Jak AI opisuje polskie marki — 6 przykładów

Zamiast teoretyzować o widoczności w AI, pokazujemy dane. 14 lipca 2026 r. zadaliśmy trzem silnikom — ChatGPT (przez API), Perplexity i Google AI Overviews z google.pl — po jednym pytaniu zakupowym o kategorię sześciu znanych polskich marek. Każdy wynik ma publiczny permalink, więc wszystko, co niżej opisujemy, możesz obejrzeć sam. Dwa zastrzeżenia na start: to migawki z jednego dnia (odpowiedzi modeli się zmieniają), a pytania dotyczyły kategorii, nie marek — dokładnie tak, jak pytają klienci.

Jak wykonaliśmy sprawdzenia

Każde sprawdzenie to jedno pytanie zadane trzem silnikom przez ich oficjalne API — dokładne wersje modeli są widoczne na każdym permalinku (w dniu testu: gpt-5.4-mini po stronie ChatGPT, sonar po stronie Perplexity oraz AI Overviews z google.pl). Jedna odpowiedź na silnik, bez dogrywek i bez wybierania „ładniejszych” wyników — to te same zasady, które opisujemy na stronie Jak mierzymy. Dla każdej marki raport pokazuje trzy rzeczy: czy silnik ją wymienił, w którym miejscu odpowiedzi i jakie strony zacytował jako źródła.

Allegro: 3 z 3 silników, zawsze na początku odpowiedzi

Na pytanie o najlepsze miejsce do kupowania elektroniki online wszystkie trzy silniki wymieniły Allegro. ChatGPT zrobił to aż 11 razy, otwierając odpowiedź rekomendacją „Allegro + Smart!” jako opcji z największym wyborem; Perplexity podkreśliło „największy ruch i wybór ofert od wielu sprzedawców”; AI Overviews nazwało Allegro „największą platformą zakupową w Polsce”. Ciekawsze jest tło: obok allegro.pl silniki cytowały x-kom.pl, euro.com.pl i morele.net — konkurencja jest w odpowiedziach tuż obok.

Żabka: kategoria „convenience” należy do niej

Pytanie brzmiało: „gdzie szybko zrobić małe zakupy wieczorem w mieście?” — bez słowa „Żabka”. Wszystkie trzy silniki i tak wskazały Żabkę na początku odpowiedzi, z argumentem godzin otwarcia (do 23:00 lub całodobowo). Uwagę zwracają źródła Perplexity: obok stron własnych marki silnik cytował serwisy z gazetkami promocyjnymi (okazjum.pl, mojagazetka.com) i Reddita. O odpowiedzi na pytania zakupowe potrafią decydować serwisy, których marka nie kontroluje.

InPost: trzy silniki, trzy różne liczby paczkomatów

Przy pytaniu o wybór paczkomatu InPost dostał komplet wzmianek (ChatGPT — 9, Perplexity — 5, AI Overviews — 6, wszystkie na początku odpowiedzi). Ale szczegół wart odnotowania: Perplexity podało „ok. 28 000 automatów”, a AI Overviews — „ponad 20 tys. maszyn”. Silniki budują odpowiedzi z różnych źródeł o różnej świeżości, więc nawet o liderze potrafią podawać rozbieżne dane. Bez monitoringu marka nie wie, którą wersją liczb karmieni są jej klienci.

mBank: „2 z 3 silników” — i lekcja pokory

Na pytanie o najlepszą aplikację bankową mBank wymieniły dwa z trzech silników. ChatGPT w ogóle go pominął — oparł odpowiedź na rankingu aplikacji z Bankier.pl i rekomendował IKO (5,83/6); AI Overviews wspomniało mBank czterokrotnie, ale też wyróżniło IKO; dopiero Perplexity umieściło mBank w rankingu money.pl z wynikiem 28,52 pkt na 30. Jedna z najbardziej rozpoznawalnych marek polskiej bankowości cyfrowej — a o jej obecności w odpowiedzi decyduje to, który ranking silnik akurat zacytuje.

LOT: komplet wzmianek, źródła głównie cudze

Przy pytaniu o linie lotnicze do latania z Polski LOT wymieniły wszystkie trzy silniki — ChatGPT 10 razy („do lotów z Warszawy i wygodnych przesiadek”), Perplexity 8 razy (jako „najlepszy wybór dla lotów długodystansowych”). Kluczowa obserwacja dotyczy źródeł: obok lot.com silniki cytowały serwisy Ryanaira, Skytrax, tvn24.pl czy bankier.pl. Narracja o marce powstaje w większości poza jej własnymi stronami.

Decathlon: lider kategorii niewidoczny w ChatGPT

Najciekawszy wynik zestawienia. Na pytanie o sklep sportowy na buty do biegania ChatGPT w ogóle nie wymienił Decathlonu — polecił sklepy specjalistyczne (sklepbiegacza.pl, studio-sport.pl) i adidas.pl. Perplexity postawiło Decathlon obok Sportano.pl i eobuwie.pl, a AI Overviews opisało go jako „świetne miejsce na start”. Ta sama marka, to samo pytanie — trzy zupełnie różne pozycjonowania, w tym jedno zerowe.

Co z tego wynika dla mniejszych marek

Sześć powyższych firm to giganci — a mimo to dwóch z nich zabrakło w odpowiedziach na kluczowe pytania ich kategorii. Dla mniejszych marek płyną z tego dwie wiadomości. Zła: jeśli liderzy potrafią być niewidoczni, mniejsza marka bez świadomej pracy nad treściami i źródłami prawie na pewno jest. Dobra: silniki nie przepisują rankingu rozpoznawalności — budują odpowiedź na konkretne pytanie z konkretnych źródeł. W przykładzie Decathlonu ChatGPT wskazał sklepy specjalistyczne, wielokrotnie mniejsze od lidera kategorii. Skoro o wzmiance decyduje dopasowanie do pytania, a nie skala marki, to jest to pole gry, na którym można konkurować treścią, nie budżetem.

Cztery wnioski z sześciu sprawdzeń

1. Rozpoznawalność nie gwarantuje wzmianki. mBank i Decathlon zniknęły z odpowiedzi ChatGPT przy pytaniach, na których komercyjnie najbardziej im zależy.
2. Silniki różnią się między sobą bardziej niż marki. Ta sama marka bywa liderem w jednym silniku i nieobecna w drugim — pomiar jednego silnika to za mało.
3. O odpowiedziach decydują cytowane źródła. Rankingi bankowych aplikacji, serwisy z gazetkami, Reddit, strony konkurentów — to tam silniki znajdują „fakty” o markach, łącznie z rozbieżnymi liczbami jak u InPostu.
4. Migawka to początek, nie koniec. Każdy z tych wyników może jutro wyglądać inaczej — modele są aktualizowane, a źródła się zmieniają. Dlatego zamiast pojedynczych sprawdzeń mierzy się trend: serię powtarzalnych pomiarów, na której widać, czy zmiana jest realna, czy to szum losowości.

Jeśli chcesz najpierw zrozumieć, jak takie sprawdzenie wykonać samodzielnie (i gdzie ręczne metody się kończą), przeczytaj Jak sprawdzić, co ChatGPT mówi o Twojej marce.