Coraz więcej ludzi nie wpisuje już w wyszukiwarkę „hydraulik Wrocław”, tylko pyta asystenta: „znajdź mi sprawdzonego hydraulika w okolicy Krzyków, ma przyjechać jeszcze dziś”. Odpowiedź, którą dostaną, to lista dwóch albo trzech nazw. Twoja firma albo tam jest, albo jej nie ma. Ten tekst pokazuje, skąd modele biorą dane o lokalnych firmach i co realnie da się zrobić, żeby stały się one źródłem rekomendacji.
Skąd asystenci biorą dane o lokalnych firmach
ChatGPT, Gemini i Perplexity nie mają w wagach modelu aktualnej wiedzy o tym, czy Twój warsztat pracuje w soboty. Kiedy pytanie ma charakter lokalny, asystent uruchamia wyszukiwanie na żywo i buduje odpowiedź z pobranych źródeł. To zmienia optykę: nie optymalizujesz „pod model”, tylko pod zestaw źródeł, które model w tym momencie czyta.
W praktyce te źródła dzielą się na cztery grupy. Pierwsza to dane strukturalne o firmie, czyli profil w Google, Apple Business Connect, Bing Places. Druga to agregatory i katalogi branżowe, od Yelp i TripAdvisor po polskie serwisy typu Panorama Firm, ZnanyLekarz czy Oferteo. Trzecia to Twoja własna strona, o ile jest czytelna dla crawlera. Czwarta to treści osób trzecich: lokalne media, fora, wątki na Reddicie, zestawienia typu „najlepsze X w mieście Y”.
Kluczowa różnica względem klasycznego SEO lokalnego polega na tym, że model nie pokazuje mapki z dwudziestoma pinezkami. On streszcza. Streszczenie ma miejsce na dwie lub trzy firmy plus jedno zdanie uzasadnienia. Wygrywa więc nie ten, kto ma najwięcej sygnałów, tylko ten, o którym da się napisać jedno konkretne zdanie: „otwarte w soboty, obsługuje kotły Vaillant, ponad 300 opinii ze średnią 4,8”.
Rola profilu firmy i agregatorów danych
Profil firmy w Google pozostaje najgęstszym pojedynczym źródłem faktów: kategoria, godziny, adres, telefon, atrybuty, zdjęcia, opinie. Asystenci sięgają po te dane pośrednio, przez wyniki wyszukiwania i przez partnerów, którzy je publikują. Trzy rzeczy mają nieproporcjonalnie duży wpływ na to, jak model opisze firmę.
Po pierwsze kategoria główna. Jeśli prowadzisz gabinet stomatologiczny z ortodoncją, a kategoria główna brzmi „dentysta”, model nigdy nie wpisze Cię w odpowiedź na pytanie o aparat ortodontyczny. Po drugie atrybuty, czyli te pozornie drobne pola: parking, dostępność dla wózków, płatność kartą, obsługa w języku angielskim. To są dokładnie te przymiotniki, których model używa, gdy uzasadnia rekomendację. Po trzecie opis firmy, który bywa pisany jak slogan reklamowy. Zamiast „jesteśmy liderem branży z pasją” napisz, co robicie, dla kogo, w jakim zakresie i od kiedy.
Agregatory działają jak wzmacniacz. Model, który znajdzie tę samą firmę w trzech niezależnych źródłach, traktuje ją jako fakt potwierdzony. Ta sama firma widoczna tylko na własnej stronie to dla modelu twierdzenie niepotwierdzone. Warto więc wybrać pięć do ośmiu katalogów naprawdę istotnych dla branży i doprowadzić wpisy do porządku, zamiast rejestrować się w pięćdziesięciu przypadkowych.
Spójność NAP i katalogi branżowe
NAP to nazwa, adres i telefon. Zasada jest banalna, a łamana wszędzie: te trzy dane muszą wyglądać identycznie w każdym miejscu w sieci. „Kowalski Serwis sp. z o.o.” i „Kowalski Serwis” to dla systemu dopasowującego encje dwa różne byty, dopóki coś ich nie połączy. Podobnie ul. Długa 12/3 kontra Długa 12 lok. 3.
Praktyczny audyt zajmuje jedno popołudnie. Zrób arkusz z kolumnami: źródło, nazwa, adres, telefon, godziny, URL, data ostatniej aktualizacji. Wpisz tam wszystkie miejsca, w których firma występuje. Wiersze, które odstają, popraw u źródła, a nie tylko na własnej stronie. Największe rozjazdy zwykle siedzą w starych wpisach katalogowych z numerem telefonu sprzed zmiany operatora oraz w profilach założonych kiedyś przez agencję, do których nikt już nie ma dostępu.
