Stan GEO w Polsce 2026

W skrócie

Geoboard przeskanował 1 088 polskich stron; 369 z nich przeszło pełny audyt GRI z rozbiciem na komponenty, który analizujemy w tym raporcie. Te 369 domen zbadaliśmy narzędziem Geoboard pod kątem GEO (Generative Engine Optimization), czyli gotowości strony do tego, by modele AI (ChatGPT, Perplexity, Gemini, Claude) potrafiły ją zrozumieć i zacytować, gdy klient zadaje pytanie branżowe. Średni wynik GRI to 40,4 na 100, czyli klasa D.

1. Żadna z 369 domen nie osiągnęła klasy A. Tylko 10% jest w klasie B, 33% w C, a ponad połowa (54%) w D. Kolejne 3,5% wylądowało w najniższej klasie F.
2. Im większa firma, tym gorzej. Duże firmy (enterprise) mają średni GRI 29,7, średnie 38,1, a mikrofirmy 45,6. To najwięksi gracze są dla AI najmniej czytelni.
3. Najsłabiej wypada e-commerce (32,5), najlepiej B2B SaaS (45), usługi pośrodku (42).
4. Problem nie jest techniczny. Strony są technicznie sprawne (zdrowie techniczne 76,6/100), ale nie opisują się danymi strukturalnymi (Schema.org: 25,1) i nie mają treści, które AI lubi cytować (treści porównawcze: 30,4).

Wniosek dla właściciela firmy lub CMO: Twoja konkurencja jest dla AI w większości niewidoczna. To okno, jeśli zadziałasz pierwszy.

Czym jest GRI i jak liczyliśmy

GRI (Geoboard Readiness Index) to wynik 0-100 opisujący gotowość strony do bycia rozumianą i cytowaną przez modele AI. Skala ma pięć klas: A (90-100), B (70-90), C (40-70), D (20-40), F (0-20).

Na GRI składa się sześć komponentów: dane strukturalne (Schema.org), sygnały EEAT (kto za firmą stoi), treści porównawcze, zdrowie techniczne, sygnały zaufania oraz dostępność strony dla modeli językowych (m.in. llms.txt, brak blokad AI botów).

Metoda: audyt Geoboard L1, czyli analiza on-page (struktura, treść, dane strony), bez wysyłania realnych zapytań do modeli AI. To predykcja gotowości, nie pomiar realnych cytowań. Realne testy modeli prowadzimy w wyższych planach monitoringu.

Próba: 369 polskich domen, które przeszły audyt w Geoboard (kwiecień-czerwiec 2026). To próba samodzielnie wyselekcjonowana, z przewagą branży usługowej. Nie jest to losowy, reprezentatywny przekrój całej polskiej gospodarki. Obserwowane wzorce, słaba warstwa danych strukturalnych i gorsza pozycja dużych firm, są jednak spójne w całej próbie.

Wyniki ogólne: rozkład GRI w Polsce

Średni GRI: 40,4 (klasa D). Najliczniejsza klasa to D, w której znajduje się ponad połowa badanych firm. Brak klasy A oznacza, że żadna z badanych polskich domen nie jest w pełni przygotowana na cytowanie przez AI.

Im większa firma, tym gorzej

To najbardziej zaskakujące ustalenie raportu.

Wbrew intuicji to duże firmy wypadają najsłabiej. Prawdopodobne wyjaśnienie: rozbudowane, ciężkie od JavaScriptu strony korporacyjne z treścią rozproszoną po wielu podstronach są dla modeli AI trudniejsze do przetworzenia niż proste, jednoznaczne strony małych firm. Duży budżet marketingowy nie przekłada się automatycznie na czytelność dla AI, bo to inna warstwa niż reklama czy klasyczne SEO.

Wyniki per branża

E-commerce wypada najsłabiej: sklepy mają dużo kart produktów, ale mało treści opisującej firmę i kategorie w sposób, w jaki pyta o nie użytkownik AI. B2B SaaS radzi sobie najlepiej, bo te firmy z natury opisują swój produkt językiem zrozumiałym dla maszyn.

Gdzie dokładnie leży problem

Rozbicie na sześć komponentów GRI pokazuje, że problem nie jest techniczny, lecz dotyczy tego, jak strona opisuje samą siebie.

Polskie strony są w większości technicznie sprawne (szybkie, z poprawną strukturą), ale nie mówią AI wprost, kim są (najsłabszy komponent to Schema.org, 25,1) i nie mają treści, które AI lubi cytować (treści porównawcze, 30,4), czyli porównań, poradników i odpowiedzi na realne pytania klientów.

Co z tym zrobić: trzy szybkie ruchy

1. Dodaj Schema.org Organization (i tam, gdzie to zasadne, dane o produktach i ocenach). To najtańszy sposób, by AI wiedziało, kim jesteś.
2. Stwórz treści porównawcze i FAQ odpowiadające na realne pytania klientów z Twojej branży. To one trafiają do odpowiedzi modeli.
3. Udostępnij stronę modelom: plik llms.txt i brak blokad AI botów (często domyślnie włączonych w Cloudflare).

Firmy, które poprawią tę warstwę pierwsze, zyskają przewagę, zanim rynek zorientuje się, że gra się zmieniła. Przy średnim GRI 40,4 poprzeczka jest nisko.

Autor

O badaniu

Raport przygotował Maciej Wiśniewski na danych z narzędzia Geoboard.ai (produkt PremiumAds Sp. z o.o.). Dane policzono narzędziem Geoboard, tym samym, z którego korzystają firmy w bezpłatnym audycie. GRI to autorska metodologia oceny gotowości na AI, w duchu wskaźników takich jak NPS czy Lighthouse.

Kontakt dla mediów: [email protected]. Firmy, których domeny znalazły się w próbie, mogą zażądać usunięcia swoich danych z raportu.

Dane jako otwarty zbiór: pobierz bundle OKF / Markdown (Open Knowledge Format v0.1, agent-friendly).

Dane: automatyczny audyt on-page (GEO Readiness Index), bez realnych zapytań do modeli AI. Snapshot prod DB, kwiecień-czerwiec 2026, n=369. Geoboard.ai · powered by PremiumAds.