszystkich zapytaniach

To trzecia część case'u rodzinnego producenta wapna budowlanego i nawozowego z województwa łódzkiego, działającego od 1992 roku. Pierwsza, Z 0 do 17 wzmianek w AI w pięć tygodni, opisuje pomiary z czerwca i lipca oraz zmiany na stronie, które je dzieliły. Druga, Model AI po raz pierwszy poleca markę, pokazuje wrześniowy pomiar i pierwszą rekomendację. Tu zbieramy natomiast wyniki skanów z 10 i 14 października.

Jak zmieniły się cytowania strony w AI od czerwca?

Wskaźnik cytowań rósł w każdym pomiarze, a w październiku doszedł do pełnego wyniku i utrzymał go w dwóch kolejnych skanach: 10 i 14 października.

Źródło: skany Aelo w czterech modelach: ChatGPT, Claude, Gemini i Perplexity. Dane publikujemy za zgodą klienta.

Wszystkie skany korzystały z tego samego zamrożonego zestawu zapytań: 18 pytań o wapno budowlane, wapno nawozowe, dostawy i producenta z regionu. Pytania zadawaliśmy bez nazwy marki, czyli w neutralnym skanie. Poza tym w tabeli pokazujemy tylko metryki, które da się zestawić we wszystkich pomiarach. Sposób liczenia opisuje metodologia.

Co znaczy, że strona jest cytowana we wszystkich zapytaniach?

Przy każdym z 18 pytań przynajmniej jeden model podał domenę producenta jako źródło swojej odpowiedzi. Wzmianka znaczy tylko tyle, że model nazwał markę. Cytowanie znaczy natomiast, że oparł odpowiedź na treści z jej strony i pokazał link.

W tej kategorii ma to duże znaczenie, bo modele prawie zawsze sięgają po źródła. Na przykład w październikowym pomiarze źródło podała 71 z 72 odpowiedzi (99%). Klient, który pyta AI o wapno budowlane albo nawozowe, dostaje odpowiedź z linkami, a strona producenta jest jednym z nich przy każdym pytaniu.

Wskaźnik cytowań liczymy wobec wszystkich fraz z pomiaru, nie tylko tych, przy których model cokolwiek cytuje. Więcej o tym, czym różnią się obie metryki i jak je sprawdzić ręcznie, piszemy w tekście Jak sprawdzić, czy AI poleca Twoją markę.

Które źródło AI cytuje najczęściej przy pytaniach o wapno?

Stronę producenta, wapiennikweze.pl. Modele cytowały ją przy 18 różnych frazach, a kolejne domeny w tej kategorii najwyżej przy 9. To zatem dwa razy częściej niż następne źródło, wśród którego są serwisy rolnicze, ogłoszeniowe i strony innych producentów.

Taką pozycję dały istniejące treści, uporządkowane w pierwszej części case'u: zapis zgodności z normą, parametry produktu i sygnał „producent” na podstronach lokalnych. Co więcej, w październikowym audycie strona dostała ocenę bardzo dobrego stanu technicznego i gotowości do cytowania. Tematy zakupowe są pokryte na tyle, że kolejne podstrony groziłyby już kanibalizacją fraz. Ten sam mechanizm widać w case'ie studia graficznego, opisanym w tekście Polecenie w czatach AI po 5 miesiącach: case Click Made: cytowania strony wzrosły tam z 0% do 75%.

Dlaczego modele wybierają jedne źródła, a pomijają inne, rozkładamy w artykule Jak czaty AI wybierają marki, które polecają.

Przy jakich pytaniach marka wypada najlepiej?

Przy wapnie budowlanym zgodnym z normą PN-EN 459-1 i przy własnym produkcie, wapnie hydratyzowanym „Jurajskie Białe”. Te frazy mają najwyższe wyniki widoczności w całym zestawie:

Wynik frazy łączy obecność marki w odpowiedziach czterech modeli i jej miejsce na liście (skan z 14 października 2026).

Najważniejsze są tu dwie frazy z nazwą produktu. W czerwcu modele znały nazwę „Jurajskie Białe”, ale traktowały ją jak rodzaj wapna, a nie produkt konkretnej firmy. Fraza łącząca produkt z ceną i producentem miała przy tym najsłabszy wynik. Dziś obie są w czołówce, czyli model wie, czyj to produkt.

Jak marka wypada na tle konkurentów?

Wapiennik „Węże” pojawia się w odpowiedziach na wszystkie 18 zapytań. Dwaj konkurenci, których klient sam wskazał przy zakładaniu marki, pojawiają się w 33% i 17% zapytań.

Czytamy to wobec tego samego zestawu fraz, więc różnica jest bezpośrednia: w każdym zapytaniu, w którym pojawia się którykolwiek z tych konkurentów, pojawia się też producent z Działoszyna. ChatGPT i Claude podają także jego nazwę w każdej odpowiedzi.

Nazw konkurentów nie publikujemy. Jak porównywać się z konkurencją w odpowiedziach AI i dlaczego to inna miara niż pozycja w Google, wyjaśnia tekst Widoczność w AI a SEO.

Co dalej, żeby AI częściej polecało markę?

Wrześniowa rekomendacja marki w AI się utrzymała: jeden z czterech modeli nadal sam wskazuje producenta jako dobry wybór. Żeby polecały go kolejne, potrzebne są potwierdzenia spoza własnej strony, bo strona swoją rolę już spełnia.

Modele szukają bowiem niezależnych źródeł, które powiedzą o marce to samo co ona o sobie. W tym przypadku plan obejmuje:

• publikacje eksperckie w mediach budowlanych i rolniczych,
• obecność w poradnikach i zestawieniach, z których modele biorą listy polecanych producentów,
• opinie klientów w niezależnych serwisach, nie tylko w Profilu Firmy w Google.

Te zadania czekają w module Tickets, a materiały do nich przygotowujemy w Studio. Stan, w którym model zna markę, ale jej nie poleca, opisujemy szerzej w tekście Zna, ale nie poleca. Efekty działań poza stroną pokażemy w kolejnej części case'u.

Jak sprawdzić cytowania strony w AI dla własnej marki?

Najprościej na koncie Free w Aelo: jedna marka, pomiar w czterech modelach i pełny raport z cytowaniami, wzmiankami i konkurencją. Mierzymy, czy modele Cię wymieniają, pokazujemy, co blokuje rekomendację, układamy plan działań i przygotowujemy materiały, żeby go wykonać. Co z tego wchodzi, decydujesz jednak Ty.

Co obejmuje darmowe konto, opisujemy w tekście Bezpłatny pomiar widoczności marki w AI: konto Free. Agencje, które chcą prowadzić taki pomiar dla kilku klientów, znajdą szczegóły na stronie Aelo dla agencji, a firmy działające na własną rękę na stronie Aelo dla małych firm. Szerszy obraz tematu daje przewodnik Widoczność marki w AI.

Wypróbuj za darmo

FAQ

Źródła

• Skany Aelo z 24 czerwca, 27 lipca, 10 września, 10 i 14 października 2026: 18 zapytań w czterech modelach (ChatGPT, Claude, Gemini, Perplexity).
• Pełny raport widoczności marki z 14 października 2026.
• Wcześniejsze części case'u: część pierwsza i część druga.