Nazywanie siebie „najlepszym” potrafi dziś oddać rekomendację AI twoim rywalom

„Najlepsze oprogramowanie CRM”. „Topowa platforma help desk”. „Narzędzie nr 1 do X”. Przez ostatnie kilka lat jednym z najtańszych sposobów, żeby pojawić się w odpowiedziach AI, było opublikowanie własnej listy „najlepsze [kategoria]” i po cichu wstawienie własnej marki na sam szczyt. To działało. Modele językowe wciągały te strony jako źródła, a marki, które za nimi stały, były cytowane. Nowa analiza Lily Ray, VP of SEO and AI Search w Amsive, sugeruje, że ten trik zaczął się obracać przeciwko markom, które go stosują. W jej ujęciu wpisanie siebie na miejsce nr 1 we własnej liście może dziś działać jak głos oddany na konkurencję.

Taktyka i dlaczego działała

W branży nazywa się to „autopromocyjnym listicle”. Piszesz artykuł zatytułowany na przykład „7 najlepszych narzędzi do zarządzania projektami” i wstawiasz własny produkt na pierwsze miejsce, przed prawdziwymi liderami rynku. Przed nadejściem wyszukiwania AI prawie nikt tego nie robił, bo otwarcie stronnicza treść podkopuje zaufanie każdego człowieka, który ją czyta. Odpowiedzi AI stworzyły lukę. Nagle powstała pustka treściowa wokół pytań w rodzaju „jakie jest najlepsze narzędzie do X”, a strony wpisujące same siebie rzuciły się, żeby ją wypełnić.

Przez jakiś czas to się opłacało, bo wczesne modele językowe nie miały wiarygodnego sposobu, by oddzielić autopromocję od prawdziwego autorytetu. Jeśli twoja strona mówiła, że jesteś najlepszy, i miała odpowiedni format, mogła zostać wciągnięta jako źródło.

Jak powszechne to się stało

Bardzo. Ray informuje, że znalazła 184 takie autopromocyjne strony-listy w 146 różnych markach, i zauważa, że format rozszedł się wiralowo w 2025 roku wraz z szerszym zwrotem ku temu, co branża nazywa GEO. Nawet Shopify, jak wskazuje, miało w pewnym momencie ponad 100 artykułów tego typu, a teraz najwyraźniej wiele z nich usuwa. Gdy taktyka skaluje się w ten sposób, wraz z nią rośnie zachęta dla wyszukiwarek, by zareagować.

Co dokładnie zmierzyła Lily Ray

Ray śledziła 100 zapytań B2B typu „najlepsze oprogramowanie [kategoria]” w Google AI Overviews i pobrała odpowiedzi oraz ich dokładne źródła w trzech dniach między kwietniem a czerwcem 2026 roku. Około 1 na 5 tych zapytań w ogóle nie zwróciło AI Overview. W przypadku 80, które je zwróciły, rozdzieliła dwie rzeczy: czy własna lista danej marki została zacytowana jako źródło i czy ta marka faktycznie została zarekomendowana jako wybór w odpowiedzi.

Cała historia tkwi w różnicy między jednym a drugim. Gdy własna autopromocyjna lista marki została zacytowana, tę markę i tak pomijano w faktycznej rekomendacji w 69% przypadków. To 224 z 323 autopromocyjnych list, które policzyła. W całym zbiorze 74 ze 100 śledzonych zapytań dały odpowiedź, która cytowała stronę autopromotora, ale rekomendowała kogoś innego. Strona zostaje wykorzystana. Marka nie zostaje wybrana.

Wzorzec to nie przypadek

Ray pokazuje ten sam schemat w bardzo różnych kategoriach. Platforma edukacyjna wpisuje siebie jako najlepszy „LMS do sprzedaży kursów”, zostaje zacytowana, a odpowiedź rekomenduje zamiast niej Kajabi, Thinkific, LearnWorlds i Teachable. Narzędzie help desk wpisuje siebie jako najlepsze, zostaje zacytowane, a odpowiedź rekomenduje Zendesk, Freshdesk i Help Scout. Produkt do śledzenia czasu wpisuje siebie jako najlepsze „oprogramowanie do zarządzania zadaniami”, zostaje zacytowany, a odpowiedź wymienia Todoist, Asana, Trello i ClickUp. Narzędzie ankietowe wpisuje siebie jako najlepsze na dwóch własnych listach, zostaje zacytowane z obu, a odpowiedź rekomenduje Qualtrics, SurveyMonkey i Typeform. Różne branże, identyczny skutek.

