Pomiar i raportowanie wyszukiwania AI

Jak mierzyć wyszukiwanie AI — atrybucja, widoczność w LLM, udział w głosie, monitorowanie halucynacji i samoopisywanie — oraz dlaczego Twoje analityki pokazują podłogę, a nie sufit.

Opublikowano po raz pierwszy: 24 cze 2026 · Ostatnia aktualizacja: 3 sie 2026 · Zaawansowane

Mierz wyszukiwanie AI jako lejek: dostępny → zindeksowany/kwalifikujący się → pobrany → wspomniany → zacytowany → kliknięty → przekonwertowany → przychód. Żadne narzędzie nie obserwuje każdego etapu. Raport Generative AI w GSC mierzy widoczność w Google AI bez wymiarów kliknięć i zapytań; Bing ujawnia cytowania i zapytania bazowe; analityka rejestruje tylko wizyty, które można przypisać. Układaj te warstwy i oznaczaj każdy mianownik, dostawcę, rynek, zestaw promptów i datę.

TL;DR — Atrybucja wyszukiwania AI pozostaje niekompletna: niektóre wizyty przychodzą bez użytecznych informacji o referrerze, a GSC uwzględnia aktywność funkcji AI w raportach wyszukiwania w sieci zamiast udostępniać osobny filtr AI. Ponieważ żadne pojedyncze narzędzie nie widzi wszystkiego, układasz warstwy — bezpośrednią atrybucję, widoczność LLM, udział w głosie, monitorowanie halucynacji i samoopis (plus inkrementalność, gdy masz odpowiedni wolumen). Traktuj to, co możesz zmierzyć, jako podłogę. I pamiętaj o puencie: sygnały napędzające widoczność LLM mogą pokrywać się z szerszymi sygnałami marki, więc interpretuj metryki wyszukiwania AI obok zdrowia marki, a nie jako izolowany kanał.

Dowód potwierdzający to twierdzenie Raport skuteczności generatywnej AI w Google Search Console zawiera dane o wyświetleniach dla uczestniczących usług, ale nie udostępnia kliknięć, CTR ani wymiarów zapytań. Zakres: Wdrożenie raportu o generatywnej AI w Search Console z czerwca 2026 r.; dostępność może się różnić w zależności od usługi. Poziom ufności: wysoki · Zweryfikowano: Google Search Central: Introducing Search Generative AI performance reports Search Console Help: Generative AI performance report Dowód potwierdzający to twierdzenie Atrybucja w Analytics zależy od dostępnych informacji o kampanii i witrynie odsyłającej, dlatego niektóre sesje mogą zostać sklasyfikowane jako bezpośrednie, gdy brakuje użytecznego źródła. Zakres: Zasady atrybucji w Google Analytics; nie określa uniwersalnego odsetka odesłań pochodzących z AI. Poziom ufności: wysoki · Zweryfikowano: Google Analytics Help: Traffic-source dimensions

Dlaczego wyszukiwanie AI jest trudniejsze do zmierzenia niż tradycyjne wyszukiwanie

Trzy rzeczy psują się jednocześnie.

Błąd atrybucji. Większość ruchu pochodzącego z AI dociera bez sygnału referrera, więc trafia do kategorii Bezpośredni, a nie jako kanał AI. Szacunki dotyczące tego, ile ruchu z AI jest w ten sposób niewidocznego, wahają się od około 35% do 70,6% (górna granica pochodzi od dostawcy — z próby 446 405 wizyt Loamly — traktuj ten zakres orientacyjnie, nie jako pewnik). To nie jest spisek Google; tak po prostu działają referrery. Jak to ująłem, gdy testowaliśmy to w Ahrefs: “Websites have control over what info they send. They can send the full path, just the origin, or nothing — it’s up to them. We report whatever referrer we’re told to report. If they don’t send us one, then it would go in the ‘Direct’ bucket.” (tłumaczenie) „Strony internetowe mają kontrolę nad tym, jakie informacje wysyłają. Mogą wysłać pełną ścieżkę, samą domenę źródłową albo nic — to zależy od nich. Raportujemy ten referrer, który nam przekazano. Jeśli go nie otrzymamy, ruch trafia do kategorii Bezpośredni”.

