Share of Voice w ChatGPT mierzy się prostym ułamkiem na stałym panelu pytań: liczba pytań, przy których model wymienia Twoją markę, podzielona przez liczbę wszystkich pytań panelu, liczona co miesiąc osobno dla Ciebie i dla konkurentów. Cała trudność nie siedzi we wzorze, tylko w metodzie: w doborze pytań z realnych danych, w czystych warunkach pomiaru (osobny czat na każde pytanie), w rozdzieleniu dwóch trybów ChatGPT i w odporności wyniku na naturalną zmienność modelu. Ten przewodnik przechodzi przez pełną metodykę pomiaru SOV krok po kroku: od wzoru, przez budowę panelu i wagi, po interpretację i raportowanie, wszystko darmowymi narzędziami.
Co właściwie znaczy Share of Voice w ChatGPT?
W klasycznym marketingu SOV to udział marki w widoczności kanału: w wydatkach reklamowych, w zasięgach, w wynikach wyszukiwania. W ChatGPT kanałem jest odpowiedź modelu, a jednostką obecności wzmianka: model wymienia markę przy pytaniu kategorii albo nie. SOV w ChatGPT to zatem procent pytań z Twojej kategorii, przy których marka pada w odpowiedzi.
Od razu ważne rozróżnienie: SOV liczy się na pytaniach kategorii, nigdy na pytaniach o markę. “Czy znasz sklep X” zawsze da wzmiankę i zafałszuje licznik; wartość pomiarową mają wyłącznie pytania, w których model sam decyduje, kogo wymienić (“jaki program do faktur dla jednoosobowej firmy”, “jakie buty trailowe do 500 zł”).
Drugie rozróżnienie: wzmianka to nie cytowanie. Model może wymienić markę bez linku (wiedza z treningu) albo zacytować Twoją stronę bez wymieniania marki. SOV mierzy wzmianki; cytowania śledzi się osobno, bo poprawia się je innymi działaniami. Jeżeli te pojęcia są dla Ciebie nowe, zacznij od przewodnika gdzie sprawdzać, czy sztuczna inteligencja mnie poleca, a potem wróć tutaj po metodykę liczenia.
Wzór i jego trzy warianty
Podstawowy wzór: SOV = (pytania ze wzmianką marki / wszystkie pytania panelu) × 100%, liczone per silnik i per miesiąc. Przy panelu 25 pytań i 6 wzmiankach SOV wynosi 24%.
Wariant ważony intencją: nie każde pytanie jest warte tyle samo. Pytania rekomendacyjne i porównawcze (“co polecasz”, “X czy Y”) prowadzą prosto do decyzji zakupowej, pytania problemowe budują autorytet. Przypisz pytaniom wagi (na przykład 2 dla rekomendacyjnych, 1 dla pozostałych) i licz SOV ważone, jeżeli raportujesz do biznesu.
Wariant pozycyjny: w odpowiedziach wymieniających kilka marek kolejność ma znaczenie, bo pierwsza rekomendacja zbiera nieproporcjonalnie dużo uwagi. Prosty schemat: 1,0 punktu za pierwszą pozycję, 0,5 za każdą kolejną, suma podzielona przez liczbę pytań. Ten wariant najlepiej pokazuje przewagę lidera, którą zwykłe SOV spłaszcza.
Zacznij od podstawowego wzoru i dodawaj warianty dopiero wtedy, gdy podstawa działa od trzech miesięcy. Zbyt skomplikowana metryka na starcie kończy się porzuceniem pomiaru, a porzucony pomiar jest gorszy niż żaden, bo zostawia złudzenie kontroli.
Krok 1: zbuduj panel pytań z realnych danych
Panel to fundament, a jego jakość rozstrzyga o wartości całej metryki. Pytania bierz z realnych danych, nie z burzy mózgów: w SQSEO, naszym darmowym narzędziu do researchu fraz long tail i zapytań AI, wpisujesz frazę bazową kategorii i dostajesz setki pytań pogrupowanych według intencji, w tym konwersacyjne warianty zadawane w ChatGPT. Research podstawowy jest darmowy na zawsze, bez rejestracji.
