10 testów GEO, na których zawodzi większość stron internetowych

Kto chce pojawiać się w odpowiedziach ChatGPT, Perplexity, Claude czy Google AI Overviews, nie potrzebuje nowej dyscypliny, lecz możliwych do zweryfikowania, maszynowo czytelnych danych. Przeanalizowaliśmy, na czym w praktyce polegają niepowodzenia: 23 696 zakończonych audytów na 13 327 domenach, sprawdzonych za pomocą AI Trust Audit. Te dziesięć kryteriów zawodzi najczęściej — a niektóre z nich mogą Cię zaskoczyć.

Najważniejsze informacje w skrócie

Baza danych zamiast intuicji: Wszystkie wskaźniki w tym artykule pochodzą z 23 696 zakończonych audytów na 13 327 domenach (stan na sierpień 2026 r.), a nie z ankiety czy szacunków.
Klasyki są opanowane, brakuje dowodów: Polityka prywatności, robots.txt i mapa witryny są wdrożone na poziomie od 73 do 94 procent. Natomiast oznaczanie recenzji (schema) występuje tylko w 5 procentach przypadków.
Największy brak jest najmniej znany: Powiązanie sameAs — połączenie własnej marki z jej profilami w sieci — całkowicie brakuje na dwóch z trzech sprawdzonych stron.
Nakład pracy rzadko idzie w parze z efektem: Sześć z dziesięciu punktów można wdrożyć w kilka godzin, ponieważ chodzi o oznaczanie danych, a nie o tworzenie nowych treści.

Jak dokonaliśmy wyboru

Podstawą są wszystkie zakończone przebiegi audytów. Dla każdego kryterium ustalono, jak często zostało ono w pełni spełnione, częściowo spełnione lub niespełnione. Do listy trafiły kryteria o wysokiej wadze oraz wysokim wskaźniku niepowodzeń — czyli tam, gdzie mały nakład pracy daje duży efekt.

Świadomie na liście nie znalazły się oczywistości: polityka prywatności (73 procent spełnia w pełni), dostępny plik robots.txt (94 procent), czytelność (87 procent), mapa witryny XML (81 procent), nota prawna (68 procent). Również tag Title zawodzi tylko na 5 procentach stron, a jedynie 6 procent aktywnie blokuje GPTBot. To ważne fundamenty — ale nie są już problematycznymi obszarami.

Kryteria dotyczące produktów są sprawdzane tylko na wykrytych stronach sklepów; ich wskaźniki odnoszą się do 4 747 przebiegów. Numeracja jest alfabetyczna i nie stanowi rankingu.

Porównanie w skrócie

Check	Kategoria	W pełni spełnione	Nakład pracy	Wpływ na odpowiedzi AI
1. Teksty alternatywne obrazów	Treść	35 %	Średni	Wysoki
2. FAQ Schema	Struktura	7 %	Niski	Bardzo wysoki
3. Organization Schema	Struktura	46 %	Niski	Bardzo wysoki
4. Identyfikatory produktów	Dane produktu	27 %	Średni	Bardzo wysoki
5. Jakość strony "O nas"	Treść	25 %	Średni	Wysoki
6. Review Schema	Reputacja	5 %	Średni	Bardzo wysoki
7. Powiązanie encji sameAs	Struktura	22 %	Niski	Wysoki
8. Data publikacji	Treść	27 %	Niski	Wysoki
9. Kompletne dane oferty	Dane produktu	34 %	Średni	Bardzo wysoki
10. Website Schema z wyszukiwarką	Struktura	36 %	Niski	Średni

1. Teksty alternatywne obrazów (Alt-Texte)

Kategoria: Treść

Co jest sprawdzane: Czy istotne merytorycznie obrazy na stronie posiadają opisowe teksty alternatywne — a nie tylko nazwy plików lub puste atrybuty.

Wskaźnik sukcesu: 35 procent w pełni spełnia test, 26 procent wcale. To czyni go najsłabszym wśród wysoko ocenianych kryteriów.