Widoczność bez kliknięć. Przeglądy AI generują wyświetlenia i ekspozycję marki bez przekierowywania ruchu. Stary lejek wyświetlenia → kliknięcia → konwersje nie ma zastosowania, gdy odpowiedź jest celem.

Brak standardowych narzędzi. Do maja 2026 roku nie istniał natywny kanał GA4 dla ruchu z AI. Raport GSC z czerwca 2026 roku dotyczący generatywnej AI rozdziela wyświetlenia dla uczestniczących właściwości, ale nie kliknięcia, CTR ani zapytania. Bing dodał wskaźniki wydajności AI w lutym 2026 roku jako publiczną wersję zapoznawczą. A efekt całego tego tarcia: tylko 16 % firm systematycznie śledzi wydajność wyszukiwania AI (McKinsey, wrzesień 2025). Większość Twoich konkurentów nie mierzy niczego — co oznacza, że każdy realny system pomiarowy stanowi przewagę.

Zasada podłogi, nie sufitu

Jeśli masz zapamiętać tylko jedną ramę, niech to będzie ta. Opublikowane udziały ruchu AI oscylują wokół 0,25 % średniego ruchu na stronie (badanie Ahrefs obejmujące ~82 000 witryn) — ale to tylko mierzalny wycinek. Dwie korekty zawyżają tę wartość:

  1. Ruch ciemny. Przy 35–70 % wizyt z AI bez referera, rzeczywista liczba jest prawdopodobnie 2–3 razy wyższa, niż pokazują Twoje analityki.
  2. Premia za konwersję. Ruch z AI konwertuje znacznie lepiej. Dla Ahrefs, 0,5 % odwiedzających wygenerowało 12,1 % rejestracji — premia 23x, a ci odwiedzający przeglądali ~50 % więcej stron na sesję przy niższym współczynniku odrzuceń. W całej branży premia wynosi raczej około 4–4,4x (Semrush/Adobe), ale kierunek jest spójny.

Więc właściwą liczbą do rozpoczęcia raportu dla interesariuszy nie jest 0,25 %. To wskaźnik wzrostu (9,7x w 12 miesięcy) lub premia za konwersję. To one zmieniają ramy stawki; liczba udziału w ruchu je niedoszacowuje.

Pięć warstw pomiaru

Nie pojedyncze narzędzie widzi całego obrazu, więc układasz częściowe widoki. To jest 5-warstwowy framework GEO Paula DeMotta (Search Engine Land, maj 2026), z moimi własnymi danymi wplecionymi w każdą warstwę. Każda warstwa poniżej jest również osobnym szczegółowym omówieniem w tym klastrze.

Warstwa 1 — Bezpośrednia atrybucja (pobrane vs. wspomniane vs. cytowane)

To jest GA4 plus Ahrefs Web Analytics: kto faktycznie odwiedził, z jakiego źródła AI.

  • Kanał AI Assistant w GA4 (dodany 13 maja 2026) wykrywa sesje z odesłaniem z ChatGPT, Gemini, Claude, Copilot, Grok i podobnych. Przydatny — ale widzi tylko sesje, które przychodzą z referrerem. Te 35–70 %, które nie mają referrera, nadal pozostają w Direct, niezależnie od konfiguracji kanałów. Wyklucza też Google AI Overviews i AI Mode, które pojawiają się jako zwykły Organic Search, nie działa wstecz, i zużywa jeden z dwóch slotów na niestandardowe grupy kanałów.
  • Ahrefs Web Analytics ma wbudowany kanał AI zamiast wymagać niestandardowej konfiguracji i aktualizuje się bliżej czasu rzeczywistego.
  • Słownictwo ma tu znaczenie: pobranie ≠ wzmianka ≠ cytowanie. Pobranie to pobranie Twoich treści; wzmianka to nazwanie Twojej marki w odpowiedzi; a cytowanie to link do Twojego URL jako źródła. Zbuduj raport na podstawie złego pojęcia, a całość wprowadzi w błąd. Zobacz Retrieved vs. Mentioned vs. Cited in AI.

Warstwa 2 — Widoczność w modelach LLM (warstwa wyświetleń i cytowań)

Jak często pojawiasz się w odpowiedziach AI, niezależnie od kliknięcia.

