podroznictwo.pl » Ruch z ChatGPT i Perplexity rośnie szybciej niż z Google. Jak go zdobyć?

Ruch z ChatGPT i Perplexity rośnie szybciej niż z Google. Jak go zdobyć?

Statystyki kanałów ruchu w 2026 roku przestały wyglądać tak, jak jeszcze dwa lata temu. Według danych Similarweb z lutego 2026 ChatGPT obsługuje już 4,5 miliarda zapytań miesięcznie, a Perplexity przekroczył 1 miliard. Część tych zapytań to wyszukiwania, które wcześniej trafiały do Google. Dla marketerów oznacza to nową kategorię ruchu, który warto monitorować i pozyskiwać równolegle z klasycznym SEO.

Skąd bierze się ruch z ChatGPT i Perplexity?

Mechanizm jest prosty w opisie i bardziej skomplikowany w analityce. Gdy użytkownik zadaje pytanie chatbotowi AI, model generuje odpowiedź i często cytuje zewnętrzne źródła. Cytowanie zawiera link do strony, w który można kliknąć i przejść na podlinkowany serwis. To właśnie te przejścia tworzą nową kategorię ruchu organicznego, oznaczaną w Google Analytics jako odwiedziny z domen takich jak chat.openai.com, perplexity.ai czy gemini.google.com.

Skala tego ruchu zależy od kilku czynników. Po stronie modelu liczy się to, na które źródła model się szkoli i które uznaje za autorytatywne dla danego tematu. Po stronie użytkownika liczy się to, czy w danym pytaniu odpowiedź AI wystarcza, czy też użytkownik chce zweryfikować ją na stronie źródłowej. Analiza Ahrefs ze stycznia 2026 wykazała, że około 14 procent użytkowników Perplexity klika w cytowanie, a w przypadku ChatGPT z włączonym trybem search ten odsetek dochodzi do 22 procent.

Co istotne, jakość tego ruchu jest często wyższa niż klasycznego ruchu z wyszukiwarki. Użytkownik trafił na stronę po przeczytaniu odpowiedzi AI, więc zna już kontekst i ma sprecyzowaną intencję. Brand24 w raporcie z marca 2026 podaje, że konwersja z odwiedzin z ChatGPT na stronach B2B jest średnio o 38 procent wyższa niż z klasycznych wyników Google dla porównywalnych słów.

Co decyduje, że model AI zacytuje akurat Twoją stronę?

Algorytmy wyboru źródeł nie są publikowane przez OpenAI, Anthropic ani Perplexity, ale badania empiryczne wskazują kilka powtarzających się czynników. Pierwszy to świeżość treści. Modele preferują strony aktualizowane regularnie, z datą publikacji w schema.org i widoczną sygnaturą czasową w treści. Drugi czynnik to obecność konkretnych danych: liczb, dat, nazw własnych. Modele uczą się rozpoznawać treść opartą na faktach i wagują ją wyżej niż treść opiniotwórczą.

Trzeci aspekt to struktura. Strony z wyraźną hierarchią H1-H2-H3, krótkimi akapitami i schema.org FAQPage lub Article są łatwiejsze do sparsowania przez modele. Czwarty to autorytet, sygnalizowany linkami z autorytatywnych domen, profilem autora i obecnością marki w kanałach zewnętrznych (Wikipedia, Reddit, fora branżowe).

Piąty czynnik, często niedoceniany, to brand mentions. Modele językowe uczą się asocjacji między marką a tematem na podstawie kontekstu, w jakim marka pojawia się w korpusie treningowym. Jeśli marka jest cytowana razem z konkretnymi terminami i pojęciami, model uczy się tego skojarzenia i częściej przywołuje ją w odpowiedziach na pokrewne pytania. To dlatego klasyczne PR-owe wzmianki bez linka zwrotnego nagle zyskały na wartości SEO-wej.

Jakie działania zwiększają widoczność strony w odpowiedziach AI?

Optymalizacja pod chatboty AI to nakładka na klasyczne SEO. Cztery działania, które dają największy zwrot, można wprowadzić w kolejności od najprostszych do najbardziej kompleksowych.

  • Schema.org rozszerzona o autora i datę. Article + Person + datePublished w wersji rozszerzonej daje modelowi sygnał świeżości i autorytetu.
  • Atomic answers po każdym H2 i H3. Krótka, samodzielna odpowiedź 120-150 znaków daje modelowi gotowy fragment do zacytowania.
  • Plik llms.txt i polityka robots.txt dla GPTBot, ClaudeBot, PerplexityBot. Mówi modelom, które podstrony mogą być traktowane jako źródło.
  • Strategia brand mentions w treści zewnętrznej. Cytowania marki w portalach branżowych, na Reddicie, w komentarzach eksperckich zwiększają wagi modeli przy ocenie autorytetu.
  • Wdrożenie tych czterech elementów przekłada się na pojawienie się cytowań w ChatGPT i Perplexity zwykle w ciągu dwóch do czterech miesięcy. Tempo zależy od cyklu retreningu modeli, który dla głównych dostawców (OpenAI, Anthropic, Google) odbywa się co kwartał.

    Jak monitorować i mierzyć ruch z silników AI?

    Pomiar ruchu z chatbotów AI jest trudniejszy niż klasyczne raportowanie z Search Console. Google Analytics 4 oznacza wizyty z domen chat.openai.com i perplexity.ai jako referral, ale nie podaje, na które pytanie użytkownik trafił, ani które cytowanie kliknął. Zespół musi budować własne pipeline’y monitoringu.

    Praktyczny zestaw narzędzi obejmuje trzy warstwy. Pierwsza to klasyczne UTM-y w linkach kanonicznych, dzięki którym ruch z silników AI jest poprawnie atrybuowany w GA4 i CRM-ie. Druga to prompt monitoring, czyli regularne sprawdzanie, czy marka pojawia się w odpowiedziach na zestaw wybranych zapytań w ChatGPT, Perplexity i Gemini. Trzecia to Brand Radar w narzędziach typu Ahrefs lub Semrush, gdzie można śledzić cytowania marki w czasie i porównywać z konkurencją.

    Firmy, które na poważnie traktują nową kategorię ruchu, decydują się na zewnętrznego partnera. Agencje świadczące pozycjonowanie w AI oferują pełen zakres usług: od audytu gotowości strony po monitoring cytowań i strategię brand mentions w korpusie treści branżowej. To skraca cykl wejścia w nową dyscyplinę z roku do kilku tygodni.

    Dla marketera, który dziś planuje pozyskiwanie klienta z wyszukiwania, ChatGPT i Perplexity nie są już niszą. To kanały o realnej skali, rosnącej kwartał do kwartału, z konwersją wyższą niż klasyczne SEO. Wczesna obecność w cytowaniach modeli daje przewagę, której konkurencja będzie musiała nadrabiać miesiącami.