Jak pisać komunikaty PR, żeby modele AI je cytowały i wzmiankowały?
Zapytaj ChatGPT albo Gemini o markę, którą obsługujesz. Jest szansa, że model odpowie na podstawie artykułu sprzed trzech lat, opinii z Trustmate albo, co gorsza, informacji o konkurencji. Twój ostatni komunikat prasowy? Może w ogóle nie istnieć z perspektywy modelu, mimo że wyszedł do sześćdziesięciu redakcji i dostał trzy przedruki. To nie jest teoria. Reuters […]
Zapytaj ChatGPT albo Gemini o markę, którą obsługujesz. Jest szansa, że model odpowie na podstawie artykułu sprzed trzech lat, opinii z Trustmate albo, co gorsza, informacji o konkurencji. Twój ostatni komunikat prasowy? Może w ogóle nie istnieć z perspektywy modelu, mimo że wyszedł do sześćdziesięciu redakcji i dostał trzy przedruki.
To nie jest teoria. Reuters Institute policzył, że w 2026 roku tygodniowe użycie chatbotów do szukania newsów sięgnęło 10% globalnie i 17% wśród osób w wieku 18 do 24 lat, a tylko 4% z nich klika dalej, do źródła. Jeśli marka nie znajdzie się w samej odpowiedzi, dla tego użytkownika po prostu nie istnieje. Nie chodzi o rewolucję w pracy PR-owca. Chodzi o dopisanie kilku nawyków do czegoś, co już umiesz robić dobrze.
Komunikat prasowy pod AI to wciąż komunikat prasowy, tylko czytany inaczej
Klasyczny wzór komunikatu prasowego nie stracił ważności: lead odpowiadający na kto, co, gdzie, kiedy i dlaczego, cytat osoby z autorytetem, stopka z opisem firmy. Ten szkielet działa tak samo dobrze dla dziennikarza, jak i dla modelu językowego. Problem w tym, że sam dobry warsztat PR nie wystarczy, żeby komunikat został wyłowiony i zacytowany przez AI. O tym decydują też rzeczy, których żaden klasyczny kurs PR nie uczy.
Zespoły badawcze z Princeton, Georgia Tech i Allen Institute for AI sprawdzały, co dokładnie podnosi widoczność treści w odpowiedziach modeli. Wniosek: odpowiednia optymalizacja potrafi zwiększyć tę widoczność nawet o 40%. Nie chodzi o upychanie słów kluczowych. Chodzi o jednoznaczność, strukturę łatwą do pokrojenia na fragmenty i twarde fakty poparte źródłem. Model, który natrafi na komunikat pełen ogólników typu “innowacyjne rozwiązanie” bez żadnej liczby czy nazwy, po prostu nie ma czego zacytować.
Sprawdź najpierw, czy AI w ogóle zna Twoją markę
Zanim poprawisz cokolwiek w komunikatach, sprawdź punkt wyjścia. Wpisz w ChatGPT, Gemini i Perplexity frazę typu “polecana firma [kategoria] w Polsce” albo po prostu nazwę marki klienta. Odpowiedzi mieszczą się zwykle w jednym z pięciu poziomów:
- model w ogóle nie rozpoznaje nazwy
- rozpoznaje nazwę, ale nie wie, czym firma się zajmuje
- poprawnie przypisuje ją do kategorii
- wspomina o niej bez podania nazwy przy pytaniach problemowych
- potrafi wytłumaczyć, dlaczego akurat ta marka pasuje do potrzeby użytkownika
Realna wartość biznesowa zaczyna się dopiero na dwóch ostatnich poziomach. Jeśli marka utknęła na poziomie pierwszym lub drugim, powód jest zwykle prozaiczny: w sieci nie ma wystarczająco spójnych, aktualnych i wiarygodnych źródeł, z których model mógłby zbudować jej obraz. Zdarza się i tak, że model bazuje na jednym przestarzałym źródle. Mieliśmy przypadek klienta, którego Gemini odradzało wybór, bo jedno z indeksowanych źródeł twierdziło, że firma nie ma infolinii. Infolinia działała bez zarzutu, tylko informacja o niej gdzieś w sieci się zdezaktualizowała, a model nie miał skąd wziąć nowszej wersji.
Sześć zmian w komunikacie, które realnie zwiększają szansę na cytowanie
To jest rdzeń całej sprawy, więc bez owijania: poniżej lista konkretnych nawyków, które robią większą różnicę niż cała reszta razem wzięta.
- Odpowiedź w pierwszym zdaniu, nie w czwartym akapicie. Modele budują odpowiedź na podstawie pierwszych kilkudziesięciu słów tekstu. Jeśli najważniejsza informacja czeka gdzieś w środku, model może jej po prostu nie doczekać. Klasyczna zasada leadu tu zdaje egzamin, tylko trzeba jej pilnować bardziej rygorystycznie niż kiedyś.
