Najważniejsze wnioski w pigułce
Skala zjawiska
- Jeden prompt o marce generuje średnio 10,3 podzapytań, a nie jedno wyszukiwanie
- 189 promptów brandowych wygenerowało 1797 zapytań wykonanych przez model — żadnego nie napisał człowiek
- Około 1 na 20 przypadków kończy się bez wyszukiwania: model już zna odpowiedź
- Pojedyncze uruchomienie promptu pokazuje mniej niż 3 podzapytania; dopiero 4 powtórzenia ujawniają 10,3 unikalnych
Gdzie model szuka
- 69,8% podzapytań trafia do otwartego SERP-a, bez żadnego operatora
- 16,6% kierowanych jest bezpośrednio na domenę marki przez operator
site: - 7,9% na domeny grupy kapitałowej, 5,6% na źródła zewnętrzne
- Tylko 0,1% dotyczy konkurencji — fan-out brandowy jest dośrodkowy
Jak model pyta
- 30,2% zapytań zawiera operator
site: - 23,8% korzysta z cudzysłowów dopasowania ścisłego — model weryfikuje frazy z Twojej strony
- 19,6% zawiera konkretny rok (świeżość treści)
- Średnia długość podzapytania to 7 słów — to nie jest „konwersacyjny long tail”, tylko język SEO-wca
O co model pyta
- Marka ogólnie: 23,3% | Produkty i usługi: 20,6% | Reputacja i zaufanie: 10,1%
- Tożsamość marki: 6,8% | Oficjalność i kanały: 6,2% | ESG: 5,2%
- 64,4% promptów brandowych uruchamia co najmniej jedno wyszukiwanie
site:na domenie marki
Czym jest query fan-out i dlaczego dotyczy Twojej marki
Kiedy użytkownik pyta ChatGPT o konkretną firmę, model nie wyszukuje po prostu jej nazwy. Rozkłada zapytanie na kilkanaście równoległych podzapytań, których nikt nigdy nie zobaczy — nie ma ich w Search Console, nie wpisał ich żaden człowiek, a mimo to decydują o tym, które źródła trafią do finalnej odpowiedzi. To właśnie nazywamy niewidzialnym popytem.
Dotychczasowe analizy fan-outu skupiały się na promptach generycznych: „najlepszy CRM”, „jak wybrać buty do biegania”. Badanie Mj Cachón poszło w innym kierunku i objęło scenariusz, który realnie martwi właścicieli firm — co model wyszukuje, gdy pytanie dotyczy konkretnie ich marki. Analiza objęła trzy projekty z różnych branż: ochronę zdrowia, sprzedaż detaliczną artykułów sportowych oraz hotelarstwo.
Kluczowa metodologiczna uwaga: fan-out ma charakter probabilistyczny. Pojedyncze uruchomienie promptu ujawnia mniej niż trzy podzapytania, czyli mniej więcej jedną czwartą tego, o co model może zapytać — i nie wiadomo, którą czwartą. Dopiero czterokrotne powtórzenie każdego promptu podnosi liczbę unikalnych podzapytań do 10,3 i pozwala zobaczyć wzorce strukturalne zamiast szumu.
Fan-out mówi językiem SEO, nie językiem rozmowy
Zaledwie 7,8% podzapytań ma trzy słowa lub mniej, a 15,8% liczy dziesięć słów i więcej. Do tego dochodzą operatory: site: w 30,2% przypadków, cudzysłowy dopasowania ścisłego w 23,8%, jawny rok w 19,6%, a nawet operatory logiczne i filetype:. To nie wygląda na konwersacyjny długi ogon — to wygląda, jakby za kulisami pracował specjalista SEO przepisujący prompt na zapytania wyszukiwarkowe.
Wniosek dla marek jest bezpośredni: prompty użytkowników mogą pozostać w pełni konwersacyjne, ale infrastruktura pod spodem — modele językowe, które na razie nie mają własnych indeksów — wciąż opiera się na klasycznych wyszukiwarkach i ich logice działania. Dlatego zwykła higiena techniczna projektu, indeksacja, precyzyjne nagłówki, tytuły i opisy nie tracą znaczenia. Przeciwnie: stają się warunkiem wejścia do odpowiedzi generowanych przez AI.
Warto zwrócić uwagę na jeszcze jeden szczegół. To samo podzapytanie może jednocześnie zawierać operator site:, frazę w cudzysłowie i rok. Dlatego trzy osie analizy — gdzie model szuka, jak pyta i o co pyta — to nie jedna taksonomia, lecz trzy niezależne przekroje tego samego zbioru danych.
Twoja domena jako podstawowe źródło prawdy
Ponad połowa wszystkich operatorów site: (55,1%) kieruje na główną domenę marki, i to konsekwentnie we wszystkich trzech badanych projektach. Model odpytuje Twoją stronę dokładnie tak, jak zrobiłby to specjalista w Google: pokaż mi wszystko, co masz na tej domenie na temat konkretnego atrybutu, produktu, warunku czy danych rejestrowych. Jeśli masz treści nieindeksowane albo takie, które nie odpowiadają na tego typu wzorce, otwierasz drzwi podmiotom trzecim.
