Najważniejsze wnioski w pigułce
Skala badania
- Searchable zapytał ChatGPT, Google Gemini, Google AI Mode i Perplexity o restauracje w 55 miastach i miejscowościach turystycznych w USA.
- W ciągu sześciu dni października 2026 r. zebrano 174 142 odpowiedzi.
- Pytania dotyczyły najlepszych miejsc ogólnie, dziewięciu rodzajów kuchni i konkretnych potrzeb, np. „ukrytych perełek” czy niezależnych lokali.
Popyt
- 25,6%, czyli co czwarty intensywny użytkownik czatbotów AI w USA, prosił AI o znalezienie miejsca do jedzenia.
- Za intensywnych uznano użytkowników, którzy od 1 stycznia do 20 września 2026 r. wysłali co najmniej 250 promptów, czyli mniej więcej jeden dziennie.
Koncentracja rekomendacji
- Średnio 57% rekomendacji w danym mieście przypada na tych samych pięć restauracji.
- Najbardziej powtarzalne odpowiedzi padają dla Tampy (70,9%), Santa Fe (70,2%) i Key West (69,5%).
- Największą różnorodność widać w San Diego (41,1%), Nowym Jorku (44,4%) i Dallas (46,4%).
Luka widoczności
- Co dwunasta wysoko oceniana restauracja w ogóle nie pojawia się w lokalnych rekomendacjach AI.
- Dobre oceny w serwisach z recenzjami nie gwarantują obecności w odpowiedziach czatbotów.
Co z tego wynika dla firm lokalnych
- Widoczność w AI trzeba mierzyć osobno, bo nie wynika ona automatycznie z pozycji w Google ani z ocen.
- O wejściu do „pierwszej piątki” decydują wzmianki w zewnętrznych źródłach, spójne dane o firmie i treści dopasowane do konkretnych pytań.
Co sprawdził Searchable i dlaczego to ważne
Pytanie „gdzie zjeść?” to jedno z najbardziej lokalnych zapytań, jakie istnieją, a coraz częściej trafia ono nie do wyszukiwarki, tylko do czatbota. Searchable postanowił sprawdzić, jak w tej roli radzą sobie cztery najpopularniejsze narzędzia: ChatGPT, Google Gemini, Google AI Mode i Perplexity. Badanie objęło 55 dużych miast i kierunków turystycznych w USA, a łącznie przeanalizowano 174 142 odpowiedzi. Pytania dotyczyły najlepszych restauracji ogólnie, dziewięciu rodzajów kuchni oraz dodatkowych kryteriów, takich jak „ukryte perełki” czy lokale niezależne.
Równolegle autorzy oszacowali skalę popytu. Przeanalizowali prompty, które 75 308 użytkowników ChatGPT, Gemini, Google AI Mode i Claude z USA wysłało od 1 stycznia do 20 września 2026 r. w ramach panelu konsumenckiego Searchable. Wśród 6 638 najaktywniejszych osób, czyli takich, które wysłały co najmniej 250 promptów, aż 25,6% prosiło AI o polecenie miejsca do jedzenia. To nie jest niszowe zastosowanie, tylko jeden z codziennych sposobów korzystania z AI, który dla gastronomii staje się nowym kanałem pozyskiwania gości.
Dla Google to także kierunek strategiczny. Jeśli śledzisz, jak AI Mode zmienia wyszukiwarkę Google , wiesz, że odpowiedź generowana przez model coraz częściej zastępuje klasyczną listę wyników. W przypadku restauracji oznacza to, że użytkownik dostaje kilka nazw zamiast dziesiątek opcji do przejrzenia.
Pięć lokali zbiera większość wskazań
Najważniejsza liczba z raportu to 57%. Tyle wynosi średni udział rekomendacji, które w danym mieście przypadają na pięć tych samych restauracji. Innymi słowy, niezależnie od tego, które narzędzie zapytamy i jak sformułujemy pytanie, AI w ponad połowie przypadków wraca do tej samej krótkiej listy. Searchable sprawdził również, jak często ponowne zadanie pytania daje nową propozycję, i wniosek jest podobny: zmiana sformułowania rzadko otwiera drogę lokalom spoza czołówki.
Różnice między miastami są wyraźne. Najbardziej „zabetonowane” rekomendacje dotyczą Tampy (70,9%), Santa Fe (70,2%), Key West (69,5%), Savannah (67,4%) i Anchorage (66,6%). Na przeciwnym biegunie są San Diego (41,1%), Nowy Jork (44,4%), Dallas (46,4%), Houston (46,6%) i St. Louis (47,5%). Duże aglomeracje z bogatą sceną gastronomiczną i ogromną liczbą publikacji o lokalach dają modelom więcej materiału, więc odpowiedzi są bardziej zróżnicowane.
Z perspektywy restauratora to sytuacja typu „zwycięzca bierze większość”. Lokal, który znajdzie się w pierwszej piątce, zbiera nieproporcjonalnie dużo uwagi, a pozostałe walczą o resztki. W mniejszych miastach i miejscowościach turystycznych ta przepaść jest jeszcze większa, bo AI ma mniej źródeł, z których mogłoby budować alternatywne rekomendacje.
