Gdy ChatGPT poleca konkurencję, a nie Twój sklep

Zwykle dzieje się to przypadkiem. Właściciel sklepu otwiera ChatGPT, żeby sprawdzić coś zupełnie innego, z ciekawości wpisuje pytanie zakupowe bliskie własnej kategorii - "gdzie kupić dobrą kurtkę zimową" albo "gdzie zamówić fotele biurowe online" - a w odpowiedzi pada nazwa marketplace'u, ogólnopolskiej sieci albo konkurenta trzy razy większego. Jego własnego sklepu na liście nie ma. Nie jest źle zapisany, nie jest schowany na końcu akapitu. Po prostu go nie ma.

Ten moment zwykle wywołuje szybką, zrozumiałą reakcję: najpierw panika, potem kolejne pytania wpisywane w to samo okno czatu, żeby sprawdzić, czy to nie był przypadek. Rzadko jest to przypadek, ale też nie jest to żaden ostateczny dowód. Obie te rzeczy są prawdziwe naraz, a resztę tego artykułu poświęcamy na to, żeby je od siebie odróżnić - tak, żeby nieprzyjemne popołudnie w oknie czatu zamieniło się w cotygodniowy zwyczaj, który faktycznie coś zmienia.

Odpowiedź, której nie chciałeś

Strona wyników wyszukiwania i odpowiedź ChatGPT rozwiązują ten sam problem kupującego w zupełnie inny sposób. Strona wyników daje dziesięć lub więcej linków i pozostawia decyzję kupującemu. ChatGPT czyta pytanie, ustala, jak powinna wyglądać dobra odpowiedź, i pisze od dwóch do sześciu nazwanych opcji, każdą z jednym zdaniem uzasadnienia. Nie ma tu strony drugiej, a sklep, którego nie ma na tej krótkiej liście, jest niewidoczny dla tego pytania - niezależnie od tego, jak wysoko plasuje się gdzie indziej.

Kiedy więc zamiast Twojego sklepu pada nazwa Allegro albo dużej, wielomarkowej sieci, rzadko jest to coś osobistego i rzadko oznacza, że model nigdy nie słyszał o Twoim sklepie. To znak, że dla tego konkretnego pytania model sięgnął po coś, co mógł szybko i z pewnością potwierdzić - szeroki wybór, rozpoznawalną nazwę albo stronę, którą mógł przeczytać bez przeszkód - a Twój sklep nie okazał się równie bezpieczną odpowiedzią. To da się naprawić, to nie jest wyrok. Ale zanim zaczniesz coś naprawiać, warto sprawdzić, czy czat, który wygenerował tę odpowiedź, był w ogóle uczciwym testem.

Czemu prywatny czat w ChatGPT Cię okłamuje

Zalogowane konta ChatGPT mogą korzystać z pamięci (Memory) - wcześniejsze rozmowy, zapisane preferencje i poprzednie wyszukiwania mogą po cichu wpłynąć na kolejną odpowiedź. To wygodne dla kupującego, ale sprawia, że pojedynczy czat na zalogowanym koncie jest niewiarygodnym sposobem sprawdzania widoczności. To samo pytanie może zwrócić inny zestaw sklepów dla innej osoby albo inny zestaw dla tej samej osoby tydzień później - z powodów niezwiązanych z testowanym sklepem.

Jest jeszcze druga, mniej oczywista kwestia: pojedyncza odpowiedź to jedno losowanie z systemu, który może się różnić między uruchomieniami, nawet bez udziału pamięci. Jedna dobra albo jedna zła odpowiedź nie ustala żadnego wzorca - w żadną stronę. Właściciel sklepu, który raz zobaczy swój sklep wymieniony, nie powinien się rozluźniać bardziej niż ten, kto raz zostanie pominięty, powinien wpadać w panikę. Obaj potrzebują tego samego: sposobu na zadanie pytania tak, jak zrobiłby to nowy kupujący, powtarzanego wystarczająco często, żeby zobaczyć, czy wynik jest stały czy przypadkowy.

Nic z tego nie znaczy, że prywatny czat jest bezużyteczny - to uzasadniony pierwszy sygnał alarmowy. Nie może być jednak narzędziem, którym oceniasz, czy poprawka zadziałała, albo czy jest tu w ogóle coś do naprawienia.