Kolejne 26,2% operatorów site: prowadzi do domen w obrębie tej samej grupy kapitałowej — serwisów korporacyjnych, biur prasowych, subdomen wsparcia czy zrównoważonego rozwoju, aktywów międzynarodowych. To oznacza, że każdy serwis w grupie, który wspomina o marce, staje się architektonicznie istotny dla widoczności w AI. W zależności od globalnej strategii publikacyjnej cytowania mogą przenosić się między aktywami, a domeny globalne potrafią wyprzeć lokalne.
Pozostałe 18,4% operatorów trafia do stron zewnętrznych i to właśnie ta grupa jest najbardziej odkrywcza, bo pokazuje, kogo model traktuje jak arbitra. Na liście znajdują się urzędy patentowe i bazy znaków towarowych, rejestry przedsiębiorców, organy ochrony danych, oficjalne profile w mediach społecznościowych, agregatory opinii i portale reklamacyjne, prasa biznesowa oraz branżowe obserwatoria. Dla marki to jasny sygnał, by rozszerzyć zakres działań o miejsca, których dziś nie kontroluje.
Model weryfikuje Twoje treści dosłownie
Prawie co czwarte podzapytanie (23,8%) zawiera cudzysłów. Spośród 901 zacytowanych ciągów 55,4% to frazy dwu- lub czterowyrazowe — nazwy marek, stanowiska, sekcje serwisu. Jedna trzecia to pojedyncze terminy, 8,7% to kody i identyfikatory: numery podatkowe, sygnatury spraw, nazwy plików PDF. Model cytuje frazy, które już gdzieś widział, żeby je potwierdzić — to w praktyce fact-checking prowadzony na Twoich własnych treściach.
Konsekwencja jest bardzo praktyczna i dotyczy copywritingu. Deklaracje, nazwy stanowisk, liczby i claimy publikowane na stronie zamieniają się w fakty do zweryfikowania. Wariacje językowe, które świetnie brzmią dla człowieka — inny wariant nazwy stanowiska tu, kreatywnie przeformułowany claim tam — mogą działać przeciwko Tobie w kanałach opartych na AI. Spójność zapisu przestaje być kwestią estetyki, a staje się kwestią weryfikowalności.
Osobny sygnał to świeżość: 19,6% podzapytań zawiera jawny rok, choć udział ten mocno różni się między branżami. Do tego dochodzi rehabilitacja stron, które w klasycznym SEO uchodziły za wypełniacz, a bywały wręcz ustawiane na noindex. Strony „o nas”, nota prawna, misja, wizja i wartości, dane spółki matki czy oficjalne hasło marki budują dziś widoczność, zabezpieczają wzmianki i cytowania oraz zamykają drogę podmiotom trzecim.
Reputacja i niejednoznaczna tożsamość cyfrowa
Ponad 10% podzapytań dotyczy reputacji i zaufania: opinii, ocen, recenzji, reklamacji i skarg. Model potrafi zapytać o typowe problemy z marką, o incydenty i ich medialne pokrycie, a nawet o wyciek danych — również przez operator site: na portalach zewnętrznych. Fan-out zamienia się wtedy w niezamawiany audyt reputacyjny, dlatego kontrola narracji wokół incydentów i skarg przestaje być zadaniem wyłącznie działu PR.
Analiza domen pojawiających się w operatorach site: przyniosła jeszcze dwa ciekawe odkrycia. W jednym z projektów model odpytywał starą domenę, która od dawna przekierowuje na obecną — jego wcześniejsza wiedza uformowała się na poprzedniej wersji serwisu i, w przeciwieństwie do wzorca czasowego, w ogóle nie kwestionuje aktualności domeny. To bezpośredni argument za utrzymywaniem porządku w mapie aktywów cyfrowych i rzetelnej inwentaryzacji przekierowań.
Drugie odkrycie dotyczy mediów społecznościowych, które odpowiadają za 5,5% podzapytań. W jednym z projektów model testował metodą prób i błędów trzy różne konta na Instagramie, dwa na LinkedIn, dwa na Facebooku i jedno na YouTube, próbując odgadnąć, które profile są autentyczne. Jeśli model musi zgadywać, oznacza to, że sygnały oficjalności Twojej marki są rozmyte — a to luka, którą można zamknąć stosunkowo niskim kosztem.
Podsumowanie
Fan-out brandowy jest dośrodkowy: tylko 0,8% podzapytań wspomina konkurencję, a cała reszta krąży wokół samej marki, jej grupy kapitałowej, satelickich aktywów cyfrowych i źródeł, które ją uwiarygadniają. Kontrola nad własną domeną, spójną narracją i pełnym śladem cyfrowym to dziś fundament widoczności w modelach językowych. Dobra wiadomość jest taka, że większość tych działań mieści się w klasycznym warsztacie SEO — tylko cele i priorytety trzeba ustawić na nowo.
Źródło: Mj Cachón, „A study of query fan-out in ChatGPT using brand searches” — mjcachon.com
