Analiza 815 000 par zapytanie–strona przeprowadzona przez Kevin’a Indig we współpracy z AirOps pokazuje, które sygnały faktycznie wpływają na to, czy ChatGPT cytuje daną stronę w swojej odpowiedzi.
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.
Pozycja w wynikach wyszukiwania ChatGPT i dopasowanie nagłówka do zapytania jako główne predyktory cytowania
Poniżej kilka danych z badania:
- Strona na pozycji 1 (pozycja 0 w indeksie) w wewnętrznym wyszukiwaniu ChatGPT ma 58% szans na cytowanie. Na pozycji 10 wskaźnik ten spada do 14%.
- Strony, których nagłówek bezpośrednio odpowiada na zadane pytanie (podobieństwo cosinusowe ≥ 0,90), są cytowane w 41% przypadków. Strony z luźno powiązanymi nagłówkami (podobieństwo poniżej 0,50) – w 30%.
- Nawet wśród stron zajmujących pozycje 0–2 wyższe dopasowanie nagłówka do zapytania zwiększa wskaźnik cytowania o 19 punktów procentowych.
- Strony pokrywające 26–50% podzapytań fanout są cytowane częściej niż strony pokrywające 100% subtematów. Różnica między pokryciem 0% a 100% subtematów wynosi zaledwie 4,6 punktu procentowego.
- 58% stron pobranych przez ChatGPT nie jest nigdy cytowanych; 25% jest cytowanych zawsze, gdy się pojawia; tylko 17% plasuje się pośrodku.
- Wikipedia osiąga najwyższy wskaźnik cytowania (59%) mimo mediany pozycji wynoszącej 24 i najniższego spośród analizowanych typów witryn dopasowania do zapytania (0,576).
- Strony zawsze cytowane i nigdy niecytowane mają zbliżone wartości mierzalnych sygnałów on-page: podobną liczbę słów (~2200), podobną liczbę nagłówków (~20), podobny wynik czytelności (~12 w skali Flesch-Kincaid) i podobny Domain Authority (~54).
Badanie „The Fan-Out Effect Report” – Kevin Indig i AirOps
- Kto przeprowadził badanie: Kevin Indig (analityk i autor newslettera Growth Memo, specjalizujący się w strategii SEO i wzroście organicznym) we współpracy z AirOps (platforma do automatyzacji przepływów pracy opartych na AI). Pipeline badawczy zbudował Oshen Davidson.
- Próbka badawcza: 815 484 par zapytanie–strona, obejmujących 16 851 zapytań i 353 799 stron. Przeanalizowano również 6,8 miliona nagłówków H2–H4.
- Metodologia: Każde zapytanie zostało uruchomione w interfejsie ChatGPT trzykrotnie. Dla każdego uruchomienia rejestrowano podzapytania fanout, pobrane adresy URL, dokonane cytowania oraz treść stron. Dopasowanie nagłówków do zapytań mierzono za pomocą podobieństwa cosinusowego na modelu embeddingów bge-base-en-v1.5, przyjmując próg 0,80 jako granicę trafności.
- Zakres czasowy: Badanie opublikowano w kwietniu 2026 roku.
- Rynek/region: 10 branż; raport nie precyzuje ograniczeń geograficznych.
Pełny raport obejmuje ponad 20 sygnałów z kontrolowanymi porównaniami dla każdego z nich – zainteresowanym warto zapoznać się z nim bezpośrednio.
Źródło
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