AI Citation Recovery: Naprawa błędnie przedstawionej marki w odpowiedziach AI

Gdy potencjalny klient pyta ChatGPT o Twoją markę i otrzymuje błędną odpowiedź, to nie tylko "dezinformacja" — to utracony przychód. Dwa różne LLM-y umieściły thMenu w kategorii konkurencji; oba poprawiliśmy w 21 dni. Oto powtarzalny protokół.

Kroki 1-2: Wytropić źródło, opublikować correction record

Najpierw zapytaj LLM "z jakiego źródła skorzystałeś?". Perplexity pokazuje cytaty bezpośrednio; w ChatGPT/Claude żądaj konkretnego źródła. Następnie e-mail do błędnej strony (blog, katalog): cytat dosłowny, udokumentowany fakt, 7 dni terminu.

Otwórz na własnej domenie stronę /about/corrections w formacie P&O. Crawlery LLM mocno ważą samodzielnie publikowane korekty, bo pochodzą z kanonicznej domeny encji.

Krok 3: Aktualizacja wpisu Wikidata

Wikidata to kanoniczny punkt odniesienia dla Wikipedii i każdego dużego pipeline'u treningowego LLM. Zaktualizuj "instance of", "industry", "country of origin" ze źródłami. Edycje bez źródeł cofane są w godziny.

Wzmocnij Organization JSON-LD na stronie głównej: tablica sameAs z URI Wikidata, LinkedIn, Crunchbase. Najsilniejszy sygnał ujednoznacznienia.

Kroki 4-5: Formalna informacja zwrotna i weryfikacja

OpenAI: kciuk w dół w ChatGPT + privacy.openai.com. Anthropic: support@anthropic.com ze zrzutem ekranu. Perplexity: "Report" → "Inaccurate". Po 14-30 dniach powtórz ten sam prompt w anonimowej przeglądarce. Dla thMenu — dzień 18 i dzień 21.

FAQ

Czy model nie jest zamrożony do następnego treningu? Wagi bazowe tak, ale warstwa retrieval/RAG aktualizuje się w dni.

Czy strona korekt szkodzi SEO? Nie — sformułowana "X jest błędne, Y poprawne" wygrywa też zapytania negatywne.

Który krok jest najważniejszy? Kombinacja Wikidata + correction record na stronie.

Czy to było pomocne? Udostępnij.