- Pełne nazwy zamiast zaimków. “Firma” i “spółka” nic nie mówią modelowi o tym, o kim mowa. Pełna nazwa firmy, nazwisko osoby cytowanej, nazwa produktu, powtarzane konsekwentnie zamiast raz na początku i później zaimkami, budują rozpoznanie encji. To różnica między “firma wprowadza nowy produkt” a “Wólczanka wprowadza kolekcję koszul z certyfikowanej bawełny organicznej”.
- Liczby i dowody zamiast przymiotników. “Skuteczne rozwiązanie” nic nie znaczy dla modelu, bo nie ma czego zacytować. “67% klientów zwiększyło konwersję o dwucyfrowy wskaźnik w ciągu kwartału” to zdanie, które model może przytoczyć, bo niesie konkretną, sprawdzalną treść.
- Sekcja FAQ na końcu komunikatu. Najprostsza zmiana o największym zwrocie. Dwa lub trzy pytania sformułowane tak, jak faktycznie pyta użytkownik (“czy ta usługa jest dostępna dla małych firm”, “ile to kosztuje”, “czym różni się od X”), plus krótkie, konkretne odpowiedzi, dają modelowi gotowy fragment do wyciągnięcia, zamiast zmuszać go do domyślania się.
- Rozbudowana stopka. Klasyczna stopka ograniczała się do jednego zdania o firmie. Dla modelu warto ją rozszerzyć o branże, grupy odbiorców i konkretne obszary specjalizacji. Stąd model wyciąga sygnał, w jakich kategoriach w ogóle warto tę markę rozważać.
- Struktura łatwa do pokrojenia. Krótkie akapity, jedna myśl na akapit, listy tam, gdzie faktycznie wymieniasz kilka równorzędnych rzeczy (tak jak tutaj). Model dzieli tekst na fragmenty i ocenia każdy z osobna. Długi, zbity akapit z pięcioma myślami to fragment, którego żaden algorytm nie wytnie czysto.
SEO i GEO to nie to samo, a “GEO dla PR” to jeszcze inna sprawa
Skrót GEO (Generative Engine Optimization, czyli optymalizacja pod cytowanie przez wyszukiwarki generatywne) bywa w polskim rynku marketingowym mylony z zupełnie inną “geo”: geotargetingiem i lokalnym SEO. Wpisując w wyszukiwarkę “agencja GEO”, równie dobrze trafisz na ofertę optymalizacji wizytówki Google, co na kogoś, kto faktycznie zajmuje się widocznością w ChatGPT. Warto to rozróżnić już na starcie rozmowy z każdym potencjalnym dostawcą.
Druga sprawa: SEO i GEO dla PR to nie synonimy “optymalizacji pod Google” i “optymalizacji pod AI”. SEO mierzy sukces pozycją w rankingu i kliknięciem. GEO mierzy sukces obecnością w samej odpowiedzi: użytkownik nie przegląda dziesięciu linków, dostaje gotową syntezę. To przesunięcie ma znaczenie właśnie dla PR, bo klasyczne KPI (zasięg, ekwiwalent reklamowy) nie łapią tego nowego wymiaru w ogóle.
Agencja SEO czy partner PR + AI: jak wybrać pomoc
Rynek doradców widoczności w AI w Polsce rośnie szybko. Działa już kilkanaście agencji oferujących audyty i optymalizację, z cenami zaczynającymi się od około 1900 zł za podstawowy audyt SEO-owy do kilkunastu tysięcy złotych miesięcznie za pełny abonament. Prawie wszystkie wywodzą się jednak z SEO, nie z PR. Mówią językiem rankingu, ruchu i konwersji, co jest sensowne dla e-commerce, ale niekoniecznie trafia w potrzeby działu komunikacji: kontrolę nad narracją, reagowanie na błędne informacje, spójność między tym, co mówi rzecznik, a tym, co odpowiada model.
Zanim podpiszesz cokolwiek, warto rozstrzygnąć jedno pytanie: czy potrzebujesz poprawy danych strukturalnych na stronie (praca typowo SEO), czy raczej kogoś, kto połączy monitoring wypowiedzi AI z realną strategią komunikacyjną, czyli pracą zaczynającą się od briefu, person i pożądanej narracji marki, a kończącą na konkretnych rekomendacjach treściowych dla zespołu PR. To drugie podejście, łączące audyt widoczności marki w AI ze współpracą z agencją PR klienta, Insightland rozwija w ramach GEO dla PR: od diagnozy, przez rekomendacje wdrożeniowe, po cykliczny monitoring w modelu LLM Monitor.
