Badanie GEO z Princeton: metodologia, wyniki i krytyka

Badanie GEO z Princeton to punkt wyjścia każdej poważnej pracy nad Generative Engine Optimization. Jeśli działasz w B2B w Europie i chcesz zrozumieć, dlaczego statystyki, odwołania do źródeł i cytaty nagle zaczęto uznawać za dźwignie optymalizacji w odpowiedziach AI, nie ominiesz tej publikacji. Jako preprint z 2023 roku (opublikowany na KDD 2024) po raz pierwszy dostarczyła mierzalnego i powtarzalnego dowodu na to, że treści można celowo kształtować tak, by generatywne systemy wyszukiwania cytowały je częściej i wyraźniej eksponowały. Ten artykuł osadza badanie w kontekście, wyjaśnia jego metodologię, poprawnie interpretuje często cytowany główny wynik i wskazuje ograniczenia, o których trzeba pamiętać, przenosząc wnioski na dzisiejsze systemy i rynek niemieckojęzyczny.

Czym jest badanie GEO z Princeton i dlaczego wciąż ma znaczenie

Autorami pracy zatytułowanej „GEO: Generative Engine Optimization” są Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan i Ameet Deshpande. Została opublikowana na konferencji ACM SIGKDD 2024 (KDD 2024) i jest swobodnie dostępna jako preprint pod numerem arXiv 2311.09735. Autorzy ukuli termin Generative Engine Optimization i zdefiniowali go jako samodzielną dyscyplinę obok klasycznego pozycjonowania (SEO).

Znaczenie badania wynika z sytuacji wyjściowej. Klasyczne SEO optymalizuje pod rankingi, czyli pozycje na liście wyników. Generatywne systemy wyszukiwania, takie jak Google AI Overviews, ChatGPT Search czy Perplexity, dostarczają natomiast syntetyczną odpowiedź i odsyłają już tylko do wybranych źródeł. Badanie z Princeton było pierwszą pracą, która zmierzyła tę nową rzeczywistość w kontrolowanym eksperymencie. Przesunęło pytanie z „Jak zająć wyższą pozycję?” na „Jak trafić do wygenerowanej odpowiedzi?”. Właśnie to przesunięcie czyni tę publikację dokumentem założycielskim dyscypliny, której taktyki pojawiają się dziś w każdym poradniku GEO.

Ważne dla oceny: badanie ma charakter akademicki, a nie komercyjny. Jego wnioski pochodzą z recenzowanego eksperymentu, a nie z marketingu dostawcy narzędzi. Daje mu to przewagę wiarygodności, której w przypadku wielu późniejszych badań branżowych nie można zakładać.

Metodologia: GEO-bench i nowe metryki widoczności

Sercem badania jest specjalnie opracowany framework benchmarkowy o nazwie GEO-bench. Obejmuje on 10 000 zapytań, podzielonych na 8000 treningowych, 1000 walidacyjnych i 1000 testowych, pochodzących z dziewięciu różnych źródeł danych z 25 dziedzin, takich jak sztuka, zdrowie czy gry. Aby zbiór danych odzwierciedlał rzeczywiste wyszukiwanie, autorzy zachowali typowy rozkład zapytań: 80% informacyjnych oraz po 10% transakcyjnych i nawigacyjnych. Ta różnorodność ma kluczowe znaczenie, ponieważ zapobiega sytuacji, w której wynik dotyczy tylko jednej niszy.

Drugim wkładem metodologicznym są dwie nowe metryki, dzięki którym widoczność w wygenerowanej odpowiedzi w ogóle da się zmierzyć ilościowo. Obie mierzą coś innego niż klasyczny ranking:

Position-Adjusted Word Count: Ten wskaźnik liczy, ile słów odpowiedzi AI pochodzi z określonego źródła, i waży je według ich pozycji w odpowiedzi. Źródło wykorzystane wcześnie i obszernie otrzymuje wyższą wartość niż takie, które pojawia się tylko na marginesie. Mierzy więc zakres i stopień wyeksponowania treści źródła w odpowiedzi.

Subjective Impression: Ta metryka wykorzystuje model językowy w roli oceniającego, który ocenia postrzeganą trafność, siłę wpływu i użyteczność cytowanego źródła w odpowiedzi. Uwzględnia w ten sposób aspekty jakościowe, których samo liczenie słów nie oddaje.

