Jak Perplexity indeksuje strony: PerplexityBot i filtry API

Perplexity korzysta z dwóch osobnych botów: PerplexityBot indeksuje strony pod wyszukiwanie, a Perplexity-User pobiera konkretną stronę dopiero na żądanie użytkownika. Deweloperzy budujący własne aplikacje na Search API mogą dodatkowo zawężać pulę źródeł filtrami domeny, języka i daty publikacji. W Perplexity to YouTube, nie Reddit, jest najczęściej cytowaną domeną, a dokładnego algorytmu doboru źródeł operator nie ujawnia.

Czym różnią się PerplexityBot i Perplexity-User?

PerplexityBot i Perplexity-User to dwa oddzielne programy z inną rolą, i mylenie ich to najczęstszy błąd przy konfiguracji robots.txt. Dokumentacja Perplexity opisuje to wprost, bez miejsca na interpretację.

PerplexityBot to crawler odpowiedzialny za indeksowanie stron, żeby mogły pojawić się w wynikach wyszukiwania Perplexity. Identyfikuje się osobnym ciągiem user-agent, respektuje reguły robots.txt, a jego adresy IP są publikowane pod adresem perplexity.com/perplexitybot.json, co pozwala zweryfikować, czy dane żądanie faktycznie pochodzi od tego bota. Co istotne, dokumentacja zaznacza wprost, że PerplexityBot „nie jest wykorzystywany do pobierania treści dla podstawowych modeli AI" . To ważna różnica względem OpenAI czy Anthropic, gdzie osobny bot treningowy (odpowiednio GPTBot, ClaudeBot) istnieje i działa niezależnie od bota wyszukującego. Perplexity w swojej dokumentacji nie opisuje żadnego odrębnego crawlera do treningu modeli, więc rozróżnienie „blokuję trening, zostawiam wyszukiwanie", kluczowe przy OpenAI i Anthropic, nie ma tu bezpośredniego zastosowania.

Perplexity-User działa inaczej. Pobiera konkretną stronę dopiero wtedy, gdy pytanie użytkownika tego wymaga, na przykład gdy ktoś prosi model o streszczenie konkretnego adresu URL. Dokumentacja zaznacza, że ten bot „zwykle ignoruje reguły robots.txt", bo żądanie inicjuje sam użytkownik, podobnie jak wtedy, gdyby to on sam kliknął link w przeglądarce .

Czy zablokowanie PerplexityBota wyklucza stronę z cytowań?

Tak. Zablokowanie PerplexityBota w robots.txt wyklucza stronę z puli źródeł, które Perplexity w ogóle może wziąć pod uwagę przy pisaniu odpowiedzi, bo bez indeksacji strona nie istnieje dla tego systemu.

Audyt techniczny warto zrobić po fakcie, nie na wiarę. Proste sprawdzenie z wiersza poleceń (curl -A "PerplexityBot" -I https://twojadomena.pl/artykul/) pokazuje, czy serwer odpowiada kodem 200 i czy nie dokłada nagłówka X-Robots-Tag: noindex. Warto też porównać adres IP żądania z listą opublikowaną w perplexitybot.json, zwłaszcza że sam sposób weryfikacji tożsamości bota Perplexity był w 2025 roku przedmiotem sporu, o czym niżej.

Czy Perplexity naprawdę respektuje robots.txt? Spór z Cloudflare z 2025 roku

Oficjalnie tak, ale w sierpniu 2025 roku Cloudflare opublikowało dowody na to, że część ruchu Perplexity omijała blokady robots.txt przy pomocy niezadeklarowanego crawlera. To jeden z niewielu obszarów tej mechaniki, gdzie oficjalna deklaracja operatora i zewnętrzny audyt nie są ze sobą zgodne.

Cloudflare stworzyło nowe, nigdzie wcześniej niepublikowane domeny testowe z regułą robots.txt blokującą kompletnie wszystkie automatyczne żądania, a następnie zapytało Perplexity o treść tych stron. Model udzielił szczegółowej odpowiedzi, mimo że żaden zadeklarowany crawler nie powinien mieć do nich dostępu. Według Cloudflare, obok zadeklarowanego bota Perplexity-User (20 do 25 milionów żądań dziennie) działał drugi, niezadeklarowany crawler podszywający się pod zwykłą przeglądarkę Chrome na macOS, generujący 3 do 6 milionów żądań dziennie na dziesiątkach tysięcy domen, zmieniający adresy IP i numery ASN, żeby uniknąć blokad. W efekcie Cloudflare usunęło Perplexity z listy zweryfikowanych botów.

Perplexity odpowiedziało dzień później, nazywając analizę Cloudflare „fundamentalnie nieadekwatną" i twierdząc, że firma pomyliła legalny, inicjowany przez użytkownika ruch Perplexity z niepowiązanym ruchem trzeciej strony.

