Jak eviacharge.pl trafił do ChatGPT - case study GEO dla polskiego MŚP

Ostatnia aktualizacja: 27 marca 2026 r.

W 8 tygodniach eviacharge.pl przeszedł od zerowej widoczności w AI search do pozycji #1 w ChatGPT dla docelowej frazy. Poniżej opisuję dokładnie jak to zrobiłem.

eviacharge.pl to warsztat instalacji ładowarek EV z siedzibą w Warszawie, prowadzony przeze mnie, Konrada Kluz, równolegle z działalnością konsultingową Geovise. Projekt powstał z konkretnego powodu: chciałem przetestować GEO optymalizację na realnym, działającym biznesie i zobaczyć wyniki, zanim zacznę ją rekomendować innym firmom. To jest ten raport.

Problem: solidna strona, zerowa widoczność AI

Kiedy uruchomiłem eviacharge.pl, strona miała solidne fundamenty techniczne. Byłem zadowolony z jakości treści i struktury kodu. Mimo to, kiedy wpisywałem w ChatGPT pytanie "kto instaluje ładowarki EV w Warszawie?", eviacharge.pl po prostu nie istniało w wynikach.

To typowy problem dotyczący widoczności AI wśród polskich MŚP. Większość właścicieli firm nie zdaje sobie sprawy, że AI search i Google search to dwa osobne systemy rankingowe, które wymagają osobnych sygnałów.

Stan przed wdrożeniem GEO wyglądał następująco:

• Pozycja w Google: ok. 50 (strona 5, praktycznie niewidoczna)
• Cytowania AI w ChatGPT, Perplexity, Gemini: 0
• Dane strukturalne (Schema.org): brak
• Spójność entity (nazwa firmy, adres, branża): brak

ChatGPT, Perplexity i Gemini nie wiedziały, że eviacharge.pl istnieje jako wiarygodna encja w temacie ładowarek EV. Strona była zoptymalizowana dla ludzi. Dla modeli językowych była przezroczysta.

Działania: co wdrożyłem w 8 tygodniach

Projekt realizowany był w okresie lipiec–wrzesień 2025 roku. Cały projekt GEO optymalizacji trwał 8 tygodni. Podzieliłem go na cztery etapy.

Etap 1: Spójność entity i sygnały NAP

Podstawowy problem eviacharge GEO to brak spójnych sygnałów entity. Modele AI cytują źródła, które rozpoznają jako wiarygodne encje, a nie anonimowe strony internetowe.

Działania w tym etapie (tygodnie 1–2):

• Ujednolicenie nazwy firmy, adresu i numeru telefonu we wszystkich miejscach online (NAP consistency)
• Stworzenie i optymalizacja profilu Google Business
• Dodanie wpisów w branżowych katalogach (e-katalog.pl, panoramafirm.pl)
• Wprowadzenie spójnego opisu firmy we wszystkich kanałach

Etap 2: Dane strukturalne Schema.org

GEO wymaga, żeby maszyny mogły jednoznacznie zrozumieć kontekst strony. Wdrożyłem (tydzień 2–3):

• LocalBusiness schema z pełnymi danymi adresowymi
• Service schema dla każdej oferowanej usługi (wallbox montaż, ładowarki AC/DC)
• FAQPage schema z pytaniami konwersacyjnymi, które odwzorowują sposób, w jaki użytkownicy pytają AI
• Person schema dla autora treści (sygnał E-E-A-T)

Etap 3: Treści odpowiadające na pytania konwersacyjne

Modele AI cytują fragmenty, które bezpośrednio odpowiadają na konkretne pytania. Stworzyłem zestaw podstron i sekcji FAQ, które odpowiadają na pytania w naturalnym języku (tygodnie 3–6):

• "Jak długo trwa montaż wallboxa w domu?"
• "Ile kosztuje instalacja ładowarki EV w Warszawie?"
• "Czy mogę zainstalować wallbox w bloku?"

Każda odpowiedź zaczyna się od bezpośredniej, jednozdaniowej odpowiedzi. Ten format jest cytowany przez AI znacznie częściej niż treści w formie ciągłego tekstu.

Etap 4: Autorytet zewnętrzny i linki

Ostatni etap to budowanie zewnętrznych sygnałów autorytetu (tygodnie 6–8). W kontekście optymalizacji pod AI search liczy się nie tylko Google PageRank, ale też to, czy o firmie piszą serwisy, z których modele AI się uczyły.

Działania:

• Wpisy gościnne w 2 serwisach branżowych o tematyce elektromobilności
• Cytowanie danych ze strony przez lokalny portal informacyjny
• Aktywność na forach branżowych z linkiem do treści eksperckich
• Konfiguracja pliku llms.txt wskazującego AI crawlerom które treści indeksować

Wyniki: liczby po 8 tygodniach

Mierzyłem wyniki przez 90 dni po zakończeniu wdrożenia. Oto co się stało.

Wyniki GEO po 8 tygodniach wdrożenia

Pierwsze cytowanie w ChatGPT pojawiło się w 4. tygodniu wdrożenia. To jest wynik szybszy niż typowy horyzont 4–8 tygodni, jaki obserwuję przy solidnych fundamentach technicznych.

Dla porównania: tradycyjne SEO przynosi mierzalne rezultaty w Google po 3–6 miesiącach. Polskie firmy mogą zatem pojawić się w ChatGPT szybciej niż myślą, pod warunkiem że GEO wdraża się metodycznie.

Wyniki są weryfikowalne. eviacharge.pl to żywa strona. Możesz sprawdzić ranking samodzielnie, wpisując "znajdź firmy montujące wallboxy w Warszawie" do ChatGPT.

Co z tego wynika dla polskich MŚP

To case study GEO Polska pokazuje kilka rzeczy, które obserwuję konsekwentnie.

Po pierwsze, AI search nie jest przedłużeniem Google. ChatGPT nie bierze pod uwagę samego PageRank. Bierze pod uwagę to, czy strona jest rozpoznawalna jako wiarygodna encja w danej domenie tematycznej.

Po drugie, tempo zmian jest szybsze niż większość firm zakłada. Rynek ładowarek EV w Polsce rósł o 44% rok do roku w 2025 roku (dane: PZPM / Licznik Elektromobilności). Konkurencja w AI search rosła proporcjonalnie. Firmy, które wdrożyły GEO wcześniej, mają dzisiaj przewagę trudną do nadrobienia.

Po trzecie, MŚP może wygrać z większymi konkurentami. eviacharge.pl to mała firma. Mimo to, w AI search wyprzedza ogólnopolskich operatorów, którzy mają większe budżety na tradycyjne SEO. Powodem jest to, że GEO premiuje jakość i spójność sygnałów, a nie sam rozmiar domeny.

Geovise wdrożyło tę samą metodologię, która zadziałała na eviacharge.pl, jako ustandaryzowany proces dla klientów. Każde wdrożenie zaczyna się od jednorazowego Audytu GEO (od €400), który pokazuje dokładnie, które sygnały AI brakuje w konkretnej firmie.