Jak mierzyć widoczność firmy w AI - KPI, share of voice i GA4

Każdy projekt optymalizacji pod sztuczną inteligencję prędzej czy później napotyka to samo pytanie. Skąd właściwie wiemy, że działania przynoszą efekt? W klasycznym SEO sprawa jest prosta, ponieważ pozycje i ruch organiczny widać w narzędziach. Gdy jednak chcesz mierzyć widoczność w AI, klasyczne raporty milczą. Odpowiedzi ChatGPT, Gemini czy Perplexity nie pojawiają się bowiem w standardowym Google Analytics.

Ta luka pomiarowa jest dziś jednym z największych wyzwań marketingu. Ruch z systemów AI rośnie szybko, ale w dużej części pozostaje niewidoczny. Narzędzia stworzono przecież dla ery klasycznej wyszukiwarki. Bez właściwych metryk łatwo zatem wpaść w pułapkę. Inwestujesz w GEO, lecz nie potrafisz udowodnić zwrotu z tej inwestycji.

Liczba wizyt z poleceń systemów AI wzrosła ponad trzykrotnie między wrześniem 2024 a wrześniem 2025. Największe przyspieszenie nastąpiło w pierwszej połowie 2025 roku.

W tym artykule pokazuję, jak mierzyć widoczność w AI w sposób uporządkowany. Wyjaśniam, które metryki naprawdę się liczą i jak liczyć share of voice. Pokazuję też, jak śledzić ruch z modeli AI w GA4 oraz dlaczego część tego ruchu znika z raportów.

Co to znaczy mierzyć widoczność w AI?

Kluczowa różnica wobec klasycznej analityki jest jedna. Duża część wartości powstaje, zanim ktokolwiek kliknie. Gdy model poleca Twoją firmę, użytkownik zapamiętuje markę nawet bez wejścia na stronę. Dlatego pomiar musi obejmować obie strony tego procesu. Liczy się to, co dzieje się w odpowiedzi modelu, oraz to, co następuje po ewentualnym kliknięciu.

To rozróżnienie wynika wprost z mechaniki nowej wyszukiwarki. Coraz więcej zapytań kończy się bowiem bez kliknięcia, co opisuję w artykule o erze zero-click i Google AI Mode. Skoro kliknięć jest mniej, sam ruch przestaje być wystarczającą miarą sukcesu.

Kluczowe metryki, którymi warto mierzyć widoczność w AI

Skuteczny pomiar opiera się na kilku uzupełniających się wskaźnikach. Każdy z nich oświetla inny fragment układanki. Dopiero razem dają one pełny obraz.

Share of voice w odpowiedziach AI

Najważniejsza metryka to udział marki w odpowiedziach, czyli share of voice. Pokazuje on, jak często model wymienia Twoją firmę na tle konkurencji. Liczysz go zawsze dla stałego zestawu pytań z Twojej branży.

Aby wskaźnik był wiarygodny, potrzebujesz stałego zestawu pytań i regularnego pomiaru. Jednorazowe sprawdzenie powie Ci, gdzie jesteś dziś. Dopiero powtarzalny pomiar pokaże natomiast trend.

Częstotliwość i kontekst cytowań

Sama obecność to nie wszystko, ponieważ liczy się również kontekst. Model może wymienić Twoją firmę jako lidera rynku. Może też wskazać ją jako jedną z wielu opcji na końcu listy. Dlatego warto śledzić nie tylko częstotliwość wzmianek, lecz także ich ton i odnośnik. Mechanizm doboru cytowanych źródeł rozkładam na części w artykule o tym, jak AI wybiera źródła do cytowania.

Ruch z modeli AI i jego jakość

Trzecia warstwa to realny ruch z odpowiedzi AI. Tu mierzysz liczbę wizyt z ChatGPT, Perplexity czy Gemini. Sprawdzasz też, co użytkownicy robią po wejściu na stronę. Warto przy tym rozdzielić wizyty według modelu, ponieważ każdy z nich przyciąga nieco inny typ użytkownika. Dzięki temu zobaczysz, który kanał AI realnie napędza Twoją sprzedaż. Ruch z AI wyróżnia się zwykle wysoką jakością, o czym piszę szerzej w artykule o tym, dlaczego ruch z AI konwertuje lepiej.

Jak śledzić ruch z AI w Google Analytics 4

Pomiar ruchu z modeli AI w GA4 jest możliwy, ale wymaga świadomej konfiguracji. Domyślnie spora część tych wizyt trafia bowiem do niewłaściwych kategorii i znika z pola widzenia.

Problem ukrytego ruchu

Największą przeszkodą jest brak danych o źródle. Wiele wejść z systemów AI nie przekazuje informacji o pochodzeniu użytkownika. Dlatego GA4 zalicza je do ruchu bezpośredniego.

Według analiz od 30 do 50% ruchu z systemów AI trafia do raportów bez informacji o źródle i ląduje w GA4 w koszyku ruchu bezpośredniego.

Sytuacja powoli się poprawia. ChatGPT od 2025 roku dodaje bowiem do linków znacznik źródła, co ułatwia identyfikację. Mimo to Google AI Overviews i AI Mode wciąż nie przekazują pełnych danych atrybucji. Część ruchu pozostaje zatem trudna do przypisania.