Pytania neutralne to uczciwy test

Otwarte pytanie zakupowe bez nazwy sklepu (ang. cold prompt) nigdy nie zawiera nazwy marki ani domeny - "trwały plecak do codziennych dojazdów" zamiast "czy sklep X jest dobry". Takie pytania to uczciwy test odkrywalności: pokazują, czy model sam sięga po dany sklep, bez podpowiedzi. Pytanie markowe od razu zawiera nazwę sklepu, dlatego jest wyłączone z udziału wzmianek (mention rate) - to udział śledzonych pytań, w których sklep zostaje wymieniony w danym tygodniu, a wliczanie pytań, które już zawierają nazwę sklepu, bez powodu by go zawyżało.

Właśnie to robi darmowy Aigely Scan: uruchamia dziesięć otwartych pytań zakupowych w ChatGPT dla jednej domeny, raz w tygodniu, bez karty i bez konta, i zwraca kartę wyniku. Wystarczy to, by w tym tygodniu zobaczyć, czy sklep w ogóle jest wymieniany przy pytaniu, jakie faktycznie wpisałby nowy kupujący - dokładnie takim, jakie wywołało zaskakującą odpowiedź w prywatnym czacie, ale zadanym czysto, bez żadnej historii w tle. Założenie darmowego konta odsłania pełny tekst tych odpowiedzi, nie tylko wynik tak/nie na karcie, co ma znaczenie w kolejnym kroku: przeczytaniu, co odpowiedź faktycznie mówiła.

Udział głosu, nie jedna zgubiona wzmianka

Jedna zgubiona wzmianka przy jednym pytaniu to punkt danych, nie diagnoza. Bardziej użyteczną liczbą jest udział głosu (share of voice): w zestawie otwartych pytań zakupowych istotnych dla kategorii sklepu - kto jeszcze jest wymieniany i jak często. Sklep, którego nie ma przy jednym pytaniu, ale jest wymieniany przy czterech innych z tej samej kategorii, jest w zupełnie innej sytuacji niż sklep, którego nie ma nigdzie. Udział głosu zamienia też "marketplace nas raz pokonał" w coś konkretnego - czy to zawsze ten sam marketplace, czy to konkretna strona produktowa konkretnego konkurenta, czy zmienia się tydzień do tygodnia bez stałego zwycięzcy.

Zamiast reagować na jeden czat, warto śledzić ten wzorzec przez kilka tygodni - do tego właśnie służy widok śledzenia konkurencji: nie po to, by udowodnić, że sklep jest krzywdzony, ale by pokazać dokładnie, które pytania konkurent stale wygrywa, a które wciąż są otwarte. Szersze spojrzenie na to, jak udział wzmianek i udział głosu składają się na cotygodniowy pomiar, znajdziesz w artykule jak śledzić widoczność w AI dla sklepu ecommerce.

Co poprawić, gdy wymieniony zostaje kto inny

Zanim uznasz odpowiedź za przypadkową, warto przeczytać cały tekst odpowiedzi, nie tylko listę nazw. Konto sklepu odblokowuje ten pełny tekst, a widok Answer Explorer jest do tego stworzony. Trzy szczegóły warto sprawdzać każdorazowo:

• Kto jest wymieniony jako pierwszy. Kolejność zwykle wskazuje, którą opcję model uznał za najlepiej dopasowaną, nawet bez jawnego rankingu.
• Co powiedziano o wymienionym sklepie. Konkretny powód - "dostawa w całej Polsce, szeroki zakres rozmiarów, jasna polityka zwrotów" - zwykle wynika z czegoś, co model mógł jasno przeczytać na stronie. Ogólna wzmianka bez żadnego szczegółu w tle to słabsza wygrana konkurenta i mniejsza przepaść do zamknięcia.
• Czy zwycięska strona jest w ogóle porównywalna z odpowiadającą jej stroną Twojego sklepu. Czasem wymieniony konkurent po prostu ma stronę kategorii, która podaje wysyłkę, cenę i dostępność wprost w tekście, a odpowiadająca jej strona mniejszego sklepu jest murem obrazków generowanym przez skrypt, bez żadnej z tych informacji zapisanej gdziekolwiek, gdzie mógłby to przeczytać model.

