SEO i GEO dla SaaS i firm B2B — jak być polecanym, gdy klient pyta AI „jakie narzędzie wybrać”

Zanim CTO umówi pierwsze demo, pyta ChatGPT: „jakie narzędzie do monitoringu infrastruktury dla zespołu 20 osób, stack AWS, budżet do 500 dolarów miesięcznie". Dostaje trzy nazwy z uzasadnieniem. Jeśli Twojego produktu wśród nich nie ma, właśnie odpadłeś z przetargu, o którym nigdy się nie dowiesz — bo kupujący B2B spędza z handlowcami wszystkich rozważanych dostawców łącznie 17% czasu zakupowego (Gartner), a resztę na cichym researchu. I ten research przeniósł się do AI: według badań G2 z 2025 roku czaty GenAI są już źródłem numer jeden wpływającym na krótką listę dostawców — 17,1% wskazań, przed serwisami recenzji (15,1%), stronami vendorów (12,8%) i poleceniami (8,9%) — a około połowa kupujących oprogramowanie zaczyna research właśnie od rozmowy z AI.

Czaty GenAI są już źródłem numer jeden wpływającym na krótką listę dostawców B2B — 17,1% wskazań, więcej niż serwisy recenzji (15,1%) i strony samych vendorów (12,8%), a około połowa kupujących oprogramowanie zaczyna research od rozmowy z AI (G2, 2025). Kupujący spędza z handlowcami ledwie 17% czasu zakupowego — decyzja w dużej mierze zapada, zanim ktokolwiek wypełni formularz. Jak sprawić, żeby w tej niewidzialnej fazie modele polecały Twój produkt: strony porównań, cytowalny pricing, G2 i społeczności oraz pomiar SoV dla kategorii.

Ten wpis domyka moją serię wertykali — po lokalnym SEO i e-commerce — i odpowiada na pytanie, które w B2B jest warte najwięcej: co decyduje o tym, że model wymienia produkt w odpowiedzi na „jakie narzędzie wybrać" — i jak się na tej liście znaleźć. Spoiler, który ustawia całą strategię: Twoja własna strona to tylko jedno z kilku źródeł, z których modele składają rekomendację. Resztę stanowią recenzje, rankingi i rozmowy — miejsca, w których wygrywa się inaczej niż pozycjami w Google.

Lejek B2B przestawił się — liczby, nie wrażenia

Trzy konsekwencje tych liczb, które zmieniają planowanie. Po pierwsze, faza niewidzialna urosła: skoro z jednym handlowcem kupujący spędza 5–6% czasu, a research robi w AI, to większość gry o klienta toczy się tam, gdzie nie sięga ani CRM, ani analityka formularzy. Objawy opisywałem we wpisie o Share of Voice na przykładzie szefowej marketingu SaaS, której sprzedaż raportowała: „sprawdziłem w ChatGPT i polecono mi inną firmę" — przy pozycjach TOP 3 w Google i ruchu w normie. Po drugie, ruch, który jednak przychodzi z AI, jest cenniejszy: kupujący ma za sobą podstawowy research, więc konwertuje kilkukrotnie lepiej (w pomiarach Semrush rzędu 4,4×) — w danych, które zbieram u klientów B2B, wyróżnia się zwłaszcza ruch z Claude, konwertujący najlepiej ze wszystkich źródeł AI. Po trzecie, klasyczny rachunek „mniej sesji = mniej leadów" przestaje działać — pełny wywód i nowe KPI rozpisałem w strategii na erę zero-click.

Skąd modele biorą rekomendacje narzędzi

Gdy model odpowiada na „jakie narzędzie do X", nie wymyśla listy — składa ją ze źródeł, które w kategoriach SaaS są zaskakująco powtarzalne:

1. 1.Serwisy recenzji — G2, Capterra, TrustRadius. Ustrukturyzowane oceny, kategorie i porównania to dla modeli gotowa baza rekomendacji; przy pytaniach „najlepsze narzędzie do X" cytowane są regularnie.
2. 2.Rankingi i zestawienia „best X for Y" — artykuły porównawcze w mediach branżowych i na blogach o silnej pozycji. To one najczęściej dostarczają uzasadnień „dlaczego to narzędzie".
3. 3.Społeczności — Reddit, fora, grupy. Wątki „co polecacie do X" ważą w rekomendacjach nieproporcjonalnie mocno do swojego zasięgu; jak tam zaistnieć bez wpadki, opisałem we wpisie o Reddicie, forach i UGC.
4. 4.Twoja własna domena — ale nie strona główna, tylko konkrety: porównania, pricing, dokumentacja, case studies. Strony, z których da się wyciąć odpowiedź.
5. 5.Wikipedia/Wikidata i graf wiedzy — warstwa tożsamości: kim jest firma, od kiedy, w jakiej kategorii. Fundament z wpisu o budowaniu encji.

