Czy ChatGPT poleca Twoją firmę? Jak sprawdzić widoczność w AI — badanie 42 stron

Aktualizacja: 30 września 2026 · Autor: Szymon Sanecznik, SEMownia

Coraz częściej słyszę od właścicieli firm: „Zapytałem ChatGPT o najlepszą firmę w mojej branży i nas nie było”. Zaraz potem pojawia się oferta „pozycjonowania w AI”: plik llms.txt, znaczniki i raport z jednym zrzutem ekranu, który ma jednocześnie udowodnić problem i uzasadnić cenę usługi. Problem w tym, że jedno pytanie zadane asystentowi AI to anegdota, a część obiecywanych zabiegów nie ma żadnego potwierdzonego wpływu. Pomiar wygląda inaczej.

W tym artykule pokazuję, jak sprawdzić widoczność firmy w ChatGPT, Gemini, Perplexity i AI Overviews metodą, której wynik da się porównać za miesiąc. Do tego własne mini-badanie: sprawdziłem 42 polskie strony pod kątem llms.txt i blokad botów AI w robots.txt (pliku z regułami dostępu dla robotów, których boty przestrzegają dobrowolnie), i wyszło, że plik llms.txt miała co trzecia z nich, 14 z 42, a żadna nie blokowała botów, od których zależy obecność w wyszukiwaniu AI. Na końcu jest symulacja, ile powtórzeń potrzebujesz, ile kosztuje taki audyt, i rozpiska pierwszego miesiąca.

Co znaczy, że ChatGPT „poleca” Twoją firmę?

ChatGPT poleca Twoją firmę, gdy w odpowiedzi na pytanie o wybór dostawcy, produktu lub usługi wskazuje Twoją markę jako jedną z opcji do rozważenia. To co innego niż cytowanie, czyli podanie linku do Twojej strony jako źródła informacji. Widoczność w AI mierzysz osobno dla wzmianek, rekomendacji i cytowań, w serii powtarzanych zapytań.

Dlaczego to rozróżnienie jest takie ważne? Chodzi o pieniądze. Cytowanie Twojego poradnika w odpowiedzi na pytanie informacyjne buduje rozpoznawalność i rzadko prowadzi do zapytania ofertowego, natomiast rekomendacja w odpowiedzi „jaką kancelarię od rozwodów wybrać w Warszawie” trafia do osoby, która właśnie wybiera. Dzielę więc obecność w odpowiedziach AI na trzy rozłączne rodzaje:

Rodzaj obecności	Jak wygląda	Typowe zapytanie	Co ją napędza
Cytowanie	link do Twojej strony jako źródło odpowiedzi	informacyjne: „jak obliczyć alimenty”	treść strony, indeksacja, trafność fragmentu
Wzmianka neutralna	nazwa marki w tekście, bez oceny	przeglądowe: „jakie są sklepy z meblami ogrodowymi”	rozpoznawalność marki w sieci
Rekomendacja	marka wskazana jako dobry wybór, często na liście	decyzyjne: „najlepsza agencja Google Ads dla e-commerce”	opinie, wzmianki w niezależnych źródłach, spójne dane o firmie

Firma z dobrym blogiem i słabą marką może mieć dużo cytowań i zero rekomendacji, dlatego raport „jesteś widoczny w AI” bez tego rozbicia niewiele mówi.

Badanie: 42 polskie strony a boty AI i llms.txt (wrzesień 2026)

Zanim zaczniesz poprawiać widoczność, sprawdź jedno: czy przypadkiem nie blokujesz jej sam? Chciałem zobaczyć, jak to wygląda na polskich stronach, więc zrobiłem mini-badanie, a ponieważ liczby bez metodologii nic nie znaczą, opisuję ją dokładniej, niż zwykle robi się to w tekstach o AI.

Metodologia

• Data: 30 września 2026, jeden dzień pomiaru.
• Próba: 45 stron wybranych z wyników wyszukiwania dla fraz typu „agencja Google Ads”, „specjalista Google Ads”, „kancelaria adwokacka Warszawa / Kraków”, „sklep ogrodniczy online”, „meble ogrodowe sklep”. Po 15 w trzech kategoriach: agencje i freelancerzy Google Ads, kancelarie prawne, sklepy dom i ogród.
• Wykluczenia: 3 strony (po jednej z każdej kategorii), których robots.txt nie dało się pobrać w dwóch próbach (przekroczony czas odpowiedzi). Ostateczna próba: n = 42, po 14 w każdej kategorii.
• Co sprawdziłem: czy pod adresem /llms.txt jest plik w formacie llms.txt (odpowiedź 404 albo strona HTML liczyłem jako brak) oraz czy /robots.txt zawiera regułę Disallow: / dla GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot, ClaudeBot, anthropic-ai, Google-Extended lub CCBot.
• Narzędzie: pobieranie stron przez narzędzie WebFetch. Wyniki nietypowe (blokady, puste pliki) weryfikowałem drugim pobraniem z dosłownym cytatem pliku.
• Anonimizacja: nie podaję nazw firm. Surowe dane z domenami ma redakcja.

