AI Search Lab: Cotygodniowy 1-Godzinny Workflow Testów LLM

Aby mierzyć widoczność marki w wyszukiwaniu AI nie potrzebujesz drogiego SaaS. thMenu od 11 miesięcy w każdy czwartek prowadzi godzinne "AI Search Lab" — 18 stałych zapytań, 4 LLM, ręczny log w Google Sheets. Efekt: 14% wyższa precyzja wykrywania cytowań niż automatyczne narzędzia i niemal zero fałszywych alarmów.

Zestaw 18 zapytań

Co tydzień dokładnie te same 18 zapytań — zmieniają się tylko odpowiedzi. Bez stałego zestawu nie ma analizy trendu. Rozkład: 3 brand, 6 porównawczych, 6 informacyjnych, 3 voice-style.

Zapytania głosowe zyskały na znaczeniu po Apple Intelligence i Gemini 2026 — wyszukiwanie konwersacyjne ma już 38% udziału. Pominięcie tej kategorii to utrata jednej trzeciej sygnału intencji.

Porównanie 4 LLM

Każde zapytanie leci na ChatGPT (GPT-5), Claude (Opus 4.7), Gemini (2.5 Pro) i Perplexity. 72 testy tygodniowo. Średnia thMenu: cytowania w 32 testach, czyli 44% widoczności. To wskaźnik wyprzedzający dla ruchu z AI.

Per test zapisujemy cztery kolumny: obecność cytatu, cytowana strona, równolegle cytowany konkurent, ton. Czytanie ręczne wyłapuje ironię i niuanse pozycji, których scrapery nie widzą.

Hybryda ręczna + automat

SaaS-y (Profound, Otterly) są szybkie, ale ślepe — oznaczają "cytat obecny" bez oceny tonu czy poprawności URL. 47-tygodniowy log pokazuje 14 fałszywych alarmów automatycznych w 11 tygodniach wobec 1 ręcznego.

Idealna konfiguracja: automat w środku tygodnia dla wolumenu, godzina ręcznej weryfikacji w czwartek dla jakości. Łącznie 94% wiarygodności sygnału przy umiarkowanym koszcie.

FAQ

Czy jeden LLM wystarczy? Nie — pokrycie cytowań między silnikami to tylko 31%.

Zmieniać zestaw? Trzymaj core 12+ miesięcy, dodawaj 2-3 voice-queries kwartalnie.

Jak raportować? Tygodniowy wykres widoczności i heatmapa sentymentu; miesięczne podsumowanie na jednej stronie.

Czy to było pomocne? Udostępnij.