  • Raporty GSC Gen AI Performance (czerwiec 2026) pokazują tylko wyświetlenia — bez kliknięć, bez CTR, bez pozycji — dla AI Overviews, AI Mode i funkcji Discover AI. To realny sygnał ekspozycji, ale nie można go przekształcić w ruch. (Więcej poniżej i w artykule o klastrze GSC.)
  • Raport AI Performance w Bing Webmaster Tools (podgląd z lutego 2026) jest bardziej przejrzysty: całkowita liczba cytowań, średnia liczba cytowanych stron, zapytania bazowe (frazy, których Copilot szukał wewnętrznie, aby Cię znaleźć) oraz aktywność cytowań na poziomie strony.
  • Sprawdzenie rzeczywistości: tylko 38% stron cytowanych w Google AI Overviews znajdowało się w tradycyjnej pierwszej dziesiątce (spadek z 76%) — widoczność w LLM to nie to samo co pozycje w niebieskich linkach.

Warstwa 3 — monitorowanie halucynacji AI

Kwestia, która nie ma odpowiednika w tradycyjnym wyszukiwaniu: narzędzia AI wysyłają ruch na strony, które nie istnieją, i opisują Twoją markę nieprawidłowo. W mojej analizie typów stron z ruchem AI w Ahrefs odkryłem, że 3,6% ruchu asystenta AI Ahrefs trafiało na nieistniejące (halucynowane) adresy URL. Poza złymi linkami warto obserwować, czy modele poprawnie opisują Twój produkt, ceny i pozycjonowanie — błędny „fakt” powtarzany w wielu modelach to mierzalny problem reputacyjny. Zobacz Monitorowanie halucynacji AI.

Warstwa 4 — samoopis (pomost, którego analityka nie zbuduje)

Dodaj pole „Skąd się o nas dowiedziałeś?” z opcjami AI do formularzy sprzedażowych, kontaktowych i po konwersji. To jedyna warstwa, która wychwytuje wpływ AI na szczycie i środku lejka — odkrycie, które nastąpiło tygodnie przed wizytą Direct bez referera. DeMott podaje, że w niektórych badaniach pipeline’u ujawnia to dwucyfrową atrybucję AI. To niskotechnologiczne rozwiązanie, które działa dokładnie tam, gdzie śledzenie zawodzi. Zobacz Atrybucja ruchu AI (która łączy problem ciemnego ruchu i rozwiązanie samoopisu).

Warstwa 5 — udział w głosie (i dlaczego sam w sobie jest pułapką)

Udział w głosie to procent istotnych odpowiedzi AI, w których Twoja marka jest wspomniana lub cytowana. Narzędzia automatyzują to na dużą skalę: Ahrefs Brand Radar (400M+ zapytań opartych na wyszukiwaniu w ChatGPT, Perplexity, Gemini, Copilot, AI Overviews, AI Mode i Grok od lipca 2026, w porównaniu z ponad 350 mln wcześniej w tym roku — to rosnący, aktualizowany na żywo indeks, więc traktuj dokładną liczbę jako orientacyjną; comiesięczne odświeżanie), Semrush AI Toolkit (100M+ zapytań), Profound, BrightEdge, Scrunch. Możesz też zrobić to ręcznie: uruchamiaj stały zestaw zapytań w 3+ modelach co miesiąc i zliczaj wzmianki.

Ale posłuchaj ostrzeżenia DeMotta: “Share of Voice is a vanity metric without business connection.” (tłumaczenie) „Udział w głosie to miernik próżności bez powiązania z biznesem”. SOV mówi Ci, jak często się pojawiasz, a nie czy pojawianie się napędza świadomość, ruch czy pipeline. Zawsze łącz to z warstwą 1 (ruch) i warstwą 4 (samoopis). Zobacz Udział w głosie AI (SoV).

Jeszcze jedna uczciwa warstwa poza tymi pięcioma: testowanie przyrostowości. Różnica w różnicach — kohorta testowa o wysokiej widoczności AI vs. grupa kontrolna — przez 6–12 miesięcy to jedyny sposób, aby udowodnić, że wyszukiwanie AI spowodowało przychody, a nie tylko z nimi korelowało. To najwolniejsza i najbardziej rygorystyczna metoda. Większość zespołów nie dotrze tu przez rok; zbierz dane bazowe teraz, aby móc to zrobić.