Spór pozostaje publicznie nierozstrzygnięty. Praktyczny wniosek jest taki, że sama obecność reguły w robots.txt nie musi być pewnym zabezpieczeniem, jeśli celem jest twarde wykluczenie treści z dostępu Perplexity, a weryfikacja po adresie IP z perplexitybot.json chroni tylko przed ruchem zadeklarowanym, nie przed tym, którego istnienie kwestionuje sama Perplexity.

Jakie filtry domeny, języka i daty stosuje Perplexity Search API?

Search API Perplexity, z którego korzystają deweloperzy budujący własne aplikacje na modelach Sonar, pozwala zawężać pulę przeszukiwanych źródeł według domeny, języka i daty publikacji. To jednak ustawienie po stronie dewelopera wywołującego API, nie coś, co konfiguruje właściciel indeksowanej strony.

Praktyczna konsekwencja dla właściciela strony jest inna niż przy klasycznym audycie SEO. Jeśli firma zewnętrzna zbuduje własną aplikację na Search API i ograniczy search_domain_filter do zamkniętej listy zaufanych witryn, twoja strona może zostać wykluczona z tej konkretnej aplikacji niezależnie od jakości treści, bo decyzja zapada po stronie integratora, nie po twojej. Nie da się tego „odblokować" tak, jak edytuje się robots.txt. Jedyne, na co realnie masz wpływ, to poprawne oznaczenie języka strony w atrybucie lang znacznika HTML oraz prawdziwa, widoczna w treści data publikacji i aktualizacji, bo to właśnie te sygnały ten sam mechanizm filtrowania odczytuje przy indeksowaniu strony przez PerplexityBota.

Jak Perplexity wybiera i cytuje źródła w odpowiedzi?

Perplexity łączy wyszukiwanie na żywo z rodziną modeli Sonar, które generują odpowiedź i dołączają cytowania do konkretnych fragmentów tekstu, ale dokładnego algorytmu rankingu źródeł operator nie publikuje. Dokumentacja opisuje Sonar jako model zoptymalizowany pod szybkie, ugruntowane w faktach odpowiedzi z bieżącym wyszukiwaniem w sieci, gdzie każda odpowiedź zawiera listę cytowanych źródeł z adresem URL, tytułem i datą. Warianty z dodatkowym rozumowaniem (sonar-reasoning, sonar-reasoning-pro) przeszukują więcej źródeł niż wersja podstawowa, co sugeruje, że głębokość wyszukiwania rośnie wraz ze złożonością zapytania, choć dokładnej progresji Perplexity nie podaje liczbowo w dokumentacji publicznej.

To, ile źródeł trafia do jednej odpowiedzi, różni się wyraźnie między systemami. Duże badanie porównawcze z 2026 roku, obejmujące 602 zapytania rozłożone na kilka systemów, pokazało średnią liczbę cytowań na odpowiedź: Perplexity 16,35, Google AI Overviews/Gemini 12,06, ChatGPT 6,88. Więcej cytowań na odpowiedź nie musi jednak znaczyć więcej wpływu na jej treść: to samo badanie pokazało, że wskaźnik absorpcji, czyli tego, na ile cytowanie realnie kształtuje odpowiedź, wypadł dla Perplexity niżej niż dla ChatGPT, mimo znacznie mniejszej liczby cytowań u tego drugiego. Selekcja i realny wpływ na tekst to dwie osobne miary, i traktowanie samej liczby cytowań jako dowodu skuteczności treści jest uproszczeniem.

Czego nie wiadomo: Perplexity nie publikuje wag rankingu decydujących, który spośród pobranych dokumentów trafi do odpowiedzi, ani formuły, według której model relewancji ocenia jakość i wiarygodność źródła. Materiały sprzedawane jako „algorytm rankingu Perplexity" przez część branży GEO nie mają oparcia w żadnej publicznej dokumentacji operatora.

Które domeny Perplexity cytuje najczęściej?

YouTube jest najczęściej cytowaną domeną w Perplexity, z udziałem 31,2%, wyraźnie przed Redditem (13,9%) i Wikipedią (7,2%), czyli innym układem niż w ChatGPT czy Gemini, gdzie liderem jest Reddit. Dane pochodzą z panelu Ahrefs Brand Radar, oparte na ponad 3,1 miliona zapytań w USA, ze snapshotem z lipca 2026.