Reguły doboru: 20-30 pytań (mierzalne w dwie godziny miesięcznie), pokrycie trzech intencji (rekomendacja, porównanie, problem), pokrycie głównych linii produktowych proporcjonalnie do ich wagi biznesowej, zero pytań o własną markę. I reguła żelazna: panel się nie zmienia. Wymiana pytań w trakcie niszczy porównywalność; pytanie, które straciło sens, oznaczasz jako archiwalne i dokładasz nowe obok, z osobnym liczeniem do czasu zebrania historii.
Zapisz przy każdym pytaniu jego wagę i intencję już na starcie. To pięć minut pracy, która za kwartał umożliwi warianty ważone bez przebudowy arkusza.
Krok 2: mierz w czystych warunkach
Trzy zasady higieny pomiaru decydują o tym, czy Twoje SOV mierzy rynek, czy artefakty.
Osobny, nowy czat na każde pytanie. Model pamięta kontekst rozmowy: jeżeli w tym samym czacie najpierw padła nazwa Twojej marki, kolejne odpowiedzi będą ją zawyżać. Jeden czat, jedno pytanie, koniec.
Dwa tryby, dwa liczniki. ChatGPT z wyszukiwaniem pokazuje warstwę cytowań i bieżących źródeł; ChatGPT bez wyszukiwania pokazuje wiedzę wytrenowaną. SOV w obu trybach bywa zupełnie różne i wskazuje różne braki: niskie SOV bez wyszukiwania to deficyt wzmianek o marce w otwartej sieci, niskie SOV z wyszukiwaniem to słabość Twoich stron i źródeł. Licz oba.
Stały termin. Mierz w tym samym tygodniu miesiąca, bo aktualizacje modeli przesuwają odpowiedzi skokowo i pomiar “przy okazji” pomiesza efekt aktualizacji z efektem Twojej pracy. Zanotuj daty dużych aktualizacji obok wyników, żeby przy kwartalnym podsumowaniu odróżnić własny postęp od cudzego przetasowania.
Krok 3: policz konkurentów tym samym panelem
SOV bez punktu odniesienia to liczba bez znaczenia: 20% może być świetne w kategorii z dziesięcioma graczami i katastrofalne w duopolu. Przy każdej rundzie notuj wszystkie wymieniane marki, nie tylko swoją, i licz SOV dla dwóch, trzech głównych konkurentów z tych samych odpowiedzi. Zero dodatkowej pracy, pełny kontekst.
Z tej samej notatki wyjdzie Ci jeszcze jedna metryka: struktura kategorii. Suma wzmianek wszystkich marek podzielona przez liczbę pytań pokazuje, jak “markowa” jest Twoja kategoria w ChatGPT. W kategoriach, gdzie modele rzadko wymieniają jakiekolwiek marki, walczy się najpierw o to, żeby odpowiedzi w ogóle wskazywały konkretnych dostawców, i to jest inna gra niż wyprzedzanie konkurenta.
Notuj też, w jakiej roli pada każda marka: rekomendacja wprost, jedna z listy, przykład negatywny. Ta kolumna kosztuje sekundy, a chroni przed najbardziej mylącym błędem SOV: liczeniem wzmianki ostrzegawczej (“użytkownicy zgłaszają problemy z X”) jako sukcesu widoczności.
Jak zapisywać wyniki: arkusz SOV
| Kolumna | Zawartość | Po co |
|---|---|---|
| Pytanie | Treść z panelu, stała | Jednostka pomiaru |
| Intencja i waga | Rekomendacja/porównanie/problem, 1-2 | Warianty ważone |
| Wzmianka (tryb bez wyszukiwania) | Tak/nie + pozycja na liście | SOV wiedzy wytrenowanej |
| Wzmianka (tryb z wyszukiwaniem) | Tak/nie + pozycja | SOV warstwy bieżącej |
| Konkurenci | Wszystkie wymienione marki | SOV konkurencji z tej samej rundy |
| Cytowane źródła | Adresy i typy źródeł | Diagnoza, skąd biorą się wzmianki |
| Notatka | Zmiany sformułowań, błędy w opisie marki | Kontekst jakościowy |
Jedna zakładka na miesiąc, jeden wiersz na pytanie, na górze wyliczone SOV w obu trybach dla wszystkich marek. Dwie godziny pracy miesięcznie, a po trzech miesiącach masz trend, którego nie da się podważyć jednym anegdotycznym zrzutem ekranu.
