Dwie osoby zadają ChatGPT dokładnie to samo pytanie o narzędzia do analityki i dostają dwie różne listy marek. Nie jest to błąd ani przypadek: asystent odpowiada inaczej, bo wie o każdej z nich coś innego. Od momentu, w którym OpenAI udostępniło pamięć trwałą i odwołania do historii rozmów, pojęcie „pozycji marki w ChatGPT” przestało mieć jedno znaczenie. Jeśli raportujesz widoczność w modelach na podstawie własnych testów, prawdopodobnie mierzysz nie rynek, lecz własne konto.
Jak działa pamięć w asystentach AI
Warto rozdzielić cztery warstwy, które w praktyce zlewają się w jedno wrażenie „model mnie zna”. Każda działa inaczej i każda inaczej wpływa na to, czy Twoja marka pojawi się w odpowiedzi.
| Warstwa | Zasięg | Wpływ na rekomendacje |
|---|---|---|
| Kontekst sesji | Jedna rozmowa | Bardzo silny: model podtrzymuje raz wymienione nazwy |
| Pamięć trwała (zapisane fakty) | Wszystkie nowe rozmowy | Silny: branża, rola, preferowane narzędzia |
| Odwołania do historii czatów | Wszystkie nowe rozmowy | Umiarkowany, ale trudny do zauważenia |
| Instrukcje niestandardowe | Konto | Silny, za to w pełni jawny |
Kluczowa różnica wobec klasycznej wyszukiwarki jest taka, że personalizacja w SERP-ie dotyczyła głównie kolejności wyników, a w asystencie dotyczy samego zbioru kandydatów. Google przestawiało pozycje na liście, która i tak była widoczna w całości. Model generatywny wymienia trzy nazwy z kilkudziesięciu możliwych i reszta po prostu nie istnieje dla użytkownika. Personalizacja nie przesuwa Cię o dwa miejsca w dół, tylko usuwa Cię z odpowiedzi.
Druga różnica dotyczy trwałości. Pamięć nie wygasa po sesji i nie resetuje się po wyczyszczeniu ciasteczek. Fakt zapisany w kwietniu nadal kształtuje odpowiedzi we wrześniu, dopóki użytkownik go nie usunie.
Dlaczego Twoje testy widoczności kłamią
Typowy scenariusz w agencji wygląda tak: specjalista otwiera ChatGPT na swoim roboczym koncie, wpisuje „najlepsze narzędzia do X” i cieszy się, że klient jest na pierwszym miejscu. To konto przez pół roku było karmione dokumentacją tego klienta, jego nazwą w dziesiątkach promptów i prośbami o pisanie tekstów o jego produkcie. Model nie ocenia rynku, tylko odtwarza najczęstszy motyw z Waszej wspólnej historii.
Ten sam mechanizm działa w drugą stronę i jest znacznie bardziej kosztowny. Jeśli ktoś w zespole wielokrotnie prosił o porównanie z konkurentem, model utrwalił powiązanie między kategorią a tamtą nazwą. Odpowiedź, którą widzisz, jest wtedy pesymistyczna wobec Twojej marki bez żadnej przyczyny po stronie rynku. Zanim więc wyciągniesz wniosek o słabej widoczności, przejdź przez uporządkowany zestaw testów rozpoznawalności marki, bo pojedynczy prompt z konta roboczego nie jest pomiarem, tylko anegdotą.
Trzecia pułapka to pamięć o samym teście. Jeżeli w jednej rozmowie zapytasz o kategorię pięć razy pod rząd, zmieniając sformułowanie, model potraktuje wcześniejsze odpowiedzi jako kontekst i będzie dążył do spójności z tym, co już napisał. Pięć promptów w jednym oknie to jeden pomiar, nie pięć.
Efekt pierwszej wzmianki i utrwalanie preferencji
W obrębie rozmowy obowiązuje prosta zasada: nazwa, która padła pierwsza, ma nieproporcjonalnie dużą szansę powtórzyć się w kolejnych odpowiedziach. Model buduje odpowiedź na całym widocznym kontekście, a własny wcześniejszy tekst jest dla niego kontekstem o wysokiej wadze. Dlatego marka wymieniona w odpowiedzi na pytanie ogólne wraca potem przy pytaniach o cenę, wdrożenie i alternatywy, nawet jeśli nie jest najlepszym dopasowaniem do żadnego z nich.
Dla marki oznacza to dwie rzeczy. Po pierwsze, walka toczy się o pytania otwierające kategorię, a nie o pytania szczegółowe: kto wejdzie do rozmowy na starcie, ten zwykle zostaje do końca. Po drugie, przewaga zdobyta w jednej sesji nie przenosi się automatycznie na innego użytkownika, bo jego rozmowa zaczyna się od innego stanu pamięci.
Utrwalanie preferencji na poziomie konta działa wolniej, lecz ma dłuższy zasięg. Użytkownik, który raz powiedział „pracuję w e-commerce i korzystam z narzędzia Y”, dostaje rekomendacje przefiltrowane przez te dwa fakty przez wiele następnych miesięcy.
Testy w trybie czystym: metodyka
Żeby zmierzyć widoczność, a nie własną historię, potrzebujesz warunków, w których pamięć nie działa. Poniższa procedura jest minimum, które pozwala porównywać wyniki między miesiącami.
- Wyłącz pamięć trwałą i odwołania do historii czatów w ustawieniach personalizacji, a następnie usuń zapisane fakty. Samo wyłączenie nie kasuje tego, co już zostało zapisane.
- Wyczyść instrukcje niestandardowe lub prowadź testy na osobnym koncie, które nigdy nie było używane do pracy nad marką.