Wyniki

Kategoria	n	Ma llms.txt	Blokuje co najmniej jednego bota AI	Blokuje bota wyszukiwania AI
Agencje i freelancerzy Google Ads	14	8 (57%)	0	0
Kancelarie prawne	14	3 (21%)	0	0
Sklepy dom i ogród	14	3 (21%)	3 (21%)	0
Razem	42	14 (33%)	3 (7%)	0

Kilka rzeczy rzuca się w oczy:

• Marketerzy wdrażają llms.txt najchętniej. Ma go 8 z 14 agencji i freelancerów, wobec 3 z 14 w pozostałych branżach, i trudno to tłumaczyć czymś innym niż modą w branży, bo dowodów skuteczności, jak pokazuję niżej, po prostu nie ma.
• Część plików powstaje automatycznie. 5 z 14 plików miało adnotację, że wygenerowała je wtyczka SEO do WordPressa (Yoast SEO trzy razy, Rank Math i All in One SEO po razie). W jednym sklepie pod /llms.txt serwer zwracał stronę główną (nie liczyłem tego jako pliku).
• Nikt nie blokuje botów wyszukiwania AI. Żadna z 42 stron nie blokowała OAI-SearchBot, PerplexityBot ani Claude-SearchBot.
• Blokady dotyczą botów treningowych i tylko sklepów. GPTBot był zablokowany w 2 sklepach, ClaudeBot w 2, token anthropic-ai w 1. Jeden sklep blokuje GPTBot i ClaudeBot, a jednocześnie publikuje llms.txt. To nie musi być sprzeczność: blokada trenowania przy otwartym wyszukiwaniu AI to spójna polityka, o ile świadoma.
• Jawne zaproszenia są rzadkie. 2 strony mają osobne reguły Allow: / dla botów AI, a 3 deklarują sygnały treści Cloudflare (Content-Signal), z czego 2 zabraniają trenowania modeli (ai-train=no), zezwalając na wyszukiwanie. To deklaracja w robots.txt, do czego wolno używać treści: wyszukiwania, odpowiedzi AI, trenowania.

Ograniczenia badania

To próba celowa z wyników wyszukiwania, nielosowa, więc nie reprezentuje wszystkich polskich firm, a strony, które dobrze pozycjonują się na frazy marketingowe, częściej stosują nowinki SEO, co mogło podbić wynik agencji; dla porównania SE Ranking w badaniu około 300 tys. domen znalazł llms.txt w 10,13% z nich. Trzy dodatkowe zastrzeżenia:

• Danych strukturalnych nie zmierzyłem. Narzędzie pobierające strony usuwa bloki <script type="application/ld+json">, co potwierdził test kontrolny na stronie z takimi znacznikami. Wolałem nie podawać liczb, których nie da się obronić.
• Robots.txt to nie wszystko. Blokady na poziomie serwera lub CDN (zapory, ochrona przed botami) nie są w nim widoczne.
• To zdjęcie jednego dnia. Pliki zmieniają się przy aktualizacjach wtyczek i motywów.

Który bot za co odpowiada — i co naprawdę blokujesz

OpenAI, Anthropic, Perplexity i Google rozdzielają boty treningowe od wyszukiwawczych, więc „boty AI” to nie jedna grupa. Bot treningowy zbiera dane do uczenia modeli, wyszukiwawczy indeksuje strony, żeby pokazywać je w odpowiedziach. Blokada jednego nie oznacza blokady drugiego.

