Peter J. Meyers z Moz przeprowadził eksperyment badający wpływ wzmianek o marce w promptach na widoczność brandową w odpowiedziach modelu językowego Gemini. Celem było sprawdzenie, jak różne typy promptów — brandowe, “miękkobrandowe” i niebrandowe — przekładają się na liczbę i częstotliwość wzmianek o markach w generowanych odpowiedziach.
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.
Obecność marek w odpowiedziach Gemini w zależności od typu promptu
Poniżej kilka wyników z eksperymentu dotyczącego tematyki “seo tools”:
- Prompty zawierające nazwę marki skutkowały pojawieniem się co najmniej jednej wzmianki o marce w 100% odpowiedzi.
- Prompty niebrandowe generowały odpowiedzi z wzmiankami o marce w 53% przypadków.
- Prompty “miękkobrandowe” (otwarte pytania o narzędzia SEO, bez nazw marek) plasowały się pomiędzy — wyraźnie powyżej niebrandowych.
- Każdy prompt brandowy generował średnio 14,5 wzmianki o marce w odpowiedzi.
- Prompty “miękkobrandowe” dawały średnio 1,68 wzmianki, a niebrandowe — 0,79 wzmianki (poniżej 1 na odpowiedź).
Dane wskazują, że umieszczenie nazwy marki w prompcie nie tylko niemal gwarantuje jej pojawienie się w odpowiedzi, ale także zwiększa całkowitą liczbę wzmianek — często wraz ze wzmiankami o konkurentach.
Brand Bias in Prompts: An Experiment — Moz, Dr. Peter J. Meyers
- Kto przeprowadził badanie: Dr. Peter J. Meyers, Marketing Scientist w Moz — firmie dostarczającej narzędzia SEO i analityczne, redakcja: Meghan Pahinui.
- Próbka badawcza: 300 promptów podzielonych na trzy równe grupy po 100 — brandowe, “miękkobrandowe” i niebrandowe, wszystkie dotyczące tematyki “seo tools” z predefiniowanym zestawem marek.
- Metodologia: Każdy prompt był wysyłany do modelu Gemini 1.5 Flash za pośrednictwem Vertex API; zliczano obecność wzmianek o marce (miara binarna) oraz całkowitą liczbę wzmianek w odpowiedzi.
- Zakres czasowy: Artykuł opublikowano 7 kwietnia 2026 roku; badanie określono jako eksperyment o ograniczonym zakresie tematycznym.
- Rynek/region: Brak wskazania konkretnego regionu; tematyka narzędzi SEO ma charakter globalny.
Autorzy zaznaczają, że wyniki mogą różnić się w zależności od dziedziny, a przyjęty temat (narzędzia SEO) był z natury silnie związany z markami, co wpłynęło na wyniki we wszystkich grupach. Pełny artykuł zawiera również rozważania na temat tego, dlaczego podział binarny brand/non-brand może być niewystarczający w kontekście naturalnych zapytań kierowanych do modeli językowych.
Źródło
Te artykuły powinny Cię zainteresować
- AI Mode i AI Overviews różnią się jak bracia z serialu 1670
- Badanie 2,5 mln linków wewnętrznych pokazuje, że seowcy potrafią linkować
- Nieobecność w Bingu może szkodzić widoczności w ChatGPT
- SGE — perspektywy Search Generative Experience w Polsce
- Wykorzystanie Reddita w strategii AI Search [CASE STUDY]
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!
Jeżeli z jakiegoś powodu potrzebujesz się ze mną skontaktować, wyślij mail na adres kontakt[at]michalmalysa.pl