- Każdy prompt zadawaj w nowej, pustej rozmowie. Jeden prompt, jedna sesja, zero pytań uzupełniających.
- Powtórz każde pytanie co najmniej pięć razy w osobnych oknach. Odpowiedzi modelu są losowe, więc pojedynczy wynik nic nie znaczy.
- Zapisuj nie tylko to, czy marka padła, ale też na której pozycji listy i czy towarzyszył jej link.
- Powtórz całość w stałych odstępach, zawsze tą samą metodą i w zbliżonych porach.
Dobrą praktyką jest prowadzenie dwóch równoległych ścieżek: konta czystego, które mierzy rynek, oraz konta z profilem typowego klienta (branża, rola, budżet), które pokazuje, jak personalizacja zmienia obraz. Rozjazd między tymi ścieżkami jest sam w sobie ciekawą metryką, bo mówi, jak bardzo Twoja kategoria podlega filtrowaniu przez kontekst użytkownika.
Co realnie możesz kontrolować
Pamięci konkretnego użytkownika nie zmienisz i nie ma sensu budować wokół niej strategii. Kontrolujesz natomiast to, co model zastaje w momencie, gdy sięga po źródła zewnętrzne, a to jest ta część układanki, która skaluje się na wszystkich użytkowników naraz. Liczy się spójność nazewnictwa w całym internecie, obecność w zestawieniach i porównaniach tworzonych przez innych oraz jednoznaczne powiązanie marki z kategorią w treściach, które model może pobrać w czasie odpowiedzi.
Jeżeli testy w trybie czystym pokazują, że marka nie pojawia się w kategorii wcale, problem leży po stronie korpusu i cytowalności, a nie personalizacji. Warto wtedy przejść przez listę przyczyn, dla których model cytuje konkurencję, zamiast tłumaczyć wynik kaprysami pamięci. Pomocne jest też zapoznanie się z tym, jak Google opisuje działanie swoich funkcji generatywnych w dokumentacji Search Central, bo wymagania wobec źródeł są tam opisane wprost.
Odwrotny wynik, czyli obecność na koncie czystym i brak na koncie z profilem klienta, to sygnał o pozycjonowaniu komunikatu. Model odfiltrowuje Cię, bo nie kojarzy marki z tym segmentem, branżą albo poziomem budżetu. To już jest problem treści, a nie techniki.
Wpływ na raportowanie share of voice
Udział w odpowiedziach modelu bywa raportowany jak udział w wynikach wyszukiwania, czyli jako jedna liczba. Przy personalizacji taka liczba jest myląca, bo nie istnieje jedna odpowiedź, wobec której można ją policzyć. Rozsądny raport podaje trzy rzeczy naraz: odsetek powtórzeń, w których marka w ogóle padła, średnią pozycję na liście oraz liczbę powtórzeń testu. Bez trzeciej wartości pierwsze dwie są nieinterpretowalne.
Przy porównaniach między asystentami dochodzi kolejna zmienna, ponieważ każdy z nich inaczej traktuje historię i inaczej sięga po sieć. Zestawienie wyników z różnych silników ma sens dopiero po sprowadzeniu ich do tej samej metodyki, a różnice w samym mechanizmie cytowania opisuje szerzej porównanie Perplexity i ChatGPT Search pod kątem cytowań.
Na koniec warto nazwać rzecz po imieniu: personalizowany asystent tworzy dla każdego użytkownika osobny obraz rynku, bardzo podobny w skutkach do zjawiska opisywanego jako bańka informacyjna. Marka, której nikt nie wymienia na starcie, ma coraz mniej okazji, żeby zostać wymieniona później. To argument za tym, aby inwestować w szeroką, spójną obecność w źródłach, a nie w optymalizację pod pojedynczy prompt.
FAQ
Czy wyłączenie pamięci w ChatGPT kasuje to, co model już o mnie wie?
Nie. Wyłączenie zatrzymuje zapisywanie nowych faktów, ale wcześniej zapisane pozostają na koncie. Trzeba je usunąć ręcznie w ustawieniach personalizacji, osobno od przełącznika.
Ile powtórzeń jednego pytania wystarczy do wiarygodnego pomiaru?
Minimum pięć w osobnych rozmowach, a przy kategoriach z dużą liczbą konkurentów lepiej dziesięć. Odpowiedzi modelu są losowe, więc pojedynczy wynik nie odróżnia realnej zmiany widoczności od wahania.
Czy tryb czasowy lub okno incognito wystarczy zamiast czystego konta?
Tryb bez zapisu historii jest dobrym punktem startu i eliminuje większość zakłóceń. Nie usuwa natomiast wpływu instrukcji niestandardowych, dlatego do pomiarów porównywanych w czasie bezpieczniej jest utrzymywać osobne, nieużywane do pracy konto.
Czy mogę wpłynąć na to, co model zapamiętał o mojej marce u użytkownika?
Nie bezpośrednio. Pamięć jest własnością konta użytkownika i żadne działanie po stronie strony ani kampanii jej nie zmienia. Wpływasz wyłącznie na to, co model znajdzie w źródłach zewnętrznych w chwili generowania odpowiedzi.
Dlaczego marka widoczna na koncie czystym znika na koncie z profilem branżowym?
To zwykle problem dopasowania komunikatu do segmentu. Model filtruje kandydatów przez znane mu fakty o użytkowniku i pomija marki, których nie kojarzy z daną branżą, skalą firmy lub poziomem budżetu. Rozwiązaniem są treści, które wprost opisują, dla kogo produkt jest przeznaczony.