Ile trwa audyt widoczności marki w AI i ile to kosztuje
Modele językowe są niedeterministyczne. Ten sam prompt zadany w poniedziałek i w czwartek może dać inną odpowiedź. Dlatego rzetelny audyt widoczności marki wymaga wielu obserwacji, nie jednego zrzutu ekranu z ChatGPT. Solidna metodologia to zwykle kilkadziesiąt promptów, kilka platform i wielokrotne powtórzenia w ciągu tygodnia. Dopiero suma tych obserwacji pozwala odróżnić rzeczywisty wzorzec od przypadkowego szumu w odpowiedzi modelu. W praktyce cały proces, od pierwszego audytu do wdrożonych rekomendacji, zajmuje zwykle około kwartału.
Ceny na polskim rynku wyglądają tak:
- jednorazowy audyt widoczności marki w AI (typu Brand Search Presence): od około 5000 zł
- monitoring widoczności w modelach LLM: od około 1000 zł miesięcznie, w zależności od liczby monitorowanych promptów i modeli
- pełny pakiet z wdrożeniem rekomendacji i cyklicznym monitoringiem: wycena indywidualna, zależna od zakresu
Te widełki dotyczą audytu i monitoringu jako punktu wyjścia, nie pełnej, ciągłej pracy PR-owej (media relations, zarządzanie kryzysem, budowanie narracji). To zwykle osobny, dobierany indywidualnie zakres współpracy.
Komunikat prasowy klasyczny a komunikat prasowy pod AI
| Element | Klasyczny wzór | Wersja pod AI |
|---|---|---|
| Lead | Kto, co, gdzie, kiedy, dlaczego w pierwszym akapicie | To samo, ale z twardą liczbą lub faktem już w pierwszym zdaniu |
| Nazewnictwo | “Firma”, “spółka” po pierwszym wystąpieniu | Pełna nazwa firmy lub produktu, powtarzana konsekwentnie |
| Cytat | Buduje wiarygodność u dziennikarza | To samo, plus zwięzłość: krótkie zdanie łatwiej wyciąć jako fragment |
| Stopka | Jedno zdanie o firmie | Rozszerzona o branże, specjalizacje, grupy odbiorców |
| Dodatkowa sekcja | Zwykle brak | FAQ z 2 do 3 pytaniami w naturalnym języku odbiorcy |
| Dystrybucja | Redakcje, wybrani dziennikarze | To samo, plus własny newsroom firmy jako źródło kanoniczne |
Najczęstsze pytania
Nie. Cała rama leadu, cytatu i stopki zostaje. Dochodzi kilka nawyków (nazewnictwo encji, FAQ, konkretne liczby), które w gruncie rzeczy są bardziej rygorystyczną wersją tego, czego uczy dobry PR: pisz konkretnie, nie owijaj w bawełnę.
Nie, i to częsta pomyłka. Jedno dotyczy narzędzia do pisania (ChatGPT jako asystent). Drugie dotyczy tego, czy gotowy, opublikowany tekst ma szansę zostać zacytowany przez model, gdy ktoś inny zapyta o Twoją branżę. To dwa różne problemy, łatwe do pomylenia przy pobieżnym szukaniu porady.
Bez narzędzia do monitoringu właściwie nie wiadomo. Ręczne sprawdzanie (wpisywanie tych samych promptów co jakiś czas w kilku modelach) daje pierwszy obraz, ale ze względu na niedeterministyczność modeli potrzeba wielu powtórzeń, żeby odróżnić trend od przypadku.
Tak, i to często większą niż w klasycznym Google. Modele w niektórych kategoriach polecają mniejszych, wyspecjalizowanych graczy chętniej niż wyszukiwarka przyzwyczajona do tych samych dużych marek na każde zapytanie, pod warunkiem że dana marka ma w sieci spójny i aktualny obraz siebie.
Zanim zaczniesz zmieniać cokolwiek w swoich komunikatach, sprawdź najpierw, co AI już dziś mówi o marce, którą obsługujesz. To pierwszy krok przed jakąkolwiek optymalizacją i można go zrobić samodzielnie w jeden wieczór.
Źródła: Reuters Institute Digital News Report 2026; Muck Rack, “What Is AI Reading?” (maj 2026); badanie Kamruzzaman, Nguyen, Kim, EMNLP 2024; wywiad z Natalią Ząber dla NowyMarketing, “Kiedy AI kłamie na temat marki” (2026); dane rynkowe agencji SEO i GEO działających w Polsce (Semgence, Agisona, Agencja ECHO, thx.marketing, widoczni.com), zebrane w ramach mapowania SERP, lipiec 2026.
