Badanie pokazuje, że ChatGPT najczęściej cytuje początkowe 30% tekstu. Kevin Indig przeanalizował 1,2 miliona wyników wyszukiwania, aby odkryć dokładny wzorzec czytania przez AI.

Treść przygotowana przez AI

Jest to krótka charakterystyka przygotowana przez AI i pełni funkcję informacyjną, a nie interpretacyjną. Ludzka praca kończy się tutaj na selekcji badań i raportów, z którymi z tych czy innych powodów warto się moim zdaniem zapoznać. Opis badania oraz wyimek statystyk powinny pomóc w ocenie, czy dane te są interesujące.

Wzorzec “ski ramp” – gdzie AI najchętniej cytuje treści

Analiza 18 012 cytatów z ChatGPT ujawniła charakterystyczny wzorzec rozkładu cytowań w tekście:

  • 44,2% wszystkich cytatów pochodzi z pierwszych 30% tekstu (wstęp)
  • 31,1% cytatów pochodzi z środkowej części tekstu (30-70%)
  • 24,7% cytatów pochodzi z ostatniej trzeciej części artykułu (podsumowanie)
  • AI pomija stopkę – widoczny spadek cytowań w przedziale 90-100% tekstu

Dodatkowo analiza 1000 treści z wysoką liczbą cytowań pokazała, że:

  • 53% cytatów pochodzi ze środka akapitu
  • 24,5% z pierwszego zdania akapitu
  • 22,5% z ostatniego zdania akapitu

Badanie Kevina Indiga nad wzorcami cytowania AI

  • Kto przeprowadził badanie: Kevin Indig, ekspert SEO i założyciel Growth Memo, newsletter dla specjalistów od wzrostu organicznego
  • Próbka badawcza: 1,2 miliona wyników wyszukiwania i odpowiedzi AI, z czego wyizolowano 18 012 zweryfikowanych cytowań do analizy pozycyjnej oraz 11 022 cytowania do analizy “językowego DNA”
  • Metodologia: Wykorzystano semantyczne embeddingi (model all-MiniLM-L6-v2) do znalezienia dokładnych fragmentów cytowanych przez AI. Zastosowano próg podobieństwa 0,55 dla wysokiej dokładności dopasowania
  • Zakres czasowy: Badanie opublikowane w lutym 2026 roku
  • Rynek/region: Analiza odpowiedzi ChatGPT w języku angielskim

Badanie identyfikuje również 5 kluczowych cech treści częściej cytowanych przez AI: język definitywny (określenia typu “jest zdefiniowany jako”), struktura pytanie-odpowiedź, wysoka gęstość encji (20,6% vs. standardowe 5-8%), zbalansowany sentyment (0,47 w skali 0-1) oraz pisanie na poziomie biznesowym (Flesch-Kincaid 16 vs. 19,1).

Źródło

  1. The science of how AI pays attention – Growth Memo

Te artykuły powinny Cię zainteresować

  1. Badanie korelacji cech contentu z widocznością w AI Search
  2. Czynniki techniczne w AI Search – badanie korelacyjne
  3. Korelacja CWV z widocznością w AI Search bardzo ograniczona
  4. Linki z AI Mode pokrywają się z SERP-ami w zaledwie 12%
  5. Ćwierć miliarada dolarów w narzędziach do monitoringu AI Search

O autorze

Nazywam się Michał Małysa i od wielu lat zajmuję się zawodowo SEO oraz analizą treści, a od 2023 roku w zakres moich obowiązków i zainteresowań dość naturalnie weszło AI. Na stronie MałySEO porządkuję wiedzę o pozycjonowaniu stron internetowych, AI Search oraz działaniu LLM-ów. Prowadzę również MałySEO Newsletter, do którego subskrypcji serdecznie Cię zachęcam na podstronie najlepszego w Polsce newslettera SEO.

Jako że przygotowanie materiałów do MałySEO Newslettera oraz na bloga zajmuje nieco czasu, może zaświtać Ci w głowie dość miły z mojej perspektywy pomysł drobnego rewanżu. Jeżeli uznasz, że lektura tego wpisu była dla Ciebie czymś więcej, niż tylko szybkim odklepaniem randomowej internetowej treści, możesz postawić mi kawkę na buycoffee.to. Z góry dziękuję!

Postaw mi kawę na buycoffee.to

Jeżeli z jakiegoś powodu potrzebujesz się ze mną skontaktować, wyślij mail na adres kontakt[at]michalmalysa.pl