Case study GEO Polska: eviacharge.pl w ChatGPT

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. Firma może rankować wysoko w Google i jednocześnie być całkowicie nieobecna w odpowiedziach ChatGPT, bo oba systemy budują swoją wiedzę z innych 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.

Audyt: 5 luk w 48 godzinach

Przed rozpoczęciem wdrożenia przeprowadziłem audyt GEO, dokładnie taki sam, jaki dziś wykonuję dla klientów Geovise. Audyt sprawdza stronę pod kątem pięciu obszarów, które modele AI biorą pod uwagę przy wyborze źródeł do cytowania: dostęp dla crawlerów, spójność encji, dane strukturalne, gotowość treści na pytania konwersacyjne i sygnały autorytetu. Zajął dwa dni robocze i wykazał pięć konkretnych luk.

Luka 1: zablokowane crawlery AI. Plik robots.txt odziedziczony po poprzedniej konfiguracji blokował GPTBot, PerplexityBot i pozostałe crawlery modeli AI. Strona była dla nich całkowicie niewidoczna, niezależnie od jakości treści. Modele AI nie mogą zacytować strony, której nie potrafią odczytać.

Luka 2: niespójna nazwa firmy. Nazwa firmy pojawiała się w kilku różnych wariantach zapisu na stronie i w zewnętrznych wzmiankach. Modele AI budują wewnętrzny graf encji, a każda niespójność zwiększa niepewność co do tego, czy chodzi o tę samą firmę, co obniża pewność cytowania.

Luka 3: brak danych strukturalnych FAQ. Strona miała osobną podstronę z pytaniami i odpowiedziami, ale bez znaczników FAQPage w Schema.org. To jeden z najsilniejszych sygnałów GEO: treści cytowane przez AI dużo częściej mają format ustrukturyzowanej listy lub sekcji pytanie odpowiedź niż zwykły akapit.

Luka 4: brak schematu autora i organizacji. Żadna strona nie miała danych Person ani Organization w formacie Schema.org. AI nie miało jak zweryfikować, kto stoi za treścią i czy to wiarygodne źródło w danej branży.

Luka 5: pytania FAQ napisane pod Google, nie pod AI. Istniejące pytania były krótkie i frazowe, w stylu wpisywanym w wyszukiwarkę, na przykład "ładowarka EV cena Warszawa". Modele AI przetwarzają zapytania w naturalnym języku, na przykład "ile kosztuje montaż ładowarki EV w domu w Warszawie". Treść wymagała przepisania pod ten format.

Te pięć luk stało się listą priorytetów na kolejne osiem tygodni.

Działania: co wdrożyłem w 8 tygodniach

Projekt realizowany był w okresie od lipca do września 2025 roku. Cały projekt GEO optymalizacji trwał 8 tygodni. Podzieliłem go na cztery etapy. Kolejność etapów nie była przypadkowa: zacząłem od fundamentów, które blokowały wszystko inne, a skończyłem na budowaniu autorytetu zewnętrznego, który wymaga najwięcej czasu.

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 i 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 i 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 do 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 do 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. Śledziłem trzy rodzaje sygnałów: pozycje w Google, cytowania w ChatGPT i Perplexity oraz obecność w Google AI Overview. 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 do 8 tygodni, jaki obserwuję przy solidnych fundamentach technicznych.

Dla porównania: tradycyjne SEO przynosi mierzalne rezultaty w Google po 3 do 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.

Przykładowe zapytania do sprawdzenia samodzielnie

Co pokazują dane: trzy wnioski

Z tego projektu wyciągnąłem wnioski, które dziś traktuję jako sprawdzone zasady GEO i stosuję w każdym kolejnym wdrożeniu.

1. Dostęp dla crawlerów to warunek konieczny, nie opcjonalny. Sama poprawka robots.txt, zanim ruszyłem z treścią czy Schema.org, dała pierwsze pośrednie sygnały widoczności w ciągu kilkunastu dni. Bez tego kroku żadne dalsze działania nie miałyby znaczenia.
2. Dane strukturalne FAQPage mają największą dźwignię. Ze wszystkich wdrożonych zmian to one najsilniej korelowały z pojawieniem się cytowań w ChatGPT i Perplexity. Dają modelowi gotowy, wyodrębniony fragment odpowiedzi zamiast zmuszać go do wnioskowania struktury z prozy.
3. GEO po polsku działa i ma mniejszą konkurencję. Zapytania w języku polskim są dziś słabiej obsłużone przez praktyków GEO niż zapytania angielskie. eviacharge.pl ma dziś cytowania, których nie odtworzy żaden anglojęzyczny konkurent, bo zapytania są po polsku, a treść jest autorytatywna w tym języku.
4. Wyniki są weryfikowalne, nie deklarowane. Każdą z tych liczb można sprawdzić samodzielnie, wpisując te same zapytania do ChatGPT lub Perplexity. To odróżnia GEO od wielu praktyk marketingowych, których efektów nie da się zweryfikować z zewnątrz.

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. Według danych PZPM, w 2025 roku liczba stacji ładowania w Polsce wzrosła o 38%, a liczba punktów ładowania o 46% rok do roku. Konkurencja w AI search rośnie proporcjonalnie do rynku. 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.

Czego GEO nie gwarantuje

Ten case study pokazuje, co zadziałało, ale uczciwość wymaga też pokazania granic. GEO na eviacharge.pl zadziałało między innymi dlatego, że strona miała już solidne fundamenty techniczne i dobrze napisaną treść usługową przed rozpoczęciem prac. Bez tego punktu wyjścia efekty byłyby wolniejsze.

Pozycja numer 1 w ChatGPT dla jednej frazy nie oznacza dominacji we wszystkich zapytaniach związanych z branżą. Cytowania AI są mniej stabilne niż pozycje w Google: model może zmienić rekomendację między jedną sesją a drugą, a dostawcy AI aktualizują swoje algorytmy bez ogłoszeń.

Horyzont od 4 do 8 tygodni do pierwszych cytowań to obserwacja z tego i podobnych projektów, nie gwarancja dla każdej branży. Nisza z mniejszą konkurencją w AI search daje szybsze efekty niż nisza, w której dziesiątki firm już optymalizują pod GEO.

GEO wymaga też utrzymania. Schema.org, spójność encji i treści FAQ trzeba aktualizować, gdy zmienia się oferta firmy. Jednorazowe wdrożenie bez dalszej pielęgnacji traci skuteczność w miarę jak konkurencja nadrabia zaległości.

To pojedynczy case study jednej branży i jednego rynku. Wyniki w innej niszy, z inną konkurencją i innym poziomem istniejącego SEO, mogą wyglądać inaczej. Dlatego każdy projekt w Geovise zaczynamy od audytu konkretnej firmy, a nie od kopiowania tego samego planu.

Ten sam proces, który zadziałał na eviacharge.pl, stosuję dziś w każdym projekcie klienta. Zaczynam od jednorazowego Audytu GEO (od €400), który pokazuje dokładnie, jakich sygnałów AI brakuje w konkretnej firmie.