Na własnej stronie te same dane opisz danymi strukturalnymi LocalBusiness (albo węższym typem, na przykład Dentist czy AutoRepair). Pola name, address, telephone, openingHoursSpecification, areaServed i sameAs to najtańszy sposób, żeby crawler zamiast zgadywać po tekście dostał gotowe fakty. Specyfikację typów znajdziesz w dokumentacji schema.org, a wymagania dotyczące wyników rozszerzonych opisuje Google Search Central. W polu sameAs wypisz profile w katalogach, bo to jawnie łączy encje, które inaczej system musiałby skleić na podstawie podobieństwa.
Opinie: ilość, świeżość i treść
Opinie są dla modelu najwygodniejszym materiałem, bo zawierają gotowe zdania o tym, co firma robi dobrze. Liczy się jednak co innego niż w klasycznym local SEO. Sama średnia ocen ma mniejsze znaczenie, bo w danym mieście dziesiątki firm mają 4,8. Znaczenie ma to, czy w opiniach padają konkretne rzeczowniki.
Opinia „polecam, super obsługa” nie daje modelowi nic. Opinia „wymiana sprzęgła w Passacie B8, wycena telefonicznie, auto oddane tego samego dnia” daje trzy fakty, które model może wykorzystać przy pytaniu o wymianę sprzęgła. Dlatego prośba o opinię powinna sugerować kontekst, a nie ocenę: zapytaj klienta, jaką usługę wykonaliście i co było dla niego ważne. Nigdy nie sugeruj treści ani liczby gwiazdek, bo to łamie regulaminy platform i bywa wykrywalne.
Świeżość działa jak wygaszacz. Firma z 400 opiniami, z których ostatnia pochodzi sprzed dwóch lat, w streszczeniu modelu wypada gorzej niż firma ze 120 opiniami z ostatniego kwartału, bo asystent chętnie sięga po sformułowania typu „według najnowszych opinii”. Stały, niski strumień, kilka opinii miesięcznie, jest wart więcej niż jednorazowa kampania na sto sztuk. Warto też pamiętać, że asystenci zaczęli korzystać z zewnętrznych baz opinii, o czym pisaliśmy przy okazji integracji ChatGPT z lokalnymi opiniami z Yelp. Katalog, który wczoraj był marginalny, po jednej umowie licencyjnej staje się głównym źródłem.
Odpowiedzi na opinie mają wartość dla modelu
Odpowiedź właściciela to dodatkowy tekst przypisany do firmy, którego treść w pełni kontrolujesz. Jeśli w odpowiedzi napiszesz „cieszymy się, że diagnostyka komputerowa układu ABS spełniła oczekiwania”, właśnie dołożyłeś do profilu frazę, której nie było w opinii klienta. Odpowiadaj rzeczowo, wymieniając wykonaną usługę, bez powtarzalnych formułek kopiowanych pod każdą opinią.
Strona usługi jako źródło dla modelu
Model, który już wie, że firma istnieje, sprawdza jeszcze jedno: czy da się z jej strony wyciągnąć konkret. Tu wygrywają osobne, wąskie strony usługowe zamiast jednej zbiorczej strony „Oferta”. Struktura, która działa najlepiej, to jedna usługa plus jedna lokalizacja na jednym adresie URL, z zakresem prac, widełkami cenowymi, czasem realizacji i obszarem dojazdu.
Widełki cenowe budzą opór, ale to najczęściej cytowany element takiej strony. „Przegląd instalacji gazowej od 250 zł, wycena po oględzinach” jest dla asystenta użyteczne, „cena ustalana indywidualnie” jest bezwartościowe. Podobnie z obszarem: napisz wprost, do których dzielnic i miejscowości dojeżdżacie, zamiast liczyć na to, że model wywnioskuje to z adresu.
Bardzo pomaga krótkie podsumowanie na górze strony, które zbiera te fakty w trzech, czterech zdaniach. Zasady pisania takich streszczeń opisaliśmy szerzej w tekście o tym, jak budować sekcję TL;DR w artykule. Uwaga na typową pułapkę: przy dziesięciu podstronach usługowych dla jednego miasta łatwo doprowadzić do sytuacji, w której konkurują ze sobą o tę samą frazę. Zanim rozmnożysz strony lokalne, sprawdź, czy nie tworzysz kanibalizacji słów kluczowych. Linkując te strony między sobą, trzymaj się opisowych anchorów, bo to one podpowiadają modelowi relację między usługami; zebraliśmy je w poradniku o anchor tekstach w linkowaniu wewnętrznym.
Test: jak brzmi rekomendacja dla Twojej branży
Zanim cokolwiek zmienisz, zmierz punkt wyjścia. Test zajmuje pół godziny i daje twarde dane zamiast domysłów.
