Zanim uruchomimy monitoring w SMGNC dla nowego projektu, robimy przegląd techniczny strony. Nie ma sensu monitorować promptów, jeśli boty AI nie widzą treści albo treść nie jest w formacie, który AI potrafi zacytować.
Ten przegląd obejmuje 8 warstw: od dostępności technicznej dla botów, przez strukturę treści, po kontrolę nad narracją. Dzięki temu monitoring startuje z właściwym zestawem promptów i pokazuje dane, które da się później przełożyć na działania.
Pełny framework audytu widoczności w AI z checklistami per warstwa: pełny framework audytu (8 osobnych artykułów, ponad 29 000 słów, 94 nagłówki H2).
8 warstw audytu - przegląd
| # | Warstwa | Co sprawdzamy | Typowy finding |
|---|---|---|---|
| 1 | Crawlability | Czy boty AI mają dostęp do treści | robots.txt blokuje GPTBot i PerplexityBot |
| 2 | Extractability | Czy AI łatwo wyciągnie odpowiedź z treści | Brak answer-first, ciągły tekst bez struktury nagłówków |
| 3 | Authority signals | Czy marka wygląda na wiarygodne źródło | Brak autora z bio, brak daty publikacji, brak danych firmowych |
| 4 | Schema markup | Czy dane strukturalne wspierają rozumienie strony | Brak Organization, Product, FAQ schema |
| 5 | Rendering readiness | Czy bot widzi to samo co użytkownik | Kluczowa treść ładowana przez JavaScript |
| 6 | Observed visibility | Realna obecność w 7 modelach i widokach AI | Widoczny w Gemini, niewidoczny w ChatGPT |
| 7 | Narrative control | Kto kontroluje odpowiedź AI o marce | AI podaje błędne informacje lub cytuje konkurencję |
| 8 | Confidence | Czy sam wynik audytu jest wiarygodny | Za mało danych, za krótki monitoring |
Warstwa 1 - Crawlability
Pierwszy krok: czy boty AI w ogóle widzą treść na Twojej stronie. Każdy silnik AI ma własną ścieżkę dostępu do webu - GPTBot i OAI-SearchBot (ChatGPT/OpenAI), PerplexityBot, ClaudeBot, Google-Extended (Gemini), Googlebot (AI Mode i AI Overviews) oraz Bingbot / Microsoft crawlers dla ekosystemu Copilot.
Sprawdzamy: plik robots.txt i reguły blokujące, odpowiedzi serwera (czy bot dostaje 200 OK, nie 403, 429 czy 503), czas odpowiedzi serwera (powyżej 3 sekund = ryzyko pominięcia), dostępność kluczowych podstron (czy bot może crawlować strony usługowe, nie tylko homepage).
Typowy finding: robots.txt zawiera "Disallow: /" dla GPTBot lub "User-agent: * / Disallow: /api/" - co blokuje wszystkie boty łącznie z AI. Inny finding: firewall (WAF, Cloudflare) blokuje boty AI na poziomie sieci, zanim robots.txt w ogóle zostanie przeczytany.
Jeśli AI nie cytuje Twojej strony i jednocześnie boty są zablokowane - to pierwsza rzecz do naprawienia, zanim cokolwiek innego ma sens.
Warstwa 2 - Extractability
Nawet jeśli bot widzi treść, pytanie brzmi: czy AI potrafi z niej "wyciągnąć" gotowy fragment do odpowiedzi? Modele AI dzielą stronę na chunki (200-500 słów) i oceniają każdy osobno. Chunk musi być samodzielną odpowiedzią na potencjalne pytanie.
Strony z dobrą extractability mają: nagłówki H2 sformułowane jako pytania, pierwszy akapit pod nagłówkiem jako odpowiedź (answer-first), tabele porównawcze, listy z konkretnymi danymi, sekcje FAQ z krótkimi odpowiedziami.
Strony z niską extractability: długie akapity bez struktury (8-12 zdań bez H3), brak nagłówków pytaniowych, tekst marketingowy o firmie zamiast odpowiedzi na pytanie klienta, porównania jako grafiki PNG zamiast tabel HTML (niewidoczne dla chunkera), accordiony z treścią ładowaną po kliknięciu (JavaScript).
Sprawdzamy: czy kluczowe strony mają answer-first pod każdym H2, czy H2 są sformułowane jako pytania lub action-statements (nie etykiety typu "Nasze usługi"), czy tabele i listy są w HTML (nie w obrazkach), czy FAQ jest w widocznym tekście (nie schowane za JS).
Warstwa 3 - Authority signals
AI preferuje źródła, które wyglądają na wiarygodne. Sprawdzamy sygnały E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) widoczne na stronie:
| Sygnał | Co sprawdzamy | Typowy problem |
|---|---|---|
| Autor | Widoczny byline z imieniem i nazwiskiem, bio, doświadczeniem | Brak autora, "Admin", "Redakcja" |
| Daty | Data publikacji i ostatniej aktualizacji | Brak dat lub daty sprzed 2+ lat |
| Dane firmowe | Adres, NIP/KRS, telefon, regulamin, polityka prywatności | Brak lub schowane w stopce |
| Certyfikaty | Google Partner, branżowe certyfikaty | Brak widocznych certyfikatów |
| Wzmianki zewnętrzne | Czy marka jest cytowana na portalach, w mediach | Brak wzmianek = niski autorytet |
Dla stron YMYL (finanse, zdrowie, prawo) authority signals mają szczególne znaczenie. AI jest bardziej ostrożny w cytowaniu źródeł bez wyraźnych sygnałów wiarygodności - ChatGPT i Gemini zauważalnie odrzucają strony bez podpisanego autora i daty.