Dlaczego to ważne dla odpowiedzi AI: Crawlery tekstowe nie widzą obrazu. To, co znajduje się w tekście alternatywnym, jest wszystkim, co z obrazu może trafić do odpowiedzi — w przypadku zdjęć produktów są to kolor, materiał, wariant.

Best Practice: alt="Ekspres do kawy kolbowy, 2 grupy zaparzające, stal nierdzewna" zamiast alt="zdjęcie produktu". Obrazy dekoracyjne otrzymują pusty alt="", aby były celowo pomijane.

Najczęstszy błąd: System sklepowy automatycznie wypełnia tekst alternatywny nazwą produktu. Formalnie obecny, merytorycznie bez dodatkowej informacji.

2. FAQ Schema

Kategoria: Struktura

Co jest sprawdzane: Czy pytania i odpowiedzi na stronie są oznaczone jako FAQPage.

Wskaźnik sukcesu: 7 procent. Ponad dziewięć na dziesięć stron marnuje format, który jest najbliższy formatowi odpowiedzi systemów AI.

Dlaczego to ważne dla odpowiedzi AI: Struktura pytanie-odpowiedź dostarcza dokładnie ten blok, który model może zacytować: wyodrębnione pytanie i zamkniętą odpowiedź — bez konieczności rekonstruowania kontekstu z tekstu ciągłego.

Best Practice: Umieszczaj bloki FAQ tam, gdzie pojawia się pytanie — na stronach produktów, wysyłki i zwrotów, a nie tylko na centralnej stronie FAQ. Każda odpowiedź w dwóch do czterech zdaniach, zrozumiałych samodzielnie.

Częsty błąd: Pytania są na stronie w formie akordeonu, ale brakuje znaczników (markup). Widoczne dla kupujących, dla maszyn to tylko sterta elementów div.

3. Organization Schema

Kategoria: Struktura

Co jest sprawdzane: Czy strona internetowa podaje tożsamość operatora jako Organization — nazwa, logo, sposób kontaktu, adres.

Wskaźnik sukcesu: 46 procent. Na ponad połowie stron brakuje podstawowej tożsamości, mimo że ten test należy do najwyżej punktowanych.

Dlaczego to ważne dla odpowiedzi AI: Bez jednoznacznej organizacji model nie może przypisać wypowiedzi, recenzji i produktów do żadnej marki. Wszystko inne opiera się na tym fundamencie.

Best Practice: Dostarczaj obiekt Organization globalnie w nagłówku strony z name, url, logo, contactPoint i address — identycznie na wszystkich stronach i zgodnie z notą prawną oraz profilem firmy w Google.

Częsty błąd: Dwie sprzeczne nazwy firm — jedna w znacznikach, druga w nocie prawnej. To osłabia przyporządkowanie, zamiast je wzmacniać.

4. Identyfikatory produktów

Kategoria: Dane produktu

Co jest sprawdzane: Czy produkty posiadają jednoznaczne identyfikatory: GTIN lub EAN, MPN, SKU oraz markę.

Wskaźnik sukcesu: 27 procent sprawdzonych stron sklepów w pełni spełnia test, 62 procent wcale.

Dlaczego to ważne dla odpowiedzi AI: Agenci zakupowi muszą rozpoznać, że Twoja oferta dotyczy tego samego produktu, co oferta konkurenta. Bez identyfikatora Twój artykuł w porównaniu cen lub dostępności jest po prostu innym artykułem.

Best Practice: Podawaj gtin13, mpn, sku i brand w obiekcie Product. W przypadku marek własnych bez GTIN: konsekwentnie dbaj o MPN i markę.

Częsty błąd: Identyfikatory znajdują się w systemie ERP i w Google Merchant Feed, ale nie w kodzie HTML strony produktu. Feed dociera tylko do Google, strona produktu do wszystkich pozostałych.

Co jest zaskakujące: Ten punkt jest najwyraźniejszym zwiastunem zakupów przez agentów AI — a mimo to jest najsłabiej utrzymanym zbiorem danych o produktach.

5. Jakość strony "O nas"

Kategoria: Treść

Co jest sprawdzane: Nie to, czy strona "O nas" istnieje, ale czy zawiera rzetelne fakty: datę założenia, lokalizację, zespół, specjalizację asortymentu, kontakt.

