AI referral traffic: wzrost o 357% i 4,4x wyższa konwersja

Ruch referencyjny z AI to najmniejsze, a zarazem najcenniejsze źródło odwiedzin, które wiele serwisów B2B obecnie pomija. Wolumeny są jeszcze małe, wzrost jest ogromny, a jakość konwersji przewyższa wszystko, co daje klasyczne wyszukiwanie organiczne. Jeśli wdrożysz GEO (Generative Engine Optimization) już teraz, zapewnisz sobie widoczność w ChatGPT, Perplexity i Google AI Overviews, zanim konkurencja w ogóle zacznie mierzyć ten kanał.

Dlaczego ruch referencyjny z AI jest ważny dla firm B2B w Europie

Kanał rośnie lawinowo. W czerwcu 2025 platformy AI wygenerowały ponad 1,13 miliarda odesłań do 1000 największych stron na świecie, o 357% więcej niż w czerwcu 2024 (dane: Similarweb, cały świat). Brzmi to jak rewolucja, ale pod względem wolumenu jeszcze nią nie jest: w tym samym okresie Google Search dostarczył 191 miliardów odesłań. Ruch z AI to więc ok. 0,59% tego, co Google generuje w odesłaniach. ChatGPT dominuje w tym młodym kanale i według analizy Similarweb odpowiada za większość odesłań z AI.

Zasięg, który za tym stoi, wciąż rośnie. W październiku 2025 ChatGPT osiągnął 800 milionów aktywnych użytkowników tygodniowo, wobec 500 milionów pod koniec marca 2025 (dane podane przez CEO OpenAI Sama Altmana, w skali międzynarodowej). Dla firm B2B w Europie liczy się więc, czy ten ruch jest ujmowany jako mierzalny kanał, czy niewidocznie znika w worku z ruchem bezpośrednim.

Decyduje jakość. Według międzynarodowego badania przeciętny odwiedzający z wyszukiwania AI jest 4,4 razy cenniejszy niż przeciętny użytkownik z klasycznego wyszukiwania organicznego w ujęciu współczynnika konwersji (Semrush, podstawa: ponad 500 wartościowych tematów z obszaru marketingu cyfrowego i SEO). Drugi, niezależny zbiór danych potwierdza ten kierunek: ruch z AI konwertuje mniej więcej trzy razy lepiej niż inne kanały (Microsoft Clarity, ponad 1200 serwisów wydawców i portali informacyjnych). Oba badania mierzą co innego: Semrush wartość odwiedzającego, Clarity współczynniki kliknięć w rejestrację i subskrypcję. Dlatego nie dają jednego wspólnego mnożnika.

Czym jest ruch referencyjny z AI i dlaczego lepiej konwertuje

Ruch referencyjny z AI to odwiedziny strony pochodzące z generatywnego interfejsu wyszukiwania: ChatGPT (łącznie z ChatGPT Search), Perplexity, Google AI Overviews i AI Mode, Gemini oraz Microsoft Copilot. Użytkownik zadaje pytanie, AI syntetyzuje odpowiedź i odsyła do stron za pomocą linków do źródeł lub cytatów. Kliknięcie następuje dopiero po odpowiedzi AI, nie przed nią.

Właśnie tu leży przewaga konwersyjna. W klasycznym wyszukiwaniu organicznym użytkownik klika wynik wyszukiwania i dopiero wtedy zaczyna oceniać, porównywać i budować zaufanie. W wyszukiwaniu AI ten etap odbywa się wcześniej:

• Wstępna kwalifikacja przez AI: porównanie, wybór i niejawna rekomendacja odbywają się już w odpowiedzi AI. Kto klika, zaakceptował wstępną selekcję i jest bliżej decyzji.
• Intencja z dołu lejka: zapytania do AI to często konkretne pytania o rozwiązanie („jakie narzędzie do X”, „dostawca Y w Austrii”), a nie szeroki research. Odwiedzający przychodzi z wyższą intencją zakupu.
• Filtrowanie kontekstowe: AI odrzuciła już nieistotne opcje. Pozostały ruch jest lepiej dopasowany, co tłumaczy mniejsze rozproszenie i wyższą konwersję.

Dane to potwierdzają. W Microsoft Clarity współczynnik kliknięć w rejestrację dla ruchu z LLM wyniósł 1,66% wobec 0,15% dla wyszukiwania, a współczynnik kliknięć w subskrypcję 1,34% wobec 0,55%. Przewaga konwersyjna nie rozkłada się równomiernie: koncentruje się w branżach opartych na wiedzy, takich jak SaaS, usługi B2B, finanse, prawo i edukacja, gdzie użytkownicy zadają złożone pytania, a AI pełni rolę wstępnego doradcy.