Ten ostatni punkt to zwykle miejsce, gdzie leży prawdziwa poprawka. Sklep, który nigdy nie jest wymieniany przy otwartych pytaniach zakupowych, rzadko brakuje w odpowiedziach z powodu jednej sprytnej sztuczki konkurenta - zwykle brakuje go, bo model nie mógł potwierdzić na jego własnych stronach tego, co potrzebował potwierdzić: aktualnej ceny, dostępności i prostego opisu, czym jest produkt i dla kogo jest przeznaczony. Większość tej pracy to ta sama praca, która od zawsze miała znaczenie dla wyszukiwania - bycie dostępnym dla robotów, zaindeksowanym i czytelnym. Dodatki specyficzne dla GEO, takie jak plik llms.txt czy sprawdzenie, że GPTBot i inne boty AI nie są blokowane w robots.txt, mają znaczenie, ale to niewielka warstwa na wierchu. Nie zamienią strony w coś, co model może zacytować, jeśli sama strona nigdy nie podaje faktów, których model potrzebuje.

Nic z tego nie gwarantuje, że poprawienie dostępu dla robotów i treści odwróci konkretną odpowiedź już w przyszłym tygodniu. Odpowiedzi modelu zmieniają się w swoim własnym tempie, nie na zawołanie, a poprawkę wprowadzoną dzisiaj testujesz, zadając to samo pytanie ponownie za kilka tygodni - nie odświeżając ten sam czat pięć minut później.

Cotygodniowy sposób, by to obserwować

Powtarzalna metoda jest lepsza niż reagowanie na jeden czat każdorazowo, gdy pojawia się zaskakująca odpowiedź:

1. Zadawaj te same otwarte pytania według grafiku, nie pod wpływem impulsu. Darmowy Aigely Scan obejmuje dziesięć otwartych pytań zakupowych dla jednej domeny raz w tygodniu, bez karty płatniczej, co wystarcza, by wychwycić pierwszy wzorzec.
2. Czytaj pełną odpowiedź, nie tylko to, czy nazwa się pojawia. Darmowe konto odblokowuje cały tekst za każdym wynikiem - kto jest wymieniony, w jakiej kolejności i w jakim tonie - a to właśnie wyjaśnia, dlaczego konkurent wygrywa.
3. Zwiększ zakres, gdy sklep potrzebuje więcej niż tygodniowego zrzutu. Jeśli chcesz to sprawdzać w ChatGPT, Gemini i Google AI Overviews naraz: 7 dni trialu, 50 pytań, bez Claude. Tyle wystarczy, żeby zobaczyć udział wzmianek i udział głosu w więcej niż jednym asystencie AI naraz.
4. Wybierz plan pasujący do asystentów AI, z których faktycznie korzystają Twoi kupujący. Starter obejmuje ChatGPT i AI Overviews z automatycznym śledzeniem tygodniowym. Pro dodaje Gemini. Business dodaje Claude do reszty, dla najszerszego cotygodniowego pokrycia.
5. Poprawiaj strony, na które wskazuje wygrana konkurenta, a potem czekaj na kolejny skan. Poprawka schema albo przepisana strona kategorii jest oceniana na podstawie otwartych pytań z przyszłego tygodnia, nie tego samego czatu odświeżonego dwa razy.

Więcej o tym - czym jest otwarte pytanie zakupowe, jak retrieval i cytowania decydują, który sklep zostaje wymieniony, i czemu pozycja w Google i wzmianka w ChatGPT mogą się rozjeżdżać - znajdziesz w artykule czy ChatGPT poleca Twój sklep internetowy. Zacząć możesz od razu: uruchom darmowy Aigely Scan na otwartych pytaniach zakupowych i przeczytaj kartę wyniku. Jeśli potrzebujesz śledzenia udziału wzmianek i udziału głosu co tydzień, w kilku asystentach AI naraz, oraz pełnego tekstu za każdą odpowiedzią, porównaj plany, żeby dobrać odpowiedni zakres.