Praktyczna konfiguracja pomiaru

Aby wydobyć ruch z AI z raportów GA4, warto wdrożyć kilka działań:

• Utwórz osobny kanał grupujący znane domeny modeli AI, takie jak chatgpt.com, perplexity.ai czy gemini.google.com
• Filtruj ruch po znaczniku źródła tam, gdzie modele go przekazują, aby oddzielić go od ruchu bezpośredniego
• Oznaczaj własne linki parametrami UTM, dzięki czemu zachowasz pełną kontrolę nad atrybucją
• Śledź zachowanie po wejściu - czas na stronie, konwersje i ścieżki, aby ocenić jakość ruchu z AI

Narzędzia do monitorowania widoczności w AI

Ręczne sprawdzanie odpowiedzi sprawdza się na początku, jednak nie skaluje się przy stałym pomiarze. Profesjonalne monitorowanie wymaga zatem narzędzi, które regularnie odpytują wiele modeli naraz.

Dobre narzędzie do pomiaru widoczności w AI powinno obejmować co najmniej cztery silniki. Chodzi o ChatGPT, Perplexity, Gemini oraz Google AI Overviews. Powinno też pokazywać konkretne adresy cytowanych źródeł. Tylko wtedy zobaczysz pełny obraz, a nie wycinek z jednego modelu. Warto również, aby narzędzie grupowało cytowane domeny i pokazywało ich zmianę w czasie. To bowiem trend, a nie pojedynczy pomiar, niesie wartość decyzyjną.

W FactorAI korzystamy z autorskich narzędzi analitycznych do pomiaru obecności marki w odpowiedziach AI. Śledzą one share of voice, częstotliwość cytowań oraz ich kontekst w czasie. Wyniki zestawiamy następnie z danymi z GA4 i Google Search Console. Taki pomiar traktujemy jako drugą warstwę analityki, która uzupełnia klasyczne raporty o to, czego one nie widzą. Dobre narzędzie oszczędza zatem czas i pozwala skupić się na wnioskach zamiast na ręcznym zbieraniu danych.

Jak zbudować prosty system pomiaru widoczności w AI

Nie potrzebujesz od razu rozbudowanej infrastruktury. Wystarczy uporządkowany, powtarzalny proces, który z czasem rozwiniesz.

Krok 1: Zdefiniuj zestaw pytań kontrolnych

Najpierw zbierz od pięciu do dziesięciu pytań, które realnie zadają Twoi klienci. To one staną się podstawą pomiaru share of voice. Punktem wyjścia może być procedura z przewodnika o tym, jak sprawdzić widoczność firmy w AI.

Krok 2: Ustal częstotliwość i punkt odniesienia

Następnie wykonaj pierwszy pomiar i zapisz go jako wartość bazową. Bez punktu odniesienia nie ocenisz później, czy działania GEO przynoszą poprawę. Dlatego powtarzaj pomiar w stałym rytmie, na przykład raz w miesiącu. Zapisuj też wyniki w jednym miejscu, aby kolejne pomiary dało się łatwo zestawić.

Krok 3: Połącz dane wewnętrzne i zewnętrzne

Na końcu zestaw wyniki monitoringu odpowiedzi z danymi z GA4 i Search Console. Dopiero połączenie obu źródeł pokazuje pełną ścieżkę. Widać wtedy drogę od cytowania w modelu, przez wizytę, aż po konwersję. Dzięki temu zamiast luźnych wskaźników otrzymujesz spójny obraz wpływu AI na sprzedaż.

Najczęściej zadawane pytania

Czy Google Analytics 4 pokazuje ruch z ChatGPT?

GA4 potrafi pokazać ruch z ChatGPT, ale wymaga to konfiguracji. Część wizyt przychodzi ze znacznikiem źródła i daje się zidentyfikować. Duży odsetek ruchu z AI trafia jednak do koszyka ruchu bezpośredniego, ponieważ modele nie zawsze przekazują dane o pochodzeniu użytkownika.

Czym jest share of voice w kontekście AI?

Share of voice w AI to udział Twojej marki w odpowiedziach modeli na tle konkurencji. Liczysz go, dzieląc liczbę odpowiedzi z wzmianką o firmie przez łączną liczbę przeanalizowanych odpowiedzi. Pomiar prowadzisz zawsze dla stałego zestawu pytań kontrolnych.

Jak często należy mierzyć widoczność w AI?

Optymalna częstotliwość to pomiar raz w miesiącu, ponieważ modele AI aktualizują się stopniowo. Zbyt częste sprawdzanie generuje natomiast szum zamiast trendu. Stały, miesięczny rytm pozwala wychwycić rzeczywistą zmianę i powiązać ją z wdrożonymi działaniami.

Jakie metryki są najważniejsze przy pomiarze widoczności w AI?

Najważniejsze metryki to share of voice, częstotliwość i kontekst cytowań oraz ruch z modeli AI wraz z konwersją. Pierwsze dwie opisują obecność wewnątrz odpowiedzi. Trzecia pokazuje natomiast realny efekt biznesowy po stronie ruchu i sprzedaży.

Czy da się mierzyć widoczność w AI bez płatnych narzędzi?

Tak, na początek wystarczy ręczny pomiar na stałym zestawie pytań zapisany w arkuszu. Płatne narzędzia oszczędzają czas i obejmują wiele modeli naraz. Sama metodyka jest jednak ważniejsza niż konkretne oprogramowanie, bo liczy się powtarzalny pomiar i punkt odniesienia.

Kluczowe wnioski