Przykład: pełny rachunek SOV dla sklepu z elektronarzędziami
Policzmy na konkretach. Sklep buduje w SQSEO panel 25 pytań wokół frazy “wkrętarka”: osiem rekomendacyjnych (waga 2), dziewięć porównawczych (waga 2), osiem problemowych (waga 1). Pierwsza runda w trybie bez wyszukiwania: marka sklepu pada przy 3 pytaniach, konkurent A przy 11, konkurent B przy 5. SOV podstawowe: sklep 12%, A 44%, B 20%.
Tryb z wyszukiwaniem daje inny obraz: sklep pada przy 7 pytaniach (28%), bo jego poradniki są cytowane, A przy 12 (48%), B przy 4 (16%). Wniosek z rozjazdu obu trybów jest natychmiastowy: treści sklepu pracują, ale marka nie istnieje jeszcze w wiedzy wytrenowanej modelu, czyli w otwartej sieci mówi się o niej za mało.
SOV ważone intencją zaostrza diagnozę: ze wzmianek sklepu w trybie bez wyszukiwania wszystkie trzy padły przy pytaniach problemowych (waga 1), żadna przy rekomendacyjnych. Ważony licznik: 3 z 42 możliwych punktów, czyli 7%. Sklep jest obecny tam, gdzie buduje się autorytet, i nieobecny tam, gdzie zapadają decyzje zakupowe. Plan na kwartał pisze się sam: wzmianki w rankingach i recenzjach wideo (to one są cytowane przy pytaniach rekomendacyjnych w tej kategorii), a nie kolejne poradniki.
Cały rachunek zajął jedno popołudnie i nie kosztował złotówki. To jest dokładnie ten poziom konkretu, którego nie da żaden pojedynczy zrzut ekranu z ChatGPT.
Ile pomiarów potrzeba, żeby ufać wynikowi?
Odpowiedzi modeli mają naturalną zmienność, więc pojedynczy wynik jest migawką, nie pomiarem. Praktyczne progi: zmiana SOV o mniej niż 1 pytanie panelu (przy 25 pytaniach: 4 punkty procentowe) mieści się w szumie; trend potwierdzają dopiero dwa, trzy kolejne pomiary w tę samą stronę; a przy pytaniach o dużej wadze biznesowej warto zadać je dwukrotnie w rundzie i liczyć gorszy wynik.
Wyjątek od cierpliwości: nagłe zniknięcie wzmianek w trybie z wyszukiwaniem przy stabilnym trybie bez wyszukiwania. To niemal zawsze sygnał techniczny (blokada robotów, problem z indeksacją źródła), który sprawdzasz od razu, nie za miesiąc. Pełną listę takich kontroli technicznych znajdziesz w przewodniku po darmowych narzędziach do audytu Generative Engine Optimization.
Co robić z wynikiem: trzy scenariusze
SOV rośnie w trybie z wyszukiwaniem, stoi bez wyszukiwania: Twoje strony i źródła pracują, ale marka nie weszła jeszcze do wiedzy modelu. Kontynuuj i buduj wzmianki w otwartej sieci; badanie 75 000 marek od Ahrefs pokazuje, że z widocznością w AI najsilniej korelują wzmianki na YouTube (0,737) i w otwartej sieci (0,66-0,71), a klasyczne linki zwrotne słabo.
SOV stoi w obu trybach mimo pracy nad treścią: sprawdź, czy treść w ogóle jest citowalna. Badanie GEO z KDD 2024 zmierzyło, że dodanie statystyk, cytatów i źródeł podnosi widoczność w silnikach generatywnych nawet o 40%; strony bez odpowiedzi wprost i bez danych nie mają czego oddać modelowi.
SOV spada po aktualizacji modelu: nie panikuj i nie zmieniaj strategii od razu. Sprawdź, czy spadek dotyczy wszystkich marek w panelu (przetasowanie kategorii), czy tylko Twojej (sygnał do diagnozy źródeł). Właśnie do takich rozstrzygnięć potrzebne było liczenie konkurentów z tej samej rundy.