Sama ewaluacja przebiegała w systemie generatywnym, który opierał się na ówczesnym modelu GPT i korzystał z wyników wyszukiwania jako bazy źródeł. Dla każdego zapytania testowego treść źródła docelowego przerabiano zgodnie z jedną metodą GEO, a następnie mierzono, czy i w jakim stopniu zmieniła się widoczność tego źródła w wygenerowanej odpowiedzi.

Dziewięć przetestowanych metod GEO i ich skuteczność

W badaniu przetestowano dziewięć konkretnych modyfikacji treści w porównaniu z niezoptymalizowanym stanem wyjściowym. Najważniejsze z nich można podzielić na trzy grupy:

Sygnały autorytetu (zwycięzcy): Należą do nich Statistics Addition (dodanie trafnych liczb i statystyk), Quotation Addition (uzupełnienie o istotne cytaty) i Cite Sources (dodanie odwołań do wiarygodnych źródeł). Autorzy określają te trzy metody jako najskuteczniejsze w całym badaniu.

Optymalizacja językowa: Obejmuje Fluency Optimization (płynniejsze, jaśniejsze sformułowania), Authoritative (bardziej autorytatywny ton) i Technical Terms (dodanie terminologii fachowej). W Position-Adjusted Word Count metoda Fluency Optimization osiągnęła 24,7 punktu (bez optymalizacji 19,3), plasując się mniej więcej na równi z Cite Sources (24,6). Authoritative i Technical Terms działały umiarkowanie, a ich efekt silnie zależał od dziedziny.

Podejścia nieskuteczne lub szkodliwe: Keyword Stuffing, czyli mechaniczne powtarzanie fraz wyszukiwania, należał do najsłabszych podejść i mógł wręcz pogorszyć widoczność w porównaniu ze stanem wyjściowym. W teście praktycznym na Perplexity Keyword Stuffing wypadł w Position-Adjusted Word Count o około 10% gorzej niż niezoptymalizowany stan wyjściowy. To kluczowe ustalenie: klasyczne taktyki spamu SEO nie przenoszą się na systemy generatywne.

Najcenniejsze w praktyce ustalenie dotyczy łączenia metod. Autorzy wykazali, że połączenie optymalizacji językowej z dodawaniem statystyk przewyższa każdą metodę stosowaną osobno. Dla B2B oznacza to: zwiększaj jednocześnie gęstość dowodów i czytelność, zamiast wybierać jedną taktykę.

Jak prawidłowo interpretować główny wynik „do 40%”

Najczęściej cytowaną liczbą z badania jest główna teza, że widoczność w odpowiedziach generatywnych można zwiększyć nawet o 40%. W praktyce ta liczba bywa często źle rozumiana, dlatego warto ją precyzyjnie osadzić w kontekście.

Po pierwsze, to wartość maksymalna, a nie średnia. Konkretnie według publikacji trzy metody wyróżnione przez autorów, Cite Sources, Quotation Addition i Statistics Addition, przyniosły względną poprawę o 30 do 40% w metryce Position-Adjusted Word Count (po przeliczeniu na podstawie tabeli 1 publikacji: od około 27% dla Cite Sources do 41% dla Quotation Addition). Chodzi więc o górną granicę tego, co możliwe w idealnych warunkach, a nie o gwarancję dla każdej treści.

Po drugie, to poprawa względna, a nie bezwzględna. Opisuje przyrost w porównaniu z niezoptymalizowanym stanem wyjściowym tego samego źródła w tym samym kontekście odpowiedzi. Źródło, które i tak jest już cytowane w sposób dominujący, ma mniejsze pole do wzrostu.

Po trzecie, i to jest strategicznie najważniejszy punkt, najbardziej skorzystały źródła na niższych pozycjach. Badanie opisuje efekt wyrównania: treści, które bez optymalizacji były prawie niewidoczne, zyskały dzięki metodom GEO nieproporcjonalnie dużo. Dla mniejszych i średnich dostawców w Europie to właściwa dobra wiadomość. GEO daje właśnie słabszym graczom realną szansę na wzmiankę, zamiast jedynie zwiększać widoczność i tak już ugruntowanych liderów rynku.

Specyfika dziedziny: dlaczego ta sama metoda działa różnie

Często pomijanym ustaleniem badania jest zależność od dziedziny. W 25 objętych badaniem dziedzinach żadna metoda nie działała wszędzie tak samo. W niektórych obszarach najmocniej podnosiły widoczność statystyki, w innych cytaty albo bardziej autorytatywny styl językowy.