Bot (token w robots.txt)	Firma	Do czego służy	Skutek blokady	Zablokowany w badaniu
OAI-SearchBot	OpenAI	wyszukiwanie w ChatGPT	strona nie pojawi się w odpowiedziach wyszukiwania ChatGPT	0 z 42
GPTBot	OpenAI	trenowanie modeli	treść nie trafi do danych treningowych	2 z 42
ChatGPT-User	OpenAI	pobranie strony na prośbę użytkownika	ChatGPT nie otworzy strony, gdy użytkownik o to poprosi	0 z 42
Claude-SearchBot	Anthropic	wyszukiwanie w Claude	według Anthropic może zmniejszyć widoczność w wynikach wyszukiwania	0 z 42
ClaudeBot	Anthropic	trenowanie modeli	treść nie trafi do danych treningowych	2 z 42
PerplexityBot	Perplexity	indeks wyszukiwarki Perplexity	mniejsza szansa na pojawienie się i link w Perplexity	0 z 42
Google-Extended	Google	trenowanie Gemini i ugruntowanie w niektórych systemach	nie wpływa na Google Search ani ranking	0 z 42

Blokada Google-Extended nie usuwa Cię z AI Overviews ani AI Mode, bo te funkcje korzystają z indeksu Google Search, a ograniczyć wykorzystanie treści możesz tam tylko przez nosnippet, max-snippet lub noindex, kosztem widoczności. Perplexity z kolei pisze, że Perplexity-User, pobierający stronę na prośbę użytkownika, zasadniczo ignoruje robots.txt. Jeśli testujesz reklamy w ChatGPT, dochodzi jeszcze OAI-AdsBot, który sprawdza strony docelowe reklam.

Rekomendacja dla większości firm usługowych i sklepów: nie blokuj botów wyszukiwania AI (OAI-SearchBot, Claude-SearchBot, PerplexityBot). Decyzja o botach treningowych to kwestia polityki firmy i z SEO ma niewiele wspólnego, bo OpenAI i Anthropic rozdzielają te funkcje.

llms.txt: co daje, a czego nie daje

llms.txt to propozycja Jeremy’ego Howarda z września 2024: plik Markdown w katalogu głównym strony, z nagłówkiem, krótkim opisem i listą najważniejszych linków dla modeli językowych. To konwencja, żaden standard. Stanowisko Google jest jednoznaczne:

• Czerwiec 2025: John Mueller napisał, że żaden system AI nie korzysta obecnie z llms.txt.
• Lipiec 2025: Gary Illyes na Search Central Live powiedział, że Google nie obsługuje llms.txt i nie planuje tego. Do AI Overviews wystarczają zwykłe praktyki SEO.
• Dokumentacja Google Search (aktualizacja 10 lipca 2026): w przewodniku o optymalizacji pod funkcje generatywnej AI Google pisze, że nie musisz tworzyć nowych plików czytelnych maszynowo, plików tekstowych dla AI, znaczników ani wersji Markdown, bo wyszukiwarka ich nie używa. Dane strukturalne nie są wymagane i nie ma specjalnego schema.org dla AI.

Dane zewnętrzne mówią to samo. SE Ranking przeanalizował około 300 tys. domen (listopad 2025) testami korelacji i modelem XGBoost i nie znalazł związku między llms.txt a liczbą cytowań w odpowiedziach modeli.

Niuans: Lighthouse w Chrome ma już audyt llms.txt w kategorii przeglądania przez agentów AI, przy czym brak pliku (404) oznacza „nie dotyczy”, a błędem jest tylko odpowiedź 5xx. To argument dotyczący agentów wykonujących zadania na stronie. Z widocznością w wyszukiwarce nie ma związku.

Moje podejście: jeśli wtyczka generuje llms.txt w minutę, zostawiam go. Nie traktuję go jednak jako działania poprawiającego widoczność i nie płacę za niego jak za usługę.

Jak ręcznie sprawdzić, czy ChatGPT i Gemini polecają Twoją firmę

Dlaczego nie wystarczy jedno pytanie? SparkToro i Gumshoe.ai przeprowadzili w listopadzie i grudniu 2025 eksperyment z udziałem 600 ochotników: 12 zapytań, 2 961 odpowiedzi z ChatGPT, Claude oraz AI Overviews i AI Mode. Szansa, że ChatGPT lub AI Google podadzą dwa razy tę samą listę marek, była mniejsza niż 1 na 100, a tę samą listę w tej samej kolejności około 1 na 1 000, dlatego autorzy uznali za sensowną miarę dopiero odsetek odpowiedzi ze wzmianką, liczony na dziesiątkach zapytań powtarzanych wielokrotnie.

