pomiar własny · listopad 2026

Widoczność marek w kategorii „monitoring mediów i social listening" w odpowiedziach AI

Zadaliśmy asystentom AI 40 pytań, które w tej kategorii zadaje realny kupujący — każde trzy razy, na trzech silnikach. Z 360 odpowiedzi wyszło coś, czego nie widać, gdy pyta się raz: kategoria w odpowiedziach modeli jest znacznie bardziej skoncentrowana niż na rynku, a jedna czwarta obecności marek jest niestabilna między próbami tego samego pytania.

Czego w tym materiale nie znajdziesz: nazw firm. Publikujemy wyłącznie wyniki zagregowane dla kategorii. Nie wskazujemy publicznie żadnej firmy jako tej, która wypadła dobrze albo źle — wynik pojedynczej marki przekazujemy wyłącznie tej marce, prywatnie. Pozycje w tabelach są oznaczone literami w kolejności malejącej.

Jak to zmierzyliśmy

Parametry pomiaru. Identyfikator pomiaru: marka-testowa-20261110T151856Z.
Kiedy10 listopada 2026, 15:18:56 → 16:55:49 UTC (97 minut)
Panel40 promptów w 8 rodzinach intencji: kategorialne, problemowe, porównawcze, segmentowe, cenowe, reputacyjne, kryterialne i pytania o markę wprost. Panel zamrożony przed pomiarem (skrót SHA-256 zapisany w pliku dowodowym).
Próby3 próby na każdy prompt na każdym silniku
SilnikiOpenAI API (gpt-5.1), Perplexity Sonar API (perplexity/sonar), Gemini API z groundingiem (gemini-3.8-flash)
Wywołania360 na 360 udanych, 0 błędów, 1 ponowienie, pokrycie pomiaru 100,0%
Koszt18,95 PLN z rachunków dostawców API
Jak pozyskaliśmy danewyłącznie oficjalne, płatne interfejsy programistyczne dostawców. Zero scrapowania stron wyników, zero symulowania przeglądarki, zero obchodzenia zabezpieczeń.

1. W jednej odpowiedzi mieszczą się trzy marki, nie dziesięć

W 360 odpowiedziach rozpoznaliśmy 31 różnych marek z tej kategorii i razem 1 625 wystąpień. Rozkład jest jednak bardzo nierówny:

To jest pierwszy praktyczny wniosek: w ponad połowie odpowiedzi jest miejsce na trzy nazwy. Rynek, w którym działa 31 dostawców, w odpowiedzi asystenta wygląda jak rynek trzech.

Odpowiedzi bez ani jednej marki z kategorii, per silnik (120 wywołań na silnik).
SilnikOdpowiedzi bez markiUdział
Silnik z największą skłonnością do odpowiedzi opisowej2621,7%
Silnik środkowy1411,7%
Silnik z największą skłonnością do wymieniania nazw75,8%

2. Koncentracja: trzy pierwsze marki zabierają 38% wszystkich wzmianek

Udział w 1 625 wzmiankach. Marki oznaczone literami w kolejności malejącej.
PozycjaW ilu z 360 odpowiedziUdział odpowiedziW ilu z 40 promptów
Marka A30083,3%38
Marka B16746,4%27
Marka C15141,9%27
Marka D13838,3%27
Marka E11431,7%27
Marka F11231,1%26
Marka G10328,6%21
Marka H8122,5%22
Marka I5214,4%15
Marka J5214,4%16
Pozostałe 21 marek dzieli między siebie 21,8% wzmianek.

Różnica między pozycją pierwszą a drugą jest większa niż między drugą a dziesiątą. Marka A wystąpiła w 38 z 40 promptów — jest de facto domyślną odpowiedzią kategorii. Marki z pozycji 9–10 pojawiają się w co siódmej odpowiedzi i w mniej niż połowie promptów, czyli wchodzą do odpowiedzi tylko przy niektórych typach pytań.

3. Od typu pytania zależy, ile marek w ogóle wchodzi do gry

Liczba różnych marek, które pojawiły się w odpowiedziach na daną rodzinę promptów.
Rodzina pytańRóżnych marekCo to znaczy w praktyce
kategorialne („najlepszy dostawca X")29najszersze pole — tu da się wejść do odpowiedzi nawet z dalszej pozycji
porównawcze („X czy Y")25model dorzuca alternatywy do pary, o którą pytano
problemowe (opis bólu bez nazwy rozwiązania)24najmniej obstawione przez liderów, najtańsze do zdobycia treścią
segmentowe („dla agencji", „dla instytucji")24wygrywa specjalizacja opisana wprost, nie rozmiar
reputacyjne („czy X jest dobre")16wąskie — tu liczy się, co o marce piszą osoby trzecie
cenowe („ile kosztuje")15model wymienia tylko tych, u których cennik jest publiczny i czytelny
kryterialne („na co patrzeć przy wyborze")9prawie bez nazw — odpowiedź jest listą kryteriów
o markę wprost8model trzyma się tematu i nie rozsiewa konkurencji

Wniosek dla kogoś, kto nie jest Marką A: pytania problemowe i segmentowe są jedynym miejscem, w którym dalsza pozycja w kategorii nie jest przeszkodą. Pytania kryterialne nie mają sensu jako cel — na nich model nie wymienia prawie nikogo.