- Ułóż listę dziesięciu pytań, które realnie zadaje klient: usługa plus miasto, usługa plus dzielnica, pytanie pilne („dziś”, „w weekend”), pytanie cenowe, pytanie porównawcze („kto jest lepszy do X”).
- Zadaj każde pytanie w ChatGPT, Gemini i Perplexity, w oknie bez historii konwersacji, żeby personalizacja nie zafałszowała wyniku.
- Zapisz w arkuszu: czy firma się pojawiła, na której pozycji w wyliczeniu, jakie uzasadnienie podał model, jakie źródła zacytował.
- Osobno wypisz konkurentów, którzy pojawiają się najczęściej, i sprawdź, co mają w profilu oraz w opiniach, czego Ty nie masz.
- Powtórz pomiar po trzydziestu dniach na tych samych pytaniach.
Kolumna ze źródłami jest najcenniejsza, bo pokazuje, gdzie faktycznie toczy się gra w Twojej branży. Bywa, że w jednej niszy modele cytują niemal wyłącznie jeden katalog branżowy, a profil w Google pojawia się rzadko. Wtedy priorytety wyglądają zupełnie inaczej, niż podpowiada intuicja. Metodykę takich pomiarów rozwijamy w materiale o tym, czy model zna Twoją markę.
Plan wdrożenia na 30 dni
| Okres | Zadanie | Efekt |
|---|---|---|
| Dni 1–3 | Pomiar bazowy na 10 pytaniach w 3 asystentach | Punkt odniesienia i lista cytowanych źródeł |
| Dni 4–7 | Audyt NAP w arkuszu, poprawa rozjazdów u źródła | Jedna spójna encja zamiast kilku wariantów |
| Dni 8–12 | Profil firmy: kategoria główna, atrybuty, opis, zdjęcia | Gęste dane faktograficzne dla streszczeń |
| Dni 13–18 | Wpisy w 5–8 katalogach istotnych dla branży | Potwierdzenie w niezależnych źródłach |
| Dni 19–24 | Strony usługowe: zakres, widełki cen, obszar, schema | Materiał do zacytowania na własnej domenie |
| Dni 25–30 | Proces zbierania opinii i odpowiedzi właściciela | Stały strumień świeżych, konkretnych treści |
Realistyczna oczekiwana zmiana po miesiącu to pojawienie się w rekomendacjach dla pytań wąskich, czyli usługa plus dzielnica albo usługa plus konkretny model czy marka. Pytania szerokie w rodzaju „najlepszy dentysta w Warszawie” wymagają dłuższej pracy, bo tam model opiera się na zestawieniach redakcyjnych i dużych bazach opinii, których nie zmienisz w trzydzieści dni. Traktuj wąskie zapytania jako pierwsze wejście, bo mają też wyższą intencję zakupową.
FAQ
Czy profil firmy w Google wystarczy, żeby pojawiać się w ChatGPT?
Nie. Profil jest najgęstszym źródłem faktów, ale asystenci budują odpowiedź z kilku źródeł naraz. Firma widoczna wyłącznie w jednym miejscu bywa pomijana na rzecz takiej, którą model potwierdzi w katalogu branżowym i na własnej stronie.
Ile opinii potrzeba, żeby model zaczął rekomendować firmę?
Nie ma progu liczbowego. Praktyka pokazuje, że ważniejsza jest świeżość i konkret: kilkadziesiąt opinii z ostatnich miesięcy, opisujących nazwane usługi, działa lepiej niż kilkaset ogólników sprzed lat.
Czy warto tworzyć osobne strony dla każdej dzielnicy?
Tylko wtedy, gdy każda z nich ma unikalną treść: inny zakres dojazdu, inne ceny, realne referencje z tego obszaru. Kopie tego samego tekstu z podmienioną nazwą dzielnicy prowadzą do kanibalizacji i nie dają modelowi żadnego nowego faktu.
Jak sprawdzić, czy asystent w ogóle widzi moją stronę?
Zweryfikuj w pliku robots.txt, czy nie blokujesz botów asystentów, a potem poproś model o streszczenie konkretnego adresu URL. Jeśli odpowiedź jest ogólnikowa albo zmyślona, strona najprawdopodobniej nie została pobrana.
Czy podawanie cen na stronie nie zaszkodzi w negocjacjach?
Widełki z jasnym zastrzeżeniem, że ostateczna wycena następuje po oględzinach, zwykle poprawiają jakość zapytań, bo odsiewają klientów spoza budżetu. Dla asystenta to jeden z najczęściej cytowanych elementów strony usługowej.
Jak często powtarzać pomiar widoczności w asystentach?
Raz w miesiącu, na tym samym zestawie pytań i bez historii konwersacji. Częstsze sprawdzanie generuje szum, bo odpowiedzi modeli różnią się między kolejnymi uruchomieniami nawet bez żadnych zmian po Twojej stronie.