Kategoria ankiet dobrze ilustruje, jak niewiele daje cytat. Marka może zostać wciągnięta naraz z dwóch własnych stron wpisujących siebie, przez co pojawia się w źródłach dwukrotnie, a mimo to ani razu nie trafia na listę narzędzi, które odpowiedź faktycznie sugeruje.

Cytat to nie rekomendacja

To rozróżnienie znaczy więcej, niż się wydaje, bo cytat, którego prawie nikt nie widzi, jest wart bardzo niewiele. Ray argumentuje, że rekomendacja liczy się „o rząd wielkości” bardziej, a zachowanie kliknięć potwierdza sens tej tezy. Pew Research ustaliło w lipcu 2025 roku, że gdy wyszukiwanie Google pokazało podsumowanie AI, użytkownicy klikali link wewnątrz tego podsumowania zaledwie w 1% wizyt. Jeśli prawie nikt nie klika w źródła, to słowa w odpowiedzi, marki, które AI wymienia jako dobre opcje, są całą stawką. Autopromocyjna lista może zdobyć ci cytat, w który nikt nie klika, a jednocześnie oddać widoczną rekomendację rywalom, których wymieniłeś pod sobą.

Warto być precyzyjnym co do tego, co oznacza tu „rekomendacja”, bo to waluta, która po cichu zastępuje niebieski link. Gdy ktoś pyta asystenta „jaki jest najlepszy help desk dla małego zespołu”, zwykle działa na podstawie dwóch czy trzech nazw z odpowiedzi. Nie przewija strony z dziesięcioma opcjami, żeby wyrobić sobie własne zdanie. Bycie jednym z tych wymienionych wyborów nie jest więc miłym dodatkiem do wysokiej pozycji. W odpowiedzi AI to jest ta pozycja.

Dlaczego duże marki wciąż uchodzą z tym na sucho

Tu dochodzimy do niewygodnej części dla mniejszych firm. Odczyt Ray jest taki, że wynik zależy niemal całkowicie od tego, jak autorytatywna jest już twoja marka. Lider kategorii może opublikować „jesteśmy najlepsi” i wciąż zostać zarówno zacytowanym, jak i zarekomendowanym, bo reszta sieci już się z tym zgadza. Mniejsza marka robiąca dokładnie to samo zostaje zacytowana i pominięta.

Jej porównania autorytetu czynią tę różnicę namacalną. Patrząc na domeny odsyłające oraz na to, jak często każda marka jest wspominana w AI Overviews i w ChatGPT, marki rekomendowane wyprzedzają te zacytowane-ale-zignorowane na każdym sygnale. W oprogramowaniu HR nazwy rekomendowane prowadzą nad zacytowanymi-ale-nierekomendowanymi na całej linii.

Kategoria CRM opowiada tę samą historię. Ray zauważa, że jedyną marką CRM, która wpisuje siebie i mimo to jest rekomendowana, jest Monday, z Domain Rating w okolicach 90 i dziesiątkami tysięcy domen odsyłających, podczas gdy pretendenci publikujący ten sam rodzaj autopromocyjnej strony wloką się w tyle na każdej metryce, część z zerową liczbą wzmianek w AI Overview czy ChatGPT.

Wzorzec jest konsekwentny. Model rekomenduje marki, które szersza sieć już rekomenduje, a nie te, które najgłośniej krzyczą o sobie. Oznacza to, że dźwignią, która naprawdę porusza odpowiedzią, nie jest twoja własna strona. To strony wszystkich innych.

To może cię kosztować także w klasycznym wyszukiwaniu

Odpowiedź AI to nie jedyna ekspozycja. Ray informuje również, że około 20 stycznia 2026 roku dziesiątki witryn mocno stawiających na tę taktykę zaczęły tracić ruch organiczny, a spadki utrzymywały się przez majowy core update Google z 2026 roku, w wielu przypadkach rozlewając się na całą domenę, a nie zostając w jednym folderze. Witryny, które analizowała, ponad 40 z nich, na ogół łączyły naraz kilka sygnałów bliskich spamowi: skalowaną treść generowaną przez AI, masowo produkowane strony w jednym formacie oraz setki, a nawet tysiące artykułów wpisujących własną markę na miejsce nr 1.