Dla firm B2B oznacza to konkretną wskazówkę: nie istnieje uniwersalna formuła GEO. Techniczny produkt przemysłowy, doradztwo prawne i oferta typu software as a service wymagają różnych akcentów. Tam, gdzie zaufanie buduje się na twardych danych, opłaca się gęstość statystyk. Tam, gdzie powstaje dzięki eksperckiej wiedzy i reputacji, opłacają się cytaty z podanym autorem. Badanie daje więc metodę testowania, a nie gotowy przepis. Jeśli poważnie podchodzisz do GEO, mierzysz efekt w każdym obszarze tematycznym, zamiast nakładać jedną ogólną strategię na wszystkie treści.

Krytyka i ograniczenia badania

Choć badanie z Princeton jest bardzo ważne, jego moc dowodowa ma wyraźne granice, które trzeba znać, by rzetelnie korzystać z jego wyników.

Syntetyczna i częściowo nieprzejrzysta ewaluacja: Widoczność mierzono maszynowo, częściowo z modelem językowym w roli oceniającego. System generatywny i jego dobór źródeł pozostają czarną skrzynką. Nie da się w pełni odtworzyć, dlaczego dane źródło zostało preferowane.

Stan modeli z lat 2023/2024: Eksperymenty przeprowadzono na ówczesnych modelach i systemach wyszukiwania. Dzisiejsze silniki, takie jak Google AI Overviews, Google AI Mode, Perplexity czy Claude, działają na nowszych architekturach, z innym mechanizmem pozyskiwania źródeł i częściowo z zupełnie inną logiką ich doboru. Konkretnych wartości procentowych nie da się więc przenieść jeden do jednego na 2026 rok.

Układ o sumie zerowej: W eksperymencie o widoczność w ramach jednej odpowiedzi konkurowało tylko kilka źródeł. W takim zamkniętym układzie względne zyski są większe niż w otwartej rzeczywistości, w której system wybiera spośród milionów stron. Wartości poprawy należy więc traktować jako wskaźnik kierunku, a nie dokładną prognozę dla własnej strony internetowej.

Możliwość uogólnienia: Badanie testowało syntezę generatywną, a nie każdy dzisiejszy produkt. To, że mechanizm co do zasady działa, uchodzi za dobrze udokumentowane. To, że dokładne liczby obowiązują dla konkretnego dzisiejszego systemu, jest założeniem, a nie udowodnionym faktem.

Od badania do praktyki: jak wdrożyć wnioski

Wyniki badań można przełożyć na cztery praktyczne dźwignie, które da się od razu zastosować w B2B:

Front-Loading: Najważniejsza odpowiedź powinna znaleźć się na początku sekcji. Systemy generatywne preferują stwierdzenia, które pojawiają się wcześnie i są jasno sformułowane. Zgadza się to z ustaleniem, że eksponowane umiejscowienie ma większą wagę w logice Position-Adjusted Word Count.

Answer Islands: Treści powinny być podzielone na samodzielne, semantycznie kompletne fragmenty, które w pełni odpowiadają na jedno pytanie. Takie zamknięte bloki łatwiej przejąć w całości do odpowiedzi AI.

Gęstość faktów i statystyk: Ponieważ metoda Statistics Addition należała do najskuteczniejszych, duża gęstość konkretnych danych popartych źródłami jest bezpośrednią dźwignią GEO. Szczególnie cenne są własne, autorskie liczby, bo nie da się ich dowolnie zastąpić.

Schema i struktura: Dane strukturalne i uporządkowana hierarchia nagłówków pomagają systemom prawidłowo przyporządkować treści. To techniczne przełożenie wniosków dotyczących treści.

Aktualny stan badań po Princeton

Badanie z Princeton było początkiem, a nie ostatnim słowem. Kilka późniejszych prac potwierdza ogólny kierunek i relatywizuje poszczególne założenia.

Rozszerzone frameworki powiększyły pierwotny katalog metod i uzupełniły go o cechy strukturalne, takie jak czytelność, formatowanie i jasność semantyczna. Kierunek pozostaje ten sam: sygnały autorytetu i dobra struktura zwiększają prawdopodobieństwo cytowania.

Szczególnie pouczające są badania nad tym, co napędza widoczność w AI poza samą stroną. Analiza 1000 domen wykazała, że autorytet domeny wyraźnie wiąże się ze wzmiankami w AI (Pearson 0,65, Spearman 0,57). Warto zauważyć, że linki nofollow wykazują niemal taki sam związek z widocznością w AI jak linki follow. W praktyce przesuwa to uwagę z samej siły linków na reputację i wzmianki w ogóle. W świecie AI obecność marki i backlinki są ze sobą bliżej związane, niż sugeruje klasyczne SEO.