Wysokie oceny nie gwarantują obecności w AI
Searchable zestawił rekomendacje AI z listą najwyżej ocenianych restauracji w każdym mieście. Punktem odniesienia był ranking Tripadvisora, a do zestawienia trafiały lokale z oceną co najmniej 4 gwiazdek i minimum 50 recenzjami. Każdy z nich zweryfikowano w Mapach Google, usuwając zamknięte lokale, miejsca niebędące restauracjami i te położone poza miastem. W efekcie na jedno miasto przypadało od 52 do 98 restauracji, dlatego autorzy zastrzegają, że w tym wskaźniku miast nie należy porównywać między sobą.
Wynik jest jednoznaczny: co dwunasta wysoko oceniana restauracja nigdy nie pojawia się w lokalnych rekomendacjach AI. To lokale, które goście cenią i chętnie recenzują, a mimo to dla czatbotów praktycznie nie istnieją. Dobra opinia w jednym serwisie nie przekłada się więc automatycznie na to, że model językowy uzna dane miejsce za warte polecenia.
Wyjaśnienie leży w tym, skąd modele językowe czerpią wiedzę . AI łączy dane treningowe z informacjami pobieranymi na bieżąco z sieci, a te pochodzą z wielu źródeł naraz, takich jak artykuły, przewodniki, rankingi, mapy czy serwisy z recenzjami. Restauracja z dobrymi ocenami, o której nikt nie pisze poza jedną platformą, ma po prostu za mało „śladów”, żeby model ją zauważył i uznał za wiarygodną rekomendację. Pełna wersja raportu analizuje także, na które serwisy AI powołuje się najczęściej, co pokazuje, że walka o widoczność toczy się również poza własną stroną.
Co z tego wynika dla lokalnych firm
Badanie dotyczy USA i branży gastronomicznej, ale mechanizm jest uniwersalny dla każdej firmy, której klienci szukają „najlepszego X w mieście Y”. Dotyczy to zarówno restauracji, jak i hoteli, gabinetów, warsztatów czy salonów usługowych. Jeśli AI powtarza w kółko kilka nazw, a czatboty stają się codziennym narzędziem wyboru, to brak w tej krótkiej liście oznacza realnie utraconych klientów. Nie ma też powodu sądzić, że w polskich miastach modele zachowują się zupełnie inaczej, choć oczywiście warto to sprawdzić na własnych danych.
Pierwszym krokiem jest zbudowanie obecności tam, skąd AI czerpie rekomendacje. Wzmianki w lokalnych mediach, przewodnikach kulinarnych, zestawieniach „najlepszych miejsc” czy na blogach branżowych działają jak głosy zaufania, dlatego dobrze zaplanowana strategia digital PR staje się dziś elementem lokalnego SEO. Równie ważna jest spójność danych: nazwa, adres, godziny otwarcia i opis oferty powinny brzmieć tak samo na stronie, w wizytówce w Mapach Google i w serwisach z recenzjami.
Drugi krok to strona, którą model łatwo zrozumie. Opisy kuchni, specjalności, okazji (np. kolacja biznesowa, rodzinny obiad, brunch) i cech wyróżniających lokal odpowiadają wprost na pytania, które użytkownicy zadają czatbotom. Warto też zadbać o dane strukturalne, a nasz test danych strukturalnych JSON-LD w ChatGPT, Claude i Gemini pokazuje, czego realnie można się po nich spodziewać. Całość składa się na to, co dziś nazywamy optymalizacją pod wyszukiwanie AI (GEO i AEO) .
Jak mierzyć widoczność w rekomendacjach AI
Raport Searchable pokazuje też, jak podejść do pomiaru. Zamiast pojedynczego zapytania autorzy użyli całej siatki pytań: ogólnych, dotyczących rodzaju kuchni i konkretnych potrzeb, a każde zadawali wielokrotnie w czterech różnych narzędziach. Tylko takie podejście pozwala ocenić, czy marka pojawia się regularnie, sporadycznie czy wcale. Pojedynczy test w ChatGPT niewiele mówi, bo odpowiedzi różnią się między sesjami i narzędziami.
W praktyce warto zbudować zestaw kilkudziesięciu promptów odpowiadających temu, jak klienci naprawdę szukają usług w danym mieście. Następnie należy regularnie sprawdzać, jak często pojawia się marka, kto zajmuje „pierwszą piątkę” i jakie źródła cytuje AI. To pozwala zobaczyć, czego brakuje do konkurencji, i zaplanować działania contentowe oraz PR-owe. Więcej o tym, jak mierzyć skuteczność SEO poza Google , piszemy w osobnym artykule.
Podsumowanie
Rekomendacje AI w gastronomii są mocno skoncentrowane: ponad połowa wskazań trafia do pięciu lokali, a co dwunasta świetnie oceniana restauracja w ogóle nie istnieje w odpowiedziach czatbotów. Dla firm lokalnych to sygnał, że dobre opinie to za mało i potrzebna jest obecność w źródłach, z których korzysta AI, oraz regularny pomiar widoczności. Kto zadba o to teraz, ma szansę wejść do krótkiej listy, zanim zabetonuje się ona na dobre.
Źródło: Searchable - The AI Restaurant Recommendations Report: United States (otwiera się w nowej karcie)