Dwie uczciwe uwagi. To analiza Ray na zbiorze witryn, który sama wybrała, a nie komunikat Google, i Google nie potwierdziło żadnego mechanizmu. A ryzyko, które opisuje, dotyczy skali i piętrzenia ryzykownych taktyk, a nie jednej strony porównawczej. Traktuj to jako silny sygnał kierunkowy: forsowanie autopromocji na przemysłową skalę może umieścić całą twoją domenę w strefie rażenia core update.

Google zaczyna ostrzegać szukających wprost

Jest jeszcze trzecia konsekwencja, która powinna dać do myślenia każdej strategii „jesteśmy najlepsi”. Ray pokazuje, że przy niektórych zapytaniach „najlepsze [x]” Google AI Overview dołącza teraz zastrzeżenie, mówiąc szukającym, że dana kategoria jest „nasycona samozwańczymi ekspertami”, i kierując ich ku profesjonalistom uznanym za mierzalne wyniki. Zauważa, że Claude robi coś podobnego, sygnalizując, że pewne kategorie były zaspamowane. Gdy zarówno wyszukiwarka, jak i asystent uczą użytkowników nieufności wobec słowa „najlepszy”, budowanie widoczności właśnie na tym słowie z miesiąca na miesiąc wygląda coraz mniej sprytnie.

Czemu więc AI faktycznie ufa

Jeśli nie twojej własnej liście, to czyjej? Dane o cytowaniach u Ray wskazują na dobrze znane, wysoce autorytatywne nazwy. Przy zapytaniach „najlepsze” w AI Overviews Forbes, Reddit i YouTube wciąż pną się w górę jako źródła, na których opierają się odpowiedzi, przy czym zwłaszcza Reddit rośnie szybko, a Forbes Advisor gwałtownie wystrzelił mniej więcej od marca. Innymi słowy, odpowiedzi AI coraz częściej zapożyczają swój osąd od niezależnych serwisów recenzenckich oraz z miejsc, gdzie realni ludzie publicznie porównują opcje.

Co samo Google mówi na ten temat

Nic z tego nie kłóci się z własnymi radami Google, i to jest część, przy której warto się zatrzymać. W swoim przewodniku po optymalizacji pod funkcje AI w wyszukiwaniu Google mówi bez ogródek, że sztuczna pogoń za „wzmiankami” w całej sieci nie jest skrótem, na jaki wygląda, i że sfabrykowane czy nieautentyczne umieszczenia to dokładnie ten rodzaj rzeczy, do wyłapywania których zbudowano jego systemy antyspamowe. Jego stały przekaz jest ten sam, który powtarza od lat: twórz treść przede wszystkim dla ludzi i zdobywaj reputację w sposób prawdziwy, zamiast montować sygnały, by ograć system.

Odczytana w świetle danych Ray, ta rada przestaje brzmieć jak formułka. Ściana stron nazywających siebie najlepszym jest, niemal z definicji, sztuczną wzmianką o samym sobie na skalę. To dokładnie ten wzorzec, który Google, jak twierdzi, dyskontuje. Lista wpisująca siebie działała przez jakiś czas, bo modele nie zdążyły nadgonić, a nie dlatego, że Google ją kiedykolwiek zaakceptowało.

Jak sprawdzić, czy dotyczy to ciebie

Nie potrzebujesz budżetu na badania, żeby sprawdzić własną ekspozycję. Krótki audyt załatwia większość sprawy:

• Uruchom własne zapytania „najlepsze [kategoria]”. Zapytaj Google i asystenta takiego jak ChatGPT o najlepsze narzędzia albo dostawców w twojej niszy. Zanotuj, które marki są wymieniane jako wybory. Jeśli nie ma cię wśród nich, nie jesteś rekomendowany, cokolwiek mówią twoje własne strony.
• Spójrz na źródła pod odpowiedzią. Jeśli twoja strona pojawia się w cytatach, ale twojej marki brakuje w rekomendacji, żyjesz dokładnie tym rozdźwiękiem z tej analizy. Cytat w tym miejscu nie jest wygraną.
• Policz swoje strony wpisujące siebie. Jeden uczciwy artykuł porównawczy jest w porządku. Jeśli masz dziesiątki albo setki stron, które wszystkie koronują twoją markę na miejsce nr 1, dźwigasz profil ryzyka, który Ray wiąże ze spadkami w całej domenie.
• Porównaj swój ślad poza witryną z markami, które są rekomendowane. Ile niezależnych serwisów linkuje do ciebie albo cię wspomina, a ile ich? Ta luka, a nie twój copywriting, jest tym, co czyta AI.