Wskaźnik sukcesu: 25 procent. Dla porównania: stronę "O nas" posiada 89 procent.

Dlaczego to ważne dla odpowiedzi AI: Przy pytaniu „Czy ten dostawca jest wiarygodny?”, strona "O nas" jest najgęstszym źródłem faktów w domenie. Proza marketingowa nic tu nie wnosi.

Best Practice: Bądź konkretny: rok założenia, forma prawna, siedziba, liczba pracowników, osoby kontaktowe z nazwiska, wybór oferowanych marek.

Najczęstszy błąd: Trzy akapity o pasji i jakości, bez ani jednej weryfikowalnej informacji.

Co jest zaskakujące: Luka między „istniejącym” a „treściwym” nie jest tak duża przy żadnym innym kryterium.

6. Review Schema

Kategoria: Reputacja

Co jest sprawdzane: Czy recenzje klientów są oznaczone jako Review lub AggregateRating.

Wskaźnik sukcesu: 5 procent. Jest to najbardziej uderzająca wartość w całym zbiorze danych — i nie wynika ona z faktu, że sklepy nie mają recenzji.

Dlaczego to ważne dla odpowiedzi AI: Recenzje są najczęściej cytowaną cechą zaufania w odpowiedziach AI dotyczących dostawców. Ocena bez źródła i liczby głosów jest tylko nieudokumentowaną liczbą.

Best Practice: Dostarczaj i oznaczaj ocenę, liczbę oraz poszczególne teksty recenzji po stronie serwera. Recenzje Trusted Shops — nasza własna oferta — pochodzą ze zweryfikowanych zamówień i można je zintegrować tak, aby znajdowały się w kodzie źródłowym.

Najczęstszy błąd: Widget z recenzjami jest doładowywany przez JavaScript. Kupujący widzą gwiazdki, ale większość crawlerów AI czyta tylko czysty HTML — tam nie ma nic.

Co jest zaskakujące: Odstęp między widocznymi recenzjami a recenzjami oznaczonymi strukturalnie to największa pojedyncza luka w widoczności, jaką mierzymy.

7. Powiązanie encji sameAs

Kategoria: Struktura

Co jest sprawdzane: Czy marka łączy swoje oficjalne profile — Profil Firmy w Google, LinkedIn, Wikidata, katalogi branżowe — z własną domeną za pomocą sameAs.

Wskaźnik sukcesu: 22 procent. Przy 67 procentach wyraźnych niepowodzeń jest to największy brak w całej analizie.

Dlaczego to ważne dla odpowiedzi AI: sameAs mówi modelowi: marka na tej stronie i profil tam to ta sama encja. Bez tego mostu zewnętrzne dowody pozostają niepowiązanym szumem.

Best Practice: W obiekcie Organization utrzymuj tablicę sameAs z oficjalnymi adresami URL profili. Uwzględniaj tylko te profile, które faktycznie należą do Ciebie i są aktywne.

Najczęstszy błąd: Linkowanie przycisków social media w stopce zamiast maszynowo czytelnych powiązań w znacznikach.

Co jest zaskakujące: Nakład pracy: około piętnastu minut. Mimo to jest to najrzadziej spełniany test strukturalny.

8. Data publikacji i aktualizacji

Kategoria: Treść

Co jest sprawdzane: Czy treści posiadają maszynowo czytelną datę utworzenia i modyfikacji.

Wskaźnik sukcesu: 27 procent, 73 procent w ogóle nie spełnia testu.

Dlaczego to ważne dla odpowiedzi AI: W przypadku pytań związanych z czasem — ceny, sytuacja prawna, dostępność, lata — modele wyraźnie preferują datowane źródła. Bez daty Twoja treść zostanie pominięta przy każdej weryfikacji aktualności.

Best Practice: Prowadź datePublished i dateModified w znacznikach i dodatkowo wyświetlaj datę w sposób widoczny. Zmieniaj dateModified tylko wtedy, gdy treść faktycznie uległa zmianie.

Najczęstszy błąd: Data jest automatycznie aktualizowana przy każdym wdrożeniu (deployment). Tworzy to pozory aktualności, które nimi nie są — i dewaluuje sygnał.