Strategia GEO: jak sprawić, by Twoje treści były cytowane w odpowiedziach AI

Widoczność w odpowiedziach AI rządzi się innymi zasadami niż klasyczne SEO. Kluczowych podstaw dostarcza badanie GEO z Princeton. Pokazuje ono, że GEO może zwiększyć widoczność w odpowiedziach silników generatywnych nawet o 40% (Aggarwal et al., KDD 2024, benchmark obejmujący 10 000 zapytań z 25 domen). Najskuteczniejsze dźwignie są jasno wskazane:

• Dodawaj statystyki: konkretne liczby ze źródłem wymiernie zwiększają prawdopodobieństwo cytowania.
• Dodawaj cytaty: dosłowne wypowiedzi z wiarygodnych źródeł są chętniej wyodrębniane.
• Podawaj źródła: widoczne źródła sygnalizują AI wiarygodność.

Według badania te trzy metody, czyli Cite Sources, Quotation Addition i Statistics Addition, dały względną poprawę o 30–40% w metryce Position-Adjusted Word Count. Innymi słowy: samo upychanie słów kluczowych nie działa w silnikach generatywnych, za to merytoryka poparta źródłami tak.

Druga dźwignia to umiejscowienie. Systemy AI najchętniej wyodrębniają treść z początku strony. Analiza Google AI Overviews pokazuje, że 55% cytowań w AI Overviews pochodzi z górnych 30% strony, 24% ze środka, a 21% z dolnej części (CXL, 100 cytowań z AI Overviews). Dlatego CXL radzi umieścić kluczowy przekaz w pierwszej piątej części strony. Wynikają z tego dwie techniki:

• Front-loading: bezpośrednia odpowiedź na prawdopodobne pytanie użytkownika znajduje się w pierwszym akapicie, najpóźniej w pierwszej piątej części strony, a nie dopiero po długim wstępie.
• Answer Islands: każda sekcja zawiera samodzielny blok odpowiedzi przypisany do encji, który można zacytować bez otaczającego kontekstu. Pojęcie, definicja i dowód są zebrane zwięźle w jednym miejscu.

Trzecia dźwignia dotyczy logiki off-page. W wyszukiwaniu AI nieustrukturyzowane wzmianki o marce często działają silniej niż klasyczne backlinki. Modele językowe budują skojarzenia z marką na podstawie wzmianek tekstowych w korpusie treningowym i retrievalowym, a nie przede wszystkim na podstawie grafów linków. Spójne, częste wzmianki o Twojej marce we właściwym otoczeniu tematycznym zwiększają prawdopodobieństwo, że AI zaproponuje ją jako odpowiedź, nawet bez linku.

Dobre praktyki: techniczne fundamenty GEO i śledzenie ruchu

Bez rzetelnego śledzenia nie da się sterować ruchem z AI. Największym problemem praktycznym jest brak referrera. Kilka narzędzi AI nie wysyła nagłówka referrer, przez co ich ruch pojawia się w GA4 jako bezpośredni. Badanie Ahrefs obejmujące 3000 stron pokazuje, że Mistral i Jasper AI przechodzą jako „direct”, a Copilot mniej więcej od października 2024 prawdopodobnie zatrzymuje informacje o referrerze, przez co ruch z AI jest najpewniej mocno niedoszacowany. Praktyczne kroki:

• Zdefiniuj regex dla referrera w GA4: utwórz osobną grupę kanałów „AI Search” i połącz źródła takie jak chatgpt.com, perplexity.ai, gemini.google.com i copilot.microsoft.com za pomocą wyrażenia regularnego.
• Wykorzystaj logikę UTM: ChatGPT oznacza już linki w wersji desktopowej parametrem utm_source=chatgpt.com. Przypisuj takie parametry do właściwej grupy kanałów, zamiast tracić je w ruchu bezpośrednim.
• Zawęź problem ruchu bezpośredniego: ponieważ Mistral i Jasper nie przekazują referrera, a Copilot prawdopodobnie go zatrzymuje, nietypowe skoki ruchu bezpośredniego na nowe strony docelowe warto traktować jako potencjalny ruch z AI. Pomiar oparty wyłącznie na referrerze strukturalnie nie obejmuje całego kanału.

Techniczne fundamenty sprawiają, że treści są dostępne dla crawlerów i czytelne maszynowo:

• llms.txt: plik, który w uporządkowany sposób wskazuje systemom AI najważniejsze treści. Wciąż jest rzadkością: tylko 2,13% stron w wersji desktopowej ma prawidłowe wpisy llms.txt (Web Almanac 2025, ok. 12,9 mln przeanalizowanych witryn). Właśnie to czyni go wczesnym wyróżnikiem.
• Schema.org / dane strukturalne: znaczniki Article, FAQPage, Organization i Product pomagają systemom AI jednoznacznie interpretować encje i fakty.
• Świadomie zarządzaj robots.txt: celowo zezwalaj na dostęp GPTBot, ClaudeBot i PerplexityBot albo go blokuj. Wzmianki o GPTBot w robots.txt wzrosły z 2,6% (2024) do ok. 4,5% (2025). Jeśli chcesz pojawiać się w odpowiedziach AI, musisz wpuścić odpowiednie boty.

