ChatGPT poleca markę? Ruch często i tak wpada z Google

Jeśli patrzysz tylko na referrale z `chatgpt.com`, łatwo dojść do błędnego wniosku, że rekomendacje w AI prawie nie dają ruchu. Preprint opublikowany na arXiv 9 czerwca 2026 pokazuje inny mechanizm: po rekomendacji w asystencie użytkownicy częściej wpisują markę w Google, a dopiero potem wchodzą na stronę marki lub kartę produktu u retailera.

W badaniu wyszukiwania nazwy marki w Google rosły o 4,3 punktu procentowego, wizyty na stronie marki o 2,4 pp, a wizyty na stronach retailerów o 1,0 pp. Autorzy opisują tę ścieżkę jako "mostly search-mediated". Dla marketera wniosek jest prosty: wpływu AI nie mierzysz tylko w referralach z chatu, ale też w brand search i brand organic.

Warto od razu doprecyzować zakres badania. Dane nie dotyczą wyłącznie ChatGPT, tylko rozmów z ChatGPT, Claude i Gemini. Autorzy wyłączyli z analizy Google AI Overviews i AI Mode, więc nie warto przenosić tych liczb jeden do jednego na każdy format AI w wyszukiwarce.

Skąd bierze się ten ruch po rekomendacji AI

Najczęściej nie z kliknięcia w odpowiedzi, tylko z późniejszego wyszukania marki w Google. Użytkownik widzi nazwę w rozmowie z asystentem, zapamiętuje ją i wraca do tematu wtedy, gdy chce sprawdzić stronę, ofertę albo opinie.

To dlatego GA4 często przypisze taką wizytę do `google / organic`, a nie do ChatGPT. W desktopowej przeglądarce część wejść z samego chatu pojawi się jeszcze jako referral z `chatgpt.com`. W aplikacji mobilnej ten ślad bywa słabszy i wejście może wpaść jako `direct` albo `(none)`.

Jeśli więc raportujesz tylko ruch z `chatgpt.com`, widzisz zaledwie fragment całego efektu. Reszta ląduje w kanałach, które już znasz z klasycznego SEO i analityki brandowej.

Co dokładnie zmierzyło badanie

Autorzy połączyli panel opt-in clickstream z rozmowami tych samych użytkowników prowadzonymi w ChatGPT, Claude i Gemini. Sprawdzali, co dzieje się po rekomendacji marki u osób, które nie miały ostatnio zaobserwowanego kontaktu z tą marką.

To ważne ograniczenie. Badanie nie mówi, że każda wzmianka o marce działa tak samo mocno. Pokazuje efekt rekomendacji u użytkowników bez świeżego zaangażowania, a nie przyspieszenie zachowania obecnych klientów.

Drugie ograniczenie też ma znaczenie dla interpretacji. To badanie obserwacyjne, nie eksperyment, i nie mierzy transakcji. Mierzy trzy zachowania po rekomendacji: wyszukiwanie nazwy marki w Google, wejście na stronę marki oraz wejście na kartę marki u retailera. Sam paper nazywa ten ostatni etap purchase-adjacent, czyli bliskim zakupu, ale nie tożsamym z zakupem.

Dlaczego sam referral z ChatGPT zaniża wpływ AI

Referral z chatu mierzy tylko sytuację, w której użytkownik kliknął link od razu w odpowiedzi. Tymczasem część ludzi najpierw zapisuje sobie nazwę, porównuje opcje albo wraca do tematu później. Wtedy ścieżka zaczyna się w AI, ale kończy w Google.

To zmienia sposób myślenia o atrybucji. W modelu last click cały kredyt dostaje Google Organic, bo tam pojawia się ostatni widoczny punkt kontaktu. Asystent AI nie znika z realnej ścieżki klienta. Znika tylko z raportu.