4. Jedna czwarta obecności marek jest niestabilna

Każdy prompt zadaliśmy trzy razy na każdym silniku. Dla każdej pary „marka + prompt + silnik", w której marka pojawiła się choć raz, policzyliśmy, w ilu z trzech prób rzeczywiście wystąpiła. Takich par było 703:

Stabilność wystąpień w trzech próbach tego samego promptu.
W ilu próbach z trzechParUdział
3 na 3 — wystąpienie stabilne39856,6%
2 na 312617,9%
1 na 3 — wystąpienie przypadkowe17925,5%

To jest najważniejsza liczba w całym materiale i powód, dla którego nie da się zbadać widoczności w AI, pytając raz. Co czwarte wystąpienie marki, które zobaczyłbyś przy jednym zapytaniu, zniknęłoby przy powtórzeniu tego samego pytania. Jedno zapytanie nie jest pomiarem — jest losowaniem. Przy jednej próbie mniej więcej jedna na cztery „obecności" i podobna część „nieobecności" to szum, a nie wynik.

Praktycznie: marka, która jest w odpowiedzi 1 na 3 razy, nie jest „w odpowiedziach AI" — jest na granicy. I odwrotnie: jeśli ktoś pokazuje Ci zrzut ekranu z jednej rozmowy jako dowód swojej widoczności (albo Twojej nieobecności), to pokazuje jedną próbę z trzech.

5. Silniki różnią się tym, czy w ogóle szukają w sieci

Wyszukiwanie w sieci i liczba cytowanych źródeł, 120 wywołań na silnik.
SilnikSzukał w sieciPromptów z wyszukiwaniem (z 40)Mediana źródeł na odpowiedź
Silnik 1120/120 = 100%408
Silnik 292/120 = 76,7%324
Silnik 3 (z włączonym groundingiem)26/120 = 21,7%100

Silnik 3 miał grounding włączony przez całe 97 minut pomiaru i skorzystał z niego w co piątym wywołaniu. W pozostałych odpowiadał z wiedzy modelu, bez wejścia do sieci i bez źródeł. Konsekwencja jest poważna i rzadko mówi się o niej wprost: na tym silniku treść Twojej strony w ogóle nie bierze udziału w czterech piątych odpowiedzi. Decyduje to, co model „wie" o marce z danych treningowych — czyli to, co inni napisali o niej wcześniej.

To również powód, dla którego procentowego udziału cytowań nie wolno porównywać między silnikami. Przy mianowniku 10 promptów jeden prompt przesuwa metrykę o 10 punktów. Piszemy o tym osobno: Czego nie mierzymy i dlaczego.

6. Co modele cytują: 43,6% to strony samych dostawców, 32,5% to treści osób trzecich

W 360 odpowiedziach modele zacytowały 2 349 razy łącznie 301 różnych domen. 92 z nich wystąpiły dokładnie raz — ogon jest długi i płaski.

Struktura cytowań według typu źródła.
Typ źródłaUdział cytowań
strony samych dostawców z kategorii (witryny, bazy wiedzy, podstrony produktowe)43,6%
treści osób trzecich: blogi agencji, zestawienia „najlepsze narzędzia", porównania32,5%
media branżowe i portale11,0%
platformy opinii i katalogi oprogramowania (G2, Capterra i podobne)7,9%
Wikipedia2,4%
serwisy publiczne1,4%
fora i serwisy dyskusyjne0,9%
serwisy społecznościowe0,4%

Dwa wnioski, które z tego wynikają:

Czego ten pomiar nie pokazuje

Podajemy to równie konkretnie jak liczby, bo bez tego liczby znaczą więcej, niż powinny.

Jeśli to Twoja kategoria

Powyżej jest obraz zagregowany. Wynik konkretnej marki — w tym Twojej — liczymy na panelu zbudowanym pod nią i przekazujemy wyłącznie jej, prywatnie. Nigdy nie publikujemy ani nie wysyłamy osobom trzecim informacji, że dana firma wypadła w pomiarze słabo.

Napisz, w jakiej kategorii działasz — odpowiemy, co da się dla niej zmierzyć, a czego nie. Zakres i ceny: audyt 1 490 PLN netto, retainer 2 990 PLN netto / mies.

Surowe agregaty, na których oparty jest ten materiał, zapisujemy w pliku agregat-kategoria-2026-11.json razem ze skryptem, który je policzył — udostępniamy je na żądanie każdemu, kto chce sprawdzić rachunek. ← Wszystkie materiały