Jeśli odpowiedź brzmi „zacytowany, ale nierekomendowany”, rozwiązaniem nie jest napisanie listy jeszcze bardziej agresywnie. Jest nim domknięcie luki autorytetu.

Co zamiast tego zdobywa rekomendację

To, co naprawdę porusza rekomendacją, jest nudne i trudne do podrobienia: bycie omawianym i linkowanym w miejscach, których nie kontrolujesz. W praktyce oznacza to garść niepozornych, trwałych ruchów.

• Zdobywaj prawdziwe wzmianki od stron trzecich. Doprowadź do tego, żeby pisały o tobie, recenzowały cię, cytowały i linkowały serwisy, które nie są tobą: media branżowe, niezależni recenzenci, partnerzy, dziennikarze. To sygnał, który tabele autorytetu powyżej naprawdę mierzą.
• Trafiaj do zestawień, których nie napisałeś. Znalezienie się na czyjejś uczciwej liście „najlepszych” niesie wagę, jakiej twoja własna lista nigdy mieć nie będzie. Podsuwaj się recenzentom, oferuj wersje próbne, ułatwiaj rzetelną ocenę.
• Bądź obecny tam, gdzie kupujący faktycznie porównują, uczciwie. Społeczności takie jak Reddit i platformy takie jak YouTube są coraz częściej cytowane przez odpowiedzi AI. Nie wspamem się tam wchodzi, ale można uczestniczyć w sposób użyteczny, odpowiadać na pytania i pozwolić, by realni użytkownicy za ciebie ręczyli.
• Zbieraj prawdziwe recenzje. Autentyczne oceny i opinie na niezależnych platformach zasilają tę samą reputację, którą czyta model. Poproś zadowolonych klientów, ułatw to do bólu, nigdy nie fabrykuj.
• Buduj autorytet tematyczny, nie autochwalstwo. Publikuj treści z pierwszej ręki, konkretne, mające zdanie, które odpowiadają na realne pytania w twojej dziedzinie. Samo Google mówi, że to rodzaj rzeczy, które systemy AI mają wydobywać na wierzch, a ogólnikowe listy wpisujące siebie nie.
• Uporządkuj sygnały encji. Zadbaj, by twoja marka była opisana spójnie w witrynie, w profilach i w danych strukturalnych, żeby maszyny potrafiły powiązać zdobyte wzmianki z jedną, jasną encją.

Możesz zachować stronę „najlepsze [kategoria]”, jeśli jest uczciwa i naprawdę pomocna dla czytelnika. Po prostu przestań oczekiwać, że samozwańcze nr 1 cię udźwignie. Ta praca nad zdobytą reputacją jest treścią, która stoi za uczciwą widocznością w AI, i jest przeciwieństwem listy wpisującej siebie.

Obraz dla firm lokalnych i wielojęzycznych

Próbka Ray to amerykańskie oprogramowanie B2B, ale mechanizm się przenosi, a dla mniejszych i lokalnych firm, z którymi pracujemy w Polsce, na Ukrainie i w szerszej UE, przenosi się w nieprzyjemnym kierunku. Jeśli jesteś regionalną agencją, sklepem albo usługodawcą, i tak nigdy nie miałeś przebić autorytetem globalnej marki, ogłaszając się najlepszym w poście na blogu. Twoja realna przewaga jest lokalna i konkretna: recenzje od klientów z twojego miasta, wzmianki w mediach lokalnych i branżowych, wpisy i profile, które są ze sobą zgodne, oraz treść, która odpowiada na dokładne pytania, jakie twoi kupujący zadają we własnym języku.

Ten ostatni punkt liczy się bardziej na rynkach wielojęzycznych. Autorytet nie przenosi się czysto między językami, więc marka dobrze rekomendowana po angielsku może być niemal niewidzialna w polskich czy ukraińskich odpowiedziach AI, a skupiony gracz lokalny może wygrać rekomendację w lokalnym języku, będąc opcją, o której realni ludzie i lokalne serwisy faktycznie mówią. Praca jest ta sama co wyżej, zdobyte wzmianki i prawdziwe recenzje, tyle że wycelowana w źródła, które mają wagę na twoim rynku, a nie w globalny ranking, którego i tak nie przeskoczysz.