Wniosek strategiczny: widoczność w kategorii SaaS to portfel źródeł, nie jedna domena. Firma, która ma świetny blog, ale pusty profil na G2 i zero obecności w społecznościach, oddaje modelom dwa z trzech głównych głosów o sobie.

Bottom-funnel, który wygrywa rekomendacje

W B2B odwraca się klasyczna kolejność inwestycji w treści: zanim zbudujesz setki poradników, zbuduj strony, z których modele składają odpowiedzi na pytania decyzyjne.

Strony „X vs Y" i „alternatywy dla X". Kupujący porównuje — i model też. Strona porównawcza pisana uczciwie (tabela funkcji, ceny, scenariusze „kiedy wybrać ich, kiedy nas") jest cytowalna dokładnie dlatego, że nie jest laurką; przyznanie, że konkurent wygrywa w konkretnym scenariuszu, podnosi wiarygodność całej reszty. Zbuduj je dla 3–5 najczęściej porównywanych konkurentów i dla fraz „alternatywa dla [lider kategorii]" — to najkrótsza droga do obecności w odpowiedziach o Twoją kategorię.

Pricing jako treść cytowalna. Na pytanie „ile kosztuje X i czy jest wart ceny" model odpowie z czyjejś strony — pytanie tylko, czyjej. Jawny cennik z progami, limitami i FAQ jest cytowany; „skontaktuj się po wycenę" jest niewidzialny, więc odpowiedź o Twoje ceny ułoży konkurencja albo przestarzały wątek na forum. Jeśli model biznesowy wymusza wycenę indywidualną, publikuj chociaż widełki i zasady („od X zł za stanowisko, rabaty od N licencji") — kontrolujesz wtedy treść odpowiedzi, nie rezygnując z procesu sprzedażowego.

Case studies z liczbami. „Firma podobna do mojej osiągnęła Y w Z miesięcy" to najczęściej cytowany dowód w rekomendacjach B2B — pod warunkiem, że case ma konkretne liczby, branżę i skalę, a nie „znaczącą poprawę efektywności". Wzorzec pisania pod retrieval obowiązuje tu w całości: wynik w pierwszym zdaniu, kontekst dalej.

Dokumentacja i changelog. Niedoceniane źródło cytowań przy pytaniach technicznych („czy X integruje się z Y"). Publiczna, indeksowalna dokumentacja odpowiada na dziesiątki pytań decyzyjnych, których nigdy nie pokryje marketing.

Strony integracji jako programmatic. Jeśli produkt łączy się z dziesiątkami narzędzi, każda para „[Twój produkt] + [narzędzie]" to osobna intencja decyzyjna — i gotowa matryca pod programmatic SEO: dane o integracjach masz we własnym API, szablon odpowiada na pytanie „jak to spiąć i co zyskam", a długi ogon takich zapytań nie ma zwykle żadnej konkurencji. To ten sam wzorzec, na którym Zapier zbudował dziesiątki tysięcy stron — w skali pojedynczego SaaS-a wystarczy kilkadziesiąt porządnych.

G2 i Capterra — profil to za mało

Skoro serwisy recenzji są drugim głosem o Tobie, potraktuj je jak kanał, nie jak wizytówkę: kompletny profil we właściwej kategorii (modele dziedziczą taksonomię tych serwisów — źle dobrana kategoria to złe konteksty rekomendacji), systematyczne — i zgodne z regulaminami — proszenie klientów o recenzje po wdrożeniach, oraz odpowiedzi na recenzje negatywne, bo wchodzą do tego samego korpusu, z którego modele budują sentyment. Świeżość ma znaczenie: kategoria, w której konkurent zebrał 40 recenzji w tym roku, a Ty 40 trzy lata temu, w odpowiedziach wygląda jak „kiedyś popularne, dziś schodzące".