Moja procedura ręcznego audytu:

1. Lista 20–30 zapytań w czterech rozłącznych grupach intencji: kategoria („najlepsza kancelaria rozwodowa w Warszawie”), problem („jak obniżyć koszt leada w Google Ads”), porównanie („agencja czy freelancer Google Ads”), marka („opinie o [Twoja firma]”, „czy [Twoja firma] jest wiarygodna”). Pisz tak, jak pytają klienci; Twoje słowa kluczowe brzmią zwykle zupełnie inaczej.
2. Platformy: ChatGPT z wyszukiwaniem, Gemini, Perplexity oraz wyszukiwarka Google (AI Overviews i AI Mode). W Polsce AI Overviews działają od marca 2025, a AI Mode po polsku od października 2025.
3. Warunki: czat tymczasowy lub okno prywatne, bez pamięci i historii, język polski, lokalizacja w Polsce. Zapisz datę i wersję narzędzia.
4. Powtórzenia: każde zapytanie 3–5 razy, najlepiej w różne dni.
5. Zapis w arkuszu: czy marka się pojawia, rodzaj obecności (cytowanie, wzmianka, rekomendacja), miejsce na liście, cytowane adresy URL (czy Twoja domena), wymienieni konkurenci, poprawność faktów (adres, ceny, zakres usług).
6. Wskaźniki: udział wzmianek (odpowiedzi ze wzmianką podzielone przez wszystkie odpowiedzi), udział rekomendacji, udział cytowań Twojej domeny, udział odpowiedzi z błędami o firmie, a także te same wskaźniki dla 3–5 konkurentów.

Najcenniejsza bywa informacja o źródłach: jeśli w Twojej kategorii wciąż cytowane są te same rankingi i katalogi, wiesz, gdzie marka musi się pojawić. To gotowa lista celów. Od takiej listy zaczynam pracę, gdy prowadzę dla firmy optymalizację widoczności w wyszukiwaniu AI.

Ile powtórzeń wystarczy? Symulacja precyzji i kosztu audytu

Ile odpowiedzi trzeba zebrać, żeby wynik coś znaczył? Policzyłem to na hipotetycznej marce; to symulacja bez konkretnego konta w tle. Dobrze pokazuje jednak, jak liczba zapytań i powtórzeń wpływa na wiarygodność wyniku. Założenia: prawdziwy udział wzmianek Twojej marki wynosi 30%, jedno zapytanie z zapisem wyniku zajmuje 1,5 minuty, koszt godziny pracy to 150 zł. Powtórzenia tego samego zapytania są ze sobą skorelowane (przyjąłem współczynnik korelacji wewnątrzgrupowej 0,5), więc liczę efektywną liczbę obserwacji: liczba odpowiedzi podzielona przez 1 + (powtórzenia − 1) × 0,5. Przedział ufności 95% liczę metodą Wilsona.

Wariant audytu	A: szybki test	B: audyt podstawowy	C: audyt rozszerzony
Zapytania × powtórzenia × platformy	10 × 1 × 1	20 × 3 × 3	30 × 5 × 4
Liczba odpowiedzi	10	180	600
Efektywna liczba obserwacji	10	90	200
Przedział 95% dla wyniku 30%	10,8–60,3%	21,5–40,1%	24,1–36,7%
Precyzja (±)	±24,8 pp.	±9,3 pp.	±6,3 pp.
Czas pracy	0,25 h	4,5 h	15 h
Koszt przy 150 zł/h	38 zł	675 zł	2 250 zł

Wnioski z symulacji:

• Szybki test (wariant A) daje wynik „gdzieś między 11% a 60%”, a na takiej podstawie nie da się ocenić ani obecnego stanu, ani efektu zmian, choć właśnie taki test najczęściej widzę w ofertach i raportach.
• Audyt podstawowy (B) za około 675 zł miesięcznie wykryje zmianę rzędu 15–20 punktów procentowych, ale nie zmianę z 30% na 35%, więc jeśli ktoś raportuje Ci „wzrost widoczności w AI o 5 pp.” na próbie tej wielkości, to najpewniej szum.
• Wariant C ma sens, gdy decyzja jest droga, np. przy budżecie na PR i treści rzędu kilkudziesięciu tysięcy złotych rocznie.

Korelacja 0,5 to założenie umowne. Im bardziej powtarzalne odpowiedzi, tym mniejsza efektywna próba, dlatego lepiej dodać nowe zapytania niż kolejne powtórzenia tych samych. Płatnemu narzędziu do monitoringu AI zadaj te same pytania: ile zapytań, ile powtórzeń, jaki przedział błędu.