Te późniejsze badania potwierdzają sedno badania z Princeton i uzupełniają je o ważny wymiar: sama optymalizacja on-page nie wystarczy, musi być wsparta autorytetem zewnętrznym.

llms.txt w świetle dowodów

W środowisku GEO krąży pomysł, by za pomocą pliku o nazwie llms.txt udostępniać modelom językowym wyselekcjonowaną mapę treści. Ważne dla oceny opartej na dowodach: ten pomysł nie jest częścią badania z Princeton i nie znajduje w nim potwierdzenia.

Stan wiedzy jest otrzeźwiający. Mimo rosnącej popularności żaden duży dostawca AI nie potwierdził dotąd oficjalnie, że wykorzystuje llms.txt do generowania odpowiedzi. Analizy branżowe nie wykazały jak dotąd wiarygodnego związku między obecnością pliku llms.txt a wyższymi wskaźnikami cytowań. Kontrast między zainteresowaniem a faktycznym efektem jest tu duży. Jeśli traktujesz GEO poważnie, uznaj llms.txt za rozwiązanie eksperymentalne o niskim priorytecie, a zasoby inwestuj najpierw w sprawdzone dźwignie, takie jak gęstość dowodów, struktura i reputacja.

Przełożenie na region DACH i Austrię

Badanie z Princeton jest anglojęzyczne i skoncentrowane na USA. Na pytanie, czy jego wnioski obowiązują w niemieckojęzycznym B2B, nie ma prostej odpowiedzi.

Mechanizm nie zależy od języka. To, że systemy generatywne preferują treści poparte źródłami, dobrze ustrukturyzowane i autorytatywne, wynika z syntezy odpowiedzi, a nie z języka angielskiego. W tym sensie jakościowe wnioski dają się przenieść. Dokładne wartości procentowe już nie, bo są związane z testowanymi systemami i anglojęzycznymi zbiorami danych.

Znaczenie rynkowe w Austrii szybko rośnie. Według Statistik Austria w 2025 roku z AI korzystało już 29,9% austriackich przedsiębiorstw zatrudniających co najmniej 10 osób, wobec 20,3% w 2024 roku i 10,8% w 2023 roku. To niemal 10 punktów procentowych więcej w ciągu jednego roku. Lata nie są jednak w pełni porównywalne, ponieważ od 2025 roku badanie obejmuje osiem zamiast siedmiu technologii AI. Bez nowej kategorii wartość za 2025 rok wyniosłaby 28,9%. Szczególnie istotne dla GEO: 51% firm korzystających z AI używa jej do generowania języka. Technologia stojąca za wyszukiwaniem generatywnym dotarła więc już do austriackich MŚP.

Dla regionu DACH kluczowe są dwie kwestie praktyczne. Po pierwsze, wyszukiwanie generatywne w mierzalny sposób zmienia zachowania związane z klikaniem. Według międzynarodowej analizy Ahrefs obecność AI Overview koreluje obecnie ze średnim CTR niższym o 58%, wobec 34,5% we wcześniejszej analizie z kwietnia 2025 roku. Widoczność w odpowiedzi staje się więc ważniejsza niż samo miejsce na liście. Po drugie, pozostały ruch jest bardziej wartościowy. Międzynarodowe badanie Semrush wykazało, że odwiedzający z wyszukiwania AI jest, mierząc współczynnikiem konwersji, 4,4 razy bardziej wartościowy niż odwiedzający z klasycznego wyszukiwania organicznego. Dla dostawców B2B z regionu DACH, których cykle sprzedaży są długie i wymagają intensywnego doradztwa, to połączenie wyraźnie przesuwa priorytet w stronę GEO.

Dalsza lektura

Badanie GEO z Princeton dostarcza naukowych podstaw, ale nie gotowej strategii. Przy wdrażaniu w B2B warto połączyć jego wnioski z uzupełniającymi tematami tej bazy wiedzy: rolą statystyk i danych jako jednej z najsilniejszych pojedynczych dźwigni, relacją między wzmiankami o marce a backlinkami, strukturyzowaniem treści za pomocą Front-Loading i Answer Islands oraz bieżącym mierzeniem efektów za pomocą odpowiednich metryk GEO. Najwięcej zyskasz, jeśli potraktujesz badanie jako generator hipotez i przetestujesz jego wnioski we własnym obszarze tematycznym, zamiast odczytywać wartości procentowe jako obietnicę.