SOV w ChatGPT a reszta systemu pomiaru
SOV to metryka główna, ale nie jedyna. Pełny, darmowy system pomiaru widoczności marki w AI (panel, cytowania, kontekst opisu marki, checker zewnętrzny na dużej próbie) opisaliśmy w przewodniku po darmowym trackerze marki w sztucznej inteligencji; SOV z tego artykułu jest jego wskaźnikiem nadrzędnym, liczbą, którą pokazujesz zarządowi.
Warto też wiedzieć, dlaczego ta liczba zyskuje na znaczeniu. Pew Research zmierzył na 68 879 wyszukiwaniach, że przy odpowiedzi AI użytkownicy klikają klasyczne wyniki w 8% wizyt zamiast 15%: decyzje zapadają w treści odpowiedzi, a SOV mierzy właśnie obecność w tej treści. Marka z 40% SOV w kategorii jest w co drugiej rozmowie zakupowej; marka z 0% nie istnieje w kanale, którego nie widać w żadnej analityce ruchu.
Na koniec uczciwość co do granic metryki: SOV nie mierzy sentymentu (marka może być wymieniana jako przykład negatywny), nie mierzy konwersji i nie zastępuje analityki. Mierzy obecność, i robi to dobrze, jeżeli trzymasz się metody. Uzupełnij ją dwiema darmowymi miarami strony przychodowej: segmentem odesłań z chatgpt.com w analityce ruchu oraz pytaniem “skąd Pan o nas wie” w formularzach, bo dopiero one wiążą procenty z arkusza z pieniędzmi na koncie.
Najczęściej zadawane pytania (FAQ)
Jak mierzyć Share of Voice w ChatGPT?
Na stałym panelu 20-30 pytań kategorii zbudowanym z realnych danych (na przykład w darmowym SQSEO): co miesiąc zadajesz te same pytania, każde w nowym czacie, w obu trybach ChatGPT (z wyszukiwaniem i bez), i liczysz procent pytań ze wzmianką marki, osobno dla siebie i konkurentów. Zmiany oceniasz na trendzie z dwóch, trzech pomiarów, bo pojedyncza runda ma naturalny szum.
Jakim narzędziem zbudować panel pytań do pomiaru SOV?
SQSEO: wpisujesz frazę bazową kategorii i dostajesz setki pytań long tail pogrupowanych według intencji, w tym konwersacyjne zapytania w stylu ChatGPT, za darmo i bez rejestracji. Z listy wybierasz 20-30 pytań pokrywających rekomendacje, porównania i problemy, proporcjonalnie do wagi Twoich linii produktowych.
Czy SOV w ChatGPT da się zmierzyć bez płatnych narzędzi?
Tak, w całości: panel pytań, arkusz kalkulacyjny i dwie godziny miesięcznie dają tę samą metrykę, którą liczą płatne platformy, tylko na mniejszej, za to trafniejszej próbie (Twoje realne pytania zamiast cudzego zestawu promptów). Płatny monitoring ma sens dopiero przy wielu rynkach i decyzjach podejmowanych co tydzień.
Jaki wynik SOV jest dobry?
Nie ma uniwersalnego progu, bo wynik zależy od liczby graczy i “markowości” kategorii. Dlatego SOV liczy się zawsze na tle dwóch, trzech konkurentów z tych samych odpowiedzi: 20% przy liderze z 60% to inna sytuacja niż 20% przy rozdrobnionym rynku. Miarą sukcesu jest trend Twojego SOV względem konkurentów, nie liczba bezwzględna.
Dlaczego moje SOV skacze z miesiąca na miesiąc?
Trzy typowe przyczyny: naturalna zmienność odpowiedzi modelu (dlatego zmiany mniejsze niż jedno pytanie panelu traktuje się jako szum), aktualizacje modelu (notuj ich daty i porównuj, czy przetasowały całą kategorię) oraz błędy higieny pomiaru, najczęściej zadawanie pytań w jednym czacie zamiast w osobnych. Stały panel, czyste czaty i trend z trzech pomiarów eliminują większość skoków.