Topical authority — prawo wstępu, nie strategia sama w sobie

Nic z powyższego nie zwalnia z budowy autorytetu tematycznego — klastry treści wokół problemów, które produkt rozwiązuje, dają modelom powód, by traktować domenę jako ekspercką, i karmią górę lejka. Ale w B2B kolejność jest odwrotna niż w blogowym poradnictwie: najpierw strony decyzyjne (porównania, pricing, case studies), potem klastry edukacyjne — bo pierwsza złotówka przychodzi z pytań „co wybrać", nie „co to jest".

Pomiar: SoV dla kategorii produktu

Mierzenie „czy AI nas poleca" w B2B jest konkretniejsze niż gdziekolwiek indziej, bo pytania decyzyjne są policzalne. Zbuduj zestaw 30–50 promptów wokół kategorii (z wariantami: wielkość firmy, stack, budżet, branża) i mierz co miesiąc trzy rzeczy: Share of Voice (w ilu odpowiedziach padasz Ty vs konkurencja — metodyka we wpisie o SoV, narzędzia w porównaniu monitoringu), pozycję i kontekst (polecany jako pierwszy wybór czy wzmianka z zastrzeżeniem) oraz źródła cytowań (które domeny karmią odpowiedzi w Twojej kategorii — to gotowa lista miejsc do działania). Do tego jedna zmiana w CRM: pole „skąd o nas wiesz" z opcją „ChatGPT/AI" — najtańszy pomiar niewidzialnej fazy lejka, jaki istnieje, i naturalne domknięcie automatyzacji lead generation, która te leady dalej kwalifikuje.

Domknięcie serii: trzy wertykale, trzy różne gry

Na koniec rzecz, która porządkuje strategię, jeśli działasz w kilku modelach naraz. Lokalnie wygrywa się wizytówką, recenzjami i spójną encją miejsca; w e-commerce — feedem produktowym i danymi strukturalnymi; w B2B/SaaS — portfelem źródeł rekomendacji i treściami decyzyjnymi. Inny lejek, inne źródła cytowań, inne KPI. Wspólny jest tylko fundament: jednoznaczna encja, treści pisane pod wyciągalność i pomiar tego, co mówią modele — zanim powie Ci to spadająca sprzedaż.

Plan wdrożenia krok po kroku

1. 1.Audyt bazowy kategorii — 30–50 promptów decyzyjnych do 3 modeli; zapisz SoV, konteksty i cytowane źródła. To mapa całej reszty.
2. 2.Zbuduj strony porównań dla 3–5 konkurentów i frazy „alternatywa dla [lider]" — uczciwe tabele, scenariusze wyboru.
3. 3.Upublicznij pricing albo przynajmniej widełki i zasady — odpowiedź o Twoje ceny ma pochodzić od Ciebie.
4. 4.Uporządkuj G2/Capterra — właściwa kategoria, świeże recenzje po każdym wdrożeniu, odpowiedzi na negatywne.
5. 5.Wejdź do społeczności kategorii — monitoring wzmianek i eksperckie odpowiedzi tam, gdzie kupujący pytają „co polecacie".
6. 6.Przepisz case studies pod liczby — wynik, branża, skala w pierwszym akapicie; usuń „znaczące poprawy".
7. 7.Dodaj „ChatGPT/AI" do pola źródła w CRM i spinaj z danymi z analityki ruchu AI.
8. 8.Mierz co miesiąc, działaj co kwartał — SoV i źródła cytowań wyznaczają, czy kolejny sprint idzie w treści, recenzje czy społeczności.

---

Buduję widoczność SaaS i firm B2B w odpowiedziach AI end-to-end: od audytu SoV kategorii, przez strony decyzyjne i strategię recenzji, po monitoring i raportowanie. Robię to w ramach optymalizacji pod AI (GEO) i konsultingu AI. Uczę tego w kursie SEO & GEO. Napisz do mnie — zacznę od sprawdzenia, kogo modele polecają w Twojej kategorii i z jakich źródeł składają te odpowiedzi.

Warto przeczytać dalej:

• Zero-click i spadający ruch organiczny — strategia marki
• Jak mierzyć Share of Voice marki w modelach AI
• Reddit, fora i UGC — dlaczego modele AI cytują społeczności
• Automatyzacja lead generation B2B z AI