Wart odnotowania jest jeszcze jeden fakt, rzadko wspominany przy okazji tego typu rankingów: inny dostawca tej samej kategorii narzędzi, Peec AI, na próbie 30 milionów źródeł z marca 2026 roku, podał zupełnie inną kolejność dla Perplexity, z Redditem na pierwszym miejscu i YouTube dopiero na drugim, przed LinkedIn, Wikipedią i G2. Żadna z tych dwóch firm nie publikuje identycznej metodologii doboru promptów ani definicji „udziału cytowań", więc zestawianie ich liczb wprost, jako jednego, spójnego rankingu, jest błędem. Oba źródła zgadzają się co do jednego: YouTube i Reddit to dwie dominujące domeny w cytowaniach Perplexity, reszta rankingu jest znacznie mniej stabilna.

Co daje udział w Perplexity Publishers' Program?

Perplexity Publishers' Program to program podziału przychodów reklamowych z wydawcami, których strony zostały zacytowane jako źródło odpowiedzi, uruchomiony w 2024 roku i rozszerzony w 2025 roku o dodatkowy model związany z subskrypcją Comet Plus. Zgodnie z relacjami niezależnych redakcji, gdy odpowiedź z reklamą cytuje stronę wydawcy będącego formalnym partnerem programu, ten otrzymuje określony procent przychodu reklamowego z tej konkretnej odpowiedzi, z limitem podanym publicznie na 25%.

Ważne rozróżnienie: udział w tym programie nie zwiększa szansy na cytowanie. To osobny mechanizm, uruchamiany dopiero po tym, jak strona i tak zostanie wybrana jako źródło przez zwykły proces wyszukiwania i syntezy opisany wyżej. Program monetyzuje już istniejące cytowania, nie jest dodatkowym kanałem do ich zdobycia, i traktowanie go jako taktyki zwiększającej widoczność w Perplexity byłoby nieporozumieniem.

Czego jeszcze nie wiadomo o mechanice Perplexity?

Poza brakiem publicznych wag rankingu, największą niewiadomą pozostaje odporność Perplexity na manipulację treścią spoza własnej domeny. Ahrefs przeprowadził eksperyment z fikcyjną marką o nazwie „Xarumei": stworzył dla niej ubogą stronę firmową, a osobno opublikował szczegółową, sfabrykowaną historię tej marki na zewnętrznej platformie, po czym zadał osiem różnych systemów AI serię pytań o tę nieistniejącą firmę. Wynik, szeroko relacjonowany przez branżowe redakcje w tym Search Engine Journal, pokazał, że większość testowanych systemów, w tym Perplexity, korzystała z sfabrykowanej wersji zamiast skąpych, ale prawdziwych informacji z oficjalnej strony, w jednym przypadku myląc fikcyjną markę z zupełnie inną, realną firmą.

Nie wiadomo też, jak dokładnie PerplexityBot ocenia autorytet i wiarygodność strony przy pierwszym kontakcie z nową domeną, ani jak długo trwa pełna propagacja zmian w robots.txt w indeksie Perplexity. Dla żadnego z tych elementów nie istnieje publiczna dokumentacja z konkretną liczbą czy formułą. Traktowanie pojedynczej udanej próby cytowania jako dowodu na działanie konkretnego mechanizmu jest błędem, bo odpowiedzi Perplexity są w dużym stopniu zmienne między powtórzeniami tego samego pytania.

FAQ

Czy Perplexity ma osobnego bota do treningu modeli, tak jak GPTBot albo ClaudeBot?

Z tego, co ujawnia oficjalna dokumentacja, nie. PerplexityBot wprost nie służy do pobierania treści na potrzeby trenowania modeli, a osobnego, nazwanego crawlera treningowego Perplexity publicznie nie opisuje, w odróżnieniu od OpenAI i Anthropic.

Czy blokowanie Perplexity-User ma sens?

Zwykle nie. To bot pobierający konkretną stronę na wyraźne żądanie użytkownika, więc jego zablokowanie ogranicza możliwość odpowiedzi na pytania o twoją stronę zadane wprost, nie chroni przed niczym, przed czym chroniłaby blokada zwykłego crawlera indeksującego.

Czy filtry Search API mogą wykluczyć moją stronę z odpowiedzi Perplexity?

Technicznie tak, jeśli deweloper budujący własną aplikację na tym API ustawi filtr domeny w trybie wykluczającym albo ograniczy wyszukiwanie do zamkniętej listy witryn bez twojej domeny. To jednak decyzja po stronie integratora API, nie ustawienie dostępne dla właściciela strony.

Czy da się mieć pewność, że dane żądanie na serwerze pochodzi naprawdę od Perplexity?

Częściowo. Perplexity publikuje adresy IP swoich zadeklarowanych botów pod adresem perplexitybot.json, co pozwala zweryfikować ruch zgodny z tą listą. Spór z Cloudflare z 2025 roku pokazuje jednak, że sama zgodność z listą IP nie daje pewności absolutnej, dopóki obie strony tego sporu nie przedstawią wspólnie zweryfikowanych danych.