Warstwa 4 - Schema markup
JSON-LD schema to język, którym mówisz do maszyn. Organization schema identyfikuje firmę. Product/Service schema opisuje ofertę. FAQ schema wystawia pytania i odpowiedzi w formacie gotowym do zacytowania.
Sprawdzamy: czy schema istnieje na kluczowych stronach, czy jest poprawna (walidacja), czy pokrywa encje (firma, produkty, usługi, autorzy, FAQ), czy nie ma błędów, które ją zdyskwalifikują (brak wymaganych pól, zły format daty, zduplikowane schema).
Dane z naszego raportu AI Readiness 2026: 65% polskich sklepów nie ma Product schema na stronach produktowych. To ponad połowa rynku, która oddaje szansę na cytowania w AI i rich results w Google.
Warstwa 5 - Rendering readiness
Boty AI nie zawsze wykonują JavaScript. Jeśli ważna treść jest schowana za zakładkami, accordionami, lazy-loadowanymi sekcjami, dynamicznymi filtrami, React SPA bez SSR - bot może jej nie zobaczyć.
Sprawdzamy: renderowany HTML (to, co widzi bot po pobraniu strony) vs źródłowy HTML. Testujemy kluczowe strony przez Screaming Frog z renderowaniem JavaScript i porównujemy z wersją bez renderowania. Jeśli kluczowa treść pojawia się dopiero po renderingu - to ryzyko.
Typowy finding: opisy produktów w accordionach (Kadence, Elementor) - użytkownik klika żeby rozwinąć, bot widzi pusty div. Inny finding: treść FAQ ładowana przez AJAX po scrollowaniu strony - bot pobiera tylko nagłówki.
Warstwa 6 - Observed visibility
To jest warstwa, w której monitoring SMGNC daje twarde dane. Odpytujemy 7 modeli i widoków AI realnymi promptami i mierzymy widoczność marki w każdym z nich osobno.
| Silnik | Own citation rate | Źródło danych | User-agent bota | Co mierzyć |
|---|---|---|---|---|
| Gemini | 36.3% | Indeks Google | Google-Extended | Citation rate (% odpowiedzi z linkiem do domeny) |
| Google AI Mode | 24.3% | Indeks Google (szerzej niż top 10) | Googlebot | Brand mention + citation |
| Google AI Overviews | - | Indeks Google i źródła widoczne w SERP | Googlebot | Cytowania i źródła w odpowiedzi AI |
| Perplexity | 18.4% | Własny crawler + Bing | PerplexityBot | Citation rate (linkuje agresywnie) |
| ChatGPT | 12% | Bing + dane treningowe | GPTBot, OAI-SearchBot | Brand mention (rzadko linkuje) |
| Claude | - | Dane treningowe i kontekst webowy | ClaudeBot | Brand recall i zgodność narracji |
| Copilot | - | Ekosystem Microsoft/Bing | Bingbot / Microsoft crawlers | Brand mention, cytowania i widoczność źródeł |
Dane z naszego monitoringu: 67 promptów, 7 modeli i widoków, 30 dni, 7 100+ runów. Każdy silnik działa inaczej - dlatego mierzymy wszystkie osobno. W panelu SMGNC widzisz rozbicie per silnik, per prompt, z trendem 7d i 30d.
Kluczowy insight: Gemini cytuje to, co rankuje w Google (36.3% own citation rate). ChatGPT jest najtrudniejszy (12%) i wymaga wzmianek zewnętrznych. Optymalizacja pod "AI ogólnie" nie ma sensu - trzeba optymalizować pod konkretny silnik.
Warstwa 7 - Narrative control
Kto kontroluje to, co AI mówi o Twojej marce? Jeśli AI podaje błędne informacje, cytuje konkurencję, albo opisuje firmę na podstawie nieaktualnych danych - masz problem z narrative control.
Sprawdzamy: co AI mówi o marce na prompty brandowe ("Czym zajmuje się firma X?", "Czy firma X jest godna zaufania?", "Jakie usługi oferuje firma X?"). Czy podaje poprawne dane kontaktowe, usługi, ceny. Czy cytuje Twoją stronę, czy zewnętrzne źródła (które mogą być nieaktualne lub nieprawdziwe).
Typowy finding: ChatGPT podaje stary adres firmy (dane treningowe z 2023). Inny finding: Perplexity cytuje artykuł na portalu branżowym, w którym firma jest opisana w kontekście negatywnym lub nieaktualnym.
