Zarządy i marketing
Punkt odniesienia przed decyzją o audycie. Widać, czy kategoria jest rozproszona, czy kilka marek zbiera większość wzmianek, i czy polecenie idzie za obecnością.
Sprawdzamy, które marki modele AI pokazują, jak je opisują i z jakich źródeł korzystają. Każdy raport opiera się na stałym zestawie zapytań, kilku modelach i wielu odpowiedziach z tego samego okresu na polskim rynku.
Zobacz edycjeKażda edycja ma ten sam okres pomiaru i jeden albo kilka raportów kategorii. Wejdź w edycję, żeby otworzyć raport, pobrać PDF albo wersję llms.txt.
| Edycja | Okres pomiaru | Cykl | Kategorie | Publikacja | Otwórz |
|---|---|---|---|---|---|
| Raport widoczności marek w AIsierpień 2026 | 17 maja 2026 do 14 sierpnia 2026 | Miesięczny | 19 raportów | 15 sierpnia 2026 |
Raport pokazuje krajobraz kategorii. Które marki modele pokazują, jak je opisują i z jakich źródeł budują odpowiedź. Nie zastępuje audytu konkretnej marki i nie obiecuje miejsca w ChatGPT.
Marketing często ocenia widoczność w AI po kilku ręcznych zapytaniach. To za mało. Różne modele układają marki inaczej, a wzmianka nie oznacza polecenia. Bez stałego zestawu zapytań i powtórzeń zostaje anegdota.
Publikujemy te pomiary, żeby dało się cytować ten sam okres, tę samą próbę i te same definicje wskaźników. Pierwsza edycja kategorii ustanawia punkt odniesienia. Kolejna pokaże zmianę, nie nową listę zwycięzców.
Nie układamy listy zwycięzców. Rozdzielamy obecność marki, polecenie i źródła, z których model składa odpowiedź.
Liczymy, jak często marka pojawia się w odpowiedzi, jaki ma udział w widoczności kategorii i jak często jest przedstawiana jako rekomendacja. Wzmianka i polecenie to dwa różne wyniki. W pierwszej edycji architektury i designu lider miał Mention Rate 18,9%, a Recommendation Rate 6,1%.
Sprawdzamy wydźwięk wzmianek i motywy, które modele przypisują marce: reputację, zakres usług, cenę, doświadczenie. Ten sam Recommendation Rate może kryć zupełnie inny opis. Jeden wskaźnik nie zastępuje przeczytania, jak marka jest faktycznie przedstawiana.
Zbieramy cytowane domeny i ich typy: katalogi, media, strony marek, marketplace. Widać wtedy, które źródła naprawdę kształtują obraz kategorii. Własna strona marki bywa w tym zestawieniu słabsza niż katalogi i serwisy porównań.
Dobieramy zapytania bez nazw marek. To pytania, które zadaje klient szukający rekomendacji, porównania albo wykonawcy. Uruchamiamy je w kilku modelach naraz, zwykle w ChatGPT, Gemini, Claude i Perplexity.
Z odpowiedzi wyciągamy wzmianki, polecenia, wydźwięk i cytowane domeny. Liczymy Mention Rate, AI Share of Voice, Citation Share i Recommendation Rate. Definicja każdego wskaźnika jest w raporcie, obok liczb.
Wynik dotyczy tego zestawu zapytań, modeli i odpowiedzi. Nie jest pełnym spisem firm z rynku. W edycji sierpień 2026 kategoria architektura i design opiera się na 17 zapytaniach, 4 modelach i 164 ukończonych odpowiedziach z okresu 17.05-14.08.2026.
Raport służy porównaniu kategorii i cytowaniu liczb z jawną metodą. Nie zastępuje audytu jednej marki.
Punkt odniesienia przed decyzją o audycie. Widać, czy kategoria jest rozproszona, czy kilka marek zbiera większość wzmianek, i czy polecenie idzie za obecnością.
Dane o źródłach, które modele cytują w danej kategorii. To inny obraz niż monitoring pozycji w wyszukiwarce.
Materiał do cytowania w analizach i rozmowie z klientem. Raport opisuje krajobraz, nie jedną firmę.
Nie. Jedna odpowiedź modelu nie jest wynikiem. Wynik wymaga stałego zestawu zapytań, kilku modeli, powtórzeń i porównania w tym samym okresie. Raport właśnie tak jest zbudowany.