Najczęstsze błędy przy budowaniu widoczności w AI

• Całkowity brak pomiaru ruchu z AI: bez osobnego grupowania kanałów nigdy nie zobaczysz wartości 4,4x i nie będziesz nią sterować. Najcenniejszy kanał pozostaje ukryty w szumie ruchu bezpośredniego.
• Ignorowanie udziału ruchu bezpośredniego: ponieważ wiele narzędzi AI nie wysyła referrera, raporty oparte wyłącznie na referrerze wyraźnie zaniżają ten kanał. Jeśli liczysz tylko zarejestrowane odesłania z AI, planujesz na zbyt wąskiej podstawie.
• Mylenie wolumenu z wartością: 0,59% odesłań z Google brzmi jak wartość pomijalna. Przy dźwigni konwersji rzędu 3x–4,4x marża pokrycia na jedną wizytę jest jednak nieproporcjonalnie wysoka.
• Traktowanie GEO jak starego SEO: gęstość słów kluczowych i sama liczba linków niewiele znaczą w silnikach generatywnych. Według badania z Princeton skuteczne czynniki to udokumentowane statystyki, cytaty i podane źródła.
• Zakopywanie odpowiedzi w tekście: jeśli bezpośrednia odpowiedź pojawia się dopiero po długim wstępie, szansa na cytowanie spada, bo AI najchętniej wyodrębnia treść z początku strony.
• Hurtowe blokowanie crawlerów: jeśli zablokujesz GPTBot lub PerplexityBot w robots.txt, sam wykluczasz się z odpowiedzi tych systemów AI.

Metryki, narzędzia i perspektywy Agentic Commerce

Widoczność w AI wymaga własnych wskaźników, wykraczających poza rankingi:

• Cytowania i wzmianki: jak często marka jest wymieniana lub linkowana w ChatGPT, Perplexity i AI Overviews? Narzędzia takie jak Ahrefs Brand Radar i rozwiązania typu AI Visibility Index mierzą wzmianki i cytowania w wielu promptach.
• Share of Voice: udział Twojej marki we wszystkich istotnych wzmiankach AI w danym obszarze tematycznym w porównaniu z konkurencją.
• Mention-Source-Divide: luka między źródłami cytowanymi przez AI a Twoimi najlepszymi treściami pokazuje, gdzie brakuje contentu nadającego się do wyodrębnienia przez AI.
• Atrybucja konwersji: kanał wyszukiwania AI w GA4 z osobnym grupowaniem kanałów, aby wartość 4,4x była widoczna i dało się ją uwzględnić w budżecie.

Zasięg kanału rośnie strukturalnie. Według Ahrefs już 63% badanych stron otrzymuje ruch z AI, choć średnio stanowi on tylko 0,17% odwiedzających i 0,12% odsłon. Dynamika wzrostu jest jednoznaczna: w danych Microsoft Clarity ruch generowany przez AI wzrósł o 155,6%, podczas gdy wyszukiwanie zyskało 24,0%. Semrush prognozuje, że tematy z zakresu marketingu cyfrowego i SEO mogą od początku 2028 roku przyciągać więcej odwiedzających z wyszukiwania AI niż z klasycznego wyszukiwania, a jeśli AI Mode stanie się domyślnym sposobem wyszukiwania w Google, to przejście nastąpi znacznie wcześniej (dotyczy wyłącznie badanych tematów z obszaru marketingu cyfrowego).

Kolejnym etapem jest Agentic Commerce. Agenci AI sami występują w nim jako kupujący: wyszukują dostawców, porównują oferty i uruchamiają transakcje przez interfejsy instant checkout. W B2B dotyczy to zakupów: agent mógłby wstępnie kwalifikować dostawców, zanim zaangażuje się człowiek. Dla dostawców oznacza to udostępnianie danych o produktach i usługach w tak uporządkowanej, czytelnej maszynowo i nadającej się do cytowania formie, by agent w ogóle rozpoznał je jako opcję. Kto dziś jest widoczny w odpowiedziach AI, buduje podstawy pod jutrzejszą widoczność dla agentów.

Dla austriackich firm B2B oznacza to okno czasowe: jeśli wcześnie zoptymalizujesz treści pod silniki generatywne i będziesz rzetelnie mierzyć kanał AI, zapewnisz sobie przewagę o wysokiej konwersji, dopóki konkurencja wciąż pomija ten ruch.

Co dalej

Ruch referencyjny z AI jest dziś niewielki, ale jakościowo lepszy i rośnie szybciej niż jakikolwiek inny kanał. Kolejne kroki są konkretne: skonfigurować w GA4 osobne grupowanie kanałów dla AI, zawęzić problem ruchu bezpośredniego za pomocą UTM i regexu dla referrera, wzbogacić treści zgodnie z dźwigniami z badania Princeton o statystyki, cytaty i źródła, przesunąć odpowiedź na początek dzięki front-loadingowi i zbudować techniczne fundamenty z llms.txt, Schema.org i świadomego zarządzania robots.txt. Łącząc te elementy, zamieniasz niedoceniany dziś kanał w mierzalny motor wzrostu B2B.