Warstwa 8 - Confidence
Ostatnia warstwa to meta-ocena: czy mamy wystarczająco danych, żeby wyciągać wnioski? Jeśli monitoring trwał 3 dni - confidence jest niski. Po 30 dniach - confidence rośnie. Jeśli prompty pokrywają tylko 1 typ (np. same informacyjne) - obraz jest niekompletny.
Raportujemy confidence wprost w wynikach audytu, żeby klient wiedział, na ile może polegać na danych. Prompty z niskim confidence oznaczamy jako wymagające dłuższego monitoringu przed podjęciem decyzji.
Co dostajesz przed uruchomieniem monitoringu?
Przegląd techniczny przed monitoringiem kończy się trzema konkretnymi rzeczami:
1. Raport z findingami per warstwa. Które warstwy są OK, które wymagają pracy, jakie są priorytety (P0/P1/P2). Każdy finding ma konkretną rekomendację - nie "popraw treść", ale "dodaj FAQ schema z 5 pytaniami na stronie /uslugi/, bo prompt X ma niski score i brak treści answer-first".
2. Lista promptów do monitoringu. 30-50 promptów dopasowanych do branży, usług i konkurencji klienta, gotowych do uruchomienia w SMGNC. Prompty klasyfikowane wg 5 typów (rankingowe, porównawcze, rekomendacyjne, informacyjne, brandowe). Pełny opis procesu doboru promptów.
3. Konfiguracja monitoringu. Audyt kończy się uruchomieniem monitoringu w SMGNC - od tego momentu dane zbierają się automatycznie i widzisz w panelu, czy zmiany wdrożone na podstawie audytu działają.
Najczęstsze pytania o przegląd techniczny
Czy przegląd techniczny to to samo co audyt SEO?
Nie. Klasyczny audyt SEO sprawdza pozycje, indeksację, linkowanie, szybkość strony i optymalizację on-page pod kątem Google. Przegląd techniczny przed monitoringiem AI skupia się na 8 warstwach specyficznych dla widoczności w modelach językowych: crawlability dla botów AI (GPTBot, PerplexityBot, ClaudeBot, Bingbot), extractability treści (czy AI potrafi wyciągnąć fragment do odpowiedzi), schema JSON-LD, rendering i narrative control. Część elementów się pokrywa (np. szybkość, schema), ale cel jest inny.
Ile trwa przegląd techniczny przed uruchomieniem monitoringu?
W Semgence przegląd techniczny trwa 1-3 dni robocze, w zależności od wielkości serwisu. Mniejsze strony usługowe (do 50 podstron) sprawdzamy w 1 dzień. Sklepy e-commerce z setkami produktów wymagają 2-3 dni. Po przeglądzie od razu konfigurujemy monitoring w SMGNC - pierwsze dane z 7 modeli i widoków AI pojawiają się w panelu w ciągu 48 godzin.
Co to jest extractability i dlaczego jest ważna?
Extractability to miara tego, jak łatwo model AI może wyciągnąć z Twojej strony gotowy fragment do odpowiedzi. Wysoka extractability: nagłówki H2 jako pytania, pierwszy akapit pod nagłówkiem to odpowiedź (answer-first), tabele porównawcze w HTML, sekcje FAQ z krótkimi odpowiedziami. Niska extractability: ściany tekstu bez struktury, brak nagłówków, porównania jako obrazki PNG zamiast tabel HTML. Modele AI dzielą stronę na chunki (200-500 słów) i oceniają każdy osobno - chunk musi być samodzielną odpowiedzią.
Czy Screaming Frog jest potrzebny do przeglądu?
Tak. Screaming Frog crawluje serwis tak jak bot wyszukiwarki - zbiera URL-e, statusy HTTP, nagłówki, schema, linki wewnętrzne i pełną treść stron. Dzięki temu widzimy rendering (co bot widzi vs co widzi użytkownik), duplikaty schema, brakujące meta tagi i problemy z canonicalami. Dla mapy topical authority używamy Screaming Frog do budowy embeddingów pełnej treści stron.
Co jeśli przegląd wykaże poważne problemy techniczne?
Jeśli przegląd pokaże, że boty AI są zablokowane w robots.txt lub kluczowa treść nie renderuje się dla botów, naprawiamy to jako P0 przed uruchomieniem monitoringu. Nie ma sensu monitorować promptów, jeśli boty nie widzą treści - wyniki będą zerowe niezależnie od jakości contentu. Semgence wdraża poprawki techniczne w ramach usługi pozycjonowania w AI.
Skonfigurujemy monitoring po przeglądzie technicznym - w ciągu 48 godzin
Przegląd techniczny pokazuje, dlaczego AI nie cytuje Twojej strony i co warto naprawić przed interpretacją danych. Potem uruchamiamy monitoring, żeby mierzyć efekty zmian w czasie.
Monitoring w pakietach od 649 zł netto/mies. - ten sam zakres funkcji, różnica dotyczy liczby promptów.
Usługa pozycjonowania w AI obejmuje przegląd techniczny, strategię, wdrożenie i monitoring w cenie - od 3 900 zł netto/mies.
Zadzwoń: +48 609 357 357 lub napisz: info@semgence.pl