Trzy filary widoczności w AI: struktura, autorytet, obecność poza stroną

Działania, które naprawdę zwiększają szansę na wzmianki i cytowania, dzielę na trzy rozłączne grupy: to, co jest na Twojej stronie, to, co inni mówią o Tobie, oraz to, gdzie i jak spójnie Twoja firma jest opisana w innych miejscach sieci.

1. Struktura: strona, którą da się zrozumieć i zacytować

• Indeksacja i dostęp. Według Google strona w AI Overviews lub AI Mode musi być zaindeksowana i kwalifikować się do wyświetlenia z fragmentem, bez dodatkowych wymagań. Sprawdź robots.txt, zaporę sieciową i to, czy treść nie pojawia się dopiero po wykonaniu JavaScriptu.
• Odpowiedzi na początku sekcji. 40–60 słów zrozumiałych bez reszty tekstu, tabele, listy kroków, liczby ze źródłem i datą.
• Strony ofert z konkretami. Zakres usług, widełki cen, obszar działania. Asystent AI nie poleci kancelarii „od spraw rodzinnych w Warszawie”, jeśli na stronie nie ma słowa o Warszawie.
• Dane strukturalne. Do funkcji AI w Google nie są wymagane. Znaczniki Organization lub LocalBusiness zgodne z treścią porządkują jednak fakty o firmie i dają szansę na wyniki rozszerzone. Sprawdzisz je w Teście wyników z elementami rozszerzonymi lub walidatorze schema.org.

Część tej pracy możesz oprzeć na danych z kampanii. Jak wydobyć tematy treści z raportu wyszukiwanych haseł w Google Ads, opisuję w artykule o łączeniu danych PPC i SEO pod AI Overviews.

2. Autorytet: co inni mówią o Twojej marce

Ahrefs przeanalizował 75 tys. marek pod kątem tego, co koreluje z wzmiankami w AI Overviews, i najsilniejszy związek miały wzmianki o marce w sieci (korelacja 0,664), a znacznie słabszy liczba linków zwrotnych (0,218). Około 26% marek nie miało żadnej wzmianki. To korelacja i przyczynowości nie dowodzi. Kierunek jest jednak czytelny: modele powtarzają to, co o marce pisze wiele niezależnych źródeł.

U mnie oznacza to zwykle publikacje eksperckie w mediach branżowych, obecność w rankingach i zestawieniach, własne dane, które inni cytują, oraz opinie klientów.

3. Obecność poza stroną: spójne dane w wielu miejscach

Zmienia się też to, skąd AI Overviews biorą źródła. Ahrefs w marcu 2026 (863 tys. wyników wyszukiwania, 4 mln adresów cytowanych w AI Overviews) pokazał, że tylko 38% cytowanych stron jest w top 10 wyników organicznych na to samo zapytanie, wobec 76% w badaniu z lipca 2025. Około 31% pochodzi spoza top 100, a YouTube to najczęściej cytowana domena, więc materiały wideo też pomagają. Powód to rozbijanie zapytania na wiele zapytań pomocniczych. Pozycja na jedną frazę przestała wystarczać.

Dla firm lokalnych dochodzi spójność danych. SOCi (indeks widoczności lokalnej 2026) podaje, że ChatGPT rekomendował 1,2% sprawdzanych lokalizacji firm, Perplexity 7,4%, Gemini 11%, a lokalny pakiet map Google 35,9%. Dane o firmie w odpowiedziach ChatGPT i Perplexity były poprawne w 68% przypadków, w Gemini w 100%, przy czym to badanie dostawcy narzędzia, bez pełnej metodologii w artykule, więc traktuję je wyłącznie jako kierunek. Wniosek praktyczny: Profil Firmy w Google, katalogi branżowe (dla kancelarii także rejestry samorządów zawodowych), porównywarki i serwisy z opiniami muszą mieć identyczne dane.