Z tego powodu sama metryka typu citation share też nie wystarcza. Pokazuje, czy model w ogóle wymienia markę, ale nie pokazuje, czy ta wzmianka kończy się później wejściem na stronę, markowym wyszukaniem albo wizytą u retailera.

Co mierzyć zamiast patrzeć tylko na referrale

Najważniejszym sygnałem jest brand search w Google Search Console. Jeśli marka częściej pojawia się w odpowiedziach asystentów, wzrost powinien być widoczny właśnie tam: w zapytaniach zawierających nazwę marki, jej warianty i nazwy produktów brandowych.

Drugim sygnałem jest brand organic w GA4. Nie chodzi o cały ruch organiczny, tylko o wejścia po zapytaniach brandowych albo na landing pages, które zwykle zbierają taki ruch.

Trzecim sygnałem zostaje referral z `chatgpt.com`, ale jako minimum efektu, a nie jego pełny obraz.

Prosty zestaw do monitoringu wygląda tak:

• w GSC odfiltruj zapytania zawierające nazwę marki i porównuj tygodnie lub miesiące
• w GA4 obserwuj sesje `google / organic` powiązane z ruchem brandowym
• osobno zapisuj ruch z `chatgpt.com`
• zestawiaj te trzy liczby z datami działań pod AI visibility

Jeśli po wzroście widoczności marki w asystentach rośnie brand search, a chwilę później rośnie brand organic, masz mocniejszy sygnał niż sam screenshot z narzędzia do monitorowania cytowań.

Jak ustawić to w GSC i GA4

W Google Search Console zacznij od prostego filtra na brand queries. Dodaj nazwę marki, najczęstsze warianty pisowni i nazwy produktów, jeśli zawierają brand. Potem porównuj okres przed działaniami AI visibility z okresem po ich starcie.

W GA4 nie komplikuj tego na siłę. Na początek wystarczy eksploracja z `session source / medium`, landing page i grupą stron, na które zwykle trafia ruch brandowy. Jeśli masz połączenie GSC z GA4, możesz zejść poziom niżej i sprawdzić też konkretne zapytania.

Dopiero później warto budować bardziej złożone analizy, na przykład osobne audytoria dla użytkowników, którzy wcześniej weszli z `chatgpt.com`. Dla większości zespołów prosty cotygodniowy dashboard będzie lepszy niż rozbudowany model, którego nikt potem nie czyta.

Co to zmienia w praktyce dla marketera

Po pierwsze, AI visibility i brand SEO to nie są dwa osobne tematy. Jeśli asystent podpowiada markę, a użytkownik potem wpisuje ją w Google, pozycja na brand keywords staje się częścią tej samej ścieżki.

Po drugie, warto wydłużyć okno pomiarowe. Ten efekt nie musi zamknąć się w tej samej sesji ani tego samego dnia. Dzienny raport z referrali może nie pokazać prawie nic, a tygodniowy trend brand search już tak.

Po trzecie, lepiej zmienić język raportowania. Zamiast mówić, że marka pojawiła się w określonym procencie odpowiedzi asystenta, pokaż, czy po tej ekspozycji rośnie liczba brandowych wyszukiwań i wejść organicznych. To bliżej realnego wpływu na popyt niż sama widoczność w modelu.

Jeśli Twoja marka zaczyna pojawiać się w odpowiedziach ChatGPT i innych asystentów, nie kończ analizy na referralach z chatu. Najpierw sprawdź, czy rośnie brand search w Google. W praktyce to tam najczęściej widać efekt, który standardowa atrybucja przypisuje później innemu kanałowi.

Źródła

Preprint arXiv: Michael Iannelli, Alan Ai, "From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web", opublikowany 9 czerwca 2026. Artykuł potwierdza wzrost `+4.3 pp` dla same-name Google search, `+2.4 pp` dla wizyt na stronie marki i `+1.0 pp` dla wizyt na stronach retailerów oraz opisuje ścieżkę jako "mostly search-mediated".