9. Kompletne dane oferty

Kategoria: Dane produktu

Co jest sprawdzane: Czy dla produktu dostępne są w formie maszynowo czytelnej cena, waluta, dostępność oraz warunki wysyłki i zwrotów.

Wskaźnik sukcesu: 34 procent sprawdzonych stron sklepów, 64 procent nie zdaje testu.

Dlaczego to ważne dla odpowiedzi AI: „Ile to kosztuje z wysyłką i czy jest dostępne?” to typowe pytanie o intencję zakupu. Jeśli brakuje jednej z informacji, model nie może uwzględnić Twojej oferty w porównaniu — po prostu Cię pominie.

Best Practice: W obiekcie Offer podawaj price, priceCurrency, availability, shippingDetails oraz hasMerchantReturnPolicy i dbaj o ich synchronizację z informacjami na stronie.

Najczęstszy błąd: Cena i dostępność są oznaczone, wysyłka i zwroty nie. Ale to właśnie te dwa ostatnie elementy decydują w porównaniu.

10. Website Schema z wyszukiwarką

Kategoria: Struktura

Co jest sprawdzane: Czy domena udostępnia obiekt WebSite wraz z SearchAction.

Wskaźnik sukcesu: 36 procent.

Dlaczego to ważne dla odpowiedzi AI: W ten sposób mówisz systemowi, jak może celowo przeszukiwać Twoją stronę, zamiast przedzierać się przez nawigację. Będzie to coraz bardziej istotne dla dostępów agencyjnych (AI agents).

Best Practice: Dostarczaj WebSite z potentialAction i własnym adresem URL wyszukiwania w nagłówku strony — raz globalnie, a nie inaczej dla każdej strony.

Najczęstszy błąd: Adres URL wyszukiwania w znacznikach wskazuje na stary parametr, który prowadzi do nikąd.

Często zadawane pytania

Czym w ogóle jest GEO?

GEO oznacza Generative Engine Optimization: optymalizację strony internetowej pod kątem pojawiania się w odpowiedziach generatywnych systemów AI. Technicznie w dużym stopniu pokrywa się z SEO, ale znacznie wyżej ocenia dowody maszynowo czytelne i jednoznaczne encje.

Czy klasyczne SEO nie wystarczy?

W podstawach tak — czysta struktura, dostępna mapa witryny, dobre treści działają na korzyść obu dziedzin. Różnica leży w oznaczaniu danych: to, co człowiek widzi na stronie, musi być dodatkowo dostępne jako informacja strukturalna, w przeciwnym razie dla crawlera HTML nie istnieje.

Od czego zacząć, jeśli mam tylko jeden dzień?

Od testów strukturalnych: Organization, sameAs i daty można załatwić w kilka godzin i dotyczą one całej domeny. Następnie należy zająć się oznaczaniem recenzji i danych produktów.

Jak często powinienem to sprawdzać?

Po każdym większym wdrożeniu (relaunch), a poza tym co kwartał. Z doświadczenia wynika, że dane strukturalne najszybciej giną przy zmianach szablonów.

Gdzie znajduje się Twoja strona

Wszystkie dziesięć kryteriów jest częścią AI Trust Audit. Test jest bezpłatny, trwa kilka minut i pokazuje dla każdego punktu, czy jest on spełniony, częściowo spełniony lub otwarty — wraz z konkretnymi wskazówkami wdrożeniowymi dla Twojej domeny.

Metodologia

Analizie poddano wszystkie zakończone przebiegi audytów w AI Trust Audit (stan na sierpień 2026 r.): 23 696 przebiegów na 13 327 unikalnych domenach. Baza analizy różni się w zależności od kryterium, ponieważ poszczególne testy były wprowadzane z czasem, a testy dotyczące produktów działają tylko na wykrytych stronach sklepów — odpowiednia baza waha się zatem od około 4 700 do 23 300 przebiegów. Szczegółowe wyniki starsze niż dwanaście miesięcy są usuwane ze względów ochrony danych i nie są uwzględniane we wskaźnikach.