Częste pytania

Czy powinienem usunąć swoją listę „najlepszych”? Niekoniecznie. Jedna uczciwa, naprawdę użyteczna strona porównawcza jest w porządku, a usunięcie jednego artykułu nie odmieni twojej widoczności. Ryzyko, które opisuje Ray, dotyczy skali: dziesiątek albo setek niemal identycznych stron, które wszystkie wpisują cię na pierwsze miejsce. Jeśli to opis twojej witryny, konsolidacja i przycinanie mają sens. Jeśli to jedna strona, skieruj energię raczej na zdobywanie autorytetu.

Czy te listy wciąż działają dla dużych marek? Dane Ray sugerują, że mogą, bo uznana marka i tak ma już reputację, żeby zostać rekomendowaną. To nie lista zdobywa im wybór, tylko ich autorytet poza witryną. Dla mniejszej marki bez takiego śladu kopiowanie tej taktyki daje głównie cytaty, które prowadzą donikąd.

Czy dotyczy to tylko Google AI Overviews, czy również ChatGPT? Zmierzone dane pochodzą tu z Google AI Overviews. Ale leżąca u podstaw logika, że asystenci opierają się na tym, jak bardzo szersza sieć za tobą ręczy, ma szerokie zastosowanie, a Ray zauważa, że asystenci tacy jak Claude dokładają własne ostrzeżenia o „zaspamowanej kategorii”. Nie zakładaj, że jeden kanał jest bezpieczny, bo mierzony jest inny.

Ile trwa budowa prawdziwego autorytetu? Dłużej niż napisanie listy, i o to właśnie chodzi. Zdobyte wzmianki, recenzje i publikacje kumulują się przez miesiące, nie dni, i nie ma tu uczciwego skrótu. Każdy, kto obiecuje natychmiastowy status rekomendowanego przez AI, sprzedaje kolejną wersję taktyki, która właśnie się obróciła przeciwko stosującym.

Czy cokolwiek z tego jest potwierdzone przez Google? Nie, i pilnujemy, żeby to powiedzieć. To analiza jednej badaczki na konkretnym zbiorze danych. Google nie opublikowało mechanizmu. To, co czyni ją wartą działania, to fakt, że kierunek pokrywa się z własnymi wytycznymi Google i z tym, co praktycy widzą w terenie, a nie to, że Google zatwierdziło liczby.

Uczciwe zastrzeżenie i wniosek

Zbiór danych jednej badaczki to nie werdykt Google. Ray nazywa to swoją interpretacją, i my tak samo: próbka to oprogramowanie B2B, skupione na USA, a Google nie opublikowało mechanizmu. Ale kierunek pokrywa się z tym, co Google powtarza na głos, że chce nagradzać prawdziwą reputację ponad autopromocję, oraz z tym, co widzimy we własnej pracy nad widocznością w AI.

Jeśli opierałeś się na autopromocyjnych listach, rozwiązaniem nie jest kolejna lista. Jest nim wolniejsza, prawdziwa praca nad staniem się marką, którą reszta sieci faktycznie rekomenduje. Silna widoczność w wyszukiwaniu AI, tak jak dobre SEO, zawsze brała się ze zdobytego autorytetu, a nie ze sprytnego samoetykietowania. A jeśli twój plan wzrostu po cichu zależy od skalowanej, autopromocyjnej treści, warto przeczytać, jak Google coraz lepiej wykrywa syntetyczny wypełniacz, zanim następny core update odczyta go za ciebie.

Źródła

• Lily Ray, „Why Calling Yourself the ‘Best’ Could Be Helping Your Competitors Win in AI Search”, Amsive / Substack, 17 czerwca 2026: lilyraynyc.substack.com
• Search Engine Land, „Google AI Overviews cite self-serving listicles, but recommend competitors 69% of the time”: searchengineland.com
• Google Search Central, „Optimizing for generative AI features on Google Search”: developers.google.com
• Pew Research Center, „Google users are less likely to click on links when an AI summary appears in the results”, lipiec 2025: pewresearch.org