Raporty specyficzne dla platform (pułapki)

Google Search Console. Raport Generative AI z czerwca 2026 zapewnia osobny widok widoczności dla uczestniczących właściwości, ale zawiera tylko wyświetlenia: bez kliknięć, CTR ani wymiaru zapytań. Nie wyciągaj wniosków o ruchu z tych wyświetleń ani nie włączaj ich do standardowego raportu Web, jakby metryki były równoważne. Przydatny sygnał: rosnące wyświetlenia AI Overview przy stabilnych lub spadających kliknięciach w głównym raporcie to „The Great Decoupling” — mierzalna kanibalizacja AI Overview (Ahrefs zaobserwował, że korelacja kliknięć/wyświetleń bloga odwróciła się z +0,425 do −0,352, a AIO wiązały się z redukcją CTR o 34,5 %).

Bing Webmaster Tools. Wyprzedza Google pod względem przejrzystości. Jego raport AI Performance ujawnia cytowania osobno od kliknięć organicznych, a zapytania bazujące na źródłach (grounding queries) to naprawdę unikalne okno — mówią Ci, na co Copilot faktycznie próbował odpowiedzieć, gdy pobierał Twoją stronę. Porównaj swoje najczęściej cytowane strony w Bing z najlepszymi stronami organicznymi; luki to szansa.

GA4 i Ahrefs Web Analytics. Omówione w Warstwie 1 — oba mają to samo ograniczenie dotyczące ciemnego ruchu; Ahrefs jest wbudowany i szybszy, GA4 jest konfigurowalny i wyklucza AIO/AI Mode.

Co koreluje z widocznością w LLM (badanie Ahrefs na 75 000 markach)

W badaniu Ahrefs na 75 000 markach autorstwa Louise Linehan i Xibeijia Guan, które omówiłem w mojej prezentacji na Evolve 2025, sygnały uszeregowano w ten sposób pod względem korelacji z widocznością w AI Overview:

  • Wzmianki o marce w sieci — 0,664 (najsilniejszy sygnał)
  • Kotwice z nazwą marki — 0,527
  • Wolumen wyszukiwań marki — 0,392
  • Domain Rating — 0,326 (najsłabszy z czterech)

Przeczytaj tę listę jeszcze raz. Trzy z czterech to sygnały marki, a nie klasyczne techniczne SEO. Wniosek jest osią całego tego hubu: mierzenie widoczności w AI to w większości mierzenie zdrowia marki, a praca, która poprawia widoczność w AI (wzmianki, cytowania, autorytet), to ta sama praca, która poprawia tradycyjne SEO.

Gdzie dalej

Ten hub to mapa. Każda warstwa to osobne szczegółowe omówienie w klastrze:

  • Pobrany vs. Wspomniany vs. Cytowany w AI — trzy typy widoczności, których nie należy mylić, i które z nich faktycznie można zmierzyć.
  • Widoczność w LLM / Widoczność w AI — wyświetlenia, cytowania i jak audytować swoją obecność w odpowiedziach AI za pomocą narzędzi takich jak Brand Radar.
  • Monitorowanie halucynacji AI — śledzenie błędnych faktów, złych cen i problemu ruchu z halucynowanych URL-i.
  • Atrybucja ruchu AI — problem ciemnego ruchu w pełnej skali, zachowanie referrerów platforma po platformie, konfiguracja GA4 i most samoopisowy.
  • AI Share of Voice (SoV) — definiowanie go, mierzenie, narzędzia i jak zapobiec, by nie stał się marnym wskaźnikiem.
  • GA4 dla ruchu AI — faktyczna konfiguracja GA4: niestandardowe grupy kanałów, regex referrerów i Eksploracje do segmentacji ruchu z platform AI.
  • Analiza logów crawlerów AI — czytanie surowych logów serwera w celu pomiaru aktywności botów AI, weryfikacja user-agentów względem prawdziwych IP i wykrywanie problemów crawl-vs-render.

Dodaj notatkę eksperta

Przypnij cytat eksperta

Nowa osoba? Najpierw utwórz jej nieprzejęty profil na /admin/experts/ → Przypnij cytat eksperta .