Jak mierzyć ruch i sprzedaż z odpowiedzi AI

Wzmianka w odpowiedzi to wskaźnik pośredni. Zarząd prędzej czy później zapyta: ile z tego jest zapytań i sprzedaży? Możliwości pomiaru są różne dla różnych platform:

• ChatGPT: OpenAI dodaje do linków z wyszukiwania parametr utm_source=chatgpt.com. W GA4 zobaczysz ten ruch jako osobne źródło, o ile pomiar i zgody działają poprawnie.
• Perplexity, Gemini, Claude, Copilot: ruch pojawia się jako odesłania z ich domen. Zbuduj w GA4 własną grupę kanałów „Asystenci AI” z listą tych domen, żeby nie ginął w „Referral”.
• AI Overviews i AI Mode: Google raportuje kliknięcia z tych funkcji w Search Console w typie wyszukiwania „Internet”, razem z resztą wyników. Osobnego filtra nie ma, więc efekt oceniasz pośrednio, na grupach zapytań.
• Ruch niewidoczny: część osób zapyta AI, a potem wpisze nazwę firmy w Google, więc ten efekt zobaczysz dopiero w zapytaniach brandowych i w odpowiedziach na pytanie „skąd o nas wiesz” w formularzu.

Bez poprawnego wdrożenia analityki te liczby będą zaniżone lub źle przypisane. Sklepom polecam dodatkowo tekst o feedzie produktowym dla AI, bo w zakupach to dane z feedu decydują, czy produkt trafi do odpowiedzi. Stan reklam w odpowiedziach AI Google w Polsce opisuję w artykule o reklamach w AI Overviews i AI Mode.

Pierwszy miesiąc, tydzień po tygodniu

Tydzień 1: bariery techniczne. Sprawdź robots.txt pod kątem OAI-SearchBot, Claude-SearchBot i PerplexityBot oraz zapytaj dostawcę hostingu, czy zapora nie blokuje botów AI. Zdecyduj świadomie o botach treningowych. Sprawdź indeksację kluczowych stron.

Tydzień 2: pomiar bazowy. 20–30 zapytań w czterech grupach intencji, audyt w wariancie B, te same zapytania dla 3–5 konkurentów, zapis cytowanych źródeł.

Tydzień 3: fakty o firmie. Ujednolić dane w Profilu Firmy w Google, katalogach i serwisach z opiniami. Uzupełnij strony ofert, sprawdź dane strukturalne i popraw błędy, które AI powtarza o firmie.

Tydzień 4: autorytet i analityka. Wybierz 2–3 źródła najczęściej cytowane w Twojej kategorii i zaplanuj obecność w nich. Skonfiguruj w GA4 grupę kanałów dla asystentów AI.

Powtórz audyt po 60–90 dniach tą samą metodą. Porównuj przedziały. Pojedyncze liczby wprowadzają w błąd.

Jak łączę widoczność w AI z kampaniami i pomiarem

Widoczność w AI traktuję jako część systemu z kampaniami, analityką i treścią, nigdy jako osobną usługę. Raport haseł z Google Ads podpowiada pytania klientów, analityka pokazuje, czy ruch z asystentów AI daje zapytania, a testy przyrostu, czy treść i PR obniżają łączny koszt pozyskania klienta.

Wyniki projektów, w których uporządkowanie danych przełożyło się na sprzedaż: suplementy (ROAS 7,2 i przychód +61%), sklep z artykułami dziecięcymi (ROAS +44%, przychód +51%), branża meblowa (konwersja +58%, porzucenia koszyka −23%). Klienci oceniają współpracę na 4,9/5 (34 opinie). Wpływu widoczności w AI na sprzedaż nie obiecuję z góry. Mierzę go na danych konkretnej firmy.

Na czym opieram ten tekst

• Google Search Central: przewodnik po optymalizacji pod funkcje generatywnej AI w wyszukiwarce
• Google Search Central: AI features and your website
• Google Search Central: roboty Google, w tym Google-Extended
• Search Engine Land: Google: zwykłe SEO dla AI Overviews, llms.txt nie będzie używany
• Search Engine Roundtable: John Mueller o llms.txt
• Search Engine Journal: badanie SE Ranking — llms.txt a cytowania, 300 tys. domen
• Chrome for Developers: audyt llms.txt w Lighthouse
• llmstxt.org: propozycja formatu llms.txt
• OpenAI: boty OpenAI (OAI-SearchBot, GPTBot, ChatGPT-User, OAI-AdsBot)
• OpenAI Help Center: Publishers and Developers FAQ
• Search Engine Journal: boty Anthropic: ClaudeBot, Claude-SearchBot, Claude-User
• Perplexity: Perplexity crawlers
• Cloudflare / Business Wire: Content Signals Policy
• SparkToro: badanie spójności rekomendacji marek w AI
• Ahrefs: czynniki widoczności marek w AI Overviews (75 tys. marek)
• Ahrefs: cytowania w AI Overviews a top 10 wyników
• SOCi: widoczność firm lokalnych w ChatGPT, Perplexity i Gemini